基于视频技术的煤矿在线应急预警系统研究

格日勒，王 刚，柳智鑫

(1.内蒙古兴安盟公安局，内蒙古 乌兰浩特 137400； 2.内蒙古能源发电投资集团有限公司，内蒙古 丰镇 012100； 3.内蒙古电子信息职业技术学院，内蒙古 呼和浩特 010011)

近年来，我国煤矿产业受科技推动影响，矿难事故发生频率有所降低，但纵观近几年的矿难事故，无一不是大型事故，在造成经济损失的同时，也严重威胁作业人员生命安全。同时大型矿难事故的发生伴随着瓦斯泄漏，造成水土等环境污染，影响范围较广[1-2]。为此，对煤矿区域进行在线应急预警尤为必要。现在矿区应用的应急预警系统主要为陈臻等[3]设计的煤矿巷道智能预警系统和李伟山等[4]设计的LSTM煤矿瓦斯预警系统。其中，陈臻等设计的系统受矿井光照环境和传输过程中失真影响，导致应急预警不及时；而李伟山等设计的系统依据时间序列实现矿井信息依赖，由于信息融合时信息格式不统一，导致应急预警效果不佳。视频技术又称动态图像传输技术，目前被应用在多个领域内，如视频会议、可视化管理等，在提升人们视觉效果的同时，也提升其应用领域技术水平。本文将视频技术应用在煤矿应急预警方面，研究基于视频技术的煤矿在线应急预警系统，以提升煤矿区域安全等级。

1 煤矿在线智能应急预警系统设计

1.1 危险预测指标

在煤矿矿井生产环境中，对煤矿安全生产影响最大的指标是瓦斯浓度，其主要以甲烷为主，包含少量烃类和二氧化碳，遇火即发生燃烧或爆炸。在爆炸时产生高温、高压，形成巨大的冲击力，造成人员伤亡、设备损坏，严重的甚至导致矿井坍塌。

井下温湿度变化影响员工的工作效率和身心健康，严重的可能导致员工注意力分散，引发工伤事故，且作业的机电设备也会因散热效率低影响工作效率，降低了设备的安全性。因此，应当采用传感器实时准确地监测煤矿瓦斯浓度及温湿度变化。

1.2 预警系统结构

利用V4L2视频图像采集技术，将传感器应用于煤矿在线应急预警系统，其作用是负责采集煤矿瓦斯、温湿度等实时数据，使用USB摄像头通过视频口连接煤矿地面网并向该网络传输矿井实时视频图像[5]，系统结构如图1所示。

该系统由矿井内控制层、地面网络层和在线应急预警层组成，通过在矿井内安装传感器、USB摄像头利用视频口与数据口与地面网络层的视频监控接入设备、地面控制设备等相连实现矿井实时信息与视频图像传输，使用V4L2视频图像采集技术完成矿井视频图像采集，地面网络层负责将采集矿井视频图像接入设备，利用视频监控设备和视频处理服务器等将矿井内视频图像传输至在线应急预警层。该层预处理矿井视频图像后，使用模糊积分算法构建应急预警模型，完成应急预警并向客户端发出预警通知信息，通过视频监控、数据监控等手段展开报警提示和应急反响。

图1 在线应急预警系统结构示意Fig.1 Schematic diagram of online emergency warning system structure

1.3 预警系统硬件组成

1.3.1 摄像头驱动设计

使用USB摄像头获取矿井内视频图像信息，摄像头内核的驱动为V4L2，通过该驱动程序可将USB摄像头映射为设备文件，将设备文件路径设置为默认形式，与硬件接口相连接后，依据用户所需的单帧采集参数，压缩传送视频图像帧至视频图像采集结束[6]。V4L2驱动结构如图2所示。V4L2视频图像采集需始终保持设备文件为打开状态，依据实际需求设置相关参数和图像各个帧收集形式，内存空间内形成映射，经反复迭代直至图像收集完成[7]。

图2 V4L2驱动结构示意Fig.2 Diagram of V4L2 drive structure

1.3.2 视频处理服务器设计

在煤矿在线应急预警系统中，对煤矿监测视频进行采集、传输、处理，分析煤矿监测视频图像各个帧的信息数据。对视频图像进行格式转换，调整视频图像灰度，目的是减少信息计算步骤，降低CPU占用率，提升应急预警效率。在彩色的视频图像中每个像素均由R、G、B三个分量组成，各个分量像素点区间最高可达2 553，进行灰度处理后的视频图像，其像素点区间最高为255，且原始视频图像具备的特点可得到精准保存，大大降低了后期计算量。为提升灰度处理后的矿井内视频图像对比度，使用非线性方法将视频图像直方图灰度聚集位置的灰度值恢复为均匀状态。由于视频图像采集环境不佳和滤波的存在，使采集到的视频图像存在干扰信息，因此采用中值滤波对采集到的视频图像进行去除滤波操作。完成对视频图像的处理，为煤矿应急预警分析提供技术支持。

