智能視頻識別技術在石油石化行業中的應用研究

夏博強

關鍵詞：智能視頻識別；石油石化；應用研究

一、研究背景

石油是國家發展的基本戰略資源，石油的開采是保障石油生產的重要環節，創造重要的商業價值。在石油的開采過程中，需要保障整個生產過程的安全。在生產作業過程中，需要采用各類防范措施，減少石油開采過程中的各項風險。隨著數字技術以及智能技術的發展，各類數字技術以及智能技術被應用于石油開采的安全防護過程中，比如在各類野外采油環境下，通過安裝各類視頻監控，來防止石油泄漏、動物或者人員入侵等。傳統的視頻監控等安防措施通過視頻監控石油開采過程中的環境變化，有監控人員及時發現可能發生的各項風險，并及時通知相關人員進行處理來減少風險。但是，由于需要監控人員人工干預，對監控人員的精力要求較高，而監控人員有可能會錯過風險因素，并不能完全避免風險的發生。

作為安防系統中的重要組成部分，視頻安防系統在油田生產中發揮了重要的作用。油田生產具有一定的危險性，一旦發生事故，可能給石油企業帶來重大的人員以及財產損失。雖然視頻監控逐漸在石油生產中得到應用，但由人工進行視頻內容分析時，主要存在以下問題：

①監控人員由于注意力難以持續專注，可能錯過視頻監控中的風險因素。

②一般而言，石油生產過程是24 小時不間斷的過程，監控人員需要24 小時不間斷地分析視頻中的監控內容。但是，監控人員難以不間斷地對視頻內容進行觀察，可能在某些時間錯過生產過程中的危險因素。

③視頻監控的內容存儲過程中需要大量的存儲資源。由于視頻內容難以采用文本等方式完整地描述其內容，一般只能根據視頻的錄制時間等標簽來進行索引，導致對視頻內容進行溯源等分析時較為困難，并且需要耗費大量的時間資源。

④傳統的視頻監控屬于被動監控，監控的主要方式是以錄制的方式，將生產過程中的各類環境進行記錄。但是難以主動地發現生產環境的變動或者對事故進行預警處理，更多的是作為一種事后的分析手段留存相關證據，難以有效避免損失的發生。

隨著各類智能技術在石油企業的應用，利用智能技術自動分析監控內容，能夠避免人員主觀監控存在的風險因素遺漏等問題，并且可以節約人力資源，提高管理效率，并且解決傳統視頻監控中存在的上述問題。視頻的智能分析是視頻監控的主要發展方向，智能分析基于圖像處理以及人工智能技術，能夠有效地對各類事故進行預警。通過智能分析技術，可以處理較大范圍的安全防范問題，比如檢測各類可疑的生產現場的入侵行為、對漏油火災等生產事故進行偵測。并且，通過智能視頻分析技術，可以高效地自動分析視頻內容，執行生產預警，對生產過程進行主動監控。

2. 智能視頻分析技術概述

智能視頻分析以機器視覺技術為基礎，通過機器視覺技術自動識別視頻的內容，同時結合機器學習等技術，對視頻中的內容進行自動識別，對視頻中相關物體的行為進行偵測，可以用于特定事件或環境的監控。

采用智能視頻分析進行視頻監控，可以達到以下目的。

①通過智能視頻分析，可以讓監控方式轉變為主動監控，實現事前的預警。

②通過智能視頻分析，可以實時對生產環境進行監控，及時進行事中處理。

③通過智能視頻分析，可以從歷史視頻數據中快速定位相關內容，高效進行事后的取證。

智能視頻分析的常用技術基礎有以下幾種。

①背景減除法。該方法可以對視頻內容中的特定對象進行識別，可以將運動物體與其背景進行分割。其核心原理是通過對比背景區域的圖像像素與檢測物體的像素差異來識別物體。一般而言，當差異較小時，該區域被認為是背景區域，而差異較大時，被認為是物體的運動區域。通過該方法，可以將視頻中每一幀的圖像進行區分，有助于識別被監控物體的變化。

②時間差分方法。該方法對比視頻中相鄰幀中圖像的變化，從而處理視頻中特征物體的連續動態變化特征。通過對比視頻流中，不同幀中物體的變化，通過對比不同幀像素的變化，識別出物體的連續運動。通過對比各個幀的物體信息的變化，可以檢測中目標邊緣，從而識別物體的運動。

