采用多摄像头的变电站检修人员异常检测方法技术

本发明专利技术涉及一种采用多摄像头的变电站检修人员异常检测方法，该方法基于布置为水平方向一列的三个摄像头，其中全景摄像头布置在中间位置、双目视觉的2个摄像头布置在两端并且双目摄像头之间距离参照人的双眼瞳距设置为60mm，主要步骤如下：利用全景摄像头采集的全景图像信息的头肩特征检测，实现全景数据的人员信息粗检测；根据检测得到的人员区域信息，计算其几何中心点，作为双目的2个摄像头的聚集中心坐标；根据全景摄像头识别的区域位置获得聚集坐标，调整摄像头聚集以便高效获得图像，生成统一的特征信息，该特征信息叠加上摄像头位置、时间以及加密认证信息后，通过网络通信模块传输到后台云计算服务器；云服务器检测与预警。

【技术实现步骤摘要】
采用多摄像头的变电站检修人员异常检测方法
本专利技术涉及变电站现场中对检修维保等人员的行为异常进行视觉检测的智能方法。
技术介绍
近年来，机器视觉检测技术与智能检测装置成为研究与产业热点之一。机器视觉的应用推进了人脸识别、行人检测、异常预警等技术发展，对经济发展、社会安全、安全生产等领域都具有重大意义。然而，与传统安防监控的目标不同，变电站等特定业务环境具有室内照明差、人员相对密集、异常检测预警的实时性要求高，且需要检测的视频点位数量多、对实施成本的控制要求严格等特点；另一方面，由于视觉检测方法往往计算复杂度比较高，因此如何有效的降低检测方法的计算复杂度并且充分利用现场检测装置的硬件处理能力成为非常重要的问题。所以，如何有效的设计变电站的人员视觉检测机制与方法，使得其在特定场所面向专业需求下的异常状态识别与检测能力达到最优，并通过合理的方式进行人员异常的预警成为重要的问题。已有的视觉检测方法大部分面向安防监控与卡口比对，主要实现周界检测、人脸识别等功能，最终形成安防能力。变电站等场所的现场人员行为的异常检测是采用多个摄像头实现对于现场人员未戴安全帽、未穿指定工作服、所处位置距离危险性装置距离异常等进行及时检测与预警，专业针对性强、需要的性价比高。同时，考虑到相关检测的点位数量庞大、能够维护和调试装置的技术人员短缺，需要将检测机制与方法设计为现场简单、可靠性高、通过后台云平台统一管理的云服务模式。因此本专利技术提出了一种支持云服务的多摄像头机器视觉现场人员异常检测检测方法。
技术实现思路
本专利技术提出一种进行变电站检修人员异常视觉检测的多摄像头异常检测方法，技术方案如下：一种采用多摄像头的变电站检修人员异常检测方法，该方法基于布置为水平方向一列的三个摄像头，其中全景摄像头布置在中间位置、双目视觉的2个摄像头布置在两端并且双目摄像头之间距离参照人的双眼瞳距设置为60mm，主要步骤如下：(1)利用全景摄像头采集的全景图像信息的头肩特征检测：首先将全景图像进行背景差分，得到差分图像；然后将差分图像划分多组窗口数据，每个窗口内取邻域中值进行滤波去噪；对差分和去燥后的数据进行特征检测；初始运行时，通过手动裁剪包含人员头肩部的正样本和不包含人员头肩部的负样本，提取所有正负样本的HOG特征，并对正负样本赋予标签，所有正样本标记为1，所有负样本标记为0；构造上述样本的SVM分类器，实现全景数据的人员信息粗检测；根据检测得到的人员区域信息，计算其几何中心点，作为双目的2个摄像头的聚集中心坐标；(2)双目视觉的特征形成首先，根据全景摄像头识别的区域位置获得聚集坐标，调整摄像头聚集以便高效获得图像；然后将获取的图像信息转换为2组数据：一组是灰度数据进一步进行时差计算，另一组为图像系数金字塔数据；将两组数据进行基于最小人体特征尺寸的滑窗处理，生成统一的特征信息，该特征信息叠加上摄像头位置、时间以及加密认证信息后，通过网络通信模块传输到后台云计算服务器；(3)云服务器检测与预警云检测服务器首先接收特征信息，构造特征数据集，然后进行聚类分析；将数据进行自适应聚类，分成至少4类：人员状态正常、人员未佩戴安全帽、人员未穿着工作服、人员距离危险位置过近，后台服务器根据不同类型产生预警信息。本专利技术以提高检修维保等人员的安全性，提升对变电站的安全监测的质量为目的，通过低计算量方法实现现场人员行为异常的预警。通过对全景+视差图像的形态、人员数量、距离位置的整体判别，动态设置预警阈值。本专利技术既能提高安全检测的有效性，又能有效保证人员异常预警的及时性。附图说明图1是本专利技术的检测方法流程图具体实施方式本专利技术提出一种进行变电站检修人员异常视觉检测的多摄像头异常检测方法，适用于需要监视点位规模较大，环境条件复杂恶劣，人员风险较大的变电站等生产场所。该方法基于布置为水平方向一列的三个摄像头，其中全景摄像头布置在中间位置、双目视觉的2个摄像头布置在两端并且双目摄像头之间距离参照人的双眼瞳距设置为60mm。出的多摄像头进行现场人员异常检测的方法主要步骤如下：1.全景图像信息的头肩特征检测：首先将全景图像进行背景差分，得到差分图像。然后将差分图像看作多组8*8窗口数据，每个窗口内取邻域中值进行滤波去噪。对差分和去燥后的数据进行特征检测。初始运行时，通过手动裁剪包含人员头肩部的正样本和不包含人员头肩部的负样本，提取所有正负样本的HOG特征，并对正负样本赋予标签，例如，所有正样本标记为1，所有负样本标记为0。构造上述样本的SVM分类器，实现全景数据的人员信息粗检测。根据检测得到的人员区域信息，计算其几何中心点，作为双目摄像头的聚集中心坐标。2.双目视觉的特征形成首先，根据全景摄像头识别的区域位置获得聚集坐标，调整摄像头聚集以便高效获得图像。然后将获取的图像信息转换为2组数据：一组是灰度数据进一步进行时差计算。另一组为图像系数金字塔数据。将两组数据进行基于最小人体特征尺寸的滑窗处理。最后通过装置的图像协处理能力生成统一的特征通道信息。该特征信息叠加上摄像头位置、时间以及加密认证信息后，通过网络通信模块传输到后台云计算服务器。3.云服务器检测与预警云检测服务器首先接收视觉检测装置的特征数据集，然后进行聚类分析。将数据进行自适应聚类，分成至少4类：人员状态正常、人员未佩戴安全帽、人员未穿着工作服、人员距离危险位置过近。后台服务器根据不同类型产生预警信息，并且推送给管理人员与现场人员。本文档来自技高网...

