系统简介

煤矿AI视频监控系统由前端识别摄像仪、边缘测视频分析仪、云端分析识别模型算法软件等设备组成，形成云-边-端系统架构，支持以太网、光纤、 5G 、WiFi传输。煤矿AI视频监控系统组成结构如图1所示。

图1 煤矿AI视频监控系统组成结构

煤矿AI视频监控系统运用人工智能技术自动识别煤矿井下人员违章行为、设备异常状态、环境潜在危险等安全隐患，可进行及时预警、联动控制，实现视频从看得见至看得清到看得懂的转变，煤矿AI视频监控系统如图2所示。

主要技术指标如下：

（1）矿用本安型图像处理摄像仪如图3、图4所示，该摄像仪支持低照度下标清、高清图像及高速采集、电动调焦、语音对讲、图像识别、语音报 警、联动输出，接口包括2电/2光/4开入/4开出，防护等级为IP65。

（2）矿用隔爆兼本安型图像识别仪如图5 、 图6所示， 该识别仪支持1-8路图像识别及联动控制输出，防护等级为IP65。

（3）煤矿AI视频监控系统自动识别综采、综 掘、主辅运输等20余种典型场景图像，通过小样本训练、 一键部署，识别准确率达95%。

图2 煤矿AI视频监控系统

工作原理及创新点

煤矿AI视频监控系统对摄像仪采集的视频图像运用卷积神经网络（CNN）模型进行分析，通过云边端设备的算法和算力自动识别目标图像，在 摄像仪及识别仪输出语音报警及联动控制信号。 针对煤矿井下高速运动目标多、边缘A I设备 算力有限、容易丢失目标等问题，提出基于模型量 化压缩的轻量化技术，减少模型参数量，加快检测 速度。目标快速检测如图7所示。 针对煤矿井下图像弱光照与强干扰引起目标 灰度变化、高动态引起姿态变化与尺度变化等问题，提出基于频域解析的自学习回归滤波器生成技 术，增强跟踪技术的光照不变性、姿态不变性、尺 度不变性。目标轨迹跟踪如图8所示。 针对煤矿新场景训练数据样本少、模型容易出现 过拟合现象、导致模型泛化能力弱等问题，提出对抗 生成方法生成更多煤矿安全隐患训练样本，采用迁 移学习更新原有模型，提升模型泛化能力，使模型 快速适应新场景。技术创新点与原技术对比见表1。

图7 目标快速检测

图8 目标轨迹跟踪

推广应用情况

 煤矿AI视频监控系统已在全国70余座煤矿智能 化建设工程中推广应用，可有效识别人员标准化作 业、钻场自动监钻、煤流异物等人机环20多种隐患 场景，识别准确率95%以上，有效震慑违章、防范 事故、保障安全、助力监管。综采、掘进、主运、 辅运智能视频监控效果分别如图9—图12所示。

表1 技术创新点与原技术对比

图9 综采工作面智能视频监控

图10 掘进工作面智能视频监控

图11 主运智能视频监控

图12 辅助运输智能视频监控

原文阅读