[发明专利]基于人体姿态识别的变电站带电区域安全预警方法及系统

说明书

本发明公开了一种基于人体姿态识别的变电站带电区域安全预警方法及系统，方法步骤包括：获取变电站带电区域图像并输入卷积神经网络模型得到变电站带电区域的人体跨越隔离栏动作识别结果，人体跨越隔离栏动作识别结果为人体跨越隔离栏或者人体未跨越隔离栏，卷积神经网络模型预先被训练形成变电站带电区域图像、人体跨越隔离栏动作识别结果之间的映射关系；将变电站带电区域的人体跨越隔离栏动作识别结果输出。系统包括前述方法对应的变电站带电区域安全预警系统。本发明能够自动识别是否有现场工作人员正在违规穿越工作区域之间的隔离栏判断是否产生报警信号，以达到智能监控的目的，本发明设计在保证识别率的前提下实现速度最大化。

技术领域

本发明涉及变电站现场作业的安全检测领域，具体涉及一种基于人体姿态识别的变电站带电区域安全预警方法及系统。

背景技术

随着电网规模的迅速扩大，电力系统科技水平不断提高，无人变电站数量越来越多，尤其是电力垂直化管理体系建设的不断深入和优化，电力生产/运行管控人员所需管辖的范围越来越大，这给电力生产/运行管控人员带来了前所未有的挑战。而且变电站安全作业是变电站监控管理的重要任务，所以在变电站进行智能监控就有迫切的需要。智能监控就是利用现代信息技术发展起来的新技术，具有内容分析功能。带有运动物体识别的监控系统可以忽略掉大量无用信息，提取到关键信息，并依据规则自动做出判断，从而节省了大量的人力成本。变电站带电区域为了防止操作人员随意跨越，一般都布置有隔离栏来和不带电区域进行区分，因此是否有人员跨越隔离栏对于变电站带电区域安全预警具有非常积极的意义。

卷积神经网络是一类特别设计用来处理多维数据的多层神经网络。卷积神经网络中层析之间的紧密联系和空间信息使得其特别适用于图像的处理和理解，并且能够自动地从图像中抽取出丰富的相关特征。模型提取的特征随着网络深度的增加越来越抽象，越来越能表现图像主题语义，不确定性越少，识别能力越强。人体的运动是一个非常复杂的系统，具有很大的自由度和高度非线性的特点。人体姿态识别就是采集人体姿态图像样本，提取样本特征数据集，以此数据集训练分类器。将学习训练得到的分类器应用于检测过程,从而达成姿态识别的目的。卷积神经网络包含了多层的简单、复杂细胞，可以进行复杂的特征变换，并且其学习过程是有监督过程，滤波器权重可以根据数据与任务不断进行调整，从而学习到更有意义的特征表达。但是，具体如何将卷积神经网络应用于变电站带电区域安全预警，则仍然是一项亟待解决的关键技术问题。

发明内容

本发明要解决的技术问题：针对现有技术的上述问题，提供一种基于人体姿态识别的变电站带电区域安全预警方法及系统，本发明能够自动识别是否有现场工作人员正在违规穿越工作区域之间的隔离栏判断是否产生报警信号，以达到智能监控的目的，本发明设计在保证识别率的前提下实现速度最大化。

为了解决上述技术问题，本发明采用的技术方案为：

一种基于人体姿态识别的变电站带电区域安全预警方法，实施步骤包括：

1）获取变电站带电区域图像；

2）将变电站带电区域图像输入卷积神经网络模型，得到变电站带电区域的人体跨越隔离栏动作识别结果，所述人体跨越隔离栏动作识别结果为人体跨越隔离栏或者人体未跨越隔离栏，所述卷积神经网络模型预先被训练形成变电站带电区域图像、人体跨越隔离栏动作识别结果之间的映射关系；

3）将变电站带电区域的人体跨越隔离栏动作识别结果输出。

优选地，步骤3）还包括在变电站带电区域的三维模型图像中显示人体跨越隔离栏动作识别结果。

优选地，所述在变电站带电区域的三维模型图像中显示人体跨越隔离栏动作识别结果的步骤包括：将变电站带电区域图像中的人体坐标位置转换为三维模型图像中的目标坐标位置，如果人体跨越隔离栏动作识别结果为人体跨越隔离栏，则在目标坐标位置显示第一颜色的标记；如果人体跨越隔离栏动作识别结果为人体未跨越隔离栏，则在目标坐标位置显示第一颜色的标记，则在目标坐标位置显示第二颜色的标记。