一种智能视频分析系统及方法与流程

1.本发明涉及视频分析技术领域，具体是一种智能视频分析系统及方法。


背景技术：

2.近年来，在信息化行业背景、智能视频分析技术和大数据业务的引领下，可视化视频信息采集、智能分析和管理水平有一定提升，但智能检测目标单一、无法进行大规模推广使用、因环境条件复杂等因素导致的无法识别或准确率不够等问题凸显、因此建立一套基于5d智能感知视频联动分析技术的应用平台很有必要，在检测目标不明确、检测范围不固定的复杂监控场景，例如油气行业，缺点尤其明显。建立的这套平台可以为公司管理人员和各级管理部门在日常经营管理方面提供科学化的管理信息，为管理者提供一种可视化的、直观的视频智能分析解决方案，达到让各层级管理者能直观、实时地掌握最基层、最细节的人员状态，实现各作业区现场的扁平化和细节化管理。
3.油气行业发展迅速，目前各油田的各作业区均采用的是物理位置相互隔离、保持通信畅通的模式，而各作业区之间的地理位置又相对比较分散。根据油田的相关管理要求，各作业区采用各自独立分散管理、管理中心集中监控的模式。因此需要在管理中心实时了解该管理区域内的所有施工区域、施工人员的安保情况是十分迫切的，且如何实时有效地在管理中心展示管理区域内的异常视频信息和报警，保证报警信息的可靠、完整和实时性就成了智能视频分析的当务之急。然而，由于油气行业业务水平的发展限制，目前油气田视频分析主要存在以下几个方面的问题：
4.1、市面各种主流智能视频分析系统多采用检测目标明确、检测范围固定的方式进行，例如交通用到的车辆检测，明确检测目标为车辆闯红灯违规、限号违规、非法变道违规等，检测范围为当前道路口，市面成熟的视频分析技术能够较好地处理这些信息。而油田化工行业，带有不安全要素的作业种类多达上千种，这样庞大数量的智能检测内容如果同时加载，对系统gpu、cpu负荷极大，而且这上千种不安全行为无法预料其发生时间和发生地点，仅以一个处理厂来说，前端摄像头就多达200至500个，原有视频分析技术如果进行大规模部署，加上7*24小时全天候分析，将进一步加大系统负荷，一套系统建立下来，将耗费巨大的投资，可行性低。
5.2、市面上的定位技术多采用rfid、gps定位，而在油气及化工行业，存在很多信息屏蔽的空间，例如地下泵房、受限空间、密布型金属管廊架等，这些地方收不到rfid基站或gps信号，导致定位无法使用，人员一旦进入该类区域，则成为定位盲区，而往往这些盲区都是事故多发地，虽然这类区域安装有摄像头或门禁，但无法定位给管理带来极大不便。
6.3、在油气化工行业，事故的发生90％是因为人员不安全行为导致的，而这些不安全行为特征又异于日常生活中的行为，如果能第一时间阻止或更正人员的不安全行为，就能极大程度的避免事故，然而这些不安全行为因种类繁多，他们互相之间还存在特征相似的地方，如果将这些不安全行为检测算法一次性全部加载到系统中进行识别，不仅对硬件资源消耗极大，而且各种行为之间存在干扰，导致准确率低，误报率极高，不具有可行性。
7.4、市面上视频分析方法较为单一，不能适应对检测内容的自动变化进行相应识别分析调整，智能化程度不高。


技术实现要素：

8.为克服现有技术的不足，本发明提供了一种智能视频分析系统及方法，解决现有技术存在的在检测目标不明确、检测范围不固定的复杂监控场景下，视频检测准确度低、存在较多定位盲区导致定位无法使用、硬件资源消耗极大、智能化程度不高等问题。
9.本发明解决上述问题所采用的技术方案是：
10.一种智能视频分析系统，包括场景分析系统、联动综合分析预警系统，所述场景分析系统用以判断不同作业场景下是否存在不安全行为并将场景数据传输给联动综合分析预警系统，所述联动综合分析预警系统用以分析场景数据，并对作业场景存在不安全行为的情况进行预警。