③ Haar-like 算法。該算法可以通過處理視頻中不同幀中的邊緣特性等，對視頻中的信息進行噪聲的消除，減少視頻中圖像中存在的的噪聲干擾。并且通過該算法對圖像進行積分變換，可以提高對物體識別的準確性。為了有效提高該算法對物體識別的精度，還可以進一步采用Adaboost 等算法，增強Haar-like 對物體識別的精度，提高智能視頻分析的準確性。

④混合高斯方法。該方法是基于混合高斯模型，假設不同的圖像的像素分布呈現高斯分布的特點，而視頻中高斯分布的變化可以反映視頻中物體的變化。該模型基于統計分析模型，對視頻中的每一幀進行高斯模型的擬合，從而識別出待檢測物體的變動情況。

⑤ HOG 方法。該方法利用圖像中灰度特征，通過計算物體的邊緣分布，用于識別物體的形狀。該算法可以有效地切分圖像的區域，通過切分圖像區域并計算各個區域中像素的灰度特征，采用一定的算法來描述不同區域的特征，從局部圖中更為精準地描述各類待檢測物體。該算法可以適應視頻中各幀圖像的比例變化以及光線強度的變化，可以在較高精度上識別物體的變動。

⑥卷積神經網絡。該方法屬于一種深度學習方法，通過建立深度神經網絡，處理圖像、視頻的識別。通過建立含有卷積層、Relu 層等神經單元的深度神經網絡，可以較好地識別圖像中的各類物體。并且通過調整卷積神經網絡的網絡結構，可以適應于不同生產環境下的智能視頻監控。卷積神經網絡可以根據歷史視頻信息，自動調整網絡的結構以及參數。通過對比預測與真實圖像的誤差，通過迭代計算來調整網絡結構，達到預測圖像與真實圖像逐漸一致的效果，能夠在較高精度上識別圖像的相關內容，并且對圖像中的干擾噪聲等具有一定的魯棒性。但是卷積神經網絡一般需要大量的歷史數據進行訓練，并且對計算資源具有一定的要求，模型運行的效率相對較低。

三、智能視頻分析技術在油氣田的應用場景分析

（一）石油和天然氣泄漏檢測

在石油企業對石油以及天然氣等資源進行開采的過程中，由于生產作業場地一般位于較為偏遠的野外，并且分布的區域較廣，生產過程中面臨各類氣候條件的挑戰，比如高溫、大雪等。如果采用人工方式監控生產過程，要求全天 24 小時實時監控所有油井視頻圖像，可能難以達到油井泄漏原油告警的目的。

因此，可以配有CIF 傳感器的熱攝像與視頻監控軟件相結合，氣體泄漏檢測用視頻智能分析軟件可以根據揮發性氣體泄漏的物理性質檢測氣體泄漏。同時，采用一定的智能視頻分析技術，通過識別監控圖像中可能存在的煙霧等特征，及時對可能發生的石油和天然氣的泄漏進行檢測。

漏油檢測原理是基于油和水在溫度、熱反射和熱發射率之間的差異之上。由于導熱性差異，油通常在白天吸熱很快，因此它比周圍的海水溫暖，在熱圖像上顯示為熱點。到了晚上，情況剛好相反：油體的放熱速度比周圍的海水快，因而，油在熱圖像上顯示為一個低溫區。在白天，因為油反射來自陽光的熱輻射不同，反射油也顯示在熱圖像中。發射率不同是漏油檢測能有效進行的另一因素。雖然不同種類的油發射率不盡相同，但一般而言要低于水的發射率。這使得熱像儀能夠在完全黑暗時“看到”漏油，這意味著油回收可以在夜間繼續進行。這一點至關重要，因為在油發生下沉、溶解或蒸發前，將漏油收集起來的時間是十分有限的。在白天，熱成像系統的性能也優于可見光成像系統。熱像儀不僅可以在完全黑暗時檢測到漏油，還可以穿透煙霧，灰塵和薄霧。因為可見光成像儀對可見光的依賴性較強，他們對太陽反射和視角的變化也更敏感，而這些因素對熱像儀的影響卻微乎其微。

