[发明专利]基于步幅测量的电力人员安全状态智能识别方法及介质

权利要求书

1.一种基于步幅测量的电力人员安全状态智能识别方法，其特征在于，包括：

S100、获取视频流，基于多目标追踪算法检测并追踪每帧画面中每个人的包围框，为所述人的包围框分配人员ID号；

S200、将所述人的包围框内的图像输入基于卷积神经网络的关键点检测算法，得到人体的左右脚踝关键点，将所述左右脚踝关键点按照所述人员ID号关联所述人的包围框；

S300、确定要测量步幅的人的包围框并获取对应的左右脚踝关键点数据，选择左脚踝或右脚踝作为测量脚踝，通过所述测量脚踝关键点确定所述测量脚踝的当前运动状态，计算所述测量脚踝的相邻两次静止状态中间的移动距离，记为人员步幅，所述人员步幅与所述人员ID号一并生成人员状态信息；

S400、基于所述人员状态信息和预设的安全规则生成人员安全状态信息；

所述步骤S300包括：

S310、设置三个变量，分别为当前帧横坐标、上一帧横坐标及上一次静止横坐标；在视频帧中建立横纵坐标系；

S320、所述当前帧横坐标记录所述测量脚踝在当前帧中的横坐标，所述上一帧横坐标记录所述测量脚踝在上一帧中的横坐标，所述上一次静止横坐标记录所述测量脚踝在上一次静止状态下在帧中的横坐标；

S330、基于所述当前帧横坐标与所述上一帧横坐标，得到所述测量脚踝的运动状态；若运动状态为静止，执行步骤S340，否则返回步骤S320；

S340、计算所述当前帧横坐标与所述上一次静止横坐标之差的绝对值，得到要测量的步幅；

S350、将所述上一次静止横坐标的值更新为所述当前帧横坐标，返回步骤S320。

2.根据权利要求1所述的基于步幅测量的电力人员安全状态智能识别方法，其特征在于，所述左右脚踝关键点以基于当前画面的横纵坐标表示。

3.根据权利要求1所述的基于步幅测量的电力人员安全状态智能识别方法，其特征在于，所述步骤S100包括：

S110、通过OpenCV获取并解析视频流；

S120、基于实时目标检测算法得到视频帧中所有包围框，保留人的包围框；

S130、基于目标追踪算法对所述人的包围框进行追踪，并为每个所述人的包围框分配ID号。

4.根据权利要求3所述的基于步幅测量的电力人员安全状态智能识别方法，其特征在于，所述实时目标检测算法为Yolov5s算法。

5.根据权利要求3所述的基于步幅测量的电力人员安全状态智能识别方法，其特征在于，所述目标追踪算法为SORT算法。

6.根据权利要求1所述的基于步幅测量的电力人员安全状态智能识别方法，其特征在于，所述步骤S200包括：将所述每帧画面进行裁剪得到所述包围框内的图像，并将其缩放到固定尺寸。

7.根据权利要求1所述的基于步幅测量的电力人员安全状态智能识别方法，其特征在于，所述步骤S200包括：基于top-down算法中的Simple Baseline算法检测每个所述人的包围框中的人体关键点；所述人体关键点包括左右脚踝关键点。

8.根据权利要求1所述的基于步幅测量的电力人员安全状态智能识别方法，其特征在于，所述步骤S330包括：

S331、计算所述当前帧横坐标与所述上一帧横坐标之差的绝对值；

S332、若所述绝对值小于预设的阈值，则判定运动状态为静止，并记录所述测量脚踝在当前帧中的横坐标；若所述绝对值大于预设的阈值，则判定运动状态为正在运动。

9.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至8中任一项的方法。