11.所述场景分析系统识别不同的场景特征，不同的场景类型有对应的不同的不安全行为，场景分析系统判断不同作业场景下是否存在不安全行为，将这些场景数据传输给联动综合分析预警系统，则通过联动综合分析预警系统分析场景数据，从而对作业场景存在不安全行为的情况进行预警。
12.从而使得在检测目标不明确、检测范围不固定的复杂监控场景下，能识别不同的场景特征，识别不同的场景类型的不同的不安全行为，视频检测准确度高；不必大规模部署前端摄像头，硬件资源消耗较小，而且比较智能化。
13.作为一种优选的技术方案，所述场景分析系统包括不安全行为库，所述不安全行为库存储了不同场景下不安全行为的检测规则和内容。
14.不安全行为库是场景与不安全行为识别方法及检测要求的一个定义与映射，通过场景识别，并与相应的不安全行为库进行匹配，即可得到该场景下不安全行为的检测规则和内容，并将这些内容反馈给视频智能检测系统和联动综合分析预警系统。不同的场景类型有对应的不同的不安全行为识别方法，整合出来的一套符合安全规范标准体系的识别方法映射，定义了各种场景下，不安全行为的特征，以及识别方法要求，从而便于对大数量不同场景的不安全行为进行识别，处理效率及准确度进一步提高。
15.作为一种优选的技术方案，还包括目标智能定位检测系统，所述目标智能定位检测系统用以根据气象信息、场景信息和/或人员动态位置信息来判断当前最益采用的定位方式，且根据现场实际情况进行切换选择，且把定位信息传输给联动综合分析预警系统。
16.以上定位的技术方案，采用多方法并行运行，智能定位切换的分析方法进行，有效克服了外界环境信号对定位的干扰，而且有利于客户信号不佳情况下定位不准确甚至不能使用的不足，有利于进一步提高定位的准确度和可靠性。
17.作为一种优选的技术方案，还包括目标智能定位检测系统，所述目标智能定位检测系统还用以将定位信息传输给所述场景分析系统。
18.目标智能定位检测系统还用以将定位信息传输给所述场景分析系统，这使得场景分析系统的场景识别和分析能力进一步提高。
19.根作为一种优选的技术方案，还包括目标智能定位检测系统，所述目标智能定位检测系统所采用的的定位方式包括：
20.rfid定位：在室外空旷的环境下，采用rfid定位；
21.门禁定位：在设有门禁的区域，实时取得最近一条人员门禁记录，判断人员是否处于该区域内；
22.和/或，
23.人脸识别区域定位：通过人脸采集抓拍，识别人员的位置与移动轨迹。
24.通过以上定位方式，进一步增强了目标智能定位检测系统的准确度和可靠性。
25.作为一种优选的技术方案，还包括视频智能检测系统，所述视频智能检测系统用以辨识检测人员及人员行为信息，和/或，作业场所物品信息，并将这些信息传输至联动综合分析预警系统，所述视频智能检测系统实时调整物品与人员的辨识规则，与所述场景分析系统相结合并完成智能识别。
26.视频智能检测系统用以辨识检测人员及人员行为信息，和/或，作业场所物品信息，有利于监控前端图像数据的实时监测，并对人及物品进行辨识检测；并将这些信息传输至联动综合分析预警系统，便于分析和预警；而所述视频智能检测系统实时调整物品与人员的辨识规则，与所述场景分析系统相结合，则进一步提高了智能识别能力。
27.s1，采用场景分析系统判断不同作业场景下是否存在不安全行为并将场景数据传输给联动综合分析预警系统；
28.s2，采用联动综合分析预警系统分析场景数据，并对作业场景存在不安全行为的情况进行预警。
29.作为一种优选的技术方案，步骤s1中所述场景分析系统包含不安全行为库，所述不安全行为库存储了不同场景下不安全行为的检测规则和内容。
30.作为一种优选的技术方案，还包括以下步骤：
31.s3，采用目标智能定位检测系统根据气象信息、场景信息和/或人员动态位置信息来判断当前最益采用的定位方式，且根据现场实际情况进行切换选择，且把定位信息传输给联动综合分析预警系统。
32.作为一种优选的技术方案，还包括以下步骤：
33.s4，采用目标智能定位检测系统将定位信息传输给所述场景分析系统。
