违规行为识别方法、装置及终端设备制造方法及图纸

本发明专利技术适用于图像处理技术领域，提供一种违规行为识别方法、装置及终端设备。该违规行为识别方法包括：获取待识别图像；采用阈值分割法对所述待识别图像进行预处理；利用违规行为样本集对卷积神经网络模型进行训练；基于训练完成的卷积神经网络模型对预处理后的待识别图像进行识别，判断是否存在违规行为。利用所述违规行为识别方法对变电站现场进行检测，可及时发现变电站现场工作人员的违规行为，及时采取措施，排除安全隐患，提高了检测效率及准确度。

Identification methods, devices and terminal devices for violations

【技术实现步骤摘要】
违规行为识别方法、装置及终端设备
本专利技术属于图像处理
，尤其涉及一种违规行为识别方法、装置及终端设备。
技术介绍
随着国家电网的发展，变电站内改扩建工程、日常电力维护及检修等工作较多，由于一些作业人员自身安全意识薄弱，导致现场违规行为频发，比如跨越围栏、忘记带安全帽等行为。类似的违规作业存在巨大的安全隐患，严重时可能导致人身安全事故的发生。因此，及时发现现场作业人员的违规行为并纠正变的尤为重要。目前，对变电站内作业人员违规行为的检测主要有两种：现场督查和监控视频人工分析和识别。但由于以上两种方式均由人来进行判断识别，效率低、准确度低、实时性差，且浪费大量的人力。
技术实现思路
有鉴于此，本专利技术实施例提供了一种违规行为识别方法、装置及终端设备，以解决现有技术中人为判断识别作业人员违规行为效率低、准确度差及实时性差等的问题。本专利技术实施例的第一方面提供了一种违规行为识别方法，包括：获取待识别图像；采用阈值分割法对所述待识别图像进行预处理；利用违规行为样本集对卷积神经网络模型进行训练；基于训练完成的卷积神经网络模型对预处理后的待识别图像进行识别，判断是否存在违规行为。本专利技术实施例的第二方面提供了一种违规行为识别装置，包括：获取模块，用于获取待识别图像；预处理模块，用于对所述待识别图像进行预处理；训练模块，用于对卷积神经网络模型进行训练；识别判断模块，用于预处理后的图像进行识别，判断所述待识别图像中是否存在违规行为。本专利技术实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本专利技术实施例第一方面提供的违规行为识别方法的步骤。本专利技术实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如本专利技术实施例的第一方面提供的违规行为识别方法的步骤。本专利技术实施例，获取待识别图像后采用阈值分割法对所述待识别图像进行预处理，然后利用违规行为样本集对卷积神经网络模型进行训练，最后利用训练完成的卷积神经网络模型对预处理后的待识别图像进行识别，判断是否存在违规行为。利用上述违规行为识别方法对变电站现场进行检测，可及时发现变电站现场工作人员的违规行为并制止违规行为，排除安全隐患，提高了检测效率及准确度。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的违规行为识别方法的实现流程示意图；图2是图1中步骤S102的实现流程示意图；图3是图2中步骤S1022的实现流程示意图；图4是图1中步骤S103的实现流程示意图；图5是本专利技术实施例提供的显示设备的界面示意图；图6是本专利技术实施例提供的违规行为识别装置的的示意图；图7是本专利技术实施例提供的终端设备的示意图。具体实施方式以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本专利技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本专利技术。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本专利技术的描述。为了说明本专利技术所述的技术方案，下面通过具体实施例来进行说明。参见图1，本专利技术一实施例公开了一种违规行为识别方法，包括：S101，获取待识别图像。所述待识别图像为现场工作人员工作过程中的图片。一些实施例中，首先采集前端摄像装置的视频图像，并分通道将所述视频图像传输至后台；然后对接收到的视频图像进行初步处理，由不同的视频文件格式转换为图像；最后对所述图像进行筛选得到所述待识别图像。变电站现场设置有多台高清摄像机用于采集变电站内的视频图像，并设置有云台镜头控制器用于控制摄像机的转动及镜头的变焦和聚焦，灯光控制器用于控制照明灯光，从而保证在光线不足时或晚间也能获得清晰的图像。通信通道对采集的视频图像进行压缩，并分通道将压缩信号传输至后台，然后对接收到的信号进行重新整合和解压。监控服务器一方面将传来的视频图像进行播放，可供检查人员随时观察变电站作业现场工作情况；另一方面监控服务器采用TCP/IP技术将传来的视频图像转发到系统服务器内，以便对其进行处理分析。由于图像处理的目标是图像，因此需要将获取到的视频数据转换为图像格式的文件，以便后续处理。最后对视频数据转换的图像进行筛选，去掉一些模糊、重复的图像，提高识别的效率及准确度。S102，采用阈值分割法对所述待识别图像进行预处理。由于变电站设备繁多，且人员在变电站作业时是处于动态的，因此需要对图像进行分割处理，提取出图中重要特征，即人物行为和着装。图像分割就是把图像中具有特殊涵义的不同区域区分开来，这些区域是互不相交的，每一个区域都满足特定区域的一致。采用阈值分割法对所述待识别图像进行分割，阈值分割法的优点是计算简便，只考虑图像灰度而不考虑其它信息运算效率也高。采用阈值分割法对所述待识别图像进行分割，可强调出需要提取的特征，加快卷积神经网络模型的训练速度和提高准确率。一些实施例中，参考图2，步骤S102包括：S1021，对所述待识别图像进行灰度处理，得到灰度图像。所述待识别图像一般为基于RGB模型的数字图像，首先对其进行灰度处理，将各个像素点的三颜色数值进行计算转换为灰度值，然后利用计算得到的灰度值替换原图像中的每个像素点，从而得到灰度图像。一些实施例中，得到灰度图像后还可对灰度图像进行增强。所述待识别图像在传输及转换过程中会产生噪声污染，图像质量不可避免的降低。因此，在对图像进行分析之前可以对图像质量进行改善。采用图像增加改善待识别图像的质量，图像增强不考虑图像质量下降的原因，只将图像中感兴趣的特征有选择的突出，抑制不需要提取的特征，改善图像质量、丰富信息量、提高了图像的可懂度、加强原始图像的判读和识别效果。一些实施例中，可以选用分段线性变换或对数函数灰度变换等方式进行图像增强。S1022，基于所述灰度图像计算最佳分割阈值。要实现图像的自适应阈值分割，就要找到图像的最佳分割阈值，不同图像其分割阈值不一样，如何根据不同图像有针对性的寻找合适的分割阈值，是实现自适应分割的关键。一些实施例中，可选用迭代法计算最佳分割阈值，参考图3，步骤S1022可以包括：S401，获取所述灰度图像的最大灰度值Zmax和最小灰度值Zmin，根据所述最大灰度值Zmax和所述最小灰度值Zmin计算第一阈值T0，其中S402，根据第一阈值T0将灰度图像分割为前景和背景，分别计算所述前景的平均灰度值ZO和所述背景的平均灰度值ZB。S403，根据所述前景的平均灰度值ZO和所述背景的平均灰度值ZB计算当前阈值T1，其中S404，若当前阈值T1与第一阈值T0的差值小于预设误差值，则第一阈值T0为最佳阈值；否则，将当前阈值T1的值赋予第一阈值T0，并重复步骤S402至步骤S404。例如，程序实现流程可以为：1、获取所述灰度图像的最大灰度值Zmax和最小灰度值Zmin，另i＝0，初始阈值2、根据阈值T0将灰度本文档来自技高网...

