[发明专利]一种变电站工作人员爬高安全监测方法

说明书

本发明涉及一种变电站工作人员爬高安全监测方法，属于目标检测技术领域。包括步骤：视频画面人体关节点提取，再通过一条姿势线将每对关联的身体部位连接起来，姿势线将组合成图像中检测出的人体的全身姿态；工作人员爬高动作检测判断；如果检测出来工作人员具有爬高行为，则要进行爬高中工作人员防护措施识别：判断是否根据要求正确佩戴好了安全带和安全帽，具体地，使用YOLO算法检测人体图像区域是否存在相应的物体。本发明在对现场视频进行监控时，对人员登高期间安全防护问题的响应时间约为3.4秒。可以在极短的时间内对爬高工作防护不到位的行为作出报警，提高了检测精度与反应速度，从而能极大的改善变电站爬高工作中的安全问题。

技术领域

本发明涉及一种变电站工作人员爬高安全监测方法，属于目标检测技术领域，适用于在不同场景下对场景中人或物的动作与位置识别。

背景技术

传统监控虽然精度和实时性比较高，也是一种成熟的解决方案，但是作业过程中需要架设过多的设备，并且后台需要工作人员专心监控，这需要大量的专业工作人员，消耗人力物力。传统监控方案自动化程度较低，只能在关键变电站进行部署，而对于偏远地区的变电站和支线变电站来说则成本过高，并且由于变电站所处环境复杂，监控设备架设受到变电站主要设备位置的制约，需要提前规划好各个设备的位置，未架设监控设备的旧变电站升级改造比较困难，不适合大规模应用。

一、传统监控方案传统监控方案是指利用各种传感器以及摄像头的配合，整合成一整套监控解决方案，实现对变电站设备运行状况的检测，对变电站场站环境的监测，以及对变电站工作人员的运维工作的监控保护。对人体的姿态估计主要是使用多个监控摄像头拍摄工作人员的现场作业，然后将视频流传输到后台服务器，后方监测人员通过实时观看作业录像以及时发现异常状况，现场会有报警装置接收后台的报警信号以提醒工作人员的危险动作。另外的技术是电子围栏，通过架设振动感应线缆和振动感应器围住工作区域，在工作人员触碰工作区域边界时感应到信号，触发报警；在危险区域埋设埋地式电缆和入侵探测器，在工作人员进入监控死角时或者进入危险区域时，传感器会向控制中心发送报警。同时监测人员会定时巡检作业区域，记录作业状况。

二、现有姿态估计算法

传统的姿态估计算法的主体思路主要有两类：生成方法(基于模型)和判别方法(无模型)。

(1)生成方法(基于模型)

基于图的结构和形变部件模型，设计2D人体部件检测器，使用图模型构建各部件的连通性，然后结合关键节点的配对关系来恢复人体的姿态。其算法步骤为：使用HOG方法进行人体检测。通过人工指定一个矩形统计区域来包含目标人体头部和肩部作为初始信息，进而划分图像为几个区域(前景、背景)；然后进行前景高亮，在前景区域搜索人体部件；进行单帧图像解析，利用前一步处理所得的图像，获取人体边缘信息、姿态信息，同时学习外观模型；最后考虑到同一视频序列中的目标人体的衣着及其外观不会发生明显变化，可以通过上一步学习到的模型以及空间几何连续性，使用熵最大法对后续人体姿态进行估计。

(2)判别方法(无模型)

判别方法直接学习从输入源到人体姿势空间的映射(基于学习)或搜索不存在的示例(基于示例)，而无需使用人体模型。其流程为：给定一个参考姿态，根据标记分布去除图像中不匹配的姿态；基于快速傅立叶变换实现循环卷积，再利用其实现快速直方图匹配算法，通过该算法计算图像中姿态与参考姿态之间的旋转角度；最后使用非线性最小二乘法修正最后结果。判别方法通常比生成方法要快。同时可以辅以传感器(摄像头、红外传感器等)检测，通过人工观察复检提高检测精度。

三、基于深度学习的姿态估计

深度学习相对于传统姿态估计算法可以提取目标更加高层和更好的表达特征，还能将提取到的特征、分类等信息整合在一个模型中。

(1)CPM