CN103248878A - 一种综采工作面异常状况的模式识别方法、装置与*** - Google Patents

Abstract

本发明公开了一种综采工作面异常状况的模式识别方法、装置与***。利用工作面异常状况模式识别装置，对采集的全综采工作面内的视频信息进行图像提取，并分析所提取的图像，从中获取全综采工作面的实时安全情况信息。如所获取的信息表明全综采工作面存在安全异常，则将异常信息发送给其他监控单元，并发出报警信息和\或开启自动应急***。

Description

一种综采工作面异常状况的模式识别方法、装置与***

技术领域

本发明涉及矿井安全、煤炭开采和机械自动化技术领域，特别涉及一种综采工作面异常状况的模式识别方法、装置与***。

背景技术

矿井下综采工作面由于地质条件多变复杂、环境恶劣而存在许多诸如冒顶、片帮、失火、积水的危险源，给矿井作业和井下生产人员的人身安全带来了很大的隐患。而智能化的综采工作面监控***将使井下作业安全化和安全监控少人化成为可能。其中视频监控是实现智能化综采工作面监控的一种方式。

目前常见的现有技术中，有一种是利用采煤机定位***跟踪采煤机，通过切换视频采集***中的摄像机在地面显示***中显示采煤机采煤的实时工作场景，从而达到跟机视频监控的目的。另一种技术方案是将摄像机安装在采煤机摇臂上，实时监测采煤时的工作情况，并在异常情况时发出提醒和报警。上述技术方案虽然解决了对于采煤机位置处的工况的实时视频监控问题，但是其实质上仍然是靠人工观看监控区域图像。如果要同时监控长臂综采工作面内的多个区域，依然需要在较短时间内快速地切换监控摄像机机位以显示不同机位所监控的画面，由人工判断是否存在安全异常。这就导致了现有技术对于人工的要求比较高，并且在画面切换过程中容易出现监控遗漏或发现险情不及时等情况。

因此，开发一种能够自动化实时监控并识别综采工作面内任意位置的异常状况的技术是非常必要的。

发明内容

为了解决上述问题，本发明提出了一种全新的综采工作面异常状况模式识别方法、装置与***，通过对视频监控***采集的图像进行分析，实现了对全综采工作面的自动化实时监控。

本发明方法具体内容如下：

一种综采工作面异常状况的模式识别方法，在监控***中加装了工作面异常状况模式识别装置，具体步骤包括：

步骤A：工作面视频监控单元获取视频信息；

步骤B：工作面视频监控单元将所述视频信息发送至工作面异常状况模式识别装置；

步骤C：所述模式识别装置从视频信息中提取图像；

步骤D：所述模式识别装置从图像信息中提取特征参数信息并与预存信息进行模式识别运算，从而判断是否存在安全异常。

本发明装置具体内容如下：

一种综采工作面异常状况的模式识别装置，包括视频解码模块、图像处理模块以及信息传递模块；

所述视频解码模块通过所述信息传递模块与外界联系，接收工作面视频监控单元传输的视频信息并进行解码，提取视频信息中的图像；

所述图像处理模块接收视频解码模块提取的图像，从图像信息中提取特征参数信息并与预存信息进行模式识别运算，从而判断是否存在安全异常；

所述图像处理模块对图像信息分析处理完毕后将判断结果通过信息传递模块发送给其他监控单元。

本发明***具体内容如下：

一种综采工作面异常状况的模式识别***，包括工作面视频监控单元、工作面异常状况模式识别装置、其他监控单元；

所述工作面视频监控单元采集全综采工作面的视频信息并发送至所述工作面异常状况模式识别装置，所述工作面异常状况模式识别装置接收所述视频信息，从中提取图像，从图像信息中提取特征参数信息并与预存信息进行模式识别运算，从而判断是否存在安全异常，若存在异常则将异常信息发送至所述其他监控单元；

