智能视频识别技术在石油石化行业中的应用研究

夏博强

关键词：智能视频识别；石油石化；应用研究

一、研究背景

石油是国家发展的基本战略资源，石油的开采是保障石油生产的重要环节，创造重要的商业价值。在石油的开采过程中，需要保障整个生产过程的安全。在生产作业过程中，需要采用各类防范措施，减少石油开采过程中的各项风险。随着数字技术以及智能技术的发展，各类数字技术以及智能技术被应用于石油开采的安全防护过程中，比如在各类野外采油环境下，通过安装各类视频监控，来防止石油泄漏、动物或者人员入侵等。传统的视频监控等安防措施通过视频监控石油开采过程中的环境变化，有监控人员及时发现可能发生的各项风险，并及时通知相关人员进行处理来减少风险。但是，由于需要监控人员人工干预，对监控人员的精力要求较高，而监控人员有可能会错过风险因素，并不能完全避免风险的发生。

作为安防系统中的重要组成部分，视频安防系统在油田生产中发挥了重要的作用。油田生产具有一定的危险性，一旦发生事故，可能给石油企业带来重大的人员以及财产损失。虽然视频监控逐渐在石油生产中得到应用，但由人工进行视频内容分析时，主要存在以下问题：

①监控人员由于注意力难以持续专注，可能错过视频监控中的风险因素。

②一般而言，石油生产过程是24 小时不间断的过程，监控人员需要24 小时不间断地分析视频中的监控内容。但是，监控人员难以不间断地对视频内容进行观察，可能在某些时间错过生产过程中的危险因素。

③视频监控的内容存储过程中需要大量的存储资源。由于视频内容难以采用文本等方式完整地描述其内容，一般只能根据视频的录制时间等标签来进行索引，导致对视频内容进行溯源等分析时较为困难，并且需要耗费大量的时间资源。

④传统的视频监控属于被动监控，监控的主要方式是以录制的方式，将生产过程中的各类环境进行记录。但是难以主动地发现生产环境的变动或者对事故进行预警处理，更多的是作为一种事后的分析手段留存相关证据，难以有效避免损失的发生。

随着各类智能技术在石油企业的应用，利用智能技术自动分析监控内容，能够避免人员主观监控存在的风险因素遗漏等问题，并且可以节约人力资源，提高管理效率，并且解决传统视频监控中存在的上述问题。视频的智能分析是视频监控的主要发展方向，智能分析基于图像处理以及人工智能技术，能够有效地对各类事故进行预警。通过智能分析技术，可以处理较大范围的安全防范问题，比如检测各类可疑的生产现场的入侵行为、对漏油火灾等生产事故进行侦测。并且，通过智能视频分析技术，可以高效地自动分析视频内容，执行生产预警，对生产过程进行主动监控。

2. 智能视频分析技术概述

智能视频分析以机器视觉技术为基础，通过机器视觉技术自动识别视频的内容，同时结合机器学习等技术，对视频中的内容进行自动识别，对视频中相关物体的行为进行侦测，可以用于特定事件或环境的监控。

采用智能视频分析进行视频监控，可以达到以下目的。

①通过智能视频分析，可以让监控方式转变为主动监控，实现事前的预警。

②通过智能视频分析，可以实时对生产环境进行监控，及时进行事中处理。

③通过智能视频分析，可以从历史视频数据中快速定位相关内容，高效进行事后的取证。

智能视频分析的常用技术基础有以下几种。

①背景减除法。该方法可以对视频内容中的特定对象进行识别，可以将运动物体与其背景进行分割。其核心原理是通过对比背景区域的图像像素与检测物体的像素差异来识别物体。一般而言，当差异较小时，该区域被认为是背景区域，而差异较大时，被认为是物体的运动区域。通过该方法，可以将视频中每一帧的图像进行区分，有助于识别被监控物体的变化。

②时间差分方法。该方法对比视频中相邻帧中图像的变化，从而处理视频中特征物体的连续动态变化特征。通过对比视频流中，不同帧中物体的变化，通过对比不同帧像素的变化，识别出物体的连续运动。通过对比各个帧的物体信息的变化，可以检测中目标边缘，从而识别物体的运动。

