[发明专利]基于深度学习的配电网危险区域识别装置及方法

说明书

本发明公开了基于深度学习的配电网危险区域识别装置及方法，涉及配电网安全管理技术领域；装置包括获得标注区域模块、获得标注视频图像模块、获得预处理图像模块、获得人员区域模块和判断是否进入警戒区域模块共五个程序模块，方法包括S1获得标注区域、S2获得标注视频图像、S3获得预处理图像、S4获得人员区域、S5判断是否进入警戒区域、S6判断是否远离危险区域和S7判断是否进入危险区域，其通过获得标注区域模块、获得标注视频图像模块、获得预处理图像模块、获得人员区域模块和判断是否进入警戒区域模块等，及时发现人员进入配电网警戒区域，警戒区域为虚拟的，无需要占用现场空间，节约了物资能源，效率更高，效果更好。

技术领域

本发明涉及配电网安全管理技术领域，尤其涉及一种基于深度学习的配电网危险区域识别装置及方法。

背景技术

为了保证配电网工程安全开展以及施工人员的人生安全，需要对配电网危险区域进行实施有效的监测，防止施工人员进入危险区域，从而危害自身安全。

目前，为了保障配电网施工人员人生安全，对危险区域的监控主要方式是以人工监控视频为主，这种人工监控方法效率低下、遇到突发情况处理不及时、难以同时监控多场景、难以做到全天候监控。并且由于背景混杂、光照条件差等外界因素，利用传统的特征提取方法，如LBP特征，很难准确地对监控视频中的施工人员进行检测。因此，如何实时有效地对配电网危险区域进行监控，以代替人工监控，进而避免发生安全事故是本领域技术人员亟需解决的技术问题。

以双目摄像头AND危险区为检索词进行检索，获得现有技术方案，其中两篇分析如下：

申请公布号为CN 113255520 A，名称为基于双目视觉和深度学习的车辆避障方法与电子设备，以下简称对比文件1。

使用深度学习和深度图的信息融合摒除深度图中的可行驶区域部分，通过三维映射后压缩到二维平面生成鸟瞰障碍散点图，再通过欧式距离变换以及设置自适应阈值生成安全行驶区域，并使用动态窗口法规划出合理的路径，相较于传统方法，规划出的路径更加安全可靠，对小目标、低高度的障碍发现效果更显著，可以更好区分路面的可行驶性，路面摒除的鲁棒性更强，参见对比文件1说明书第[0055]段。

解决了双目深度只能选取很小的上下视场角，或需要多个双目摄像头纵向配合滤除地面进行避障的问题，降低了成本；解决了深度学习分割结果召回率较低导致鸟瞰障碍散点图中存在实际安全路面的问题；解决了纯视觉自动驾驶解决方案在传感器尽可能少的情况下的鸟瞰视角路径规划的地图生成问题，并改进适配了一种效果较好的路径规划方法，参见对比文件1说明书第[0056]段。

深度信息的融合确定可行驶区域相比于使用纯深度学习分割路面的方案路面分割结果召回率更高；相比于利用高度排除地面区域的视觉建图方案有更强的鲁棒性，可以区分人行道等高度差异不明显的地形，将不可行驶地面纳入障碍范畴；相比于只取正前方以上区域的视觉建图方案增加了低矮障碍的检测能力，参见对比文件1说明书第[0057]段。

对比文件1的问题：只解决了发现人员的技术问题，没有涉及发现危险区域的技术问题。

申请公布号为CN 112613668 A，名称为基于人工智能的景区危险区域管控方法，以下简称对比文件2。

所述危险区域标识包括竖立于地面的警告牌和铺设于地面的警示线，参见对比文件2说明书第[0010]段。

将时空与或图引入目标活动预测领域。首先通过分析景区危险区域的视频中游客和危险区域标识的空间位置关系生成空间与或图模型；其次对空间与或图模型进行活动状态提取，获得包括游客和危险区域标识各关注目标的子活动标签集，实现景区危险区域的视频的高级语义提取；然后将子活动标签集作为预先得到的时间与或图模型的输入，通过时间与或图的时间语法来得到被关注游客下一个子活动的预测，参见对比文件2说明书第[0032]段。