[发明专利]一种事故原因离线智能诊断系统

说明书

本发明公开了一种事故原因离线智能诊断系统，涉及危险化学品事故监控技术领域，包括视频数据读取层、中心处理层、数据存储层和关键特征识别算法模型库；关键特征识别算法模型库存储有若干类关键特征识别算法模型，关键特征识别算法模型为深度学习神经网络模型，且基于从开源数据集获取的对应类的化工事故图像数据训练而成；视频数据读取层用于获取监控视频图像数据；中心处理层用于选择关键特征识别算法模型对监控视频图像数据进行诊断并输出诊断结果；数据存储层用于存储诊断结果。本发明利用计算机辅助或代替人工对离线视频进行识别分析，过滤用户不关心的无用信息，仅提取特定事件的关键信息，大大提高事件诊断效率。

技术领域

本发明涉及危险化学品生产经营安全管理技术领域，具体而言，涉及一种事故原因离线智能诊断系统。

背景技术

随着视频监控技术的逐渐发展，视频监控在各领域都得到了广泛的应用，监控视频数据量也呈现出海量增长，是大数据时代的重要数据对象。

目前关于智能视频分析技术，大多是基于智能视频技术本身的基础研究，而对将智能视频分析关键技术应用于事故原因诊断分析，尤其是针对危险化学品生产经营等行业的安全生产领域的涉及甚少。对于危险化学品生产经营企业，要时刻防范事故风险，如不慎发生事故，在其发生后应立即采取应急预案，之后应尽快调查事故原因，避免后续生产经营风险。在调查事故原因时，面对监控视频提供的海量数据信息，如果事故调查人员没有方法进行有效、科学的提取，那么势必耗费大量的人力资源和时间成本，且易出现漏检漏查问题。

发明内容

本发明在于提供一种事故原因离线智能诊断系统，其能够缓解上述问题。

为了缓解上述的问题，本发明采取的技术方案如下：

本发明提供了一种事故原因离线智能诊断系统，包括视频数据读取层、中心处理层、数据存储层和关键特征识别算法模型库；

所述关键特征识别算法模型库存储有若干类关键特征识别算法模型，所述关键特征识别算法模型为深度学习神经网络模型，且基于从开源数据集获取的对应类的化工事故图像数据训练而成；

所述视频数据读取层用于获取监控视频图像数据；

所述中心处理层用于从所述关键特征识别算法模型库，选择对应类的关键特征识别算法模型作为当前事故原因诊断模型，并将所述监控视频图像数据输入当前事故原因诊断模型，当前事故原因诊断模型对所述监控视频图像数据进行诊断，若未识别出关键特征，则不输出诊断结果，若识别出关键特征，则输出该关键特征属于当前事故原因诊断模型对应类的事故原因的概率，以及该关键特征对应的视频段和截图作为诊断结果；

所述数据存储层用于存储输出的诊断结果。

在本发明的一较佳实施方式中，所述关键特征识别算法模型包括卷积神经网络模型和多个分类器，所述分类器的分类精度可调，精度越高的分类操作，识别速率越低，反之则越高；对于每个所述关键特征识别算法模型，所述中心处理层能选择其对应精度的分类操作用于对所述监控视频图像数据进行诊断。

在本发明的一较佳实施方式中，所述中心处理层包括条件选择窗口，该窗口设置有分析精度选择窗和关键特征识别算法模型选择窗。

在本发明的一较佳实施方式中，所述关键特征识别算法模型的训练方法包括卷积神经网络模型训练以及分类器训练。

在本发明的一较佳实施方式中，所述关键特征识别算法模型的训练过程包括：利用从开源数据集获取的化工事故图像数据训练所述卷积神经网络模型，使所述卷积神经网络模型能识别化工事故图像数据中的关键特征；采用训练好的卷积神经网络模型对从开源数据集获取的化工事故图像数据进行图像CNN特征提取，构建关键特征训练集；采用关键特征训练集对分类器进行训练。

与现有技术相比，本发明的有益效果是：