[发明专利]一种矿工异常行为监测方法、装置及系统

说明书

本发明提供了一种矿工异常行为监测方法、装置及系统，该方法包括：调用区块链上部署的身份注册合约完成矿工及所属企业身份的注册；获取矿工在井下作业场所的监控视频；根据监控视频识别矿工是否存在异常行为，若存在异常行为则调用区块链上部署的事故存证合约存储异常行为对应信息。本发明可以提高数据存储安全性，异常行为检测误差率小、稳定性高，降低了人工监控成本及发生事故的可能性。

技术领域

本发明涉及煤炭安全生产监测技术领域，具体而言，涉及一种矿工异常行为监测方法、装置及系统。

背景技术

煤矿企业的矿工在作业过程中，由于地理分布以及工种特殊性的限制，其违反安全规则的异常行为等容易导致出现危险情况。

目前煤矿企业主要使用中心化的监测系统对矿工的异常行为进行检测，需要监控人员手动分析大量的监测数据，由于监控人员的精力有限可能会出现异常行为遗漏或危险误判情况。此外，由于上述系统为中心化系统，当矿工受到人身伤害时，该矿工的相关信息的篡改难度低。

现有矿工监测系统的对异常行为的监测效率及准确率不足，且异常行为信息容易被篡改。

发明内容

本发明解决的是现有井下工人矿工监测系统的对异常行为的监测效率及准确率不足，且异常行为信息容易被篡改的问题。

为解决上述问题，本发明提供一种矿工异常行为监测方法，包括：调用区块链上部署的身份注册合约完成矿工及所属企业身份的注册；获取矿工在井下作业场所的监控视频；根据所述监控视频识别矿工是否存在异常行为，若存在异常行为则调用所述区块链上部署的事故存证合约存储所述异常行为对应信息。

可选地，所述根据所述监控视频识别矿工是否存在异常行为，包括：根据所述监控视频的图像帧进行运动目标检测，得到矿工的位置信息；以及，根据所述位置信息与预先划分的危险区域确定矿工是否进入所述危险区域，若是则确定存在异常行为。

可选地，划分所述危险区域的过程，包括：采用边缘检测算法对所述监控视频的图像帧进行边缘检测，检测出图像边缘像素；通过背景学习算法确定监控区域的背景，以及根据所述图像边缘像素将所述背景划分为多个区域；接收危险区域设置信息，以及根据所述设置信息将至少一个所述区域标注为危险区域。

可选地，所述根据所述监控视频识别矿工是否存在异常行为，包括：根据所述监控视频的图像帧进行运动目标检测，得到矿工的图像；以及，根据所述图像识别矿工是否存在防护用品异常穿戴行为，若是则确定存在异常行为。

可选地，还包括：获取可穿戴设备发送的生理数据；根据所述生理数据识别矿工是否存在异常行为，若是则调用所述区块链上部署的事故存证合约存储所述异常行为对应信息。

可选地，还包括：获取可穿戴设备发送的身份数据；根据所述监控视频及所述身份数据确定矿工的身份信息。

可选地，还包括：获取可穿戴设备发送的位置数据；根据所述位置数据验证所述矿工的位置信息。

本发明提供一种矿工异常行为监测装置，包括：注册模块，用于调用区块链上部署的身份注册合约完成矿工及所属企业身份的注册；视频获取模块，用于获取矿工在井下作业场所的监控视频；异常监控模块，用于根据所述监控视频识别矿工是否存在异常行为，若存在异常行为则调用所述区块链上部署的事故存证合约存储所述异常行为对应信息。

本发明提供一种矿工异常行为监测系统，包括视频检测系统及区块链可信后台系统；所述视频检测系统用于采集矿工在井下作业场所的监控视频；所述区块链可信后台系统包括大数据分析模块及区块链网络；所述区块链网络部署有身份注册合约及事故存证合约；所述大数据分析模块用于执行上述矿工异常行为监测方法。

可选地，还包括矿工可穿戴设备；所述矿工可穿戴设备与所述区块链可信后台系统连接，用于向所述区块链可信后台系统发送矿工的以下至少一种数据：身份数据、位置数据、生理数据。