系统利用Visual Studio和C++语音设计视频处理服务器程序，系统运行过程中会存储图片格式、视频格式以及矢量图形等数据，将Access 2003作为服务器的存储数据库，该数据库能实现同其他格式数据的相互转换。服务器功能描述如图3所示。

图3 视频处理服务器功能Fig.3 Video processing server performance

视频处理服务器采集矿井现场视频数据和进行报警分别利用摄像头和智能分析仪完成，最终形成矿井现场的视频流以及报警信号[8-10]。如果存在报警信号，则向相应的文件目录中存储报警视频，同时存储对应的路径。此时服务器驱动声光报警器进行报警，并形成报警语音，将报警信息通过短信接口反馈到用户终端上。视频处理服务器和手机客户端分别通过H.264对压缩的视频数据进行编码和解码。

1.4 预警系统软件组成

1.4.1 系统功能模块设计

系统功能模块包括数据输入模块、视频控制模块、信息检索模块、空间数据可视化模块以及水害预测和防治模块。

(1)数据输入和编辑模块。输入不同种类的数据信息，主要是图形、视频数据，并将这些数据存储到Access2003数据中，为后续的数据调用提供服务。同时该数据库不断调整对煤矿水害形成干扰的不同因素数据，为后续的煤矿预警、煤矿治理等提供可靠的数据分析依据。

(2)视频控制模块。接收视频服务器反馈的煤矿现场视频数据，并通过H.264编码实现数据的编码处理后，利用显示模块将视频呈现给用户。

(3)信息检索模块。可对系统中的视频信息、空间数据等进行实时检索和定位，确保用户可实时检索系统中的数据。

(4)空间数据可视化模块。对数据库中的文字和图像等数据进行显示，同时可将煤矿灾害发生的范围直观呈现出来。

(5)煤矿灾害预测和防治模块。可依据输入的视频数据和空间数据，通过GIS平台实现煤矿灾害的全方面预测，并且将预测结果通过空间数据可视化模块反馈给用户，同时为用户提供合理的防治策略。

1.4.2 报警短信拦截程序设计

报警视频控制模块能够检索、显示以及过滤报警视频。报警短信拦截程序对报警视频关联模块的管理功能的高效运行具有重要关联性。系统报警短信拦截程序如图4所示。

图4 报警短信拦截流程Fig.4 Alarm SMS interception process

如果入侵目标被视频服务器发现，则用户客户端会接收到服务器通过短信平台接口反馈的报警信息，此时客户端报警短信拦截程序匹配短信信息。当该信息同预先设置的信息一致，则用户会收到系统提供的报警音乐提示音，用户可在客户端点击该条记录，并查看相应的现场报警视频；若信息不一致，则不执行任何操作。

2 仿真分析

2.1 实验准备

为验证系统的使用效果，以某大型矿区数据为依据，在Matlab仿真平台进行实验。系统运行环境为Windows 10系统，处理器AMD X250，RAM 4.00 GB，CPU Pentium3，内存512 MB，硬盘500 GB。USB摄像头3个，温湿度传感器1个，瓦斯传感器1个。

2.2 系统界面

根据上述设置搭建煤矿在线应急预警系统。在进行测试前，需要对系统进行配置，配置传感器参数，调整煤矿在线监测视频图像等。在对传感器配置完成后，利用摄像头采集矿井内图像及视频，经过处理后回传至系统。

2.3 预警系统验证

为验证图像处理性能，将格式转换性能、在线应急反应能力和在线应急预警性能作为指标进行测试。

2.3.1 格式转换性能测试

视频图像格式转换是实现精准应急预警的基础，选取该矿区8 000个格式为YUY2的视频图像数据，将其转换为RGB形式，以转换遗留率作为衡量系统格式转换能力指标，测试设计系统格式转换性能。测试结果如图5所示。

图5 格式转换性能Fig.5 Format conversion performance

分析图5可知，随着视频图像数据量的增加，视频图像格式转换的遗留率逐渐增加，在视频数据量为1 000～3 000个时，其格式转换遗留率均在2%以下，遗留率上升微乎其微，且随着视频数据量的增加，视频图像格式转换遗留率曲线呈现较平缓上升趋势；当数字视频图像据量为8 000个时，其视频图像转换遗留率仅为5%。由此可知，视频图像格式转换能力较强。

2.3.2 在线应急反应能力测试

系统在线应急反应能力是体现预警效果指标之一，以数据传输时间为指标，统计系统传输8 000个视频图像数据耗时，测试其在线应急反应能力，结果如图6所示。

图6 在线应急反应能力Fig.6 On-line emergency response capability

分析图6可知，系统传输视频图像耗时与数据量呈正比。当视频图像数据量为2 000～8 000个时，平均传输耗时为0.57 s；当视频图像数据量最大时，传输耗时最大，为0.8 s。由此可知，视频图像数据传输速度快，在线应急反应能力强。

