[发明专利]一种输电线路危险车辆吊车扬臂识别系统及识别方法

说明书

本发明涉及计算机视觉技术领域，具体涉及一种输电线路危险车辆吊车识别系统及识别方法。包括与控制模块相连的图像采集模块、吊车识别模型以及报警模块；图像采集模块，用于采集输电线路危险源范围内的视频图像，并输出至所述控制模块；吊车识别模型，经控制模块处理的所述视频图像输出至吊车识别模型，吊车识别模型用于识别所述输电线路危险源范围内是否有吊车进入；报警模块，当吊车识别模型识别出有吊车进入所述输电线路危险源范围内时，控制模块启动报警模块报警；其中，使用危险源范围内若干个预先收集的含有吊车的图片训练卷积神经网络获得吊车识别模型。可以快速的识别危险源范围内吊车并报警，提醒用户及时处理，避免安全事故的产生。

技术领域

本发明涉及计算机视觉技术领域，具体涉及一种输电线路危险车辆吊车扬臂识别系统及识别方法。

背景技术

建设坚强智能电网、打造安全可控的新一代电力系统是电网发展的固本之要，当前随着经济发展，线路通道内高电压等级线路越来越多，对输电线路通道的危险源隐患防范提出了更高要求。实际施工过程中，由于违章操作、安全意识薄弱、现场监管措施不力等，吊车扬臂触碰输电线路导致人员伤亡的安全事故时有发生，给城市电网的稳定运行造成一定损失。因此，在输电线路关键区域实施基于视觉的吊车扬臂识别技术至关重要。

首先，基于人工监控的传统信息化管理方式需要耗费大量成本。此外一些主观因素的存在，极易造成监管人员对输电线路吊车作业视频分析的误漏判。为避免偶发因素造成的事故损失，一些基于架空输电线路下吊车作业识别方法相继提出。最初的识别算法如边缘检测、背景差分等需对获取的输电线路危险源内吊车扬臂图像进行边缘特征提取，对于背景复杂的图像还需进行去噪等预处理环节；并且人工设计的吊车扬臂特征以像素级为主，尺度、光照、纹理等变化不具备较强的鲁棒性与稳健性。随着计算机视觉领域的发展，基于深度学习的目标检测可实现图像特征的快速精准提取，并以矩形框可视化的形式对目标实时定位。然而，施工现场的吊车扬臂形状及其动作是不规则的，矩形框检测方法无法给出扬臂的制高点信息，从而无法有效判断扬臂高点和输电线路导线的相对位置，进而判定杨臂预警的危险级别。危险源无实质性帮助。因此，本发明提出一种输电线路危险车辆吊车扬臂识别系统及识别方法，所设计的卷积神经网络模型不仅能对吊车视频图像的深度特征进行端到端学习，克服目标在复杂输电线路施工场景中发生的多尺度、形变等难题，并且能够对吊车扬臂动作进行实例分割，在精准检测的基础上获取扬臂的像素轮廓，辨识制高点信息。本发明基于该识别系统对吊车扬臂实时监控并预警决策，相比普通AI目标识别算法，可更为精确定位吊车杨臂的最高点，从而更有效判断杨臂预警的危险级别，保证输电线路吊车施工的安全运行，实现智能化、精益化的电网运维。

发明内容

为了解决上述问题，本发明提供一种输电线路危险车辆吊车识别系统及识别方法，使用卷积神经网络可以快速的识别危险源范围内吊车并报警，提醒用户及时处理，避免安全事故的产生，防止非预期的停电对企业和老百姓的正常生产和生活秩序的影响。

为了实现以上目的，本发明采取的一种技术方案是：

一种输电线路危险车辆吊车识别系统，包括与控制模块相连的图像采集模块、吊车识别模型以及报警模块；所述图像采集模块，用于采集输电线路危险源范围内的视频图像，并输出至所述控制模块；所述吊车识别模型，经所述控制模块处理的所述视频图像输出至所述吊车识别模型，所述吊车识别模型用于识别所述输电线路危险源范围内是否有吊车进入；所述报警模块，当所述吊车识别模型识别出有吊车进入所述输电线路危险源范围内时，所述控制模块启动报警模块报警；其中，使用危险源范围内若干个预先收集的含有吊车的图片训练卷积神经网络获得所述吊车识别模型。

进一步地，所述图像采集模块为单目摄像头，所述单目摄像头设置在所述危险源范围区。

进一步地，所述报警模块为声音报警模块。