基于步幅测量的电力人员安全状态智能识别方法及介质技术

本发明专利技术公开了基于步幅测量的电力人员安全状态智能识别方法及介质，方法包括：基于多目标追踪算法检测并追踪视频画面中每个人的包围框并分配人员ID号；将人的包围框内的图像输入关键点检测算法，得到人体的左右脚踝关键点并关联人的包围框；确定要测量步幅的人的包围框并获取对应的左右脚踝关键点数据，选择测量脚踝，通过测量脚踝关键点确定测量脚踝的当前运动状态，计算测量脚踝的相邻两次静止状态中间的移动距离，记为人员步幅，并生成人员状态信息；基于人员状态信息和预设的安全规则生成人员安全状态信息。本发明专利技术无需额外的人工干预，只需通过摄像头实时采集测试画面而无需佩戴其他硬件设备，运行速度快、部署方便且适用于不同场景。

【技术实现步骤摘要】
基于步幅测量的电力人员安全状态智能识别方法及介质
本专利技术涉及电力安全领域，特别涉及一种基于步幅测量的电力人员安全状态智能识别方法及介质。
技术介绍
高压实验室的电压在66kV及以上电压等级。电压对人体是致命的伤害。实验室不可避免的会分为各个不同的工作区域和交叉作业现象。在高电压下。人员的动作行为以及安全管控尤为重要。现有工作管控方式通常是通过安全遮拦人员监督的方式，时有安全事故发生。为了更好的保证人员安全，现急需用于高压实验室关键点智能识别方法，通过人体动作识别，进行语音提示预警，防止事故的发生。步幅大小是人体动作识别的重要因素，准确测量行人步幅大小对于人员行为识别具有重要意义。当前的行人步幅测量方法大多基于传感器，首先通过运动传感器获取当前人体运动状态信息，然后通过进一步分析该运动状态信息估计得到人的步幅大小。当前基于传感器的行人步幅测量方法主要是使用陀螺传感器收集并计算行人在步行时人体的上下加速度，通过该加速度和身高信息估计人体步幅大小，但该方法采集的加速度信息有很大误差且只能粗略估计步幅大小；或者通过传感器共采集行人运动时三个方向上的加速度并计算得到合成加速度以减少假触发，提高了步数统计精度，该方法使用总运动距离除以总步数的形式粗略估计步幅大小，因此仍然无法准确计算出人体步幅大小。在上述方法基础上，将测量装置绑定在人体上，例如一种绑定在人体腿部的步幅测量装置，该装置在人体行走时收集腿部振动信号，通过微处理器分析该振动信号以判断人体步幅大小；又例如在腰部、大腿部、小腿部、足面等部位安装测量装置，在行人走动时收集各部位数据并传输至PC机进行分析。但这两种方法需要在人体安装额外测量装置，使用起来较复杂且额外的硬件成本较高。此外，使用运动传感器的方式只能间接的通过采集的数据估计出步幅大小，无法实现高精度的步幅测量。与基于传感器的方法相比，基于视频的方式可以直接观察到行人运动状态，因此可以实现高精度步幅测量。例如，基于视频方式观察行人运动状态的方法是通过视频截图对视频中人员的足长和步幅进行精确测定，实现了比传感器方法更高精度的步幅测量，但是该方法中步幅测量的步骤需要很多人工参与且工序复杂，实现成本较高因此使用场景比较受限。目前大多数安全管控是基于安全员和视频录像的形式，这类方法存在以下缺点：(1)依赖于人员的视觉，不能全部覆盖，更不能做到实时监督查看；(2)录视频的方式不能提前预警和防止事故的发生，只能是时候分析等；(3)人员的理论知识和经验要求高，很有可能出现遗漏和监督不到位。
技术实现思路
本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种基于步幅测量的电力人员安全状态智能识别方法，能够通过视频画面中检测到的人体关键点信息自动计算步幅大小，判断人员安全状态。本专利技术还提出一种实现上述方法的计算机可读存储介质。根据本专利技术的第一方面实施例的基于步幅测量的电力人员安全状态智能识别方法，包括：S100、获取视频流，基于多目标追踪算法检测并追踪每帧画面中每个人的包围框，为所述人的包围框分配人员ID号；S200、将所述人的包围框内的图像输入基于卷积神经网络的关键点检测算法，得到人体的左右脚踝关键点，将所述左右脚踝关键点按照所述人员ID号关联所述人的包围框；S300、确定要测量步幅的人的包围框并获取对应的左右脚踝关键点数据，选择左脚踝或右脚踝作为测量脚踝，通过所述测量脚踝关键点确定所述测量脚踝的当前运动状态，计算所述测量脚踝的相邻两次静止状态中间的移动距离，记为人员步幅，所述人员步幅与所述人员ID号一并生成人员状态信息；S400、基于所述人员状态信息和预设的安全规则生成人员安全状态信息。根据本专利技术的一些实施例，所述左右脚踝关键点以基于当前画面的横纵坐标表示。根据本专利技术的一些实施例，所述步骤S100包括：S110、通过OpenCV获取并解析视频流；S120、基于实时目标检测算法得到视频帧中所有包围框，保留人的包围框；S130、基于目标追踪算法对所述保留人的包围框进行追踪，并为每个所述人的包围框分配ID号。根据本专利技术的一些实施例，所述实时目标检测算法为Yolov5s算法。根据本专利技术的一些实施例，所述目标追踪算法为SORT算法。根据本专利技术的一些实施例，所述步骤S200包括：将所述每帧画面进行裁剪得到所述包围框内的图像，并将其缩放到固定尺寸。根据本专利技术的一些实施例，所述步骤S200包括：基于top-down算法中的SimpleBaseline算法检测每个所述人的包围框中的人体关键点；所述人体关键点包括左右脚踝关键点。根据本专利技术的一些实施例，所述步骤S300包括：S310、设置三个变量，分别为当前帧横坐标、上一帧横坐标及上一次静止横坐标；在视频帧中建立横纵坐标系；S320、所述当前帧横坐标记录所述测量脚踝在当前帧中的横坐标，所述上一帧横坐标记录所述测量脚踝在上一帧中的横坐标，所述上一次静止横坐标记录所述测量脚踝在上一次静止状态下在帧中的横坐标；S330、基于所述当前帧横坐标与所述上一帧横坐标，得到所述测量脚踝的运动状态；若运动状态为静止，执行步骤S340，否则返回步骤S320；S340、计算所述当前帧横坐标与所述上一次静止横坐标之差的绝对值，得到要测量的步幅；S350、将所述上一次静止横坐标的值更新为所述当前帧横坐标，返回步骤S320。根据本专利技术的一些实施例，所述步骤S330包括：S331、计算所述当前帧横坐标与所述上一帧横坐标之差的绝对值；S332、若所述绝对值小于预设的阈值，则判定运动状态为静止，并记录所述测量脚踝在当前帧中的横坐标；若所述绝对值大于预设的阈值，则判定运动状态为正在运动。根据本专利技术的第二方面实施例的一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本专利技术的第一方面实施例中任一项的方法。本专利技术实施例至少具有如下有益效果：本专利技术基于深度卷积网络关键点检测的人体部位状态测量，通过对视频中行人进行关键点检测以准确计算出人体动作状态是否安全。与传统方式相比，使用深度卷积网络关键点检测可以直接准确的获得视频中身体各部位关键点坐标，进而得到精确的定位。本专利技术使用画面中检测到的人体关键点信息自动计算步幅摆幅，使得整个方法无需额外的人工干预。该专利技术方法只需通过摄像头实时采集测试画面而无需佩戴其他硬件设备，与测量人员没有直接接触，运行速度快、部署方便且适用于不同场景，实际使用价值更高。本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明本专利技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：图1为本专利技术实施例的方法的流程示意图。图2为本专利技术实施例的获取并追踪人员视频画面的方法的流程示意图。图3为本专利技术实施例的计算步幅的方法的流程示意图。图4为本专利技术实施例的判定脚踝运动状态的方法的流程示意图。具体实施方式下面详细描述本发本文档来自技高网...

