[发明专利]一种电力基建施工现场违章识别方法及系统

权利要求书

1.一种电力基建施工现场违章识别方法，其特征在于：包括以下步骤：

获取电力基建施工现场视频帧图像数据；

利用第一神经网络模型对视频帧图像进行设备特征提取，得到设备特征图；

根据得到的设备特征图，利用预设候选区域生成网络得到多种尺度和宽高比的特征候选区域；

利用预设分类回归网络，根据得到的设备特征图和特征候选区域，得到设备识别结果，根据设备识别结果进行现场违章判断。

2.如权利要求1所述的电力基建施工现场违章识别方法，其特征在于：

第一神经网络模型为Faster-RCNN神经网络时，预设候选区域生成网络采用卷积神经网络，包括：

使用一个滑动窗口在特征图上进行滑动，将滑动窗口经过的每个位置上的特征映射成一个多维的特征向量；

将每个特征向量输入到两个全连接层当中，一个全连接层用于输出多2N个分数，另一个全连接层用于输出2N个修正参数；

为每个滑动窗口位置定义N个基准矩形框，得到每个滑动窗口位置的修正参数之后，利用修正参数对基准矩形框进行修正，每个基准矩形框分别对应4个修正参数；

每个滑动窗口位置得到N个候选区域，2N个分数为候选区域的评分，每个候选区域对应2个分数，分别代表该候选区域内包含和不包含待测目标的可能性。

3.如权利要求1所述的电力基建施工现场违章识别方法，其特征在于：

分类回归网络以特征图和候选区域为输入，输出候选区域对应各类别的置信度和用于对候选区域进行修正的修正参数，根据置信度判断是否存在违章，包括：

利用ROI pooling层将候选区域所包含的特征池化成大小和形状相同的特征图；

利用两个全连接层对特征图进行特征映射；

再利用两个全连接层分别输出候选区域对应各个类别的分数和修正参数；

利用Softmax层将分数进行归一化，得到候选区域对应各个类别的置信度。

4.如权利要求1所述的电力基建施工现场违章识别方法，其特征在于：

采用四步交替方式进行网络模型的训练，包括：

利用ImageNet预训练模型，初始化候选区域生成子网的特征提取网络，对候选区域生成子网其余的层采用零均值，标准差为0.01的高斯分布随机初始化，然后对候选区域生成子网进行微调，训练结束后，保存训练样本对应的候选区域；

利用ImageNet预训练模型，初始化分类回归子网的特征提取网络和分类回归网络前两个全连接层，对分类回归子网其余的层采用零均值，标准差为0.01的高斯分布随机初始化，然后利用上一步保存的训练样本候选区域对分类回归子网进行微调；

利用上一步训练出来的网络参数初始化整个网络，保持特征提取网络和分类回归网络参数不变，然后对候选区域生成网络进行微调；

利用上一步训练出来的网络参数初始化整个网络，保持特征提取网络和候选区域生成网络参数不变，然后对分类回归网络进行微调。

5.一种电力基建施工现场违章识别系统，其特征在于：包括：

数据获取模块，被配置为：获取电力基建施工现场视频帧图像数据；

特征提取模块，被配置为：利用第一神经网络模型对视频帧图像进行设备特征提取，得到设备特征图；

候选区域获取模块，被配置为：根据得到的设备特征图，利用预设候选区域生成网络得到多种尺度和宽高比的特征候选区域；

违章识别模块，被配置为：利用预设分类回归网络，根据得到的设备特征图和特征候选区域，得到设备识别结果，根据设备识别结果进行现场违章判断。