[发明专利]一种针对电力设备的交通路口视频影像分析方法及系统

说明书

本发明属于视频影像分析领域，提供了一种针对电力设备的交通路口视频影像分析方法及系统，该方法中，获取交通路口监控视频流数据；对交通路口监控视频流数据进行抽帧，对抽出的图像进行初步识别，筛选出疑似存在电力安全隐患图片；基于疑似存在电力安全隐患的图片和视频影像分析模型进行智能识别和精细分类，识别出高风险的安全隐患图片进行告警；采用backbone‑neck‑head网络结构，通过主干网络提取图像的各维度特征信息，通过颈部网络对各维度特征信息进行增强，将浅层形状、纹理特征和深层语义信息相融合，基于融合后的特征图的尺度特性，采用头部网络动态调整参考框的尺寸，提取目标的尺度信息，对图像特征进行由浅入深的提取分析，最终实现对目标的检测。

技术领域

本发明属于视频影像分析领域，尤其涉及一种针对电力设备的交通路口视频影像分析方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

目前由于电力设备被外力破坏造成的停电次数约占停电总次数的40％左右，主要表现为违章施工、异物碰线两种形式，其中以因违章施工导致吊车、塔吊及渣土车等大型机械触碰带点导线对输电线路的危害最大。目前此类情况只能通过人工巡线的方式进行发现，但是时效性差、工作量过大，同时无法有效地对重点线路的环境情况进行实时的监视与记录,无法及时发现潜在的危险行为，由于潜在的危险造成事故的发生，增加了公司的运营成本。

发明内容

为了解决上述背景技术中存在的至少一项技术问题，本发明提供一种针对电力设备的交通路口视频影像分析方法及系统，其基于实时的视频数据，关联电力设备台账、输电线路信息等数据，利用深度学习图像识别分析技术，通过在线获取视频图像、电力设备台账、输电线路信息等对交通路口处的大型工程车辆的施工情况进行监测，及时预警未知的外破风险，提升企业供电服务质量。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供一种针对电力设备的交通路口视频影像分析方法，包括如下步骤：

获取交通路口监控视频流数据；

对交通路口监控视频流数据进行抽帧，对抽出的图像进行初步识别，筛选出疑似存在电力安全隐患图片；

基于疑似存在电力安全隐患的图片和视频影像分析模型进行智能识别和精细分类，识别出高风险的安全隐患图片进行告警；

其中，所述视频影像分析模型的构建过程为：采用backbone-neck-head网络结构，通过主干网络提取图像的各维度特征信息，通过颈部网络对各维度特征信息进行增强，将浅层形状、纹理特征和深层语义信息相融合，基于融合后的特征图的尺度特性，采用头部网络动态调整参考框的尺寸，提取目标的尺度信息；

将告警图像和对应的告警位置信息推送至设备运维人员处，进行现场核查和确认。

本发明的第二个方面提供一种针对电力设备的交通路口视频影像分析系统，包括：

数据服务器，用于获取交通路口监控视频流数据；

数据提取单元，用于按照控制器的控制指令提取服务器发布的交通路口监控视频流数据，对视频流数据进行抽帧，并提取视频对应的输电线路信息；

处理器，用于对抽出的图像进行初步识别，筛选出疑似存在电力安全隐患图片；

基于疑似存在电力安全隐患的图片和视频影像分析模型进行智能识别和精细分类，识别出高风险的安全隐患图片进行告警；其中，所述视频影像分析模型的构建过程为：

采用backbone-neck-head网络结构，通过主干网络提取图像的各维度特征信息，通过颈部网络对各维度特征信息进行增强，将浅层形状、纹理特征和深层语义信息相融合，基于融合后的特征图的尺度特性，采用头部网络动态调整参考框的尺寸，提取目标的尺度信息；