[发明专利]一种变电站作业行为辨识方法及装置

说明书

本发明公开了一种变电站作业行为辨识方法及装置，包括：获取大量标注过的验电棒图像；采用验电棒图像训练目标检测网络，得到验电棒检测模型；采用不同身高的人员进行验电操作，获取对应的验电视频数据集；采用验电棒检测模型检测验电视频数据集中每一帧图像，记录图像中验电棒的顶端和底端位置，得到包括验电棒顶端和底端位置的第一数据集；采用第一数据集对构建好的深度递归神经网络进行训练，得到验电违规检测模型；采用验电违规检测模型对新采集的验电视频进行分类，判断视频中是否出现违规验电行为。本发明通过采用卷积神经网络进行验电棒的检测、集成卷积网络和递归网络判别违规验电行为，提高了违规验电行为的识别率。

技术领域

本发明涉及图像识别技术领域，尤其涉及一种变电站作业行为辨识方法及装置。

背景技术

变电站作为电力系统的关键节点，必须进行高质量的运行维护工作才能保证电力系统安全稳定运行。在变电站的运行维护和日常作业中，经常需要进行验电操作。由于变电站环境的危险性，验电操作通常必须由专业技术人员完成。但是，不同的技术人员对安全规范的理解和执行程度可能存在差异，从而带来潜在的违规操作风险，给验电安全造成了巨大隐患。实时监督验电人员的操作行为，自动对操作行为进行判别，及时提醒不规范的行为动作，从而避免安全事故的发生，是电力系统自动化发展和安全监管的重要需求。

人工智能，特别是基于深度学习的计算机视觉技术的发展，给自动化的视频行为分析带来了可能。通常来说，卷积特征具有描述图像深层特征的优势，而递归网络具有描述时序特征的优势，另外，卷积网络具有描述拓扑信息的优势；结合这三种深度学习网络进行视频行为分析，构建鲁棒的违规验电行为识别方法，具有非常重要的研究意义和价值。

发明内容

本发明实施例提供了一种变电站作业行为辨识方法及装置，使得提高了违规验电行为识别的稳定性。

有鉴于此，本发明第一方面提供了一种变电站作业行为辨识方法，所述方法包括：

获取大量标注过的验电棒图像，标注方法为采用矩形框标注出完整的所述验电棒图像中验电棒，同时标注验电棒的顶端和底端，所述验电棒图像包含不同光照条件的图像样本；

采用所述验电棒图像对构建好的目标检测网络进行训练，得到验电棒检测模型；

采用不同身高的人员进行验电操作，获取对应的验电视频数据集，所述验电视频数据集中包括正样本和负样本，所述正样本为合格的验电操作，所述负样本为违规的验电操作；

采用所述验电棒检测模型检测所述验电视频数据集中视频的每一帧图像，记录图像中验电棒的顶端和底端位置，得到包括验电棒顶端和底端位置的第一数据集；

采用所述第一数据集对构建好的深度递归神经网络进行训练，得到验电违规检测模型；

采用所述验电违规检测模型对新采集的验电视频进行分类，判断视频中是否出现违规验电行为。

可选的，所述目标检测网络的主干由YOLO网络构成，还包括用于检测所述验电棒图像中验电棒顶端和底端位置坐标的坐标回归分支。

可选的，所述深度递归神经网络采用双层双向LSTM深度学习结构，隐含层节点数设置为128，输出层节点数设置为2。

可选的，所述标注过的验电棒图像不少于1000张。

可选的，所述正样本和负样本的数量不少于20000张。

本发明第二方面提供一种变电站作业行为辨识装置，所述装置包括：

第一获取单元，用于获取大量标注过的验电棒图像，标注方法为采用矩形框标注出完整的所述验电棒图像中验电棒，同时标注验电棒的顶端和底端，所述验电棒图像包含不同光照条件的图像样本；