34.本发明相比于现有技术，具有以下有益效果：
35.(1)本发明所述场景分析系统识别不同的场景特征，不同的场景类型有对应的不同的不安全行为，场景分析系统判断不同作业场景下是否存在不安全行为，将这些场景数据传输给联动综合分析预警系统，则通过联动综合分析预警系统分析场景数据，从而对作业场景存在不安全行为的情况进行预警；从而使得在检测目标不明确、检测范围不固定的复杂监控场景下，能识别不同的场景特征，识别不同的场景类型的不同的不安全行为，视频检测准确度高；不必大规模部署前端摄像头，硬件资源消耗较小，而且比较智能化；
36.(2)本发明不同的场景类型有对应的不同的不安全行为识别方法，整合出来的一套符合安全规范标准体系的识别方法映射，定义了各种场景下，不安全行为的特征，以及识别方法要求，从而便于对大数量不同场景的不安全行为进行识别，处理效率及准确度进一步提高；
37.(3)本发明采用多方法并行运行，智能定位切换的分析方法进行，有效克服了外界环境信号对定位的干扰，而且有利于客户信号不佳情况下定位不准确甚至不能使用的不
足，有利于进一步提高定位的准确度和可靠性；
38.(4)本发明目标智能定位检测系统还用以将定位信息传输给所述场景分析系统，这使得场景分析系统的场景识别和分析能力进一步提高；
39.(5)本发明进一步增强了目标智能定位检测系统的准确度和可靠性；视频智能检测系统用以辨识检测人员及人员行为信息，和/或，作业场所物品信息，有利于监控前端图像数据的实时监测，并对人及物品进行辨识检测。；并将这些信息传输至联动综合分析预警系统，便于分析和预警；而所述视频智能检测系统实时调整物品与人员的辨识规则，与所述场景分析系统相结合，则进一步提高了智能识别能力。
附图说明
40.图1为本发明所述的一种智能视频分析系统的结构示意图之一；
41.图2为本发明所述的一种智能视频分析系统的结构示意图之二；
42.图3为本发明所述的一种智能视频分析系统的结构示意图之三；
43.图4为本发明所述的一种智能视频分析系统的结构示意图之四；
44.图5为实施例3中某油气田处理厂的一种智能视频分析系统的网络拓扑图。
具体实施方式
45.下面结合实施例及附图，对本发明作进一步的详细说明，但本发明的实施方式不限于此。
46.实施例1
47.如图1至图5所示，一种智能视频分析系统，包括场景分析系统、联动综合分析预警系统，所述场景分析系统用以判断不同作业场景下是否存在不安全行为并将场景数据传输给联动综合分析预警系统，所述联动综合分析预警系统用以分析场景数据，并对作业场景存在不安全行为的情况进行预警。
48.所述场景分析系统识别不同的场景特征，不同的场景类型有对应的不同的不安全行为，场景分析系统判断不同作业场景下是否存在不安全行为，将这些场景数据传输给联动综合分析预警系统，则通过联动综合分析预警系统分析场景数据，从而对作业场景存在不安全行为的情况进行预警。
49.从而使得在检测目标不明确、检测范围不固定的复杂监控场景下，能识别不同的场景特征，识别不同的场景类型的不同的不安全行为，视频检测准确度高；不必大规模部署前端摄像头，硬件资源消耗较小，而且比较智能化。
50.作为一种优选的技术方案，所述场景分析系统包括不安全行为库，所述不安全行为库存储了不同场景下不安全行为的检测规则和内容。
51.不安全行为库是场景与不安全行为识别方法及检测要求的一个定义与映射，通过场景识别，并与相应的不安全行为库进行匹配，即可得到该场景下不安全行为的检测规则和内容，并将这些内容反馈给视频智能检测系统和联动综合分析预警系统。不同的场景类型有对应的不同的不安全行为识别方法，整合出来的一套符合安全规范标准体系的识别方法映射，定义了各种场景下，不安全行为的特征，以及识别方法要求，从而便于对大数量不同场景的不安全行为进行识别，处理效率及准确度进一步提高。