數字細節增強技術：明辨細微的熱差異但并不是所有的紅外熱像儀都可以檢測漏油。要求熱像儀對細微的溫差十分敏感。

（二）安防區域入侵檢測

由于石油生產的作業場所大部分位于野外，在生產過程中可能會遇到各類動物、昆蟲等入侵帶來的干擾，需要及時發現這些入侵行為，減少對石油生產過程帶來的危害。因此，可以采用智能視頻分析技術，提前監控視頻中的各類物體以及物體的連續變化。比如識別視頻中可能存在的動物以及飛蟲，通過視頻過濾技術，檢測視頻中的各類物體。同時，結合卷積神經網絡等模型，對圖像進行精細化的處理，偵測視頻圖像中的各類物體。通過在監測區域中設置警戒區域，一旦識別到存在動物或者昆蟲等入侵到警戒區域以內，系統自動發出報警信息，通知現場作業人員進行處理。

（三）人員徘徊檢測

在石油生產過程中，還需要防范各類盜油、對生產設備進行破壞等行為。通過智能視頻分析，可以有效甄別出可疑人員在生產設備附近的徘徊行為。根據用戶指定的工地重點區域，例如工地大門口，通過監控攝像頭，當發現有異常徘徊人員時主動觸發報警，根據需要可以設置徘徊時間，徘徊物體大小，或者徘徊對象過濾等。如果系統檢測中可疑人員在敏感區域進行徘徊時，可以主動觸發報警機制，提取徘徊人員的特征，自動發送給現場安保人員進行處理，減少可能存在的可疑人員對石油開采過程帶來的破壞。

（四）危險因素智能識別

在油氣管道附近的施工作業，尤其大型機械作業（如：挖掘機、泵機）在造成管道損傷的案例中占有一定的比例。通過AI 視頻分析功能對管線附近的第三方施工進行智能監控識別大型機械作業，一般對大型作業車輛的檢測不需要實時開展，可以采用算法輪巡的方式進行檢測，可以大大降低成本。對管道周邊的煙火監測是極其重要的，通過視頻分析的煙火識別技術，可以對火災進行預警、事故調查的支撐。

（五）關鍵設施監控

石油生產過程中，需要依賴各類生產設備，比如各類鉆采專用設備。這些鉆采設備在生產過程中可能出現故障、停機等問題，影響石油開采的連續進行。通過智能視頻分析，可以有效地識別關鍵設備的異常行為，并結合SCADA 等系統，通過視頻監控以及傳感器監控，對可能存在的設備異常進行識別以及預警，及時通知相關人員進行處理。通過智能視頻分析，可以高效地、實時地對關鍵設備的生產狀態進行監控，有效地識別各類故障行為。同時，針對油區、重點站庫等生產場所，通過智能視頻分析，可以監測關鍵設備的各個部件，比如閥門等是否正常的運行，一旦出現部件的異常狀況，及時將異常部件的圖像提取給運維部門以及檢修人員，幫助相關人員及時判斷可能出現的故障，能夠提高設備維護的效率，減少關鍵設備出現問題時進行維護的時間。

（六）人員車輛等管理

在對油區等區域進行管理時，可以結合智能視頻分析技術，對關鍵區域的人員、車輛等進行管理。通過在系統中自動識別通行車輛的相關標識，對可能存在的無牌車輛、車輛的危險行為、可疑人員等進行及時的預警。為提高油田生產區域的安全防護級別，通過對各類生產車輛、生產人員進行智能視頻的監控，設置各類安全規則，對可能違反規則的車輛以及人員進行告警，減少可能存在的危害油田安全的事件。在各類重點的油庫周邊，可以進一步布置智能視頻分析的相關設備，對各類入侵、徘徊等高危行為進行及時預警，并通過智能視頻系統，自動記錄人員、車輛的運動信息，一旦出現違規行為即進行預警，并且通過對歷史數據的自動檢索，識別可能存在的各類危險行為。

四、結束語

在石油石化行業的發展過程中，智能技術的使用對加強生產管理、提升安全防護等級提供了重要的保障。其中，智能視頻分析是保障石油生產過程中，關鍵設備安全、對可疑行為進行預警的重要基礎，有效降低了石油生產過程中的風險，提高了石油企業的管理效率，有利于石油企業進一步提高智能化程度，增強自身的核心競爭力。