[发明专利]基于分解重组式的电力行业特定着装人物作业的检测方法

说明书

本发明公开了一种基于分解重组式的电力行业特定着装人物作业的检测方法，首先采用分解式的目标检测标注方法对历史作业图片进行标注；再采用机器学习的方法，使用标注好的历史作业图片训练目标检测模型；接着使用训练好的目标检测模型进行人物检测和物件检测，获得人物框和物件框；然后对人物框和物件框进行后处理分组整合，确定组合框的位置；最后对组合框进行后处理逻辑判断，确定人物违章与否及类型，实现高空作业现场防高坠类违章检测。本发明采用分解再合并的方式对电力行业特定着装人物进行检测，变相增加样本量，提高目标检测模型的学习效率和检测精度；关键判断由逻辑判断不易出错，提高违章识别率和违章检测精确度，降低违章检测难度。

技术领域

本发明涉及计算机视觉技术领域，具体涉及一种基于分解重组式的电力行业特定着装人物作业的检测方法。

背景技术

随着我国新建电力电网规模日益扩大，电力违章安监作为电网施工与检修的重要组成部分，是电力企业生产经营管理及电网安全运行的重要保障环节，其技术水平和管理水平不仅事关电力工业的发展和电力企业的形象，而且严重影响安全生产的可靠性，关系到电力企业、广大电力用户的切身利益与社会和谐。

传统高空作业现场防高坠类违章检测主要是根据高空作业人员所佩戴的作业装置（如交叉体、腰带、背绳等）判断高空作业人员是否违章，因识别内容可能存在遮挡、像素率低、结合复杂等原因，往往使得现场防高坠类违章检测精确度不足，由此造成监控效率低下，部分现场违章行为和安全隐患不能被及时发现、制止、纠正和治理，本应做到的安监检测功能大大折扣。

现有技术针对电网典型作业现场中高空作业未正确佩戴安全带、高空作业安全带低挂高用2类防高坠类违章行为进行检测辨识，由于其图像相似，仅有部分差别，因此存在目标识别精确度不高、漏检与误检较多的问题。图像识别的难点主要是图像收集，传统的目标检测方案，一个高空作业人员只能标注一个框，如果要训练合适的模型需要大量的样本照片，对样本的数量要求较高。由于存在背绳等不规则物体，要准确识别人物是否伪装，目标检测框需要包括各类不规则高空作业装备，会导致识别框大小不一，极大的增加了目标检测的难度。

发明内容

本发明主要是为了解决传统的高空作业现场防高坠类违章检测方法检测精度不足和检测难度高的问题，提供了一种基于分解重组式的电力行业特定着装人物作业的检测方法，采用分解再合并的方式对电力行业特定着装人物进行检测，对边框中的人物的特定着装进行标注，提高相同样本数量的标注数量，变相增加样本量，提高目标检测模型的学习效率和检测精度；在物件识别上有一定容错性，并且关键判断由逻辑判断不易出错，避免了直接识别类似图片出现的难标注、样本相近、样本少等问题，对于违章的识别率大大提高，同时降低了违章检测难度。

为了实现上述目的，本发明采用以下技术方案。

基于分解重组式的电力行业特定着装人物作业的检测方法，包括以下步骤：

步骤S1：收集电力行业特定着装人物历史作业图片并标注，获得训练集；

步骤S2：构建目标检测模型，使用训练集训练目标检测模型获得训练好的目标检测模型；

步骤S3：采集现场作业图片输入训练好的目标检测模型，进行人物检测和物件检测；

步骤S4：对人物框和物件框进行后处理分组整合，确定组合框；

步骤S5：对组合框进行后处理逻辑判断，确定人物违章与否及类型；

本发明创新采用分解再合并的方式对电力行业特定着装人物进行检测，对边框中的人物的特定着装进行标注，可在一张图片上学到多种装备类型，大大减少了样本的需求量，提高了目标检测模型的学习效率和检测精度；在物件识别上有一定容错性，并且关键判断由逻辑判断不易出错，避免了直接识别类似图片容易出现的难标注、样本相近、样本少等问题，对于违章的识别率大大提高；提高了违章检测精确度的同时降低了违章检测难度，保证安全监控效率，避免部分现场违章行为和安全隐患不能被及时发现、制止、纠正和治理。