2.3.3 在线应急预警性能

以8 000个矿井内视频图像为实验样本，平均分为5组，统计系统预警的应急情况并使用1～5标注法对结果进行标注。其中，数字1～5分别表示应急程度较好、一般、稍微严重、严重、极度严重，结果见表1。

表1 在线应急预警性能Tab.1 Online emergency warning performance

分析表1可知，本文系统预警的矿井应急程度与实际矿井应急程度完全相同，不易造成应急资源浪费。由此可知，本文系统可以精准预警矿井应急程度。

3 实例分析

将本文系统应用于当地某煤矿中，利用1个USB摄像头采集矿井内的图像，并采用图像视频处理技术对图像进行采集后处理，测试设计系统的煤矿图像采集处理能力。结果如图7所示。分析图7可知，本文系统可有效实现煤矿井下图像的采集，且图像内边缘特征可完好地展示。由此可知，本文系统可以实现煤矿在线图像采集处理能力。

图7 采集处理煤矿图像Fig.10 Collect and process coal mine images

4 结语

本文结合视频技术研究基于视频技术的煤矿在线应急预警系统，该系统有效利用视频技术对传感器和USB摄像头采集到的矿井内数据进行处理，并通过构建预警模型完成矿井应急预警。经过实验验证，本文系统在视频图像数据量为8 000个时，视频图像转换遗留率仅为5%，视频图像格式转换性能较好；预警的矿井应急程度与实际矿井应急程度一致，在线应急预警性能强。

参考文献(References)：

[1] 武强，徐华，赵颖旺，等.基于云平台的矿井水害智慧应急救援系统与应用[J].煤炭学报，2018，43(10)：2661-2667.

Wu Qiang，Xu Hua，Zhao Yingwang，et al.Intelligent emergency rescue system of mine water disaster based on cloud platform and its application[J].Journal of China Coal Society，2018，43(10)：2661-2667.

[2] 王悦，于水，王苏健，等.微震监测技术在煤矿底板突水预警中的应用[J].煤炭科学技术，2018，46(8)：68-73.

Wang Yue，Yu Shui，Wang Sujian，et al.Application of microseismic

monitoring technology in water inrush warning of coal mine floor[J].Coal Science and Technology，2018，46(8)：68-73.

[3] 陈臻，付文俊.煤矿巷道掘进作业智能监测与安全预警系统设计[J].煤炭技术，2018，37(2)：214-216.

Chen Zhen，Fu Wenjun.Design of intelligent monitoring and safety early warning system for coal mine roadway excavation[J].Coal Technology，2018，37(2)：214-216.

[4] 李伟山，王琳，卫晨.LSTM在煤矿瓦斯预测预警系统中的应用与设计[J].西安科技大学学报，2018，38(6)：1027-1035.

Li Weishan，Wang Lin，Wei Chen.Application and design of LSTM in coal mine gas prediction and early warning system[J].Journal of Xi′an University of Science and Technology，2018，38(6)：1027-1035.

[5] 唐涛，杨明哲，郑智辉，等.基于视频分析的南水北调跨渠桥危化车预警系统[J].人民长江，2018，49(23)：122-127.

Tang Tao，Yang Mingzhe，Zheng Zhihui，et al.An early warning system for dangerous vehicles of the South-to-North water diversion bridge based on video analysis[J].Yangtze River，2018，49(23)：122-127.

[6] 原磊明，王海斌，刘旭飞，等.矿井人身安全视频防护系统设计[J].煤炭技术，2018，37(11)：373-375.

Yuan Leiming，Wang Haibin，Liu Xufei，et al.Design of mine human safety video protection system[J].Coal Technology，2018，37(11)：373-375.

[7] 叶懋，黄品高，吕洋，等.基于FPGA的雾霾视频图像实时复原系统研究[J].应用光学，2019，40(5)：812-817.

Ye Mao，Huang Pingao，Lü Yang，et al.Research on haze video image real-time restoration system based on FPGA[J].Journal of Applied Optics，2019，40(5)：812-817.

[8] 刘彤，陈思源，倪维健.基于SIF-Fast text算法的应急预案快速生成[J].中国科技论文，2020，15(11)：1270-1276.

Liu Tong，Chen Siyuan，Ni Weijian.Rapid generation of emergency plan based on SIF-Fast test algorithm[J].China Science and Technology Paper，2020，15(11)：1270-1276.

[9] 赵旭生，马国龙，乔伟，等.基于事故树分析的煤与瓦斯突出预警指标体系[J].矿业安全与环保，2019，46(3)：37-43.

Zhao Xusheng，Ma Guolong，Qiao Wei，et al.Coal and gas outburst warning index system based on accident tree analysis[J].Mining Safety & Environmental Protection，2019，46(3)：37-43.

[10] 彭玉敬，刘建，郜彤，等.基于GIS的煤矿企业风险预测预警系统设计[J].工矿自动化，2018，44(6)：96-100.

Peng Yujing，Liu Jian，Gao Tong，et al.Design of risk prediction and early warning system for coal mine enterprises based on GIS[J].Industry and Mine Automation，2018，44(6)：96-100.