【技术实现步骤摘要】
一种在变电站监控场景下的进场人员监测方法
[0001]本专利技术涉及发电站设备
,具体为一种在变电站监控场景下的进场人员监测方法。
技术介绍
[0002]变电站由于特殊的高电压环境,无法使用基于5G等无线网络的远程系统,因此依赖大量的人力进行人工检查,为保证变电站的稳定运行,对所有进场的人员进行监控抓拍,并跟踪运动轨迹,确保变电站出现问题的时候可以及时定位到专人的操作。这对保证变电站正常运作的非常重要。
[0003]但是,在实际的应用场景下,摄像头固定的同时,人员处于运动中,而且由于环境条件变化、遮挡等原因,可能检测不到高质量人脸,也无法进一步利用搜索结果进行目标跟踪、身份验证的应用。
[0004]经检索发现,专利号CN202110262883.3,名为《行人重识别的俯视图像选取方法、存储介质和电子设备》的专利,本专利技术提供了一种行人重识别的俯视图像选取方法、存储介质和电子设备。该算法的步骤为:
[0005]1)通过取像设备获取俯视视角的视频,并提取视频中行人的俯视图像母集;
[0006]2)对俯视图像母集进行行人检测,获取行人中目标行人P的行进轨迹,提取俯视图像子集;
[0007]3)得到目标行人P的头中心点得分和脚中心点得分;
[0008]4)根据筛除条件和选取条件,在多个俯视图像块中选取最优俯视行人抓拍图像块,作为对目标行人P进行特征提取的基础。
[0009]专利申请号CN202111269098.7,名为《一种视频中行人和人脸混合提取方法》的专利 ...
【技术保护点】
【技术特征摘要】
1.一种在变电站监控场景下的进场人员监测方法,其特征在于:包括如下步骤:。S1:采集人脸图像:通过安装在变电站内的视频监控采集变电站内进场人员的图像;S2:进行人脸目标检测:视频监控将采集到的人员图像上传到控制终端,控制终端通过图像识别模块从上传的人员图像中分别提取人脸特征,并将该人脸特征和对应的人员编号进行对应后,保存到控制终端中用于保存数据的注册特征数据库中;S3:构建目标检测网络模型:构建目标检测网络模型并利用注册特征数据库中的数据进行训练,利用特征算法进行训练,将一系列的弱分类器通过线性组合,构成一个强分类器,如下所示:h(x)是一个强分类器,h
j
(x)是一个弱分类器,其为一个简单的阈值函数:把若干个分类器级联起来,首先利用简单特征对非人脸区域进行剔除,然后再利用复杂特征进一步将非人脸区域剔除,如果级联分类器的识别率为D,误识率为F,第i层的分类器的识别率为d
i
,误识率为f
i
,则:D=∏
Ki=1
d
i
F=∏
Ki=1
f
i
其中:K为分类器的个数假如每一级的分类器,检测率和误检率相当,则使用如下解决方法:设定每一层最大的可接受误检率f,和每一层最小的检测率d;设定级联分类器的总体误检率Ftarget;初始化总体误检率为Ftarget=1,识别率D=1,循环计数器i=0;循环,如果当前F大于Ftarget时,继续增加一层分类器;在训练每一层分类器时,如果目前该层的特征没有达到该层的f
i
标准,继续添加新的特征,添加新特征时,持续降低该特征的阈值,直到该层分类器的检测率di>d,然后更新Di=di*Di
‑
1,即可得到训练好的目标检测网络模型;S4:进行人脸图像解析:变电站要求进场人员必须穿戴安全帽,通过解析算法解析现场图像,判断是否有人员未穿戴头盔,通过上述训练好的目标检测网络模型对监控实时得到的人脸图像进行解析,即可得到一个或多个人脸特征,将形状信息嵌入到统计模型中,来定位人脸特征点,下面是解析算法的公式:
形状模型:使用主成分分析将一组训练样本的形状进行建模,形状模型可以表示为:X=X
ˉ
+Σ_k(ak*Pk),其中X表示一个形状,X
ˉ
是该形状的平均形状,ak是形状模型的主成分系数,Pk表示主成分,回归模型:ASM通过学习一个回...
【专利技术属性】
技术研发人员:毛聪聪,祁鹤林,苗林,
申请(专利权)人:齐丰科技股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。