基于深度学习技术的变电站人员穿戴规范分析方法技术

本发明专利技术涉及一种基于深度学习技术的变电站人员穿戴规范分析方法，属于变电站人员安全监测技术领域；包括步骤S1，采集待标注图片数据集；步骤S2，对采集到的待标注图片进行变电站人员及其穿戴标注；步骤S3，导入已标注图片对Cascade R‑CNN进行训练获得穿戴分析模型；步骤S4，将所述模型部署到服务器中，由服务器加载模型参数；步骤S5，调用模型对监控设备上传到服务器中的图片进行自动识别，测试效果；步骤S6，根据测试结果调整参数；步骤S7，调用模型自动检测监控范围内变电站工作人员有无穿戴安全装备；实现对变电站施工人员进行实时监控，及时发现未穿戴安全装备的施工人员并进行告警，提高识别精度。

Analysis method of substation personnel wearing standard based on deep learning technology

【技术实现步骤摘要】
基于深度学习技术的变电站人员穿戴规范分析方法
本专利技术涉及一种基于深度学习技术的变电站人员穿戴规范分析方法，属于变电站人员安全监测

技术介绍
在变电站作业，安全帽、工作服是必不可少的安全装备，它们可以在危险事故发生时为工作人员提供一定的防护，有效减少工作人员所受到的伤害。但是，总有安全意识较低的施工人员在工作时忘记穿戴安全装备，增加施工过程中的安全隐患。为减少安全事故的发生，施工现场常装有监控设备，安排工作人员对现场施工人员进行实时监控，这种方式经常是人力监控多个画面，个人精力的衰减、疏忽往往会忽略潜在危险，因此这种方法并不能有效避免安全事故的发生，同时还占用了大量的人力物力。综上所述，如何提供一种高效、可靠的穿戴监测系统，对变电站中未穿戴安全装备的人员进行告警提示，降低施工过程中的安全隐患，是目前本领域技术人员亟待解决的问题。
技术实现思路
本专利技术要解决的技术问题是：克服现有技术的不足，提供一种基于深度学习技术的变电站人员穿戴分析方法，实现对变电站工作人员穿戴的实时分析，及时反馈，规范施工人员的穿戴，保障施工人员的安全，保障安全施工。本专利技术所述基于深度学习技术的变电站人员穿戴规范分析方法，包括如下步骤：步骤S1，采集待标注图片数据集；步骤S2，对采集到的待标注图片进行变电站人员及其穿戴标注，得到已标注图片集；步骤S3，导入已标注图片对CascadeR-CNN进行训练获得穿戴分析模型；步骤S4，将所述模型部署到服务器中，由服务器加载模型参数；步骤S5，调用模型对监控设备上传到服务器中的图片进行自动识别，测试效果；步骤S6，根据测试结果调整参数，优化模型性能；步骤S7，调用模型自动检测监控范围内变电站工作人员有无穿戴安全装备。优选地，步骤S1通过变电站内监控设备，实时获取变电站视频信息至服务器中，通过对变电站视频流截取的方式获得待标注的图片数据集。优选地，步骤S2包括如下步骤：步骤S201，初始标注：对待标注图片中变电站人员进行框选并打上“person”标签，对变电站人员的穿着进行框选，若为工作服则标注“uniform”，若非工作服则标注“coat”；对变电站人员头部进行框选，若戴有安全帽则标注“helmet”，若未戴安全帽则标注“head”，得到初始标注数据集；步骤S202，数据清洗：筛选初始标注数据中存在的错误标注、空标注进行修正，得到数据清洗数据集；步骤S203，数据精炼：筛除数据清洗数据集中的重复图片，得到已标注图片集。优选地，步骤S202包括如下步骤：步骤S20201，遍历初始标注数据集，读取标注数据；步骤S20202，检测标注数据中是否存在标注信息，若不存在则判定为空标注，若存在则执行步骤S20203；步骤S20203，检测标注数据中标注的标签是否属于所要求标注的标签，若不是则判定为错误标签；步骤S20204，修正错误标注、空标注，得到数据清洗数据集。优选地，步骤S203包括如下步骤：步骤S20301，分析数据清洗数据集中的已标注图片，提取SURF特征进行特征点匹配；步骤S20302，判断相似度，若判断结果是否大于所设定相似度阈值，则判定为重复图片；步骤S20303，按照1：10的方式在重复图片中进行筛选，得到已标注图片集。优选地，步骤S7包括如下步骤：步骤S701，通过变电站安装的监控设备对现场实时监控；步骤S702，在服务器中调用模型读取监控设备实时传来的视频流进行变电站人员穿戴框选识别，若识别穿着为工作服则标注“uniform”，若识别穿着为非工作服则标注“coat”，若识别戴有安全帽则标注“helmet”，若识别未戴安全帽则标注“head”。优选地，还包括：步骤S8，当变电站工作人员出现未穿戴安全装备时进行告警提示。优选地，步骤S3中导入已标注图片对CascadeR-CNN进行训练获得穿戴分析模型包括如下步骤：步骤S301，设置CascadeR-CNN的结构，对网络中每个级联的R-CNN设置递增的的IOU阈值；步骤S302，利用已标注图片对CascadeR-CNN进行训练获得穿戴分析模型。优选地，步骤S6中所述参数包括learningrate、batch_size、resize、NMS。与现有技术相比，本专利技术具有以下有益效果：(1)本专利技术所述基于深度学习技术的变电站人员穿戴规范分析方法实现了对变电站施工人员进行实时监控，及时发现了未穿戴安全装备的施工人员并进行告警。(2)本专利技术本专利技术所述基于深度学习技术的变电站人员穿戴规范分析方法采用CascadeR-CNN算法，并做了针对性的改进工作，提高了识别精度，可对监控范围内目标进行准确识别，为保障电网施工人员安全提供可有力的技术支持。附图说明图1为本专利技术所述基于深度学习技术的变电站人员穿戴规范分析方法流程图；图2为本专利技术所述CascadeR-CNN的网络结构图；图3为本专利技术所述基于深度学习技术的变电站人员穿戴规范分析方法第一识别效果图；图4为本专利技术所述基于深度学习技术的变电站人员穿戴规范分析方法第二识别效果图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术实施方式作进一步地详细描述。实施例1如图1所示，本专利技术所述基于深度学习技术的变电站人员穿戴规范分析方法，包括如下步骤：步骤S1，采集待标注图片数据集；步骤S2，对采集到的待标注图片进行变电站人员及其穿戴标注，得到已标注图片集；步骤S3，利用CascadeR-CNN算法搭建穿戴分析模型，导入已标注图片进行训练；步骤S4，将所述模型部署到服务器中，由服务器加载模型参数；步骤S5，调用模型对监控设备上传到服务器中的图片进行自动识别，测试效果；步骤S6，根据测试结果调整参数，优化模型性能；步骤S7，调用模型自动检测监控范围内变电站工作人员有无穿戴安全装备。其中，步骤S1通过变电站内监控设备，实时获取变电站视频信息至服务器中，通过对变电站视频流截取的方式获得待标注的图片数据集。其中，步骤S2包括如下步骤：步骤S201，初始标注：对待标注图片中变电站人员进行框选并打上“person”标签，对变电站人员的穿着进行框选，若为工作服则标注“uniform”，若非工作服则标注“coat”；对变电站人员头部进行框选，若戴有安全帽则标注“helmet”，若未戴安全帽则标注“head”，得到初始标注数据集；步骤S202，数据清洗：筛选初始标注数据中存在的错误标注、空标注进行修正，得到数据清洗数据集；步骤S203，数据精炼：筛除数据清洗数据集中的重复图片，得到已标注图片集。在此，步骤S201利用标注工具labelImg进行初始标注，步骤本文档来自技高网...

