物联网视频识别技术在化工企业中的应用

王世祯

[摘    要] 传统意义上的企业巡检依靠大量人力和设备，生产现场安全存在各种不定因素与有毒有害媒介。现场各目标间关系复杂，很难以一个整体视角将其联系整合观察，往往为决策判断延误最佳时机。大多数关键点一旦产生问题信息，则来源既不同步又延迟严重。文章分析了基于物联网的视频识别与监控技术的优越性，并着重介绍了某地区大型化工企业应用该技术，首先设计了独立网络结构模型，定量指标和定性指标的标准化、模式化处理，完成了物流监控、多路监控、辖区行为识别、热成像分析智能化，并得出了实际结果优于传统系统、更符合国家安防管理规范要求的结论。

[关键词] 视频监控;物联网;化工企业

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2020. 03. 041

[中图分类号] TP311    [文献标识码]  A      [文章编号]  1673 - 0194（2020）03- 0100- 03

0      引    言

化工企业作为一个多系统、多层次的复杂系统，常有点多、面广、线长的特点。化工厂区众多因素穿插交融在复杂的问题之中，不但对管理者的经验、知识和智慧做出较高的要求，更对现场的操作人员的专业技术水平、安全意识、应变能力有着专业化的要求。在以往的传统企业管理过程中，为降低企业损失、排查安全风险、发现安全隐患、检查设备运转状况、保障人员安全、规范操作人员行为，企业的管理人员往往要设定一套复杂的巡检机制和进出厂检查制度。使之适用于企业的安全生产管理与人员操作规范保障，进而保证安全生产期。

1      传统石油化工企业厂区现场存在的问题

某些关键行业，例如石化和输配电，需要追踪工作现场发生的各种现场事件，并进行实时监控。长期以来，传感器一直是企业现场监控依赖的一部分，但传统的通信和控制方式主要依靠SCADA（数据采集及监控系统）。这类系统面向大型设施的运行而设计，能将信息集中至中央控制器。但在许多情况下，安全性主要取决于复杂程度。现场一般存在三方面问题：

（1）化工现场存在点多、面广、线长的特点。基于人力现场巡逻的机制，对于问题的发现制约于巡检人的主观经验、时间点的间隔和最后的汇总。一旦出现问题往往不会第一时间发现，错过最佳处理时机;

（2）化工现场多为剧毒、高温、高压装置，新员工容易误入警戒区域造成危险，如果员工个人防护器具出现纰漏，一旦出现问题后造成的损失往往不可挽回;

（3）现场化工装置产生的高温气体、异味、噪声对于巡检人员的经验是一个考验，对于缺乏经验的员工很难判断出现场情况是由于装置的正常生产排放还是异常前兆。当问题出现时往往错过最佳的处理时机。

虽然传统的现场摄像头和报警仪的使用可以大大减少了人员现场的巡检频次，对现场特定因素的判断提供了一定的方法，但是归根结底仍需要操作人的参与。对于化工企业中应尽量减少主观随意性、思维不定性以、经验匮乏性、认识模糊性等不利的主观因素影响，仍是一个困扰企业的问题。

如果能够利用已有的方案及参数，根据所给出的现场特征就能对现场做出预判和预警，不但可以减少人为的不确定因素、提高评价结果的准确性，还可以减轻评价者的负担，提高生产效率，降低企业管理成本。

2      物联网视频识别技术简介

“物联网视频识别”包括多种类设备和相关应用，例如高空远望摄像机（网络型）、全景摄像机（网络型）、防爆热成像摄像机（网络型）、手臂上佩戴的轨迹追踪仪、车库监控摄像头。它们可以配合应用使用，向指定用户或网站发送信息，并对相应事件触发相关指令。物联网技术的应用很重要，但这只是一部分。

对于企业来说，物联网视频识别的发展还有很长的路要走，但物联网视频识别技术已经带来了很大的不同。与消费类物联网系统类似，企业现场的物联网视频识别设备也有许多功能。这类设备配备了多种通信方式，能够在相互之间交换信息，当然也能与移动设备通信。

在工業、商用系统中，物联网视频识别设备可以直接向现场发送关键消息，提供更好、更简单的通信方式。与此同时，这些设备也可以将数据发送至总部，用于分析。相对于老式电话服务，互联网能带来较低的成本，并对决策进行优化。此外，某些技术也可以使安全性提升至可接受的水平。

3     物联网视频识别技术的优越性

物联网视频识别技术可有效解决传统现场巡检存在的三个问题。

物联网视频识别设备可以将所有现场视频多路传输输入整合至中央巨幕，突破了基于传统巡检处理的局限，一般的巡检方法在现场复杂、信息片面不完整、存在矛盾等复杂环境中往往难以应用，而物联网视频识别技术则能跨越这一障碍使得管理人员具有“上帝视角”，从而大大方便了问题的关联整合与观察提取，可以从现场事例中提取关键因素与关联因素及时响应处理具体问题，且能对不完整信息进行补全。从评价的角度来看，物联网视频识别技术通过对已有系统及其评价结果的预判，可获得等同于人的经验、知识以及对各重要目标前期问题的第一时间预警。一旦用来评价时，网络便可再现这些经验、知识与直觉思维，对复杂问题做出及时、合理、准确的判断。

