随着城市化的高速发展,交织在其中的管道资源对城市的建设起到了不可或缺的作用,管道相当于城市的结缔组织,对于城市发展推进意义重大,因此对于管道的保护显得十分重要。管道上方地面经常会出现土地工地,常有很多车辆经过,车辆的自重对地面下管道会造成一定的压力,相对于普通车辆而言,工程车辆对地下管道的压力尤其严重,而工程车中又以挖掘机对地下管道影响最为严重,近几年发生了多起重大安全事故,挖掘机对地下管道产生了极大的安全隐患,因此需要一款可以自动实时工作的油管道区域工程车违停检测系统,减少人力物力并满足要求。该系统以图像处理的技术为基础,通过机器学习,结合卷积神经网络的深度学习技术,以监控视频以及摄像头获取的视频为输入,通过对管道地面区域的图像分析,利用级联分类器的方法找到挖掘机存在的粗区域进行提取,将提取好的区域通过图像的中值滤波方法完成噪声消除,并且进行匀光处理,结合Caffe训练好的模型,对提取的区域图像进行分析,根据设定的安全阈值时间内挖掘机在管道上方的停留检测情况,判断挖掘机是否会对管道造成安全隐患,对违规停留的挖掘机发出告警提示,通知有关人员处理,防患于未然,及时警告违规挖掘机车辆进行转移,保证管道的安全。最后,对该系统进行了功能以及性能方面的测试,通过对实际场景以及测试数据集的测试分析,结果表明该系统对于管道地面挖掘机的检测处理及时,响应速度较快,检测准确率较高,对违规停留的挖掘机异常情况判断较为准确,能够及时发出告警提示。从而验证了系统的可行性和准确性,及时而有效。