[发明专利]变电站作业人员典型违章行为检测方法及系统

说明书

本发明公开了一种变电站作业人员典型违章行为检测方法及系统。本发明的检测方法包括离线准备阶段和在线应用阶段，在离线准备阶段中，收集拍摄作业人员的典型违章行为的视频片段，同时提出一种新的多分支时空模块，并以该模块为基础设计一种用于视频动作分类的模型架构，用其对收集到的数据进行训练；在线应用阶段中，动态通过摄像头获取作业场景的视频流，实时检测违章行为的发生并给出明确警示。本发明引入了视频特征的表示方法，解决了作业人员行为分析的难题，可作为变电站视频监控系统的扩展功能。

技术领域

本发明属于视频行为识别领域，具体地说是一种基于视频监控的变电站作业人员典型违章行为检测方法及系统。

背景技术

在变电站施工场景中，经常发生因施工人员的不安全行为造成的事故，因此对施工人员违规行为的检测至关重要。在施工人员的违规行为中，抽烟和跨越围栏属于典型的违章行为。

针对这种情况，目前企业主要以配备管理人员来监督施工人员，但这种方法不仅效率低下，不能做到全面实时，而且需要耗费大量的人力成本。

发明内容

本发明所要解决的技术问题是克服上述现有技术存在的缺陷，提供一种基于视频监控的变电站作业人员典型违章行为的检测方法及系统，其在离线准备阶段中，收集拍摄作业人员的典型违章行为的视频片段(如抽烟、跨越栏杆等)并进行面向视频处理的模型构建和训练，在线应用阶段中，动态通过摄像头获取作业场景的视频流，实时检测违章行为的发生并给出明确警示。

为此，本发明采用以下的技术方案：变电站作业人员典型违章行为检测方法，其包括：

步骤1，采集正常作业行为和违章作业行为视频数据；

步骤2，对步骤1采集的数据按类别进行标注，并提取视频帧图像；

步骤3，读取数据集中训练样本的帧图像和对应的标注，对帧图像进行缩放；

步骤4，设计多分支时空模块，并以此为基础构建视频分类网络；将帧图像数据和标签作为训练集对视频分类网络进行训练，得到可用于违章行为检测的视频分类网络，该视频分类网络由特征提取网络和特征分类网络组成；

步骤5，利用摄像头获取作业场景的视频流，输入到已训练好的特征提取网络和特征分类网络中，进行翻越围栏带和抽烟违章行为的实时检测，并给出明确警示。

进一步地，所述步骤1中采集数据的具体方式为：使用相机采集翻越围杆带和抽烟的短视频，其中翻越围杆带的短视频共采集n₁个，抽烟的短视频共采集n₂个；另外，采集n₃个不包含上述两类违章行为的短视频作为负样本。

进一步地，所述步骤2中数据标注的具体方式为：将负样本视频数据标注为1，翻越围杆视频数据标注为2，抽烟视频数据标注为3。

进一步地，所述步骤4中视频分类网络步骤如下：

步骤41，采用7×7×7的卷积层和最大池化层对输入的视频进行处理，这两个层可以增加网络对视频信息处理时的感受野，输出特征图信息；

步骤42，把步骤41中输出的特征图信息利用N个MBSTM模块进行特征提取；

步骤43，采用2×7×7平均池化层和1×1×1卷积层将步骤42提取到的特征图转化为预测结果输出。

进一步地，所述步骤42用到的MBSTM模块包含4条分支，具体为：

1)分支1，对当前MBSTM模块的输入信息进行1×1×1卷积C，其公式为：X_t+1，1＝C(X_t)，

其中，X_t表示第t层网络的输入，X_t+1，1表示第t层网络在分支1上的输出；