项目背景
随着国家经济的快速发展，中国能源消费总量近年来一直呈现上升趋势。和几年前相比，虽然煤炭行业的安全事故已经下降很多，但安全生产依然是煤炭行业的首要任务。当下，煤炭行业仍普遍面临水害、瓦斯泄漏、上覆岩层失稳等多项安全隐患，皮带运输效率和人员安全意识等均有待提升，而导致矿难产生的原因大多仍是由于人员不安全行为、设备的不安全状态及环境的不安全因素等造成的。
行业痛点
当前，我国的煤矿生产所采用的技术仍相对落后，高的煤炭产量是以较高的投入、环境的污染、能源的浪费为代价，呈粗犷式增长态势的，煤矿生产安全难以保障：
1. 在皮带运输方面，煤矿管理人员不能及时识别出皮带是否发生偏移、撕裂、断带、大煤块堆积，以及是否存在异物（锚杆等）等情况，造成皮带的永久损耗和空转，影响煤矿的安全运行和整体效率。
2. 在危险气体预防方面，传统的气体抽采由于资料普遍纸质化等原因，往往抽采得不到位，量化程度低，一旦发生危险气体泄漏，将造成不可估量的损失。
在人员违章违规行为检测方面，由于监控设施不到位且设备智能化水平不足，无法对井下人员各种常见违章违规行为（如违章乘坐皮带、矿车、在轨道上行走、工作期间疲劳操作、打瞌睡、乘车时工具伸出车外，进入危险地点、在危险地点、场所行走、乘车站点拥挤等）进行自动识别、图像抓拍、声音预警、和自动统计分析，从而造成的各类人员伤亡事故时有发生。
落地案例
中煤科工集团某研究院项目以多种巡检方式采集的数据为基础，以高精度计算机识别算法为核心，以圣瞳边缘计算设备和多端告警为支撑，以自动化管控为手段，打造一套适用于煤矿井下人员的安全监控系统，可有效解决人员违章行为检测、各类危险源识别等问题：
1. 安全帽识别：基于深度学习的目标检测、分类及分割算法，检测画面中安全帽工人数量和未佩戴安全帽工人数量，对违规情况进行报警。
2. 人员聚集检测：检测画面中是否存在人员聚集的情况，对人数超过设定阈值的情况进行报警。
3. 翻越皮带检测：无论皮带当前是运行中还是停止状态下，当有人员跨越皮带时，立即告警。
4. 人员摔倒检测：检测画面中摔倒人员情况，对画面下出现摔倒情况进行报警。
5. 风门检测：检测作业区域风门是否打开状态，如果发生异常关闭需要告警。
6. 有害烟雾识别：利用深度学习智能分析算法，可对监控区域的烟雾进行自动识别，若检测到有烟雾情况，则立即报警。
解决方案
1.设计思路本项目通过监测井下区域，对已有的摄像头进行利旧，将视频源引入视频分析设备，自动对安全帽，人员聚集，翻越皮带，人员摔倒等情况进行实时视频分析，获取分析结果，并将结果传送给安全感知平台，感知平台根据推送情况，进一步决定是否要远程启停皮带，通过声光报警立即疏散相关人员。
2.系统详细设计基于上述设计思路，本方案设计的煤炭人员安全监控智能巡检系统包含如下算法功能：安全帽、人员聚集、皮带翻越和人员摔倒监测。
本项目通过将智能分析服务接入圣瞳安全感知平台，实现了视频图像智能分析，为安全监控部门提供有力数据支撑。平台强化了视频图像的智能识别能力，不但深化发掘出视频图像的应用价值，还基于视频分析结果，对异常告警、皮带跑偏、人员违规翻越等操作的结果进行复核，双重认证，保证信息的准确度，保障煤矿现场稳定运行。
方案价值
本方案打通了“平台-算法-设备”的智能交互，采用图像识别技术，将传输到监控平台的人员行为操作视频与图片在线分析。当出现人员未按要求佩戴安全帽、人员聚集和人员翻越皮带等危险因素时，进行报警并交由工作人员处理，大幅提高了煤矿安监人员的事件处理能力，降低了作业人员受到危险的概率，最终实现将紧急事件处理效率提升30% 以上：
- 适配已有设备，充分利旧，利用率达99%；
- 监管覆盖密度从60%提高至90%；
- 避免了70%安全隐患发生率；