[发明专利]用于变电站视频监控的危险区域人员入侵检测方法及系统

说明书

一种用于变电站视频监控的危险区域人员入侵检测方法及系统，能够有效地解决变电站视频监控中现有的被动监控问题，通过改进后的PSPNet语义分割模型实现人员和人员通道分别的语义分割，再对语义分割得到的掩码图进行二值化得到黑白掩码图，接着进行膨胀后处理合并各自的断裂区域，最后基于人员和人员通道掩码图的交并关系判断人员是否离开安全的人员通道进入危险区域，并视情况发出警报，能够大大促进变电站视频监控的智能化。

技术领域

本发明属于安全管控领域，具体属于变电站视频监控处理方法，尤其涉及一种用于变电站视频监控的危险区域人员入侵检测方法及系统。

背景技术

视频监控被广泛地应用在变电站生产环境中，但是仍属于被动监控，往往只被用来进行事故的事后分析。与此同时，变电站安全事故往往来源于工作人员进入危险区域(非人员通道)，依靠监控人员进行主观判断无法做到实时示警，且监控人员工作强度过大。

现有技术对于主动型视频监控也陆续开展了一些研究，中国专利申请CN201910987198.X公开了一种基于视频监控平台的可疑人员入侵的检测方法，通过采集用于人员检测的监控视频，对每一段监控视频进行帧提取，对数据集中的每张图片进行真实目标的人工标记。然后利用Kmeans聚类算法对步骤所建立的数据集中标记的真实目标进行聚类分析，得出不同的长宽组合；对人工标记后的数据集对进行yolov3网络训练，训练的损失函数三个部分，即目标框的回归损失、目标框分类判别的置信度损失和分类损失，采用随机梯度下降法对损失函数进行优化；网络最终的输出包含三个尺度的信息，分别检测大中小不同尺度大小的人员；输入视频帧，将禁入区域用矩形框标记出来，这个矩形区域称为警戒区域；从录像机读入图像数据，将选取的警戒区域送入已经训练好的深度学习网络进行检测，输出预测图片；若警戒区域内出现红色矩形框，即检测出了可疑人员，即可判定为发生了可疑人员入侵现象，并结合报警系统进行预警。

可见，该专利(CN201910987198.X)方案主要通过基于YOLO网络的目标检测方法进行人员入侵检测，但是，YOLO网络的架构思路为单步检测，精度较低，且YOLO网络用于图像目标检测，输出的是目标的边界矩形框，与目标的实际像素有较大的差异，使用矩形框进行入侵检测极易造成误判。

专利申请CN201910783166.8公开了一种变电站非作业区域入侵检测报警方法及系统，其主要技术路线为：首先将变电站区域划分为作业区域和非作业区域；通过安装在变电站的定位系统获取作业人员的定位信息，并根据定位信息在电子地图上显示运动轨迹；当定位系统检测到作业人员入侵非作业区域时，安装在变电站的报警系统发出报警信息，安装在变电站的视频采集系统采集入侵地点的视频，并通过显示器播放入侵地点的视频，通过电子地图显示对应作业人员的运动轨迹，实现对变电站作业现场的监控。

此方法依赖传感器的正常运行及其定位精度，属于被动监控。虽然可以对于工作人员入侵危险区域进行有效警示，但对于未安装定位系统的外来人员毫无用处，工作人员也可以通过破坏定位设备等方式避开入侵检测。

根据背景技术的调研结果，不难发现，目前的人员入侵检测方法主要有两个问题：

(1)若基于特定的传感或定位设备，则监控手段非常被动，约束人群有限；

(2)通过目标检测所得的图像中的目标定位结果为物体所处的矩形框，基于此进行目标检测会因为矩形框与物体实际的差异，导致频繁的误判。

因此，本申请提出一种基于改进后的PSPNet语义分割网络模型的危险区域人员入侵检测方法，其基于变电站监控摄像头所得语义信息的当发现人员进入危险区域后可以主动发现危险并及时给予警报。

发明内容

为解决现有技术存在的问题，本发明提供一种用于变电站视频监控中的危险区域人员入侵检测方法。

本发明具体采用以下技术方案。