【技术保护点】
1.一种基于步幅测量的电力人员安全状态智能识别方法，其特征在于，包括：/nS100、获取视频流，基于多目标追踪算法检测并追踪每帧画面中每个人的包围框，为所述人的包围框分配人员ID号；/nS200、将所述人的包围框内的图像输入基于卷积神经网络的关键点检测算法，得到人体的左右脚踝关键点，将所述左右脚踝关键点按照所述人员ID号关联所述人的包围框；/nS300、确定要测量步幅的人的包围框并获取对应的左右脚踝关键点数据，选择左脚踝或右脚踝作为测量脚踝，通过所述测量脚踝关键点确定所述测量脚踝的当前运动状态，计算所述测量脚踝的相邻两次静止状态中间的移动距离，记为人员步幅，所述人员步幅与所述人员ID号一并生成人员状态信息；/nS400、基于所述人员状态信息和预设的安全规则生成人员安全状态信息。/n

【技术特征摘要】
1.一种基于步幅测量的电力人员安全状态智能识别方法，其特征在于，包括：
S100、获取视频流，基于多目标追踪算法检测并追踪每帧画面中每个人的包围框，为所述人的包围框分配人员ID号；
S200、将所述人的包围框内的图像输入基于卷积神经网络的关键点检测算法，得到人体的左右脚踝关键点，将所述左右脚踝关键点按照所述人员ID号关联所述人的包围框；
S300、确定要测量步幅的人的包围框并获取对应的左右脚踝关键点数据，选择左脚踝或右脚踝作为测量脚踝，通过所述测量脚踝关键点确定所述测量脚踝的当前运动状态，计算所述测量脚踝的相邻两次静止状态中间的移动距离，记为人员步幅，所述人员步幅与所述人员ID号一并生成人员状态信息；
S400、基于所述人员状态信息和预设的安全规则生成人员安全状态信息。


2.根据权利要求1所述的基于步幅测量的电力人员安全状态智能识别方法，其特征在于，所述左右脚踝关键点以基于当前画面的横纵坐标表示。


3.根据权利要求1所述的基于步幅测量的电力人员安全状态智能识别方法，其特征在于，所述步骤S100包括：
S110、通过OpenCV获取并解析视频流；
S120、基于实时目标检测算法得到视频帧中所有包围框，保留人的包围框；
S130、基于目标追踪算法对所述人的包围框进行追踪，并为每个所述人的包围框分配ID号。


4.根据权利要求3所述的基于步幅测量的电力人员安全状态智能识别方法，其特征在于，所述实时目标检测算法为Yolov5s算法。


5.根据权利要求3所述的基于步幅测量的电力人员安全状态智能识别方法，其特征在于，所述目标追踪算法为SORT算法。


6.根据权利要求1所述的基于步幅测量的电力人员安全状态智能识别方法，其特征在于，...

【专利技术属性】
技术研发人员：钟成，蔡传雄，张源，林巧，许镓镕，魏斯芳，梁资源，刘耀，张宗明，
申请(专利权)人：珠高电气检测有限公司，
类型：发明
国别省市：广东;44