[发明专利]一种基于时空图卷积神经网络的带电作业现场违章行为检测方法

说明书

本发明涉及一种基于时空图卷积神经网络的带电作业现场违章行为检测方法，该方法包括如下步骤：(1)采集带电作业监控视频；(2)总结带电作业过程中常见的违章行为，并提取对应的视频片段，对违章行为片段中的作业人员进行标记；(3)采用时空图卷积神经网络进行训练学习；(4)使用训练好的模型对带电作业现场的监控视频自动进行违章行为检测，作业人员存在违章行为时报警。本发明通过人员姿态识别等深度视觉技术，提取带电作业人员的行为信息，当作业人员出现违章操作时，及时发出警告。该方法可以大大减少电力安全监管的工作量，保障电力作业的安全。

技术领域

本发明属于电力监管技术领域，具体涉及一种基于时空图卷积神经网络的带电作业现场违章行为检测方法，可用于带电作业过程中作业人员违章行为的自动化判别。

背景技术

变电站是电力系统中的重要组成部分，为了保障电力系统的可靠运行，带电作业是重要的技术手段。目前带电作业已经形成了较为成熟的工作模式，拥有完善的作业制度，但在实际作业中，作业人员可能执行不到位，极容易发生安全事故。因此，带电作业现场必须进行实时监管。

目前，电力安全监管主要通过安全监管人员现场监督实现，在作业过程中监管人员必须要全称监管作业人员是否有违章行为，十分浪费人力资源，且监管效果受人为主观因素影响大、监管不全面。随着计算机视觉技术的发展，采用人工智能的方案来实现安全监管可以大大降低工作量，及时制止违章行为，更加有效的保障带电作业现场人员的安全。

发明内容

为了解决上述问题，本发明提供一种基于时空图卷积神经网络的带电作业现场违章行为检测方法。本发明的技术方案具体如下：

一种基于时空图卷积神经网络的带电作业现场违章行为检测方法，包括如下步骤：

步骤1、采集带电作业监控视频；

步骤2、总结带电作业过程中常见的违章行为，并提取对应的视频片段，对违章行为片段中的作业人员进行标记。

步骤3、采用时空图卷积神经网络进行训练学习。

步骤4、使用训练好的模型对带电作业现场的监控视频自动进行违章行为检测，作业人员存在违章行为时报警。

进一步地，步骤1中，采集带电作业监控视频的具体步骤如下：

1.1、采集变电站带电作业过程中作业人员的监控视频，视频应能够包含带电作业过程中的主要操作和违章行为。

进一步地，步骤2中，总结违章行为和提取视频片段的具体步骤如下：

2.1、根据现场的安全围栏划分安全区域信息，获取作业人员超出安全距离的视频。

2.2、建立作业人员安全防护信息，如佩戴安全帽、着安全服、挂安全绳等。

2.3、总结带电作业关键动作，如攀爬梯子、分合刀闸、行走等，并将关键动作所对应的视频片段进行提取。

2.4、总结带电作业现场常见的违章动作，如翻越围栏、摘下安全帽等，并提取违章动作所对应的视频片段。

2.5、参考MSCOCO数据集标记方案，采用18个关键点来表示人员的身体、关节位置，形成人体姿态轮廓。

进一步地，步骤3中，通过训练学习来挖掘作业行为的具体步骤如下：

3.1、基于开源人体视频数据库来训练openpose模型，使模型能够准确识别带电作业人员的姿态信息。

3.2、使用在开源数据库上训练好的openpose模型来识别步骤(2)中提取的正常作业动作视频片段和常见违章行为视频片段，其结果即为使用18个关键点表征人体姿态的数据。

3.3、采用ST-GCN模型来学习人体姿态关键点数据，得到可以识别视频中作业人员动作的模型。