基于图像特征提取的化工园区安全管理监测技术研究

作     者：楚林巍 

作者单位：哈尔滨工业大学 

学位级别：硕士

导师姓名：李成伟

授予年度：2022年

学科分类：08[工学] 0817[工学-化学工程与技术] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：视频监控 安全检测 区域入侵 YOLOv5 DeepSORT 

摘      要：化工产业是国民经济的重要支柱产业,在我国工业经济体系中占有重要地位。通过视频监控技术对园区潜在安全问题进行防范和预警,加强对化工园区的监测管理,可保障化工园区的安全运行。目前针对化工园区特殊环境的安全管理监测技术研究较少,本文在分析国内外相关技术的基础上,实现工人安全检测和区域入侵检测,结合界面设计、云服务器、APP和嵌入式等技术完成化工园区安全管理监测的功能设计。基于YOLOv5目标检测算法和人体姿态分析实现工人安全检测,对工人是否戴安全帽、是否穿反光衣和吸烟进行检测,根据检测任务和应用场景对YOLOv5进行改进以提高工人安全检测效果。将YOLOv5置信度损失和分类损失的损失函数分别替换为焦点损失函数和质量焦点损失函数,改善数据集样本不均衡问题;采用柔性非极大值抑制算法代替非极大值抑制算法充分利用预测框信息,改善目标重叠时的漏检情况;对网络结构增加多尺度检测和协同注意力机制,提高网络对微小烟支的检测效果以及对感兴趣区域的关注度。为进一步增强吸烟检测效果,基于烟支目标和人体姿态分析实现吸烟行为二次检测。以YOLOv5和Deep SORT结合的多目标跟踪算法为基础实现人员和车辆的跟踪,在此基础上实现区域入侵检测算法设计。通过制定危险区域和越界边界线的方案,为区域入侵检测算法设计奠定基础。区域入侵检测算法通过对目标行为状态分析实现危险区域入侵检测,利用最小二乘法拟合目标轨迹且根据向量相交原理,判断目标轨迹与越界边界线的位置关系实现越界检测。最后在多目标跟踪算法基础上融合危险区域入侵检测算法和越界检测算法,实现化工园区的区域入侵检测。通过设计工人安全检测算法和区域入侵检测算法,并完成安全管理监测功能设计,实现化工园区安全管理的智能监测。通过实验对比分析,验证本文检测算法的检测性能满足预期指标要求,能够对化工园区的安全管理监测提供有效保障。