52.作为一种优选的技术方案，还包括目标智能定位检测系统，所述目标智能定位检测系统用以根据气象信息、场景信息和/或人员动态位置信息来判断当前最益采用的定位方式，且根据现场实际情况进行切换选择，且把定位信息传输给联动综合分析预警系统。
53.以上定位的技术方案，采用多方法并行运行，智能定位切换的分析方法进行，有效克服了外界环境信号对定位的干扰，而且有利于客户信号不佳情况下定位不准确甚至不能使用的不足，有利于进一步提高定位的准确度和可靠性。
54.作为一种优选的技术方案，还包括目标智能定位检测系统，所述目标智能定位检测系统还用以将定位信息传输给所述场景分析系统。
55.目标智能定位检测系统还用以将定位信息传输给所述场景分析系统，这使得场景分析系统的场景识别和分析能力进一步提高。
56.根作为一种优选的技术方案，还包括目标智能定位检测系统，所述目标智能定位检测系统所采用的的定位方式包括：
57.rfid定位：在室外空旷的环境下，采用rfid定位；
58.门禁定位：在设有门禁的区域，实时取得最近一条人员门禁记录，判断人员是否处于该区域内；
59.和/或，
60.人脸识别区域定位：通过人脸采集抓拍，识别人员的位置与移动轨迹。
61.通过以上定位方式，进一步增强了目标智能定位检测系统的准确度和可靠性。
62.作为一种优选的技术方案，还包括视频智能检测系统，所述视频智能检测系统用以辨识检测人员及人员行为信息，和/或，作业场所物品信息，并将这些信息传输至联动综合分析预警系统，所述视频智能检测系统实时调整物品与人员的辨识规则，与所述场景分析系统相结合并完成智能识别。
63.视频智能检测系统用以辨识检测人员及人员行为信息，和/或，作业场所物品信息，有利于监控前端图像数据的实时监测，并对人及物品进行辨识检测；并将这些信息传输至联动综合分析预警系统，便于分析和预警；而所述视频智能检测系统实时调整物品与人员的辨识规则，与所述场景分析系统相结合，则进一步提高了智能识别能力。
64.实施例2
65.如图1至图5所示，一种智能视频分析方法，包括以下步骤：
66.s1，采用场景分析系统判断不同作业场景下是否存在不安全行为并将场景数据传输给联动综合分析预警系统；
67.s2，采用联动综合分析预警系统分析场景数据，并对作业场景存在不安全行为的情况进行预警。
68.所述场景分析系统识别不同的场景特征，不同的场景类型有对应的不同的不安全行为，场景分析系统判断不同作业场景下是否存在不安全行为，将这些场景数据传输给联动综合分析预警系统，则通过联动综合分析预警系统分析场景数据，从而对作业场景存在不安全行为的情况进行预警。
69.从而使得在检测目标不明确、检测范围不固定的复杂监控场景下，能识别不同的场景特征，识别不同的场景类型的不同的不安全行为，视频检测准确度高；不必大规模部署前端摄像头，硬件资源消耗较小，而且比较智能化。
70.作为一种优选的技术方案，步骤s1中所述场景分析系统包含不安全行为库，所述不安全行为库存储了不同场景下不安全行为的检测规则和内容。
71.不安全行为库是场景与不安全行为识别方法及检测要求的一个定义与映射，通过场景识别，并与相应的不安全行为库进行匹配，即可得到该场景下不安全行为的检测规则和内容，并将这些内容反馈给视频智能检测系统和联动综合分析预警系统。不同的场景类型有对应的不同的不安全行为识别方法，整合出来的一套符合安全规范标准体系的识别方法映射，定义了各种场景下，不安全行为的特征，以及识别方法要求，从而便于对大数量不同场景的不安全行为进行识别，处理效率及准确度进一步提高。
72.作为一种优选的技术方案，还包括以下步骤：
73.s3，采用目标智能定位检测系统根据气象信息、场景信息和/或人员动态位置信息来判断当前最益采用的定位方式，且根据现场实际情况进行切换选择，且把定位信息传输给联动综合分析预警系统。
