(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111672944.X (22)申请日 2021.12.31 (71)申请人 成都迈塔能卫科技有限公司 地址 610000 四川省成 都市中国 （四川） 自 由贸易试验区成都高新区益州大道中 段1918号2栋12层120 6号 (72)发明人 曾金全　谢瑜　 (51)Int.Cl. G06V 20/40(2022.01) G06V 40/20(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于深度学习的石油井场人员穿越吊 装物检测方法及其系统 (57)摘要 本发明公开了一种基于深度学习的石油井 场人员穿越吊装物检测方法及其系统， 属于人工 智能视频分析领域。 其方法包括： 读取摄像头视 频流； 提取当前帧前景目标， 并更新背景模型图 像； 利于深度学习目标检测技术检测视频流当前 帧的目标， 并添加到当前帧目标集合中； 针对 图 像前景目标， 采用面积占比以及深度学习目标检 测结果进行当前帧前景目标的剔除； 将余下的前 景目标与深度学习目标检测结果中的人员目标 输入到人员穿越检测模型进行分析， 判断是否有 人员穿越前景目标； 如果人员穿越检测模型输出 为真， 则进行实时截屏和录像,输出告警。 本发明 的系统包括： 摄像头视频流采集模块、 图像前景 提取模块、 深度学习目标检测模块、 图像前景目 标剔除模块、 人员穿越吊装物检测模块、 输出告 警模块。 本发明可 以解决吊装物种类繁多， 无法 有效识别的问题， 并具有检测率高、 误报率低的特点。 权利要求书2页 说明书5页 附图6页 CN 114299439 A 2022.04.08 CN 114299439 A 1.一种基于深度学习的石油井场人员穿越吊装物检测方法， 其特 征在于， 其方法包括： 从前端摄 像头或NVR网络硬 盘录像机读取视频流； 从视频流中检测出 前景目标； 对前景目标框进行目标剔除； 人员穿越吊装物检测。 2.根据权利要求1所述的基于深度学习的石油井场人员穿越吊装物检测方法， 其特征 在于， 从视频流中检测出 前景目标方法,包括： 读取一帧视频流framei； 提取横坐标和纵坐标 方向的梯度值gradxi和gradyi； 是否是初始帧； 如果是初始帧， 置backxi＝gradxi和backyi＝gradyi； 如果不是初始帧， 置dif fxi＝gradxi‑backxi和diffyi＝gradyi‑backyi； 更新背景， backxi＝backxi‑1+λ*diffxi和backyi＝backyi‑1+λ*diffyi； 对视频流fr amei中的每个像素点j如果横坐标方向diffxij大于β 且gr adxij大于θ,则置 forexij为255,否则置为0； 对视频流fr amei中的每个像素点j如果纵坐标方向diffyij大于β 且gr adyij大于θ,则置 foreyij为255,否则置为0 。 3.根据权利要求2所述的基于深度学习的石油井场人员穿越吊装物检测方法， 其特征 在于， gradi的计算方法如方程(1)所示， gradxi和gradyi为横坐标和纵坐标方向的梯度值， gradxi和gradyi为采用Sobel算子、 scharr算子、 Laplacian算子、 Canny算子等计算出来的结 果平均值， ωj为各算子 权重。 4.根据权利要求1所述的基于深度学习的石油井场人员穿越吊装物检测方法， 其特征 在于， 前景目标框剔除方法： 剔除前景目标框中面积占比小于α 的前 景目标框； 根据深度学习目标检测吊构等结果和方程(14)、 (15)、 (16)， 剔除前 景目标框； 根据深度目标检测人动物和方程(17)剔除前 景目标框 。 5.根据权利要求4所述的基于深度学习的石油井场人员穿越吊装物检测方法， 其特征 在于， 前景目标框剔除方法,根据检测到的前景目标框面积与图像面积的占比进行目标剔 除。 6.根据权利要求4所述的基于深度学习的石油井场人员穿越吊装物检测方法， 其特征 在于， 前景目标框剔除方法,根据基于深度学习检测到的目标框与前景目标框， 判断他们的 几何位置关系如方程(14)、 (15)、 (16)所示进行 前景目标剔除。 7.根据权利要求4所述的基于深度学习的石油井场人员穿越吊装物检测方法， 其特征 在于， 前景目标框剔除方法,根据基于深度学习检测到的人与动物目标框与前景目标框， 判 断他们的几何位置关系如方程(17)所示进行 前景目标剔除。 8.根据权利要求1所述的基于深度学习的石油井场人员穿越吊装物检测方法， 其特征 在于， 人员穿越吊装物检测方法： 从深度学习目标检测结果中抽取 人员目标， 并进行追踪； 计算人员是否穿越前 景目标左、 右边框；权　利　要　求　书 1/2 页 2 CN 114299439 A 2人员是否穿越前 景左、 右边框且两次 时间差小于 δ ？ 如果满足， 则输出告警。 9.根据权利要求8所述的基于深度学习的石油井场人员穿越吊装物检测方法， 其特征 在于， 人员穿越吊装物检测方法,根据人员穿越吊装左、 右边框共两次进行判断。 10.根据权利要求8所述的基于深度 学习的石油井场人员穿越吊装物检测方法， 其特征 在于， 人员穿越吊装物检测方法,根据人员两次穿越吊装物的时间差进行判断。 11.根据权利要求8所述的基于深度 学习的石油井场人员穿越吊装物检测方法， 其特征 在于， 人员穿越吊装物检测方法,根据人员两次穿越吊装物及两次 时间差进行判断。 12.基于深度学习的石油井场人员穿越吊装物检测系统， 其特 征在于， 还 包括： 摄像头视频流采集模块： 从摄 像头或NVR中读取视频流。 图像前景目标提取模块： 对读取到的视频流进行 前景目标检测。 深度学习目标检测模块： 采用深度学习目标检测对图像中的目标进行检测。 人员穿越吊装物检测模块： 将深度 学习目标检测中的人员目标与剔除后的前景目标框 的左、 右边框进行越线检测， 并记录相应时间。 如果人员穿越了左、 右边框且在一个短的时 间范围内完成， 则说明该 人员穿越了吊装物。 输出告警模块： 如果检测模块检测到人员穿越吊装物， 则输出告警信息 。权　利　要　求　书 2/2 页 3 CN 114299439 A 3