[发明专利]违规行为识别方法、装置及终端设备

说明书

本发明适用于图像处理技术领域，提供一种违规行为识别方法、装置及终端设备。该违规行为识别方法包括：获取待识别图像；采用阈值分割法对所述待识别图像进行预处理；利用违规行为样本集对卷积神经网络模型进行训练；基于训练完成的卷积神经网络模型对预处理后的待识别图像进行识别，判断是否存在违规行为。利用所述违规行为识别方法对变电站现场进行检测，可及时发现变电站现场工作人员的违规行为，及时采取措施，排除安全隐患，提高了检测效率及准确度。

技术领域

本发明属于图像处理技术领域，尤其涉及一种违规行为识别方法、装置及终端设备。

背景技术

随着国家电网的发展，变电站内改扩建工程、日常电力维护及检修等工作较多，由于一些作业人员自身安全意识薄弱，导致现场违规行为频发，比如跨越围栏、忘记带安全帽等行为。类似的违规作业存在巨大的安全隐患，严重时可能导致人身安全事故的发生。因此，及时发现现场作业人员的违规行为并纠正变的尤为重要。

目前，对变电站内作业人员违规行为的检测主要有两种：现场督查和监控视频人工分析和识别。但由于以上两种方式均由人来进行判断识别，效率低、准确度低、实时性差，且浪费大量的人力。

发明内容

有鉴于此，本发明实施例提供了一种违规行为识别方法、装置及终端设备，以解决现有技术中人为判断识别作业人员违规行为效率低、准确度差及实时性差等的问题。

本发明实施例的第一方面提供了一种违规行为识别方法，包括：

获取待识别图像；

采用阈值分割法对所述待识别图像进行预处理；

利用违规行为样本集对卷积神经网络模型进行训练；

基于训练完成的卷积神经网络模型对预处理后的待识别图像进行识别，判断是否存在违规行为。

本发明实施例的第二方面提供了一种违规行为识别装置，包括：

获取模块，用于获取待识别图像；

预处理模块，用于对所述待识别图像进行预处理；

训练模块，用于对卷积神经网络模型进行训练；

识别判断模块，用于预处理后的图像进行识别，判断所述待识别图像中是否存在违规行为。

本发明实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本发明实施例第一方面提供的违规行为识别方法的步骤。

本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如本发明实施例的第一方面提供的违规行为识别方法的步骤。

本发明实施例，获取待识别图像后采用阈值分割法对所述待识别图像进行预处理，然后利用违规行为样本集对卷积神经网络模型进行训练，最后利用训练完成的卷积神经网络模型对预处理后的待识别图像进行识别，判断是否存在违规行为。利用上述违规行为识别方法对变电站现场进行检测，可及时发现变电站现场工作人员的违规行为并制止违规行为，排除安全隐患，提高了检测效率及准确度。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的违规行为识别方法的实现流程示意图；

图2是图1中步骤S102的实现流程示意图；