基于视觉计算的井下信息感知理论与预警方法研究

The coal mine industry is our country’s basic industry of national economic and social development. Because of the frequent occurrence of coal mine accidents, the coal mine safety has been highly concerned by the state and society. With the rapid development of coal mine safety monitoring technology and industrial video surveillance system widely used, the rate of coal mine accidents is decreased gradually. But there is still a large gap between our country and foreign advanced mining countries. It will be the development direction of future coal mine production safety monitoring, that using new theory and new technology to continuously improve the intelligence level of the coal mine safety monitoring. In this project, the visual computing theories and methods will be used to analyze a large number of the acquired coal mine video images, and the model of underground moving targets detection and their status information description and parameters calculation will be established, thus realizes the behavior analysis and perceived understanding of the moving targets; Using visual computing means, a new deformation calculating theory of the underground static targets will be established with the design of marked targets. Based on that, the deformation trend will be analyzed, and perception theory of the underground static targets based on visual computing will be formed. On the basis of the underground target’s information perception theory, new methods of risk prevention, forecasting and early warning will be explored. That will lay a theoretical foundation for the eventual development of the smart comprehensive information sensors of underground mine, and provide a theoretical basis for the development of new technologies and new products that protect the coal mine production safety.

煤炭工业是我国国民经济和社会发展的基础产业，煤矿事故的频频发生使得煤矿安全成为国家和社会高度关心的问题。随着煤矿安全监测技术的迅速发展和工业视频监控系统的广泛应用，煤矿事故率逐渐下降，但与国外先进采煤国家相比仍有较大差距。采用新理论新技术不断提高煤矿安全监测的智能化水平，将是未来煤矿安全生产监控的发展方向。本课题对获取的大量煤矿井下视频图像，应用视觉计算的理论和方法进行分析，建立井下运动目标的检测及其状态信息描述和参数计算模型，从而达到对运动目标的行为分析和感知理解；采用视觉计算手段，结合标记目标的设计，建立静态目标的形变计算新理论，并在此基础上进行形变趋势分析研究，形成基于视觉计算的井下静态目标感知理论。在井下目标信息感知理论研究基础上，研究危险预防预报预警新方法，为最终研发智能矿井井下综合信息传感器奠定理论基础，为研发保障煤矿安全生产的新技术新产品提供理论依据。

煤炭工业是我国国民经济和社会发展的基础产业，煤矿事故的频频发生使得煤矿安全成为国家和社会高度关心的问题。应用高新技术解决煤矿重大灾害防治中的关键技术难题是煤矿安全生产及监控技术发展的重点。我们利用视觉计算理论对井下视频信息的感知理论和预警方法进行了深入的研究。提出一系列井下复杂环境的视频图像增强理论和目标跟踪方法，实验验证有效地解决了井下视频图像中存在的高噪声干扰问题、光照分布不均以及目标跟踪中的高遮挡问题。建立了井下运动目标的检测及其状态信息描述和参数计算模型，实现对运动目标的行为分析和感知理论；对井下矿用胶带运输机实例提出了实时煤块跟踪方法、运动速度、偏移等状态参数的测量计算方法，有效实现了速度异常、跑偏、撕裂等异常情况的预警；提出一种基于运动特征的煤矿井下运动钻杆跟踪方法和测量方法，解决钻杆视频中的遮挡难题并实现对钻杆的准确计数；在此基础上开发完成了矿用胶带运输机监测预警系统和井下钻杆自动计数系统。采用视觉计算手段结合目标标记，实现了井下恶劣环境中静态目标的图像特征实时自动检测识别与匹配方法，准确计算出标记目标的三维坐标，提出一套软岩巷道的形变计算及状态分析的信息感知理论，对巷道的形变做出合理的判断和预测。此外，设计并构建了用于检测、跟踪运动目标、计算运动目标状态参数和形变计算测试的模拟实验平台，建立了支撑并行软件开发的视频图像并行实时处理系统；并利用支持共享存储器的多核心并行编程软件OpenMP进行了实验验证，从而提高视频的处理效率。项目研究成果对提高煤矿安全生产和智能化水平有重要的意义，具有广泛的应用前景，部分成果已成功应用在某些煤矿企业中，取得了良好的社会效益和经济效益。