74.以上定位的技术方案，采用多方法并行运行，智能定位切换的分析方法进行，有效克服了外界环境信号对定位的干扰，而且有利于客户信号不佳情况下定位不准确甚至不能使用的不足，有利于进一步提高定位的准确度和可靠性。
75.作为一种优选的技术方案，还包括以下步骤：
76.s4，采用目标智能定位检测系统将定位信息传输给所述场景分析系统。
77.目标智能定位检测系统还用以将定位信息传输给所述场景分析系统，这使得场景分析系统的场景识别和分析能力进一步提高。
78.实施例3
79.如图1至图5所示，本实施例包含实施例1、实施例2的全部技术特征，本实施例在实施例1、实施例2的基础上，提供更细化的实施方式。
80.值得说明的是，本实施例以将本发明应用于油气行业为例，但这并不应当被视为本发明的限制。
81.值得说明的是，图1至图4给出了本发明所述一种智能视频分析系统的结构示意图的同时，分别细化了视频智能检测系统、目标智能定位检测系统、场景分析系统、联动综合分析预警系统的具体结构。
82.基于5d智能视频联动分析，即结合人员行为识别、目标定位识别、作业场景分类识别、不安全行为规则识别、物品及劳保识别，进行5个维度的智能检测，并进行联动分析，对不符合油气安全要求的行为进行预警，服务于油田作业区的安全生产，达到事前智能预测布控、事后快速响应，维护作业区生产运行稳定提供强力有利的支撑平台。
83.本发明所述一种智能视频分析系统由视频智能检测系统、目标智能定位检测系统、场景分析系统及不安全行为库、联动综合分析预警系统几大部分组成。
84.1、视频智能检测系统
85.视频智能检测系统主要完成监控前端图像数据的实时监测，并对人及物品进行辨识检测。智能检测主要包含2个部分，一个是人员及人员行为，比如：人员人脸、可疑人员入侵、人员跌倒、人员静止、奔跑、逗留、徘徊等，检测到人员及行为后，将这些信息推送至联动综合分析预警平台，为后续预警分析提供基础信息；另一部分是对物品检测，物品主要包括油气场所常用工具、设备以及穿戴劳保，检测到信息后，将物品信息推送至联动综合分析预
警平台，供后续预警分析使用。
86.视频的智能分析较为普遍的应用于各大中型企业办公楼门禁、重要通道、车辆检测、运输等行业，但在石油行业站场安全生产场景下，因每处检测要素并非固定不变，而是随着人员、工作内容的要求变化不断自行调整，目前国内尚未拥有一套完整的智能分析系统或解决方案应用到石油生产安全中，因此本智能分析系统在石油行业应用属首创。
87.智能分析系统主要采用深度学习技术，其中应用较多的为物体检测与分类技术和人体关键点检测技术，这些技术在市面上相对成熟，但需要和油田行业作业类型、背景、专用设备和劳保用品结合，完成根据要求实时调整物品与人员的辨识规则，和场景分析相结合并完成智能识别是本系统的特色，例如同一地点，同一摄像区域，在吊装作业场景下，需检测人员、吊车吊臂、吊物等内容，而用电作业场景则需要检测人员、用电区域、陪护情况等，系统需根据不同的要求自动进行识别内容的切换。
88.2、目标智能定位检测系统
89.常用的目标定位方法是rfid及gps方法，但油气田生产环境往往处于沙漠、戈壁等环境，风沙、雨雪天气会极大程度干扰信号源，而且生产厂区环境复杂，金属框架的封闭空间会阻断信号，单一的定位方法不能完成系统所需的人员的定位。本系统采用多方法并行运行，智能定位切换的分析方法进行：目标智能定位检测系统根据当前厂区气象信息、场景信息，人员动态位置信息来判断当前最益采用的定位方式，并根据现场实际情况进行切换选择，并把定位信息推送给联动综合分析预警系统，可选待定定位方式如下：
90.1)rfid定位：室外空旷的环境下，采用rfid定位，人员手持终端或工作牌上带rfid标签，通过基站将定位数据发送至中控室。
91.2)门禁定位：例如某区域ω有门禁a、b，则刷门禁后，取得最近一次门禁记录，有如下定位映射关系：
92.表1门禁记录
‑
定位结果映射关系表
[0093][0094][0095]
