[发明专利]基于深度学习技术的变电站人员行为分析方法及系统

说明书

本发明涉及一种基于深度学习技术的变电站人员行为分析方法及系统，属于变电站人员安全监测技术领域；所述方法包括步骤S1监拍设备实时采集变电站人员视频流；步骤S2获得骨骼数据；步骤S3检测视频流中变电站机柜各按钮开关的位置以及指示灯的状态信息；步骤S4获得已标注数据；步骤S5对已标注数据进行训练获得人员行为分析模型；步骤S6将人员行为分析模型部署到服务器中；步骤S7优化模型性能；步骤S8调用优化模型，实时分析变电站监控范围内的人员行为，当变电站人员做出危险行为时进行告警；所述系统包括连接的监拍设备和服务器；基于深度学习技术搭建人员行为分析模型，有效精确实时识别变电站人员的行为，及时发现危险并告警。

技术领域

本发明涉及一种基于深度学习技术的变电站人员行为分析方法及系统，属于变电站人员安全监测技术领域。

背景技术

变电站是电力系统稳定运行的重要环节，在变电站中分布着各中重要的变电设备，虽然现有的变电站一般为封闭区域，外来人员不能够进入到变电站内，但是对于变电站内的工作人员来说，对于工作人员的行为却难以得到有效管控，在变电站工作具有一定的危险性，因工作人员的不当行为而引发安全事故的惨剧时有发生，统计数据表明，变电站现场的安全事故中大约有三分之一是因为值班人员或作业人员未认真执行设备巡视规程、未认真执行安全操作与管理规程、超区域作业、现场监护查勘不到位等人为因素所造成的，故加强对变电站人员的行为监控愈加重要。为减少安全事故的发生，变电站装有监控设备，安排工作人员对现场施工人员进行实时监控，这种方式虽然在一定程度上减少了事故的发生，但是监视人员精力的衰减、疏忽往往会忽略潜在危险，并不能有效避免安全事故的发生，同时还占用了大量的人力物力。

综上所述，如何提供一种高效、可靠、智能化的变电站人员行为分析方法及系统，对变电站中工作人员的行为实时监控，发现不当行为立即告警提示，是目前本领域技术人员亟待解决的问题之一。

发明内容

本发明要解决的技术问题是：克服现有技术的不足，提供一种基于深度学习技术的变电站人员行为分析方法及系统，实现对变电站人员行为的实时分析，及时反馈，规范变电站人员行为，保障施工安全。

本发明所述基于深度学习技术的变电站人员行为分析方法，其特征在于，变电站内安装有监拍设备和服务器，包括如下步骤：

步骤S1，监拍设备实时采集变电站人员视频流并上传到服务器中；

步骤S2，对视频流进行人体关键点提取，获得骨骼数据；

步骤S3，调用按钮、指示灯检测模型，检测视频流中变电站机柜各按钮开关的位置以及指示灯的状态信息；

步骤S4，对骨骼数据进行分类标注，获得已标注数据；

步骤S5，基于TRN算法建立卷积神经网络，对已标注数据进行训练获得人员行为分析模型；人员行为分析模型通过分析视频流前后帧的关系，实现变电站人员行为的判断；

步骤S6，将人员行为分析模型部署到服务器中，由服务器加载模型参数；

步骤S7，调用人员行为分析模型，对监拍设备上传到服务器中的视频流进行自动识别，测试效果；根据测试结果调整参数，优化模型性能；

步骤S8，调用优化模型，实时分析变电站监控范围内的人员行为，当变电站人员做出危险行为时进行告警。

优选地，步骤S2中预设模型的构建包括如下步骤：

步骤S201，对输入的视频流采用卷积网络进行提取特征，获得一组特征图；

步骤S202，对所述特征图分别使用CNN网络提取PCM和PAF；

步骤S203，根据PAF自身的矢量性生成正确的偶匹配，合并为一个人的包括手部关键点的整体骨架，获得变电站人员行为的骨骼数据。