【技术保护点】
1.一种采用多摄像头的变电站检修人员异常检测方法，该方法基于布置为水平方向一列的三个摄像头，其中全景摄像头布置在中间位置、双目视觉的2个摄像头布置在两端并且双目摄像头之间距离参照人的双眼瞳距设置为60mm，主要步骤如下：(1)利用全景摄像头采集的全景图像信息的头肩特征检测：首先将全景图像进行背景差分，得到差分图像；然后将差分图像划分多组窗口数据，每个窗口内取邻域中值进行滤波去噪；对差分和去燥后的数据进行特征检测；初始运行时，通过手动裁剪包含人员头肩部的正样本和不包含人员头肩部的负样本，提取所有正负样本的HOG特征，并对正负样本赋予标签，所有正样本标记为1，所有负样本标记为0；构造上述样本的SVM分类器，实现全景数据的人员信息粗检测；根据检测得到的人员区域信息，计算其几何中心点，作为双目的2个摄像头的聚集中心坐标；(2)双目视觉的特征形成首先，根据全景摄像头识别的区域位置获得聚集坐标，调整摄像头聚集以便高效获得图像；然后将获取的图像信息转换为2组数据：一组是灰度数据进一步进行时差计算，另一组为图像系数金字塔数据；将两组数据进行基于最小人体特征尺寸的滑窗处理，生成统一的特征信息，该特征信息叠加上摄像头位置、时间以及加密认证信息后，通过网络通信模块传输到后台云计算服务器；(3)云服务器检测与预警云检测服务器首先接收特征信息，构造特征数据集，然后进行聚类分析；将数据进行自适应聚类，分成至少4类：人员状态正常、人员未佩戴安全帽、人员未穿着工作服、人员距离危险位置过近，后台服务器根据不同类型产生预警信息。...

【技术特征摘要】
1.一种采用多摄像头的变电站检修人员异常检测方法，该方法基于布置为水平方向一列的三个摄像头，其中全景摄像头布置在中间位置、双目视觉的2个摄像头布置在两端并且双目摄像头之间距离参照人的双眼瞳距设置为60mm，主要步骤如下：(1)利用全景摄像头采集的全景图像信息的头肩特征检测：首先将全景图像进行背景差分，得到差分图像；然后将差分图像划分多组窗口数据，每个窗口内取邻域中值进行滤波去噪；对差分和去燥后的数据进行特征检测；初始运行时，通过手动裁剪包含人员头肩部的正样本和不包含人员头肩部的负样本，提取所有正负样本的HOG特征，并对正负样本赋予标签，所有正样本标记为1，所有负样本标记为0；构造上述样本的SVM分类器，实现全景数据的人员信息粗检测；根据检测得到的人...

【专利技术属性】
技术研发人员：王颖，金志刚，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12