本發(fā)明涉及煤礦安全預(yù)警，具體涉及一種用于煤礦安全事故的智能預(yù)警系統(tǒng)及方法。
背景技術(shù)：
1、煤礦礦井內(nèi)部在開采過程中，機械破煤以及運輸過程伴有一些粉塵的產(chǎn)生，這些粉塵漂浮在空中。礦井內(nèi)粉塵危害是一大重要因素，粉塵易導(dǎo)致呼吸疾病，當防塵管理不到位而粉塵在空間中的濃度到達一定程度時，此時若設(shè)備老化或是出現(xiàn)故障產(chǎn)生火星，極易發(fā)生閃爆現(xiàn)象，造成人員傷亡以及財產(chǎn)損失。而現(xiàn)有技術(shù)中，存在通過分析所采集圖像與標準圖像之間的灰度差，進而分析粉塵影響進行預(yù)警，且由于空間較大且通風情況復(fù)雜，空氣流動不穩(wěn)定，粉塵在不同高度、不同位置的濃度不一致，使得單個監(jiān)測點難以準確代表整個粉塵狀況，且僅根據(jù)圖像灰度變化進行粉塵分析的可靠性較差；因此，需要對礦井內(nèi)的粉塵進行有效識別和智能隱患排查。
技術(shù)實現(xiàn)思路
1、為了解決相關(guān)技術(shù)中由于粉塵在不同高度的影響不同、且在不同位置的濃度不一致，僅根據(jù)圖像灰度變化進行粉塵隱患排查的可靠性較差的技術(shù)問題，本發(fā)明提供一種用于煤礦安全事故的智能預(yù)警系統(tǒng)及方法，所采用的技術(shù)方案具體如下：
2、本發(fā)明提出了一種用于煤礦安全事故的智能預(yù)警系統(tǒng)及方法，方法包括：
3、獲取每一采集時間幀上的煤礦井下監(jiān)控圖像；基于高斯濾波獲取煤礦井下監(jiān)控圖像整體的高頻信息和低頻信息，提取屬于高頻特征的粉塵點位；
4、對每一煤礦井下監(jiān)控圖像進行灰度化處理并平均劃分，得到不同圖像區(qū)域，根據(jù)每一圖像區(qū)域內(nèi)所有像素點灰度值的數(shù)值分布離散性，確定每一圖像區(qū)域的灰度離散指標；
5、對粉塵質(zhì)量進行分析，根據(jù)任一高度與其下方圖像區(qū)域的灰度離散指標，確定每一圖像區(qū)域的質(zhì)量修正指標；結(jié)合所述質(zhì)量修正指標對灰度離散指標進行修正，得到修正離散值；
6、結(jié)合每一圖像區(qū)域內(nèi)屬于粉塵點位的數(shù)量和修正離散值，確定對應(yīng)采集時間幀下發(fā)生粉塵危害的可能性指標，根據(jù)相鄰采集時間幀所述可能性指標的數(shù)值進行預(yù)警判斷。
7、進一步地，所述基于高斯濾波獲取煤礦井下監(jiān)控圖像整體的高頻信息和低頻信息，提取屬于高頻特征的粉塵點位，包括：
8、基于高斯濾波對煤礦井下監(jiān)控圖像進行平滑處理，作為低頻圖像；
9、計算煤礦井下監(jiān)控圖像與低頻圖像在同一點位的亮度值比值，作為對應(yīng)點位下的高頻特征指標；
10、根據(jù)所述高頻特征指標的數(shù)值大小，確定粉塵點位。
11、進一步地，所述根據(jù)所述高頻特征指標的數(shù)值大小，確定粉塵點位，包括：
12、將所述高頻特征指標大于預(yù)設(shè)指標閾值的點位作為高頻特征下的粉塵點位。
13、進一步地，所述根據(jù)每一圖像區(qū)域內(nèi)所有像素點灰度值的數(shù)值分布離散性，確定每一圖像區(qū)域的灰度離散指標，包括：
14、計算同一圖像區(qū)域內(nèi)所有像素點灰度值的標準差，作為灰度離散指標。
15、進一步地，所述根據(jù)任一高度與其下方圖像區(qū)域的灰度離散指標，確定每一圖像區(qū)域的質(zhì)量修正指標，包括：
16、將任一點位高度作為目標高度，與目標高度下方所有點位高度作為待選高度；
17、計算目標高度與所有待選高度下灰度離散指標的和值，歸一化處理作為質(zhì)量修正指標。
18、進一步地，所述結(jié)合所述質(zhì)量修正指標對灰度離散指標進行修正，得到修正離散值，包括：
19、計算圖像區(qū)域的質(zhì)量修正指標和灰度離散指標的乘積值，作為修正離散值。
20、進一步地，所述結(jié)合每一圖像區(qū)域內(nèi)屬于粉塵點位的數(shù)量和修正離散值，確定對應(yīng)采集時間幀下發(fā)生粉塵危害的可能性指標，包括：
21、計算所述圖像區(qū)域內(nèi)屬于粉塵點位的數(shù)量和修正離散值的乘積值，歸一化處理作為可能性指標。
22、進一步地，所述根據(jù)相鄰采集時間幀所述可能性指標的數(shù)值進行預(yù)警判斷，包括：
23、確定同一采集幀內(nèi)所有圖像區(qū)域的可能性指標大于預(yù)設(shè)可能性閾值的圖像區(qū)域，作為預(yù)警區(qū)域；