油气田重要封闭区域均设有门禁，通过门禁sdk(软件开发工具包)实时取得最近一条人员门禁记录，智能定位系统就可以判断人员是否处于该区域内。该方法适用于办公楼、调度中心、监控室、机房设备间等难以进行人脸捕捉的室内场景。
[0096]
3)人脸识别区域定位
[0097]
通过人脸采集抓拍，识别该人员在厂区中的位置与移动轨迹，该方法适用于狭窄通道或有通道且无遮挡较为空旷的区域环境，能够清楚采集人脸信息，进行人员定位跟踪目标智能定位检测系统根据人员实时位置与所处区域的具体情况，智能切换定位方式，检测到人员在室外且rfid可用时，用rfid定位，当rfid无信号且处于能够采集人脸的摄像区域时，采用人脸识别区域定位，当人员处于无法采集人脸的室内环境时，采用门禁定位，同时将最可靠的定位信息推送给联动综合分析预警系统。
[0098]
3、场景分析系统及不安全行为库
[0099]
场景分析辨识流程如下：
[0100]
1)高危作业进场前，需签批高危作业票，高危作业票据上规定了高危作业类型、人员、地点、周期，场景分析系统需输入或导入这些场景信息
[0101]
2)视频智能检测系统在检测到目标区域中存在特种作业物品(例如有吊车、挖掘机、氧气瓶等设备)或者人员高危作业行为(例如人员攀高、抬举重物、攀爬管线等)时，将这些信息推送给场景分析系统
[0102]
3)场景分析系统根据人、物、地点等特征，和不安全行为库中内容进行匹配，得到不安全行为场景及识别规则，并将这些信息推送给联动综合分析预警系统。
[0103]
在智能视频分析技术中，场景识别一直都是难点，各个行业的场景特征各不相同，目前市面上应用比较成熟的场景识别有：门禁、各类通道、交通要道等，将这些场景与人脸结合可以识别人员入侵检测、非法闯入、闯红灯等，但在油气或化工等高危行业中，高危作业场景和市面通用场景区别较大，不同的场景类型有对应的不同的不安全行为识别方法，因此，对场景的识别和建立不安全行为库是系统运行的关键与基本前提。
[0104]
不安全行为库是场景与不安全行为识别方法及检测要求的一个定义与映射，通过场景识别，并与相应的不安全行为库进行匹配，即可得到该场景下不安全行为的检测规则和内容，并将这些内容反馈给视频智能检测系统和联动综合分析预警系统。不安全行为库(示例)如表2：
[0105]
表2不安全行为库示意表
[0106]
[0107]
[0108]
[0109]
[0110]
[0111][0112]
因不安全行为库内容较多，以上仅截取部分内容。
[0113]
不安全行为库是根据油田或化工等历来行业历来安全经验与现有视频分析技术相结合，整合出来的一套符合石油天然气行业安全规范标准体系的识别方法映射，它定义了各种场景下，不安全行为的特征，以及识别方法要求，属于业内首创。
[0114]
以上场景识别和不安全行为库以石油行业进行举例介绍，该方法可扩展至化工、能源、土建施工等所有存在高危作业的行业，针对不同的行业建立不同的不安全行为特征库，实现场景与库的自适应匹配。
[0115]
4、联动综合分析预警系统
[0116]
联动综合分析预警系统是将各系统中识别内容与识别规则进行联动匹配分析，辨识出不安全行为并发出报警，匹配因素包括5个维度，即实现了5d智能感知视频联动分析，这些因素包括：场景类型、不安全行为规则、人员定位、人员行为、物品(机具设备)。触发报警后，系统将报警内容、时间、人员、场景以及发生位置提供给调度指挥中心，供应急处置或救援进行参考。
[0117]
市面的视频分析系统，仅考虑较为简单的人员或物品特征分析，例如带安全帽、口罩、人员跌倒、徘徊、逗留、闯入等，未有一套结合定位、场景、人员、物品、行为规范要求的整体分析方法或解决方案，不能满足油气行业对生产作业的安全要求，因此该系统是业内首创。
[0118]
