[发明专利]一种矿工不安全行为的识别方法及系统

说明书

技术领域

本发明涉及行为安全和人工智能领域，特别是涉及一种矿工不安全行为的识别方法及系统。

背景技术

近年来我国煤矿安全生产状况明显改善，事故死亡人数也呈下降趋势，但与发达国家相比仍有较大差距；国内外煤矿历史事故案例统计分析表明：绝大多数事故发生的直接原因是矿工的不安全行为。经分析，矿工不安全行为的影响因素主要包括4个方面：①矿工作为煤矿生产活动的主体，其生理和心理等特征因素引起的动作是不安全行为发生的内因；②采煤机、掘进机等作为生产活动的工具，其本质安全化水平和运行状态将会决定矿工的动作是否直接转化为事故；③“场论”和“破窗理论”都表明，煤矿复杂的生产环境会影响矿工的行为选择，且会对设备的工作状态产生很大的影响；④煤矿组织管理活动既可直接影响矿工的行为，也会通过生产设备和作业环境间接影响矿工的行为；以上四种因素对矿工的不安全行为产生的影响过程和机理也是极其复杂的。目前，国内外在不安全行为具体管理方法和措施上有所缺陷，大多也只是停留在口号上，并且对于事故的发生也只是在事后寻找原因，构建的事故模型和提出的分析方法也大都如此，缺乏对不安全行为实时、准确、及时的识别和分类。

发明内容

本发明的目的是提供一种矿工不安全行为的识别方法及系统，以解决现有技术事故发生前缺乏对不安全行为实时、准确识别的问题。

为实现上述目的，本发明提供了如下方案：

一种矿工不安全行为的识别方法，包括：

获取煤矿视频图像；所述煤矿视频图像包括矿工各工作地点的矿工视频图像、矿工当前工作场所的环境视频图像；

根据所述矿工视频图像识别矿工的矿工行为属性；所述矿工行为属性包括工种、工龄、姿态以及当前动作；

根据所述环境视频图像识别当前环境；所述当前环境包括煤矿井下的工作背景、地理位置、矿工所操作的设备；

获取所述设备的音频信号；

根据所述音频信号识别所述设备的工作状态；所述工作状态包括正常状态、过劳状态、故障状态；

根据所述矿工行为属性、所述当前环境以及所述工作状态确定矿工不安全行为。

可选的，所述根据所述矿工视频图像识别矿工的矿工行为属性，具体包括：

在所述矿工视频图像中随机截取不同的图像片段；

对所述图像片段灰度处理，得到灰度图像片段；

对所述灰度图像片段高斯滤波处理，得到滤波后的图像片段；

根据所述滤波后的图像片段采用卷积神经网络模型识别矿工的矿工行为属性。

可选的，所述根据所述环境视频图像识别当前环境，具体包括：

对所述环境视频图像归一化处理，获取归一化视频图像；

采用主成分分析白化方法对所述归一化视频图像白化处理，得到白化后的视频图像；

整合所述白化后的视频图像，得到整合的视频图像；

根据所述整合的视频图像采用深度卷积神经网络AlexNet模型，识别当前环境。

可选的，所述根据所述音频信号识别所述设备的工作状态，具体包括：

采用哈尔小波对所述音频信号进行小波包分解，得到分解后的音频信号；

根据所述分解后的音频信号提取带有能量特征的音频频段；

根据所述带有能量特征的音频频段利用受限玻尔茨曼机识别所述设备的工作状态。

可选的，所述根据所述矿工行为属性、所述当前环境以及所述工作状态确定矿工不安全行为，具体包括：

根据所述矿工行为属性、所述当前环境以及所述工作状态，采用关联分析和Softmax回归多值算法结合轨迹交叉理论，确定矿工不安全行为。

一种矿工不安全行为的识别系统，包括：

煤矿视频图像获取模块，用于获取煤矿视频图像；所述煤矿视频图像包括矿工各工作地点的矿工视频图像、矿工当前工作场所的环境视频图像；

矿工行为属性识别模块，用于根据所述矿工视频图像识别矿工的矿工行为属性；所述矿工行为属性包括工种、工龄、姿态以及当前动作；

当前环境识别模块，用于根据所述环境视频图像识别当前环境；所述当前环境包括煤矿井下的工作背景、地理位置、矿工所操作的设备；

音频信号获取模块，用于获取所述设备的音频信号；

工作状态识别模块，用于根据所述音频信号识别所述设备的工作状态；所述工作状态包括正常状态、过劳状态、故障状态；