[发明专利]供电系统安全作业保障方法及系统

权利要求书

1.一种供电系统安全作业保障方法，其特征在于，包括以下步骤：

采集作业现场的视频信息；

对采集的视频信息进行视频抽帧、图像预处理和识别分析，其具体包括：利用人脸识别技术对作业人员的身份进行识别；利用定位技术对作业人员的运动轨迹进行跟踪；利用图像处理技术对作业人员的安全违规行为进行判别；利用图像处理技术对作业人员的作业质量进行检验；

所述利用人脸识别技术对作业人员的身份进行识别包括以下步骤：

将接收到的人员ID与预存储的人员ID进行比对，如果二者相同，则接收到的人员ID为已授权的ID，否则为未授权的ID；

构建人脸识别的卷积神经网络；

利用人像样本图像训练人脸识别的卷积神经网络；

利用训练好的人脸识别的卷积神经网络对接收到的实时视频流进行识别，识别作业现场是否有未授权的非作业人员；

所述利用定位技术对作业人员的运动轨迹进行跟踪包括以下步骤：

对预处理后的图像中的运动目标进行识别，并提取运动目标的轮廓信息；

去除轮廓信息中飞鸟、蚊虫、烟雾等造成的干扰信息，并将去除干扰信息后的轮廓信息对应的运动目标的位置信息映射到预设的供电系统的电子地图中；

在供电系统的电子地图中显示运动目标的运动轨迹；

供电系统的电子地图中预设非安全区域或禁止闯入区域，判断运动目标是否闯入非安全区域或禁止闯入区域；

所述利用图像处理技术对作业人员的安全违规行为进行判别包括以下步骤：

构建人员行为的卷积神经网络；

利用包含作业人员行为的样本图像训练人员行为的卷积神经网络；

利用训练好的人员行为的卷积神经网络对接收到的实时视频流进行判别，判别现场作业人员是否有未佩戴安全帽、未穿工作服、未带防电手套、抽烟或打电话等安全违规行为；

所述利用图像处理技术对作业人员的作业质量进行验收包括以下步骤：

构建设备运行状态的卷积神经网络；

利用设备运行状态的样本图像训练设备运行状态的卷积神经网络；

利用训练好的设备运行状态的卷积神经网络对接收到的实时视频流进行检验，检验现场作业人员作业后设备的运行状态是否出现故障；

根据分析结果，如果作业现场出现未授权的非作业人员，和/或作业人员闯入禁区，和/或作业人员未按要求关闭设备柜门，和/或作业人员存在安全违规行为，和/或作业人员的作业质量未达到验收标准，则发出报警提示和/或记录。

2.根据权利要求1所述的方法，其特征在于，所述利用人像样本图像训练人脸识别的卷积神经网络的过程为：

训练采用迁移学习技术进行训练，分为样本采集、样本预处理和训练建模；样本为视频时，采用相等时间间隔进行视频图像帧采样，将视频转化为图片格式文件；再对图像进行预处理，预处理包括图像降噪、图像色彩和饱和度调节；完成样本预处理后启动模型训练进程，模型训练分为开发阶段模型原型训练和现场部署后在线迁移学习训练两种模式；模型在训练过程中，在训练集上完成一个批次的训练，均在验证集上进行一次模型精度验证，检查模型泛化能力；模型经多轮迭代收敛后再进行上线部署，后期结合现场增量数据定期进行性能调优。

3.根据权利要求1所述的方法，其特征在于，所述利用训练好的人脸识别的卷积神经网络对接收到的实时视频流进行识别的过程为：

对接收到的实时视频流，采用视频抽帧方式进行抽帧后得到单帧图像，再对图像进行降噪、色彩和旋转处理，并以图像矩阵的形式输入人脸识别的卷积神经网络；然后启动人脸识别的卷积神经网络向前传播计算模式，输入的图像矩阵经卷积进行图像特征重构后，由图像判别层生成预测标注框和故障种类代码的结构化数据。