摘要：为有效预防港口散货作业人员的不安全行为，解决传统手段对人员不安全行为管控难度大的问题，通过构建基于视频图像识别技术、利用类脑人工智能算法的港口散货不安全行为智能化系统，实现对重点人员、重点地域全天候、全方位监控预警，对人员不安全行为自动识别和预警。本系统在河北华电曹妃甸储运有限公司散货码头及堆场进行应用，阶段测试结果为有效预警率可达90%以上，预警成功处置率可达100%，可有效提高不安全行为发现率，降低事故风险。
引言
港口大型散货码头堆场机械设备多、场地范围大、货物周转快，作业环境复杂，人机交互频繁，事故发生的可能性相对较高。事故致因理论（海因里希因果连锁理论）指出，事故是由于人的不安全行为和物的不安全状态接触所致，随着设备设施的本质安全及可靠性不断提高，在生产安全事故中人的不安全行为占比逐步升高。港口区域安全事故研究分析表明，在引起事故发生的人、设备、货物、环境和管理因素中，人的因素占比达58.9%。据不完全统计，60%以上的生产安全事故都是由于从业人员缺乏安全意识以及“三违”造成的。绝大多数事故的发生与人的不安全行为有关，因此加强对人的不安全行为进行管控和预警，防止人的不安全行为，可以在很大程度上避免生产安全事故的发生。目前，绝大多数港口企业通过高清视频监控全覆盖以及计算机网络系统的协作来实现对生产现场和作业过程的实时监控。但视频监控系统往往需要有专门人员对大量的视频监控图像进行处理、识别，不仅需要消耗大量人力，而且监控人员自身也存在不可消除误差，人工监控作业人员行为存在诸多阻碍。在国家、行业和各地方进一步加大安全管控要求的大背景下，随着信息化、智能化的发展，尤其是人工智能技术应用的不断成熟，智能化技术在港口建设和安全领域的应用不断深入。针对港口企业人员安全，在生产现场和操作过程中，以员工行为准则和行为规范约束为基础，通过各类信息化、智能化设备应用，结合人工智能技术，自动识别人员的不安全行为，做到自动判断、实时预警，可有效保障员工生命安全，最大限度避免和减少人身伤害事故发生。

作业人员不安全行为

1.1　不安全行为的产生

行为安全影响因素分为心理、生理、社会、能力水平等的内在因素和环境、管理制度、组织等的外部因素。通过对行为安全影响因素研究分析，佟瑞鹏指出噪声、照明不当、高温、管理者和组织质量较低等较差的外部因素往往导致更多的不安全行为发生。陈继刚等结合港口实际提出人的不安全行为产生原因分为主观原因和客观原因，其中，主观原因主要包括疲劳作业、心理因素、重经验轻规程、态度不端、工作不主动等，客观原因主要包括素质偏低、安全知识欠缺、指挥决策失误、管控不到位、培训教育不到位、交叉作业等，并提出系列管控措施。张泽方等通过对港口安全事故统计分析发现，导致事故发生人的因素主要包括未注意观察、违章操作、未注意自身安全、违章穿越行走、瞒报危险品、操作不当、盲目施救、未正确佩戴个体防护、失足坠落、作业环境未检测、疲劳驾驶等。研究分析不安全行为产生原因及表现形式，可为有针对性制定管控预警措施提供一定基础。

1.2　不安全行为的识别

不安全行为具有可识别性，国家法律法规、规章制度、标准规范和企业各种管理制度、操作规程、标准化作业指导书等均不同程度对作业活动中操作人员的安全操作要求、作业防护要求、禁止事项等内容进行规定。通过对标检查作业人员行为，可识别特定环境下的不安全行为。李梦雨等将“二八”法则应用到安全管理中，即20%违规的人造成生产中80%的事故，不安全行为的控制就集中在发现的少数易导致事故的“关键”肇事者，对作业人员的不安全行为进行识别、统计、分析，找出这些易产生不安全行为的关键少数作业人员，进行专项培训、考核，提高安全水平，有利于降低生产安全事故发生率。相对于传统的人工识别，智能化技术为不安全行为的识别和预警提供更加高效、准确的技术手段。目前，智能化技术在人体行为识别方面的主要方法包括基于计算机视觉和传感器的识别技术。计算机视觉人体行为识别的方法按特征提取方式的不同分为基于手工特征的传统方法和基于深度学习的方法。基于传统手工特征的行为识别方法容易受到物体之间遮挡、光照、视角变化等影响，难以应用于复杂的视频场景。深度学习的方法在传统方法的基础上可有效提升运算速度及识别准确率，已成为研究热点。传感器是实现自动检测和自动控制的首要环节，基于传感器的人体行为识别技术相对于视频识别在环境抗干扰方面存在一定优势。

