煤矿皮带运行视频监控系统利用现场已经有的监控摄像头传回的视频监控图像，煤矿皮带运行视频监控系统不需要新增加其他硬件、煤矿皮带运行视频监控系统对煤矿皮带锚杆、矸石、堆煤、非法运人等异常情况，作业人员不戴安全帽、睡岗离岗等违规情况，煤矿巷道烟雾、皮带撕裂、皮带急停等进行识别，一旦出现异常情况，系统自动抓拍照片、智能录像、弹屏报警。
OpenCV的全称是Open Source Computer Vision Library，是一个跨平台的计算机视觉处理开源软件库，是由Intel公司俄罗斯团队发起并参与和维护，支持与计算机视觉和机器学习相关的众多算法，以BSD许可证授权发行，可以在商业和研究领域中免费使用。OpenCV可用于开发实时的图像处理、计算机视觉以及模式识别程序，该程序库也可以使用英特尔公司的IPP进行加速处理。
OpenCV基于C++实现，同时提供python, Ruby, Matlab等语言的接口。OpenCV-Python是OpenCV的Python API，结合了OpenCV C++API和Python语言的最佳特性。OpenCV可以在不同的系统平台上使用，包括Windows，Linux，OS，X，Android和iOS。基于CUDA和OpenCL的高速GPU操作接口也在积极开发中。
煤矿皮带运行视频监控系统实现了各种各样各种常见煤矿违规行为及异常情况的智能识别，煤矿皮带运行视频监控系统实现了自动检索警报、图象拍摄等工作，进行智能化系统运行的全过程，不用人员的操作过程。煤矿皮带运行视频监控系统依据多层面、全方位的监控画面、进行分析与统计识别，马上发现隐患，保证煤矿安全作业的落实，进一步提高煤矿生产安全水准。
class Yolo(object):
def __init__(self, weights_file, verbose=True):
self.verbose = verbose
# detection params
self.S = 7 # cell size
self.B = 2 # boxes_per_cell
self.classes = ["aeroplane", "bicycle", "bird", "boat", "bottle",
"bus", "car", "cat", "chair", "cow", "diningtable",
"dog", "horse", "motorbike", "person", "pottedplant",
"sheep", "sofa", "train","tvmonitor"]
self.C = len(self.classes) # number of classes
# offset for box center (top left point of each cell)
self.x_offset = np.transpose(np.reshape(np.array([np.arange(self.S)]*self.S*self.B),
[self.B, self.S, self.S]), [1, 2, 0])
self.y_offset = np.transpose(self.x_offset, [1, 0, 2])
self.threshold = 0.2 # confidence scores threhold
self.iou_threshold = 0.4
# the maximum number of boxes to be selected by non max suppression
self.max_output_size = 10煤矿皮带运行视频监控系统鉴别各种各样不安全情况、设备异常现象、环境下的不安全隐患。实现皮带上的大块、锚杆的识别及报警，系统发现异常情况自动语音报警。煤矿皮带运行视频监控系统对皮带货运量开展统计分析，可以向皮带控制主机推送数据信号，减少设备磨损。
