加油站风险行为检测_西南石油大学

一、项目进展

创意计划阶段

二、负责人及成员

姓名	学院/所学专业	入学/毕业时间	学号
涂然	计算机科学学院/计算机科学与技术	2018/2022	201831061321

三、指导教师

姓名	学院/所学专业	职务/职称	研究方向
张全	计算机科学学院	讲师	计算机视觉、并行计算

四、项目简介

本项目开发的产品主要是针对加油站的一些风险行为进行视频监控监测，监控检测部分包括吸烟、打电话操作等危险行为，当检测到风险行为发生的时候，通过互联网的高效传输，会通过语音报警的形式进行提醒，这样可以有效的避免加油站灾难事故的发生，进一步降低加油站可能的安全隐患，能够更加保证加油站工作人员和附近居民的生命和财产安全。

本项目首先在加油站合理的布置多个监控摄像头，确保能够无死角的监控加油站的完整环境，然后结合计算机视觉和深度学习中的目标检测和目标跟踪算法，对需要监控的的风险行为进行识别，然后利用训练好的识别模型运行在监控设备里面，通过监控摄像头能够对加油站的危险行为进行及时预警，实现有效降低加油站事故发生的概率。本产品将深度学习和实际工程应用相结合，经过实际测试，取得效果非常显著，得到加油站工作人员的认可。

成果类别	成果名称	相关团队成员	相关指导老师
软件著作权	基于web的分布式信息管理系统、智能设备嵌入式互联控制应用平台	涂然
外观专利	加油站巡检小车	涂然，张鸿宇	张全

随着加油站数量的不断飙升，加油站加油区或者卸油区常有工作人员的不安全行为造成的事故频繁发生，给人民生命和财产安全带来威胁。本项目主要针对加油站员工的风险行为进行监测，基于视频监控的作业区风险行为检测器，可以实时识别出作业现场所有人员的不安全行为。在检测器的帮助下，安全管理人员可以不必深入作业现场，也不必时刻盯着监控器，这大大提高了不安全行为识别的效率，保证了施工现场的安全性。能够规避加油站潜在的风险。它具有有以下特色：

（1）实时可靠的加油站风险行为检测。

（2）灵活可扩展部署方式。

（3）快速高识别率的计算机视觉算法和深度学习模型。

（4）风险行为的自动上报作为加油站考核指标。

本项目来源于实际工程需要，理论联系实际，具有很好的实践意义。从技术实现角度，我们借鉴了计算机视觉、深度学习在其他领域的成功经验。目前项目已经有了初步成效，达到了预期目标，即利用计算机视觉技术和人工智能中的深度学习算法，对加油站的不安全行为进行识别训练。此外，我们还将训练出来的模型部署到监控设备上，对不安全行为实时精确地检测预警，有效地保证了加油站工作人员和附近居民的生命和财产安全。

该项目具有以下功能特色：

（1）灵活的部署方式和低成本：不改变当前加油站的监控设备、能够兼容不同品牌摄像头的多路接入。不需要消耗大量的计算机资源，不仅可以部署在电脑上，还可以运行在嵌入式设备和移动设备上。

（2）支持多个场景的实时监控：一套系统能够完成对加油区、卸油区以及油品运输过程的实时监控。

（3）支持风险行为上报：系统将风险行为数据自动上报作为对加油站点考核指标。

（4）稳定的核心算法：采用人工智能与计算机视觉相结合的技术，能够有效、准确的实现加油站危险行为的实时监控。核心的深度学习模型，可以不需要大幅度修改而适用于不同的应用行业。

汽车行业的蓬勃发展，极大带动了石油零售市场的发展，使得加油站的数量直线上涨，加油站人员安全意识淡薄，现场监管不力等因素，导致了加油站的安全事故频发。项目基于视频监控的作业区风险行为检测器可以实时识别出作业现场所有人员的不安全行为。在检测器的帮助下，安全管理人员可以不必深入作业现场，也不必时刻盯着监控器，这大大提高了不安全行为识别的效率，保证了施工现场的安全性。目前国外只有微软宣布与荷兰壳牌集团达成部署智能检测系统的合作。国内还没有类似的技术出现。