智能化行为识别技术应用

2.1　智能视频识别技术

随着大数据的增长、深度学习技术的出现以及算力的大幅提升，基于深度学习的计算机视频识别智能化技术迅猛发展。熊子龙等将智能视频分析技术与传统视频监控预警系统结合，构建一个应用于危险品码头具有自动检测、智能识别、提前预警功能的智能监控预警系统，可降低工作强度、提高监控质量，弥补传统视频监控预警不够及时、容易误报漏报的不足，减少安全事故发生的概率，提高应急救援的及时性。把人工智能视觉识别技术应用于作业现场安全帽的实时监控，可实现全天候自主监控，提高效率、节省人力、杜绝徇私舞弊。视频监控系统的广泛应用为计算机视觉识别技术提供设备基础，带有自动报警功能的智能监控系统为生产活动中人的不安全行为识别、预警提供技术支撑。

2.2　基于传感器的识别技术

传感器技术是智能设备的关键环节、智能工厂的感官系统、信号获取的重要入口。基于传感器的数据采集不受环境、天气等外部条件限制，数据真实可靠。目前，雷达、GPS定位器、红外传感器、距离传感器、重力传感器、电磁感应传感器、烟雾传感器等多种形式的传感器已在行为识别技术中得到广泛应用。利用红外和烟雾传感器设备可实现对吸烟行为进行判断。基于距离传感器、电磁感应传感器、重力传感器、定位器等的智能安全帽可用于港口装卸搬运等比较危险的工作环境，实现定位、通信、障碍物测距、安全用电、坠落报警等功能。利用GPS坐标构建的基于物联网的位置安全预警系统可对人员进入大型机械视觉盲区进行预警，保证人员安全。综上，智能化行为识别技术在不安全行为的识别、监控、预警方面表现出主动性强、高效可靠、适用范围广、操作便捷等优势，具有现实推广意义。

港口散货不安全行为智能化系统

随着人工智能和物联网技术的发展，计算机视觉智能识别、电子围栏、智能防护头盔、流机ADAS防撞等智能化技术在港口领域得到一定的应用。以河北华电曹妃甸储运有限公司为研究对象，针对港口散货码头堆场作业场地大、机械设备多样、人员流动性强等造成的人机交互、监控难度大的问题，为有效实现人的不安全行为监控预警，构建一套基于物联网的人员不安全行为自动识别智能化系统，使用嵌入式终端设备和监控平台视频数据作为信息输入入口，采用深度学习方法对员工行为视频进行分析、归类，深层理解、判定人与环境之间的相互关系，识别员工违规行为，达到即时、精准预警的效果。通过规范标准作业流程、强化实时风险监控，预警现场安全隐患，降低安全生产事故，提高本质化安全管控。

3.1　系统总体框架

人员不安全行为自动识别系统主要由智能视频监控系统、智能定位安全帽、车载防碰撞终端、司机行为分析终端、外来人员、车辆预约系统和车辆测速设备等构成。基于视频图像识别技术，核心为利用类脑人工智能算法，实现对驾驶人员、作业人员的目标分类识别、目标追踪、姿态分析、行为分析，结合后台算法模型，实现人员不安全行为的自动识别和预警。智能监控预警系统利用计算机强大的数据处理能力，对视频信号进行处理、分析和理解，可根据在不同监控场景中预设不同的报警规则，一旦出现违反预定义规则的行为，监控系统就会自动发出报警，有效地协助监控人员处理危机，并最大限度地降低误报和漏报现象。基于物联网的人员不安全行为自动识别系统总体架构见图1。

3.2　系统主要功能

3.2.1　智能安全帽

定位型智能安全帽在普通安全帽防护功能的基础上，集成一键报警、语音播报、GPS+北斗定位等功能。通过该智能穿戴设备并配套智能管理平台，可实现对现场作业人员实时定位、运动轨迹记录、语音播报指令的发送等功能；通过与人员信息的关联，可实现人员位置定位、轨迹查询、信息查询、脱帽报警、长时间静默报警、跌倒报警、进入电子围栏报警等功能；通过GIS地图第一时间掌握报警发生地点和报警发生人员；通过视频监控联动的方式，展示周边视频监控点位，方便管理人员快速通过视频查看现场情况，实现对作业现场每个佩戴智能安全帽的人员进行安全作业管理，实现智慧型现场安全管控。