【技术保护点】
1.一种违规行为识别方法，其特征在于，包括：获取待识别图像；采用阈值分割法对所述待识别图像进行预处理；利用违规行为样本集对卷积神经网络模型进行训练；基于训练完成的卷积神经网络模型对预处理后的待识别图像进行识别，判断是否存在违规行为。

【技术特征摘要】
1.一种违规行为识别方法，其特征在于，包括：获取待识别图像；采用阈值分割法对所述待识别图像进行预处理；利用违规行为样本集对卷积神经网络模型进行训练；基于训练完成的卷积神经网络模型对预处理后的待识别图像进行识别，判断是否存在违规行为。2.如权利要求1所述的违规行为识别方法，其特征在于，所述利用违规行为样本集对卷积神经网络模型进行训练，包括：初始化卷积神经网络模型；将第一违规行为样本集作为训练样本输入所述卷积神经网络模型进行第一训练；将第二违规行为样本集作为测试样本输入经过第一训练后的卷积神经网络模型进行测试，得到训练完成的卷积神经网络模型。3.如权利要求1所述的违规行为识别方法，其特征在于，所述采用阈值分割法对所述待识别图像进行预处理，包括：对所述待识别图像进行灰度处理，得到灰度图像；基于所述灰度图像计算最佳分割阈值；根据所述最佳分割阈值对所述灰度图像进行自适应分割。4.如权利要求3所述的违规行为识别方法，其特征在于，所述基于灰度图像计算最佳分割阈值，包括：S401，获取所述灰度图像的最大灰度值Zmax和最小灰度值Zmin，根据所述最大灰度值Zmax和所述最小灰度值Zmin计算第一阈值T0，其中S402，根据第一阈值T0将灰度图像分割为前景和背景，分别计算所述前景的平均灰度值ZO和所述背景的平均灰度值ZB；S403，根据所述前景的平均灰度值ZO和所述背景的平均灰度值ZB计算当前阈值T1，其中S404，若当前阈值T1与第一阈值T0的差值小于预设误差值，则第一阈值T0为最佳阈值，输出最佳阈值；否则，将当前阈值T1的值赋予第一阈值T0，并重复步骤S402至步骤S404。5.如权利要求4所述的违规行为识别方法，其特征在于，所述分别...

【专利技术属性】
技术研发人员：宋文乐，苏嘉成，刘杨，熊天军，李宝勇，杨占营，刘恺，王向阳，李春，
申请(专利权)人：国网河北省电力有限公司沧州供电分公司，国网河北省电力有限公司，国家电网有限公司，
类型：发明
国别省市：河北,13