所述其他监控单元接收所述异常信息并发出报警信息。

相对于现有技术，本发明的有益效果是：本发明通过在监控***中加装工作面异常状况模式识别装置使得监控***可以自动识别被监控区域是否存在安全隐患，在大大降低了井下安全监控对人工的依赖程度的同时，实现了对整个长臂综采工作面中任意区域的自动化实时监控，并解决了人工监控中容易出现的发现险情不及时等问题。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明方法第一实施例流程图；

图2为本发明方法第二实施例流程图；

图3为本发明装置的实施例示意图；

图4为本发明***的实施例示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明方法第一实施例流程图，如图1所示，本发明方法包括如下步骤：

步骤101：工作面视频监控单元获取视频信息；所述工作面视频监控***可以是一个或多个防爆网络摄像机，摄像机拍摄其所监控的区域的图像信息。

步骤102：工作面视频监控单元将所述视频信息发送至工作面异常状况模式识别装置；防爆网络摄像机将拍摄的图像信息通过以太网传送至工作面异常状况模式识别装置。

步骤103：所述模式识别装置从视频信息中提取图像；所述从视频信息中提取图像可以是提取一帧也可以是提取多帧图像，提取的图像需要足以识别其显示区域是否存在安全异常。

步骤104：所述模式识别装置从图像信息中提取特征参数信息，并与预存的数学模型信息进行模式识别运算判断是否存在安全异常；

可以使用神经网络算法、隐马尔可夫算法、遗传算法中的一种或多种算法进行特征参数提取和模型匹配运算；所述与预存的数学模型进行匹配是指事先将获取的各种不同综采工作面异常状况的图像信息以及正常情况下的图像信息训练出各种异常状况时的数学模型以及正常情况时的数学模型，并预先存储在所述模式识别装置当中，在模型匹配运算时，将从图像信息中提取的特征参数信息与预存的各个数学模型用相应的算法进行匹配运算，匹配度最高的模型类别就是该图像信息的工作面状况类别，包括正常、片帮、冒顶、失火、积水等。

在实际的生产工作条件下，工作面视频监控***获取的图像未必都可以直接进行分析，有时在分析前还需要对所提取的图像做一些预先的处理工作；在模式识别装置对监控区域的安全情况做出判断后，根据判断结果的不同还应当做出不同的反应；除此之外，在一些细节处还有一些优选方案。因此，在此提出本发明方法的第二实施例。

图2为本发明方法的另一种实施例流程图，如图2所示：

步骤201：工作面视频监控单元获取图像信息；工作面视频监控单元可以是安装在液压支架上的防爆网络摄像机，安装的防爆网络摄像机可以是一台也可以是数台，也可以在多个支架上安装；安装的网络摄像机拍摄其监控区域内的图像信息。

步骤202：发送视频信息至工作面状况模式识别单元；所述防爆网络摄像机通过以太网将拍摄到的视频信息发送至工作面异常状况模式识别装置；

步骤203：工作面状况模式识别单元从视频信息中提取图像；提取的图像可以是一帧或多帧，以提取出的图像能够满足后面分析所需要的图像的要求为准；

步骤204：对所提取的图像进行预处理；由于提取的图像可能存在一些会影响分析结果准确度的问题，因此为了使分析结果更加精确要进行一些预处理，预处理工作包括防抖、增强等；

步骤205：模式识别装置从图像信息中提取特征参数信息，并与预存的数学模型信息进行模式识别运算判断是否存在安全异常；

在所述模式识别装置中的，存储着表示各种安全隐患的数学模型信息，这些数学模型信息是由预先采集的各种存在安全隐患的图像信息和正常情况的图像信息采用相应算法分别进行训练获得的；模式识别装置利用神经网络算法、隐马尔可夫算法或遗传算法中的一种或多种算法对图像显示的画面进行特征参数信息提取；

将从图像信息中提取的特征参数信息与预存的各个数学模型用相应的算法进行匹配运算，匹配度最高的模型类别就是该图像信息的工作面状况类别，根绝匹配度最高的模型类别判断是否存在安全异常；