其中，各监控前端分别部署在场区大门口、通道或需要采集图像数据的位置，保证采集到的图像尺寸满足该检测规则所需的最小像素，并保证网络通畅；服务器位于机房或处理中心，实现场景类型、不安全行为规则、人员定位、相关物品、人员行为的分析，并提供预警。
[0119]
前端输入分为2种情况，1种情况是计划内的高危作业，这种情况下作业地点、人员、工具设备、作业时间等因素被提前定义好，执行流程如下：
[0120]
1)针对高危作业类型进行场景分析，确定该类型作业所属场景并进入2)、3)流程；
[0121]
2)将场景信息及高危作业地点信息推送给目标智能定位检测系统，定位系统根据场景，匹配最适用的定位方法，并在作业人员到达该场景时，将人员定位及场景信息实时推送给联动综合分析预警系统；
[0122]
3)通过场景分析系统提取不安全行为库中对应场景可能发生的不安全行为以及
判定标准，发送给联动综合分析预警系统；
[0123]
4)视频智能检测系统根据场景和该场景下不安全行为库中定义的不安全行为判定标准，启用人和物品的检测，包括人脸、动作行为、穿戴、机具设备、车辆、特种作业工具等检测，并将结果推送给联动综合分析预警系统；
[0124]
5)联动综合分析预警系统根据2)3)4)步骤分析产生的定位、场景、人员、物品、行为因素，进行5d综合联动分析，对发生的不安全行为进行实时预警，提醒调控中心人员进行及时处置并进行归档。
[0125]
第2种情况是未开具高危作业票据前，视频智能检测系统检测到区域环境中有类似高危作业准备的行为或物品，该情况下执行流程如下：
[0126]
1)视频智能检测系统发现可疑人员或特种作业机具设备，将人员及机具设备信息发送给场景分析系统进行场景匹配，同时将人员物品信息发送给联动综合分析预警系统；
[0127]
2)场景分析系统根据人员、设备情况，查询不安全行为库信息进行匹配，提取对应场景可能发生的不安全行为以及判定标准，发送给联动综合分析预警系统，同时将场景信息发送给目标智能定位检测系统；
[0128]
3)目标智能定位检测系统根据场景，匹配最适用的定位方法，并在作业人员到达该场景时，将人员定位及场景信息实时推送给联动综合分析预警系统；
[0129]
4)联动综合分析预警系统根据1)2)3)步骤分析产生的定位、场景、人员、物品、行为因素，进行5d综合联动分析，对发生的不安全行为进行实时预警，提醒调控中心人员进行及时处置并进行归档。
[0130]
本发明与以往视频分析模式不同，5d智能感知视频联动分析平台结合了智能切换定位、不安全库智能匹配、作业场景智能匹配、行为分析、物品分析5个维度进行综合联动分析。
[0131]
本发明中定位分析方法采用了自适应智能切换方式，能随着人员所处环境变化，在rfid、门禁、视频分析定位中自适应切换，属于业内首创。
[0132]
本发明引入不安全行为库，将场景、行为、判定标准做成可变参数，视频分析方法及定位方法根据这些变化的参数在不同的分析方法中智能切换，完成了识别判定的智能化，属于业内首创。
[0133]
本发明引入场景智能识别方法，将油气行业各种高危作业和不安全因素定义为各种场景，通过作业票与人员、物品的识别，匹配出对应场景，过滤掉与该场景无关的因素，再反过来影响该场景下，定位和视频分析的识别方法，这样不仅实现了定位与视频分析的随机应变，还极大程度的降低了定位与视频分析硬件的负载，让大范围全面监控智能化成为可能。
[0134]
如上所述，可较好地实现本发明。
[0135]
本说明书中所有实施例公开的所有特征，或隐含公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合和/或扩展、替换。
[0136]
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，依据本发明的技术实质，在本发明的精神和原则之内，对以上实施例所作的任何简单的修改、等同替换与改进等，均仍属于本发明技术方案的保护范围之内。