③ Haar-like 算法。该算法可以通过处理视频中不同帧中的边缘特性等，对视频中的信息进行噪声的消除，减少视频中图像中存在的的噪声干扰。并且通过该算法对图像进行积分变换，可以提高对物体识别的准确性。为了有效提高该算法对物体识别的精度，还可以进一步采用Adaboost 等算法，增强Haar-like 对物体识别的精度，提高智能视频分析的准确性。

④混合高斯方法。该方法是基于混合高斯模型，假设不同的图像的像素分布呈现高斯分布的特点，而视频中高斯分布的变化可以反映视频中物体的变化。该模型基于统计分析模型，对视频中的每一帧进行高斯模型的拟合，从而识别出待检测物体的变动情况。

⑤ HOG 方法。该方法利用图像中灰度特征，通过计算物体的边缘分布，用于识别物体的形状。该算法可以有效地切分图像的区域，通过切分图像区域并计算各个区域中像素的灰度特征，采用一定的算法来描述不同区域的特征，从局部图中更为精准地描述各类待检测物体。该算法可以适应视频中各帧图像的比例变化以及光线强度的变化，可以在较高精度上识别物体的变动。

⑥卷积神经网络。该方法属于一种深度学习方法，通过建立深度神经网络，处理图像、视频的识别。通过建立含有卷积层、Relu 层等神经单元的深度神经网络，可以较好地识别图像中的各类物体。并且通过调整卷积神经网络的网络结构，可以适应于不同生产环境下的智能视频监控。卷积神经网络可以根据历史视频信息，自动调整网络的结构以及参数。通过对比预测与真实图像的误差，通过迭代计算来调整网络结构，达到预测图像与真实图像逐渐一致的效果，能够在较高精度上识别图像的相关内容，并且对图像中的干扰噪声等具有一定的鲁棒性。但是卷积神经网絡一般需要大量的历史数据进行训练，并且对计算资源具有一定的要求，模型运行的效率相对较低。

三、智能视频分析技术在油气田的应用场景分析

（一）石油和天然气泄漏检测

在石油企业对石油以及天然气等资源进行开采的过程中，由于生产作业场地一般位于较为偏远的野外，并且分布的区域较广，生产过程中面临各类气候条件的挑战，比如高温、大雪等。如果采用人工方式监控生产过程，要求全天 24 小时实时监控所有油井视频图像，可能难以达到油井泄漏原油告警的目的。

因此，可以配有CIF 传感器的热摄像与视频监控软件相结合，气体泄漏检测用视频智能分析软件可以根据挥发性气体泄漏的物理性质检测气体泄漏。同时，采用一定的智能视频分析技术，通过识别监控图像中可能存在的烟雾等特征，及时对可能发生的石油和天然气的泄漏进行检测。

漏油检测原理是基于油和水在温度、热反射和热发射率之间的差异之上。由于导热性差异，油通常在白天吸热很快，因此它比周围的海水温暖，在热图像上显示为热点。到了晚上，情况刚好相反：油体的放热速度比周围的海水快，因而，油在热图像上显示为一个低温区。在白天，因为油反射来自阳光的热辐射不同，反射油也显示在热图像中。发射率不同是漏油检测能有效进行的另一因素。虽然不同种类的油发射率不尽相同，但一般而言要低于水的发射率。这使得热像仪能够在完全黑暗时“看到”漏油，这意味着油回收可以在夜间继续进行。这一点至关重要，因为在油发生下沉、溶解或蒸发前，将漏油收集起来的时间是十分有限的。在白天，热成像系统的性能也优于可见光成像系统。热像仪不仅可以在完全黑暗时检测到漏油，还可以穿透烟雾，灰尘和薄雾。因为可见光成像仪对可见光的依赖性较强，他们对太阳反射和视角的变化也更敏感，而这些因素对热像仪的影响却微乎其微。

