[发明专利]一种变电站工作人员爬高安全监测方法

权利要求书

1.一种变电站工作人员爬高安全监测方法，其特征在于：所述变电站工作人员爬高安全监测方法的具体步骤如下：

Step1、视频画面人体关节点提取，再通过一条姿势线将每对关联的身体部位连接起来，姿势线将组合成图像中检测出的人体的全身姿态；其中，使用Openpose算法对视频画面中的人员进行关节点提取，并且在其中添加了人体检测和人体区域融合步骤；

Step2、工作人员爬高动作检测判断；如果检测出来工作人员具有爬高行为，则要进行下一步；

Step3、爬高中工作人员防护措施识别：判断是否根据要求正确佩戴好了安全带和安全帽，具体地，使用YOLO算法检测人体图像区域是否存在相应的物体。

2.根据权利要求1所述的变电站工作人员爬高安全监测方法，其特征在于：所述步骤Step1的具体步骤为：

Step1.1、首先将输入图像逐帧提取后使用YOLO算法检测出人体在图像中所处的区域的位置，并将检测框提取出来用于后续姿态估计；其中，检测框具有容错能力；

Step1.2、通过人体区域融合步骤将相互靠的近的人体区域进行融合，以提高姿态估计算法的识别效率，定义两个人体区域的IOU_MAx为当两个体区域的IOU_MAx超过阈值时，对这两区域进行融合，否则不进行融合；融合时依照公式：

x＝min(x_i，x_j)

y＝min(y_i，y_j)

w＝max{x_i+w_i，x_j+w_j}-x

h＝max{y_i+h_i，y_i+h_i}-y

其中(x，y，w，h)为融合后的人体区域边框，(x_i，y_i，h_i)，(x_j，y_j，w_j，h_j)分别为需要融合的两个人体区域的边框，(x，y)表示的是边框左上角的坐标，(w，h)为边框的宽和高；

Step1.3、将融合后的图像VGG19卷积网络提取特征，得到图像的128维特征图，将特征图传给两个平行的卷积层分支，第一个分支用来预测18个关节点置信图Part ConfidenceMaps，每个图代表人体骨架中的一个关节；第二个分支预测一个集合，该集合中包含38个关节点关联度Part Affinity Fields；

Step1.4、使用图论中的偶匹配Bipartite Matching求出Part Association，将同一个人的关节点连接起来；此步骤正确性依赖PAF自身的矢量性，最终合并为一个人的整体骨架；

Step1.5、最后基于PAFs求Multi-Person Parsing的方法，将Multi-person parsing问题转换成graphs问题并使用部图匹配算法匈牙利算法Hungarian Algorithm寻找增广路径，用增广路径求二分图最大匹配。

3.根据权利要求1所述的变电站工作人员爬高安全监测方法，其特征在于：所述步骤Step2的具体步骤为：

Step2.1、将从视频中获取的人体姿态信息在数据库中与存储的爬高姿态进行比对，再采用直方图来描述运动序列中10个骨骼夹角的分布，并将2个运动序列的骨骼夹角直方图之间的距离作为运动序列的相似性度量；并采用余弦距离来度量2个高维特征向量之间的相似性，具体通过计算2个向量之间夹角的余弦来实现；

Step2.2、如果连续5帧图像的比对重合度超过80％，则进行下一步检测；

Step2.3、利用改进的R-CNN算法检测画面信息内是否存在爬梯等爬高设备；具体地，将滑动窗口方法改为区域建议网络来生成检测框，区域建议网络是一个全卷积网络，它的核心思想就是滑动窗口在最后的卷积层上滑动一遍，由于候选区域机制和边框回归得到多尺度多长宽比的区域建议；区域建议网络针对生成区域建议的任务进行端到端地训练，同时能够预测出目标的边界框和分数；

Step2.4、如果识别出画面中有80％以上的置信度出现爬梯，则认为具有爬高行为。

4.根据权利要求1所述的变电站工作人员爬高安全监测方法，其特征在于：所述步骤Step3中：首先使用目标检测算法提取出画面中的人体图像，然后将人体图像输入YOLO算法模型，如果检测出的物体包含安全带和安全帽，且置信度超过80％，则认为工作人员正确遵守了相关防护措施。