如判断未发现异常则进入下一个监控循环，如判断发现异常则进入步骤206；

步骤206：将异常情况信息发送至其他监控单元；

模式识别装置将异常信息通过CAN总线发送给工作面支架控制器，工作面支架控制器收到异常信息后发出警报并将异常信息发送至井下集中控制室；井下集中控制室收到异常信息后发出警报并将显示器显示画面切换至出现异常信息的摄像机处，再将异常信息发送至地面集成监控单元；地面集成监控单元接收到异常信息后发出警报并将显示器显示画面切换至出现异常信息的摄像机处。

此外，步骤206还可以由所述模式识别单元分别向所述支架控制器、井下集中控制室、地面集成监控单元中的一个或多个直接发送异常信息；支架控制器在收到异常信息发出警报，井下集中控制室和/或地面集成监控单元在收到异常信息后可以仅发出警报、可以仅将显示器显示画面切换至出现异常信息的摄像机处，也可以即发出警报也将显示器显示画面切换至出现异常信息的摄像机处。

步骤207：警报无人干预则启动自动应急装置；

所述支架控制器发出警报后；所述井下集中控制室、地面集成监控单元中的一个或多个在发出警报或切换显示器显示画面至出现异常信息的摄像机处后；如无人干预，则启动自动应急装置，所述自动应急装置包括但不限于灭火***、排水***、供氧装置。

为了更好的实现本发明方法，本发明还提供了一种综采工作面异常状况模式识别装置的实施例。

图3为本发明装置实施例示意图，如图所示，本发明装置包括：

视频解码模块301，图像处理模块302，信息传递模块303；

视频解码模块301通过信息传递模块303接收外界传递进来的视频信息，并对接收到的视频信息进行解码，从中提取一帧或数帧图像；

视频解码模块301在提取图像后，将所提取的图像发送给图像处理模块302，图像处理模块302接收视频解码模块301提取的图像，从图像信息中提取特征参数信息，并与预存的数学模型信息进行匹配运算判断是否存在安全异常；

所述图像处理模块302对图像信息分析处理完毕后将判断结果通过所述信息传递模块303发送给其他监控单元。

图像处理模块302包括DPS芯片或微处理芯片；

信息传递模块303包括以太网接口和/或CAN控制器；

为了更好的实现本发明意图，更好的应用本发明装置，本发明还提供了一种综采工作面异常状况模式识别***的实施例。

图4为本发明***实施例示意图，如图所示，本发明***包括：

工作面视频监控单元401，工作面异常状况识别装置402，其他监控单元403；

工作面视频监控单元401采集全综采工作面的视频信息并发送至工作面异常状况模式识别装置402；

工作面异常状况模式识别装置402接收所述视频信息，从中提取图像，然后从图像信息中提取特征参数信息，并与预存的数学模型信息进行匹配判断是否存在安全异常，若存在异常则将异常信息发送至所述其他监控单元403；所述其他监控单元403包括工作面支架控制器4031、井下集中控制室4032、地面集成监控单元4033中的一个或多个单元。

所述其他监控单元接收所述异常信息并发出报警信息；

优选的，所述其他监控单元在发出警报后如无人干预，则启动自动应急装置。

需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

对于***实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的***实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述仅是本发明的具体实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (16)

1.一种综采工作面异常状况的模式识别方法，其特征在于，在监控***中加装了工作面异常状况模式识别装置，具体步骤包括：

步骤A：工作面视频监控单元获取视频信息；

步骤B：工作面视频监控单元将所述视频信息发送至工作面异常状况模式识别装置；

步骤C：所述模式识别装置从视频信息中提取图像；

步骤D：所述模式识别装置，从图像信息中提取特征参数信息并与预存信息进行模式识别运算，从而判断是否存在安全异常。

2.根据权利要求1所述的方法，其特征在于，所述步骤C还包括：从所述视频信息中提取图像后，对所述从视频信息中提取的图像进行预处理。

3.根据权利要求2所述的方法，其特征在于，步骤C所述对图像进行预处理包括：防抖、增强。

4.根据权利要求1所述的方法，其特征在于，所述步骤D还包括：所述模式识别装置判断工作面不存在安全异常，进入下一个监控循环，所述模式识别装置判断工作面存在安全异常则进入步骤E；