3.2.2　机械设备司机不安全行为识别

机械设备驾驶舱内安装疲劳检测、驾驶行为识别预警系统，可实现驾驶员身份识别、生理疲劳预警、异常操作预警、接打电话玩手机预警、吸烟预警、视线脱离预警等不安全行为识别预警。司机不安全行为预警技术见表1。

3.2.3　机械设备周边人员不安全行为识别

机械设备司机作业视野盲区大，作业现场人机交叉情况突出，全天候工作对于司机的作业效率、精力集中和视野观察都具有很大的安全生产挑战。采用车载防碰撞系统，在机械设备驾驶舱外安装安全智能防撞系统（视频监控和生命探测雷达），基于机器视觉，利用深度卷积神经网络，对人的行为数据库进行样本深度学习，从而得到深度卷积神经网络的行人识别算法，进而实现行人的智能识别和定位。系统所采集的视频图像经过3D数字降噪传输给视觉图像数据处理器进行自动智能识别和预警，系统对多种姿态的人员进行准确识别，共享人机冲突报警信息，以实现机械设备周边人员不安全行为识别，提高本质安全性。

3.2.4　外来人员、车辆预约管理

为加强对外来人员、车辆的有效管控，设置外来人员、车辆预约系统，通过小程序、微信公众号等形式进行在线预约申请填报，上传各类安全资料，并且在申请中选择前往区域，公司相关人员对预约申请进行核对、审批，实现对生产作业区、货运通道、商务通道等区域进出场管控。

3.2.5　车辆超速报警功能

为保证运输安全，相关标准规范和企业制度规程均对车辆行驶速度进行相关规定。为对场区车辆进行有效管理，在适当位置安装车辆测速设备，对超过设定速度通过测速点的车辆进行报警，并展示车辆通过时的现场照片和实时速度。根据管理要求将超速次数较多的车辆列入外来车辆预约系统黑名单，实现超速违章的联动管控。
系统应用情况
该系统在河北华电曹妃甸储运有限公司煤炭码头及堆场应用，实现了生产现场安全数据的多维度采集，对大型设备及车辆和驾驶员不安全行为提前预警，对不良驾驶习惯进行持续校正，对生产现场作业人员进行实时监控、智能预警。在装船机和堆取料机布置司机不安全行为监测设备15台套，在装载机布置人机防碰撞设备16台套，发放智能化定位安全帽620套，现场安装移动智能测速雷达2套，接入现场高清视频摄像头270路，部署一体化软件平台1套，应用于安环部、生产部等8个部门近200个用户，实现日均预警50条，有效预警率90%以上，预警成功处置率100%，对于有效管控现场作业人员的不安全行为，降低事故风险有重要意义，产生了显著的安全效益和经济效益。
结语
不安全行为可能造成各类事故，进而造成人员伤亡、财产损失、环境污染等，故不安全行为的有效识别、预警、管控对预防事故发生具有举足轻重的作用。通过分析不安全行为产生的原因，利用针对不安全行为的识别方法及应用研究，构建港口散货作业人员不安全行为智能监控预警系统，该系统的实用价值在于：

利用物联网技术、视频智能分析技术、移动应用技术，以员工行为准则和行为规范约束为基础，针对外来人员入场、人员危险位置、不规范安全装束、司机不安全驾驶行为等造成的安全风险，实现对重点人员、重点地域全天候、全方位监控预警。

相对传统视频监控需监控人员在大量监控画面中捕捉不安全行为，工作量大、视觉疲劳等缺点，智能化技术的应用可有效减少监控人员的工作强度、人力成本。

系统对不安全行为自动识别判定、主动监控、及时预警，可减少误判、漏报，提高不安全行为发现率，降低作业人员风险，提高应急救援的及时性，有效保障员工生命安全，最大限度避免和减少人身伤害事故发生。

对作业人员的不安全行为进行识别、统计、分析，有助于发现事故倾向者、高风险区域和时段，采取有针对性的措施，减少安全隐患，降低安全风险。