一种基于深度学习的抽油机未停机人员靠近的检测方法技术

本发明专利技术属于抽油机未停机目标检测、目标对比技术领域，尤其涉及一种基于深度学习的抽油机未停机人员靠近的检测方法。该种基于深度学习的抽油机未停机人员靠近的检测方法用于实时检测抽油机未停机（抽油机在运动或停止运动时未拉手刹器），人员靠近砸伤或挤伤的安全隐患，不仅能够满足油田企业的管理要求，而且能够及时发现技术人员的安全隐患并发出预警，避免意外的发生。该基于深度学习的抽油机未停机人员靠近的检测方法包括有构建YOLOv5网络模型结构、训练神经网络模型，建立抽油机状态与待测抽油机图像的关联，判断待测抽油机图像的检测目标结果中是否存在抽油机、以及判定抽油机是否处于运动状态，判断其中是否与存在人员，计算人员目标和围栏目标的交并比等步骤。计算人员目标和围栏目标的交并比等步骤。计算人员目标和围栏目标的交并比等步骤。

【技术实现步骤摘要】
一种基于深度学习的抽油机未停机人员靠近的检测方法


[0001]本专利技术属于油气生产安全风险目标检测
，尤其涉及一种基于深度学习的抽油机未停机人员靠近的检测方法。

技术介绍

[0002]为确保井场井区的工作安全，需要技术人员实时对抽油机未刹车现象进行检测；尤其在抽油机围栏或者水泥地内有人员闯入的情况下，及时发现抽油机未停机下人员闯入的隐患，可有效保障人员的生命和财产安全，避免意外的发生。
[0003]随着深度学习技术的快速发展，基于目标检测成为计算机视觉的重要分支，被广泛应用于安防、工业、无人驾驶等多个领域。其中，专利标题：一种视频抽油机启停的检测方法、申请号：CN202011531759.4的专利文献中记载了一种视频抽油机启停检测的方法，主要包括对给定的抽油机视频，先截取成一帧帧的图片，准备对图片中的抽油机进行目标检测；标注抽油机的数据集，用来训练Yolov5目标检测模型；用训练好的Yolov5模型对图片中的抽油机进行检测，得到抽油机的Bounding Box，包括左上角(x1，y1)、右下角(x2，y2)；在当前帧，我们把抽油机的Bounding Box区域裁剪出来作为图片2；定位到当前帧前或后T秒的图片，把该帧对应的同位置区域裁剪出来作为图片1；用滑动窗口在两张图片上取M
×
N的窗口，计算每两个对应窗口的相似度，求平均得到两张图片总的相似度。
[0004]然而进一步研究后技术人员发现，包含上述专利文献在内的现有技术仍存在有诸多技术难点，例如上述检测过程依然是依照人为制定的操作规程来实现检查；此外，在此过程中如何判断抽油机运行与否是一项巨大的挑战；此外，抽油机的运行速度和对视频切帧的间隔如果不适配的话，可能导致出现视频检测中抽油机一直不动（停机假象）的情况，这将对检测结果产生新的不确定性因素，不利于检测效率的进一步提高。

