在云化网络、人工智能、大数据技术、5G技术以及半导体等技术的突破融合趋势之下，人工智能视频监控技术得到了飞快发展和广泛运用，在城市治安、道路交通安全、电力系统等领域都积累了海量的视频数据。随着智慧城市、智慧交通、智慧园区等概念的兴起，更是把人工智能视频监控的应用范围推广到了各个领域。
我国的相关智能监控技术起步较晚，在2000年以前，几乎全球的视频监控领域都被美国、德国等少数欧美企业垄断。进入21世纪后，随着相应科技的迅猛发展和政府对于视频监控建设的大力投入，使得智能监控在我国得到了广泛的重视和实践。目前我国许多行业仍处在由视频监控到智能监控的转型阶段，主要集中在交通、金融、电力、治安等领域。
加油站作为存储和销售成品油的场所，具有易燃易爆的特性，且人员流动大、带来的安全隐患比其他场景多，例如抽烟、违规闯入等看似不起眼的行为会导致巨大灾祸的酿成。所以在安全防范方面，加油站相对于其他行业场所要更加严格，并应具备更高的可靠性，而智能视频监控能够满足这些要求。
1 人工智能视频监控技术在加油站现场安全管理中的作用
1.1 传统视频监控系统安全管理的短板
目前我国加油站数量已经超过10万座。加油站主要采用的是传统视频监控系统。随着加油站安全保障的需求越来越高，营业量和人流量越来越大，加油站收发油作业的频率越来越高，传统视频监控技术在安全管理的短板越发凸显。
(1)传统视频监控需要依靠大量专业人员对视频进行实时或回放监看。对于拥有众多加油站的企业来说，如果要对加油站的视频进行全覆盖监控，则需要耗费大量人力[1]。
(2)传统视频监控报警准确性较低。一是通过人工查阅海量视频信息，难免出现疲劳和疏漏，效果较差[1]；二是人员素质参差不齐，可能出现因能力问题导致对异常问题产生遗漏。
(3)传统视频监控属于事后管理。传统视频监控只能记录现场实际情况，但是对于发生的异常行为并不能及时报警，只能作为事后取证的素材。
1.2 智能视频监控技术的优势
(1)全天候可靠监控。智能视频监控系统[2]彻底改变了由人员对监控画面进行监控和分析的模式。通过基于人工智能算法对所监控的画面进行实时分析，一旦发现异常行为立刻向监控中心进行报警。
(2)报警效率和准确性高。智能视频监控系统[2]由于运用了人工智能算法，使用户可以更加精确定义异常行为的特征，一旦发现异常行为，可以准确地进行实时报警，有效提高报警的准确性。
(3)响应速度快。智能视频系统拥有传统视频监控系统不具备的智能特性，能够准确识别异常行为。因此，在异常行为造成严重后果前就能够提示安全人员关注情况，使得安全管理人员有较为充裕时间去处理各种异常行为。
(4)便于数据分析。智能视频监控系统可以直观、便捷地将各种报警数据进行汇总，使得安全管理人员能够快速分析出各类异常行为发生的位置、时间和频率等信息，使决策者能够直观发现安全管理的薄弱环节，便于有效制定下一步提升安全管理的措施。
2 智能监控系统在加油站安全管理的需求分析
(1)构建加油站各个作业区域全方位的人工智能行为识别系统，实现全天候、实时、准确的自动行为巡查。
(2)基于深度学习、计算机视觉等技术构建智能视频分析技术，实现在复杂多变场景下能够实时自动地对监控画面中的人员多种违规行为操作(见表1)进行分析，规范人车管理，并进行及时的短信告警和语音播报。
表1 加油站安全管理的需求分析
3 智能监控系统识别异常行为的技术方案
智能监控系统主要是针对不同技术内容的需求差异需要进行响应条件判断。本文的技术内容主要分为对行为的异常识别、对人员穿戴的异常识别以及对于操作流程的异常识别，其中操作流程的异常识别可分解为多个行为异常识别的顺序判别。
以吸烟检测为例展示行为异常识别算法的具体流程。本文拟采用姿态估计、目标检测和动作分类的级联方案[3]，实时分析视频流，对吸烟行为进行发现和告警。吸烟行为识别算法方案通过视频流协议采样视频帧，经过一定的预处理后，通过行人检测、目标跟踪、人体姿态估计、烟头检测、动作识别等步骤，输出吸烟人员的告警结果。具体地，行人检测给出了人员位置；通过关联行人轨迹，目标跟踪有效降低了行人检测的背景误检；随后采用了自研基于深度学习的烟头检测模型预测出烟头目标位置；同时通过自研的动作识别算法结合时序行为信息进行吸烟行为的识别。最后，联合烟头检测和动作识别的结果，实现了最终吸烟行为的判别。通过级联多个不同模态的算法模型，本算法方案可更好地解决单模型效果不良的弊端，进一步提高算法准确率。
对于人员穿戴性规范检测，本文拟采用基于深度学习的实时行人人头检测器对视频流进行处理，并基于IOU匹配的高效率跟踪算法[4]对视频画面中的工作人员进行实时跟踪。结合了多帧行人属性分类以及自研特殊姿态过滤算法构建多模型融合预测方法，即先对行人进行工服工帽属性分类，为提高算法的抗干扰能力和鲁棒性，采用多帧分类结果进行属性判别。为提高算法在实际应用场景的鲁棒性，降低误