步骤E：将异常信息发送给其他监控单元。

5.根据权利要求4所述的方法，其特征在于，步骤E所述将异常信息发送给其他监控单元包括：由所述模式识别单元分别向所述支架控制器、井下集中控制室、地面集成监控单元中的一个或多个发送异常信息；或由所述模式识别单元向所述支架控制器发送异常信息，所述支架控制器收到异常信息后将所述异常信息发送至所述井下集中控制室，所述井下集中控制室收到所述异常信息后将所述异常信息发送至地面集成监控单元。

6.根据权利要求5所述的方法，其特征在于，在步骤E之后还包括以下步骤：

步骤F：所述井下集中控制室、地面集成监控单元在收到所述异常信息后切换摄像机显示视频至发现异常处；

所述支架控制器、井下集中控制室、地面集成监控单元中的一个或多个在收到所述异常信息后发出警报，发出警报后如无人干预，则启动自动应急装置。

7.根据权利要求6所述的方法，其特征在于，步骤F中所述启动自动应急装置包括启动灭火、排水、供氧装置中的一种或几种。

8.根据权利要求1到7中任意一项所述的方法，其特征在于，步骤D所述将从图像信息中提取特征参数信息包括：使用神经网络算法、隐马尔可夫算法或遗传算法中的一种或多种算法来进行运算；

所述预存信息包括：事先将获取的各种不同综采工作面异常状况的图像信息以及正常情况下的图像信息进行运算，得出各种异常状况时的数学模型以及正常情况时的数学模型，并预先存储在所述模式识别装置当中；

所述模式识别运算包括：将从图像信息中提取的特征参数信息与预存的各个数学模型用相应的算法进行匹配运算，匹配度最高的模型类别就是该图像信息的工作面状况类别，根据匹配度最高的模型类别是否为存在安全异常的模型类别来判断是否存在安全异常。

9.根据权利要求1到7中任意一项所述的方法，其特征在于，步骤D所述安全异常包括：冒顶、片帮、失火、积水。

10.根据权利要求1到7中任意一项所述的方法，其特征在于，所述工作面视频监控单元包括：安装在液压支架上的防爆网络摄像机和以太网连接器；所述防爆网络摄像机为一台或数台。

11.一种综采工作面异常状况的模式识别装置，其特征在于包括视频解码模块、图像处理模块以及信息传递模块；

所述视频解码模块通过所述信息传递模块与外界联系，接收工作面视频监控单元传输的视频信息并进行解码，提取视频信息中的图像；

所述图像处理模块接收视频解码模块提取的图像，从图像信息中提取特征参数信息并与预存信息进行模式识别运算，从而判断是否存在安全异常；

所述图像处理模块对图像信息分析处理完毕后将判断结果通过信息传递模块发送给其他监控单元。

12.根据权利要求11所述的装置，其特征在于，所述图像处理模块包括DSP芯片或微处理芯片。

13.根据权利要求11、12所述的装置，其特征在于，所述信息传递模块包括以太网接口或CAN控制器中的一种或多种。

14.一种综采工作面异常状况的模式识别***，其特征在于，包括工作面视频监控单元、工作面异常状况模式识别装置、其他监控单元；

所述工作面视频监控单元采集综采工作面的视频信息并发送至所述工作面异常状况模式识别装置，所述工作面异常状况模式识别装置接收所述视频信息，从中提取图像，从图像信息中提取特征参数信息并与预存信息进行模式识别运算，从而判断是否存在安全异常，若存在异常则将异常信息发送至所述其他监控单元；

所述其他监控单元接收所述异常信息并发出报警信息。

15.根据权利要求14所述的***，其特征在于，所述其他监控单元包括支架控制器、井下集中控制室、地面集成监控单元中的一个或多个。

16.根据权利要求15所述的***，其特征在于，所述支架控制器、井下集中控制室、地面集成监控单元中的一个或多个在发出报警信息后如无人干预，则启动自动应急***。

Images