【技术保护点】
1.一种基于深度学习技术的变电站人员穿戴规范分析方法，其特征在于，包括如下步骤：/n步骤S1，采集待标注图片数据集；/n步骤S2，对采集到的待标注图片进行变电站人员及其穿戴标注，得到已标注图片集；/n步骤S3，导入已标注图片对Cascade R-CNN进行训练获得穿戴分析模型；/n步骤S4，将所述模型部署到服务器中，由服务器加载模型参数；/n步骤S5，调用模型对监控设备上传到服务器中的图片进行自动识别，测试效果；/n步骤S6，根据测试结果调整参数，优化模型性能；/n步骤S7，调用模型自动检测监控范围内变电站工作人员有无穿戴安全装备。/n

【技术特征摘要】
1.一种基于深度学习技术的变电站人员穿戴规范分析方法，其特征在于，包括如下步骤：
步骤S1，采集待标注图片数据集；
步骤S2，对采集到的待标注图片进行变电站人员及其穿戴标注，得到已标注图片集；
步骤S3，导入已标注图片对CascadeR-CNN进行训练获得穿戴分析模型；
步骤S4，将所述模型部署到服务器中，由服务器加载模型参数；
步骤S5，调用模型对监控设备上传到服务器中的图片进行自动识别，测试效果；
步骤S6，根据测试结果调整参数，优化模型性能；
步骤S7，调用模型自动检测监控范围内变电站工作人员有无穿戴安全装备。


2.根据权利要求1所述的基于深度学习技术的变电站人员穿戴规范分析方法，其特征在于，步骤S1通过变电站内监控设备，实时获取变电站视频信息至服务器中，通过对变电站视频流截取的方式获得待标注图片数据集。


3.根据权利要求1所述的基于深度学习技术的变电站人员穿戴规范分析方法，其特征在于，步骤S2包括如下步骤：
步骤S201，初始标注：对待标注图片中变电站人员进行框选并打上“person”标签，对变电站人员的穿着进行框选，若为工作服则标注“uniform”，若非工作服则标注“coat”；对变电站人员头部进行框选，若戴有安全帽则标注“helmet”，若未戴安全帽则标注“head”，得到初始标注数据集；
步骤S202，数据清洗：筛选初始标注数据中存在的错误标注、空标注进行修正，得到数据清洗数据集；
步骤S203，数据精炼：筛除数据清洗数据集中的重复图片，得到已标注图片集。


4.根据权利要求3所述的基于深度学习技术的变电站人员穿戴规范分析方法，其特征在于，步骤S202包括如下步骤：
步骤S20201，遍历初始标注数据集，读取标注数据；
步骤S20202，检测标注数据中是否存在标注信息，若不存在则判定为空标注，若存在则执行步骤S20203；
步骤S20203，检测标注数据中标注的标签是否属...

【专利技术属性】
技术研发人员：许克，邓运涛，杨菲，付琳，魏澳，
申请(专利权)人：智洋创新科技股份有限公司，
类型：发明
国别省市：山东;37