24、根據(jù)當前與前一采集時間幀內(nèi)所述預(yù)警區(qū)域的面積變化，以及當前采集時間幀內(nèi)所有預(yù)警區(qū)域可能性指標的均值，確定是否進行預(yù)警。
25、進一步地，所述根據(jù)當前與前一采集時間幀內(nèi)所述預(yù)警區(qū)域的面積變化，以及當前采集時間幀內(nèi)所有預(yù)警區(qū)域可能性指標的均值，確定是否進行預(yù)警，包括：
26、計算當前采集時間幀與前一采集時間幀的預(yù)警區(qū)域面積差值，歸一化處理作為面積影響指標；
27、將所有預(yù)警區(qū)域可能性指標的均值與所述面積影響指標的乘積，歸一化處理作為預(yù)警判斷值；
28、在所述預(yù)警判斷值大于預(yù)設(shè)預(yù)警閾值時，確定進行預(yù)警處理，否則，確定不進行預(yù)警處理。
29、另一方面，還提供了一種用于煤礦安全事故的智能預(yù)警系統(tǒng)，所述系統(tǒng)包括存儲器、處理器以及存儲在所述存儲器中并在所述處理器上運行的計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)如前述任意一項所述方法的步驟。
30、本發(fā)明具有如下有益效果：
31、本發(fā)明實施例通過獲取每一采集時間幀上的煤礦井下監(jiān)控圖像；并根據(jù)粉塵的高頻特征，進行高頻信息和低頻信息分析得到粉塵點位；而后，結(jié)合粉塵在不同區(qū)塊內(nèi)的分布離散指標，以及粉塵本身的質(zhì)量特征和揚起特征，進行粉塵的分布分析，得到修正離散值，修正離散值能夠有效融合質(zhì)量特征和粉塵揚起特征，提升粉塵聚集性分析的可靠性；之后，通過粉塵點位的數(shù)量作為密度分析特征，結(jié)合修正離散值，確定發(fā)生粉塵危害的可能性指標，使得可能性指標的分析能夠有效結(jié)合多維度的數(shù)據(jù)特征，避免僅根據(jù)灰度特征分析導(dǎo)致不準確效果，通過相鄰采集時間幀可能性指標的數(shù)值變化，進行預(yù)警判斷，結(jié)合了相鄰采集時間幀的變化特征，從而使得預(yù)警判斷結(jié)合了動態(tài)的變化分析，提升整體智能隱患排查的可靠性。
1.一種用于煤礦安全事故的智能預(yù)警方法，其特征在于，所述方法包括：
2.如權(quán)利要求1所述的一種用于煤礦安全事故的智能預(yù)警方法，其特征在于，所述基于高斯濾波獲取煤礦井下監(jiān)控圖像整體的高頻信息和低頻信息，提取屬于高頻特征的粉塵點位，包括：
3.如權(quán)利要求2所述的一種用于煤礦安全事故的智能預(yù)警方法，其特征在于，所述根據(jù)所述高頻特征指標的數(shù)值大小，確定粉塵點位，包括：
4.如權(quán)利要求1所述的一種用于煤礦安全事故的智能預(yù)警方法，其特征在于，所述根據(jù)每一圖像區(qū)域內(nèi)所有像素點灰度值的數(shù)值分布離散性，確定每一圖像區(qū)域的灰度離散指標，包括：
5.如權(quán)利要求1所述的一種用于煤礦安全事故的智能預(yù)警方法，其特征在于，所述根據(jù)任一高度與其下方圖像區(qū)域的灰度離散指標，確定每一圖像區(qū)域的質(zhì)量修正指標，包括：
6.如權(quán)利要求1所述的一種用于煤礦安全事故的智能預(yù)警方法，其特征在于，所述結(jié)合所述質(zhì)量修正指標對灰度離散指標進行修正，得到修正離散值，包括：
7.如權(quán)利要求1所述的一種用于煤礦安全事故的智能預(yù)警方法，其特征在于，所述結(jié)合每一圖像區(qū)域內(nèi)屬于粉塵點位的數(shù)量和修正離散值，確定對應(yīng)采集時間幀下發(fā)生粉塵危害的可能性指標，包括：
8.如權(quán)利要求1所述的一種用于煤礦安全事故的智能預(yù)警方法，其特征在于，所述根據(jù)相鄰采集時間幀所述可能性指標的數(shù)值進行預(yù)警判斷，包括：
9.如權(quán)利要求8所述的一種用于煤礦安全事故的智能預(yù)警方法，其特征在于，所述根據(jù)當前與前一采集時間幀內(nèi)所述預(yù)警區(qū)域的面積變化，以及當前采集時間幀內(nèi)所有預(yù)警區(qū)域可能性指標的均值，確定是否進行預(yù)警，包括：
10.一種用于煤礦安全事故的智能預(yù)警系統(tǒng)，所述系統(tǒng)包括存儲器、處理器以及存儲在所述存儲器中并在所述處理器上運行的計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現(xiàn)如權(quán)利要求1~9任意一項所述方法的步驟。