技术实现思路

[0005]本专利技术提供了一种基于深度学习的抽油机未停机人员靠近的检测方法，该种基于深度学习的抽油机未停机人员靠近的检测方法用于实时检测抽油机未停机（抽油机在运动或停止运动时未拉手刹器），人员靠近砸伤或挤伤的安全隐患，不仅能够满足油田企业的管理要求，而且能够及时发现人员闯入的安全隐患并发出预警，避免意外的发生。
[0006]为解决上述技术问题，本专利技术采用了如下技术方案：一种基于深度学习的抽油机未停机人员靠近的检测方法，包括有如下步骤：步骤S1：获取作业现场的抽油机作业的监控视频，采用分组抽帧的方法从监控视频中获取含有抽油机图像；步骤S2：对步骤S1所得的抽油机图像进行标注并生成样本数据；步骤S3：构建YOLOv5网络模型结构；利用步骤S2所得的样本数据对YOLOv5网络模型进行训练，得到训练好的神经网络模型；步骤S4：获取作业现场实时的监控视频，并间隔获取连续的多帧待测抽油机图像
作为一组待测组；步骤S5：获取待测抽油机图像中抽油机状态，建立抽油机状态与待测抽油机图像的关联；步骤S6：将待测抽油机图像输入至步骤S3所得的训练好的神经网络模型中，得到待测抽油机图像的检测目标结果；步骤S7：判断待测抽油机图像的检测目标结果中是否存在抽油机；如果存在抽油机，则使用边缘检测来提取抽油机的形态；比较连续三帧待测抽油机图像中抽油机的形态；如果连续三帧的抽油机的形态不相同，则判定抽油机处于运动状态；否则判定抽油机处于非运动状态；步骤S8：当抽油机处于非运动状态下，根据手刹器与抽油机的角度判断手刹器是否已拉上 ；当抽油机处于非运动状态下且手刹器未拉，或当抽油机处于运动状态下，使用训练好的神经网络模型遍历检测出来的待测抽油机图像的检测目标结果，判断其中是否与存在人员；如果存在人员，则将人员的坐标与抽油机的坐标作比较；步骤S9：计算同一帧待测图像中的人员目标和围栏目标的交并比；若人员目标与围栏目标的交并比均大于预设值，则判断得到人员在抽油机未停机的状态下进入了抽油机的作业区域。
[0007]进一步优选的，所述步骤S2可具体描述为：对步骤S1所得的抽油机图像中的抽油机、人员、围栏进行分别标注；将标注后生成的样本数据的75%作为训练样本，将标注后生成的样本数据的25%作为测试样本。
[0008]进一步优选的，步骤S4中间隔获取连续的多帧待测抽油机图像中的待测抽油机图像帧数不小于45帧。
[0009]进一步优选的，步骤S7中的边缘检测过程可具体描述为：对存在有抽油机的待测抽油机图像进行灰度化处理；对存在有抽油机的待测抽油机图像进行高斯滤波处理；对存在有抽油机的待测抽油机图像中每个像素点的梯度强度和方向进行计算；对存在有抽油机的待测抽油机图像中每个像素进行非极大值抑制处理；对非极大值抑制处理后剩余的像素进行双阈值检测。
[0010]进一步优选的，灰度化处理的过程可具体描述为：Gray=0.299R+0.587G+0.114B；其中R、G、B为存在有抽油机的待测抽油机图像的颜色值。
[0011]进一步优选的，高斯滤波处理的过程可具体描述为：使用高斯滤波器与存在有抽油机的待测抽油机图像进行卷积，离散的高斯卷积核H：(2k+1)
×
(2k+1)维，其计算方法满足：。
[0012]进一步优选的，对存在有抽油机的待测抽油机图像中每个像素点的梯度强度和方向进行计算的过程可具体描述为：
。
[0013]进一步优选的，步骤S9的人员目标与围栏目标的交并比的预设值为0.3。
[0014]本专利技术提供了一种基于深度学习的抽油机未停机人员靠近的检测方法，该基于深度学习的抽油机未停机人员靠近的检测方法包括有构建YOLOv5网络模型结构、训练神经网络模型，建立抽油机状态与待测抽油机图像的关联，判断待测抽油机图像的检测目标结果中是否存在抽油机、以及判定抽油机是否处于运动状态，判断其中是否与存在人员，计算人员目标和围栏目标的交并比等步骤。具有上述步骤特征的一种基于深度学习的抽油机未停机人员靠近的检测方法，可用于实时检测抽油机未停机（抽油机在运动或停止运动时未拉手刹器），人员靠近砸伤或挤伤的安全隐患，不仅能够满足油田企业的管理要求，而且能够及时发现技术人员的安全隐患并发出预警，避免意外的发生。
附图说明
[0015]该附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制。在下述附图中：图1为本专利技术提供的基于深度学习的抽油机未停机人员靠近的检测方法的流程示意图；图2为本专利技术提供的样本数据的示意图之一；图3为本专利技术提供的样本数据的示意图之二。
具体实施方式
[0016]本专利技术提供了一种基于深度学习的抽油机未停机人员靠近的检测方法，该种基于深度学习的抽油机未停机人员靠近的检测方法用于实时检测抽油机未停机（抽油机在运动或停止运动时未拉手刹器），人员靠近砸伤或挤伤的安全隐患，不仅能够满足油田企业的管理要求，而且能够及时发现人员闯入的安全隐患并发出预警，避免意外的发生。
[0017]为了使本专利技术的目的、技术方案及优点更加清楚明白，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的抽油机未停机人员靠近的检测方法，其特征在于，包括有如下步骤：步骤S1：获取作业现场的抽油机作业的监控视频，采用分组抽帧的方法从监控视频中获取含有抽油机图像；步骤S2：对步骤S1所得的抽油机图像进行标注并生成样本数据；步骤S3：构建YOLOv5网络模型结构；利用步骤S2所得的样本数据对YOLOv5网络模型进行训练，得到训练好的神经网络模型；步骤S4：获取作业现场实时的监控视频，并间隔获取连续的多帧待测抽油机图像作为一组待测组；步骤S5：获取待测抽油机图像中抽油机状态，建立抽油机状态与待测抽油机图像的关联；步骤S6：将待测抽油机图像输入至步骤S3所得的训练好的神经网络模型中，得到待测抽油机图像的检测目标结果；步骤S7：判断待测抽油机图像的检测目标结果中是否存在抽油机；如果存在抽油机，则使用边缘检测来提取抽油机的形态；比较连续三帧待测抽油机图像中抽油机的形态；如果连续三帧的抽油机的形态不相同，则判定抽油机处于运动状态；否则判定抽油机处于非运动状态；步骤S8：当抽油机处于非运动状态下，根据手刹器与抽油机的角度判断手刹器是否已拉上 ；当抽油机处于非运动状态下且手刹器未拉，或当抽油机处于运动状态下，使用训练好的神经网络模型遍历检测出来的待测抽油机图像的检测目标结果，判断其中是否与存在人员；如果存在人员，则将人员的坐标与抽油机的坐标作比较；步骤S9：计算同一帧待测图像中的人员目标和围栏目标的交并比；若人员目标与围栏目标的交并比均大于预设值，则判断得到人员在抽油机未停机的状态下进入了抽油机的作业区域。2.根据权利要求1所述的一种基于深度学习的抽油机未停机人员靠近的检测方法，其特征在于，所述步骤S2可具体描述为：对步骤S1所得的抽油机图像中的抽油机、人员、围栏进...

【专利技术属性】
技术研发人员：王美，王逸飞，李慧颖，于示，杨欣欣，高磊，刘佳，薛娟，王凯月，吕德东，延伟，邹燕，
申请(专利权)人：中国石油化工股份有限公司胜利油田分公司技术检测中心胜利油田检测评价研究有限公司，
类型：发明
国别省市：