数字细节增强技术：明辨细微的热差异但并不是所有的红外热像仪都可以检测漏油。要求热像仪对细微的温差十分敏感。

（二）安防区域入侵检测

由于石油生产的作业场所大部分位于野外，在生产过程中可能会遇到各类动物、昆虫等入侵带来的干扰，需要及时发现这些入侵行为，减少对石油生产过程带来的危害。因此，可以采用智能视频分析技术，提前监控视频中的各类物体以及物体的连续变化。比如识别视频中可能存在的动物以及飞虫，通过视频过滤技术，检测视频中的各类物体。同时，结合卷积神经网络等模型，对图像进行精细化的处理，侦测视频图像中的各类物体。通过在监测区域中设置警戒区域，一旦识别到存在动物或者昆虫等入侵到警戒区域以内，系统自动发出报警信息，通知现场作业人员进行处理。

（三）人员徘徊检测

在石油生产过程中，还需要防范各类盗油、对生产设备进行破坏等行为。通过智能视频分析，可以有效甄别出可疑人员在生产设备附近的徘徊行为。根据用户指定的工地重点区域，例如工地大门口，通过监控摄像头，当发现有异常徘徊人员时主动触发报警，根据需要可以设置徘徊时间，徘徊物体大小，或者徘徊对象过滤等。如果系统检测中可疑人员在敏感区域进行徘徊时，可以主动触发报警机制，提取徘徊人员的特征，自动发送给现场安保人员进行处理，减少可能存在的可疑人员对石油开采过程带来的破坏。

（四）危险因素智能识别

在油气管道附近的施工作业，尤其大型机械作业（如：挖掘机、泵机）在造成管道损伤的案例中占有一定的比例。通过AI 视频分析功能对管线附近的第三方施工进行智能监控识别大型机械作业，一般对大型作业车辆的检测不需要实时开展，可以采用算法轮巡的方式进行检测，可以大大降低成本。对管道周边的煙火监测是极其重要的，通过视频分析的烟火识别技术，可以对火灾进行预警、事故调查的支撑。

（五）关键设施监控

石油生产过程中，需要依赖各类生产设备，比如各类钻采专用设备。这些钻采设备在生产过程中可能出现故障、停机等问题，影响石油开采的连续进行。通过智能视频分析，可以有效地识别关键设备的异常行为，并结合SCADA 等系统，通过视频监控以及传感器监控，对可能存在的设备异常进行识别以及预警，及时通知相关人员进行处理。通过智能视频分析，可以高效地、实时地对关键设备的生产状态进行监控，有效地识别各类故障行为。同时，针对油区、重点站库等生产场所，通过智能视频分析，可以监测关键设备的各个部件，比如阀门等是否正常的运行，一旦出现部件的异常状况，及时将异常部件的图像提取给运维部门以及检修人员，帮助相关人员及时判断可能出现的故障，能够提高设备维护的效率，减少关键设备出现问题时进行维护的时间。

（六）人员车辆等管理

在对油区等区域进行管理时，可以结合智能视频分析技术，对关键区域的人员、车辆等进行管理。通过在系统中自动识别通行车辆的相关标识，对可能存在的无牌车辆、车辆的危险行为、可疑人员等进行及时的预警。为提高油田生产区域的安全防护级别，通过对各类生产车辆、生产人员进行智能视频的监控，设置各类安全规则，对可能违反规则的车辆以及人员进行告警，减少可能存在的危害油田安全的事件。在各类重点的油库周边，可以进一步布置智能视频分析的相关设备，对各类入侵、徘徊等高危行为进行及时预警，并通过智能视频系统，自动记录人员、车辆的运动信息，一旦出现违规行为即进行预警，并且通过对历史数据的自动检索，识别可能存在的各类危险行为。

四、结束语

在石油石化行业的发展过程中，智能技术的使用对加强生产管理、提升安全防护等级提供了重要的保障。其中，智能视频分析是保障石油生产过程中，关键设备安全、对可疑行为进行预警的重要基础，有效降低了石油生产过程中的风险，提高了石油企业的管理效率，有利于石油企业进一步提高智能化程度，增强自身的核心竞争力。