董锴文，孙彦景，陈 岩，云 霄，程小舟，王博文，周 玉，王 斌

(1.徐州市智能安全与应急协同工程研究中心，江苏 徐州 221008；2.中国矿业大学 信息与控制工程学院，江苏 徐州 221008；3.中钢集团马鞍山矿山研究总院股份有限公司，安徽 马鞍山 243000；4.西安科技大学 通信与信息工程学院，陕西 西安 710054)

随着深度学习、大数据分析以及云计算等技术的发展，矿山生产过程实现智能化、绿色化、高效化和低风险化是发展的必然趋势[1]。现有的矿山视频监控系统主要用于对生产过程的记录、传输、存储和显示[2-5]，以及对人员、设备、物料等目标进行部分的行为分析和状态监管，但缺乏对矿山生产过程风险的全流程监控和跨场景感知能力。随着视频监控在各类生产作业过程中的规模化应用，需要从单一场景应用转向对大规模视频监控进行跨场景关联分析[6-7]，通过提取视频数据中隐含的关键信息对视频内容进行快速识别、关联分析和智能决策，为矿山安全生产提供全流程生产要素的特征检索及全场景语义特征分析融合，进而实现对业务场景的综合风险评估和安全预警，为矿山人员督导及生产监控提供必要的决策支撑。

面向相关业务场景的矿山视频监控系统及分析方法已经得到了广泛的应用，文献[8]提出基于Canny算子边缘提取及SVM分类器的输送带撕裂视觉监测方法；文献[9]设计了一种带式输送机煤量监测方法，利用小波变换增强煤流图像，并结合K-mean聚类算法分割出煤流，再基于双目视觉获取煤流三维点云信息，最后利用T-S模糊推理修正算法计算煤流体积；……