4      物联网视频识别技术在化工企业的应用

4.1   行为识别/分析技术

行为识别是指通过分析视频、深度传感器等数据，利用特定的算法，对影像捕捉到人的行为进行识别、分析的技术。这项技术被广泛应用在视频分类、人机交互、安防监控等领域。

行為识别包含两个研究方向：个体行为识别与群体行为（事件）识别。近年来，深度摄像技术的发展使得人体运动的深度图像序列变得容易获取，结合高精度的骨架估计算法，能够进一步提取人体骨架运动序列。利用这些运动序列信息，行为识别性能得到了很大提升，对智能视频监控、智能交通管理及智慧城市建设等具有重要意义。同时，随着行人智能分析与群体事件感知的需求与日俱增，一系列行为分析与事件识别算法在深度学习技术的推动下应运而生。

在化工装置区设置工业电视系统（Industrial Television System），对人员进行行为监控，将现场防爆变焦筒型摄像机（网络型）捕捉到的监视信号实时引入就近的视频监控专网，同时将信号上传行为分析服务器。

行为分析服务器可分析行为包括：通用行为分析（穿越警戒面、区域入侵、进入区域、离开区域、徘徊、人员聚集、奔跑、剧烈运动、倒地）、人员滞留检测、安全帽检测、离岗检测、人数异常检测、人脸识别等功能，如图1所示。

4.2   物联网视频识别技术在化工企业的可行性

与其他生产系统相类似，化工企业生产系统事故的最大特点就在于动态性、随机性和危害性大。表现为相当明显的非线性动力学过程。无论是采用传统的分析方法还是现场巡检方法，都只是片面地解决了其中的一个关注元素，具有片面性。没有能够很好地解决各因素之间的关系问题。传统的方法基本上都是以线性等固定关系设定了事故因素与后果之间的映射关系。很显然，这些情况无法快速地在事故系统早期做出预警与判断。同时，在传统的评价方法中，评价因素中的各指标在评价过程中的权重往往已经事先确定，而系统在运行过程中由于受多种因素干扰，有的因素常常事先无法预见，事先将权重确定的方法显然与事实相悖，传统的方法在变权问题上没有提供完善的解决方案。

化工企业生产事故的特点，决定了在事故发生的早期往往同时或分次伴有设备温度异常、震动值超标、异常烟雾、先期火点等前期状态的变化，通过物联网视频识别技术对整个事故系统前期的持续监控、预警是非线性动力学过程，这与体系安全中的“及时发现、及时处理”相适应。这种特性上的耦合决定了物联网视频识别技术在石化企业安全评价中具有可行性和较强的适应性。其他安全评价模型完全有能力解决传统的安全评价方法所无法完善解决的问题。

现场热成像摄像机主要监视生产安全重点部位（如关键阀组、管线、生产设备等），视频信号引入热成像分析服务器后，识别出重点部位的温度。当重点部位的温度出现异常，设备直接报警，省去了现场巡检、发现、报告的时间，直接为安全生产提供保障。

4.3   某石化公司应用结果分析

首先设计物联网视频网络结构，依据简化后的化工企业安全评价指标体系，构建化工企业综合网络模型。整个化工企业物联网视频网络模型由2个层次组成，如图2所示。

借助物联网视频智能化的技术，提高了厂区内安全工作的自动化程度，采用先进的智能分析手段、智能识别等方式，自动识别厂区内各类安防突发事故，逐步实现厂区内安全事故的处理由“事后侦查”向“事前预警”、“事中控制”的根本转变，使各类安防事故控制在未遂状态，降低厂区安全事故率。同时，通过智能化技术实时对视频监控图像巡查，及时发现故障设备。厂区智能化应用主要分为两部分：

（1）行为分析智能化：通过智能化手段，对工作人员日常操作行为进行有效侦测，当发生某一预设报警类型时，实现声光报警、上墙显示等联动机制。

（2）热成像分析智能化：监视生产安全重点部位（关键阀组、管线、生产设备等），通过热成像摄像机识别出重点部位的温度，如果重点部位的温度出现异常，设备直接报警，为安全生产提供保障。

5      结    论

（1）相比传统石化企业现场巡检相比，物联网视频识别技术具有人工成本低、现场安全性高的优势，适合推广;

（2）结合化工企业安全评价指标体系和国家安防管理规范要求，基于物联网视频识别技术的安全评价模型的网络结构设计更符合长期规范要求;

（3）用物联网视频识别技术后的事故模拟预判识别对待评价的化工企业的安全状态进行评价，得到与实际相符合的评价结果。

主要参考文献

[1]Robert A Dolin.Deploying the“Internet of Things”[C]//SAINT06 Proceedings of ISAI，2006：216-219.

[2]John A Stankovic.Research Directions for the Internet of Things[J]. IEEE Internet of Things Journal， 2014， 1（1）：3-9.

[3]Yong Du， Wei Wang，Liang Wang. Hierarchical Recurrent Neural Network for Skelet on Based Action Recognition[C]//IEEE Conferenceon Computer Vision and Pattern Recognition （CVPR），2015.