一种输电线路危险车辆吊车扬臂识别系统及识别方法技术方案

本发明专利技术涉及计算机视觉技术领域，具体涉及一种输电线路危险车辆吊车识别系统及识别方法。包括与控制模块相连的图像采集模块、吊车识别模型以及报警模块；图像采集模块，用于采集输电线路危险源范围内的视频图像，并输出至所述控制模块；吊车识别模型，经控制模块处理的所述视频图像输出至吊车识别模型，吊车识别模型用于识别所述输电线路危险源范围内是否有吊车进入；报警模块，当吊车识别模型识别出有吊车进入所述输电线路危险源范围内时，控制模块启动报警模块报警；其中，使用危险源范围内若干个预先收集的含有吊车的图片训练卷积神经网络获得吊车识别模型。可以快速的识别危险源范围内吊车并报警，提醒用户及时处理，避免安全事故的产生。

A crane boom identification system and method for dangerous vehicles on transmission line

【技术实现步骤摘要】
一种输电线路危险车辆吊车扬臂识别系统及识别方法
本专利技术涉及计算机视觉
，具体涉及一种输电线路危险车辆吊车扬臂识别系统及识别方法。
技术介绍
建设坚强智能电网、打造安全可控的新一代电力系统是电网发展的固本之要，当前随着经济发展，线路通道内高电压等级线路越来越多，对输电线路通道的危险源隐患防范提出了更高要求。实际施工过程中，由于违章操作、安全意识薄弱、现场监管措施不力等，吊车扬臂触碰输电线路导致人员伤亡的安全事故时有发生，给城市电网的稳定运行造成一定损失。因此，在输电线路关键区域实施基于视觉的吊车扬臂识别技术至关重要。首先，基于人工监控的传统信息化管理方式需要耗费大量成本。此外一些主观因素的存在，极易造成监管人员对输电线路吊车作业视频分析的误漏判。为避免偶发因素造成的事故损失，一些基于架空输电线路下吊车作业识别方法相继提出。最初的识别算法如边缘检测、背景差分等需对获取的输电线路危险源内吊车扬臂图像进行边缘特征提取，对于背景复杂的图像还需进行去噪等预处理环节；并且人工设计的吊车扬臂特征以像素级为主，尺度、光照、纹理等变化不具备较强的鲁棒性与稳健性。随着计算机视觉领域的发展，基于深度学习的目标检测可实现图像特征的快速精准提取，并以矩形框可视化的形式对目标实时定位。然而，施工现场的吊车扬臂形状及其动作是不规则的，矩形框检测方法无法给出扬臂的制高点信息，从而无法有效判断扬臂高点和输电线路导线的相对位置，进而判定杨臂预警的危险级别。危险源无实质性帮助。因此，本专利技术提出一种输电线路危险车辆吊车扬臂识别系统及识别方法，所设计的卷积神经网络模型不仅能对吊车视频图像的深度特征进行端到端学习，克服目标在复杂输电线路施工场景中发生的多尺度、形变等难题，并且能够对吊车扬臂动作进行实例分割，在精准检测的基础上获取扬臂的像素轮廓，辨识制高点信息。本专利技术基于该识别系统对吊车扬臂实时监控并预警决策，相比普通AI目标识别算法，可更为精确定位吊车杨臂的最高点，从而更有效判断杨臂预警的危险级别，保证输电线路吊车施工的安全运行，实现智能化、精益化的电网运维。
技术实现思路
为了解决上述问题，本专利技术提供一种输电线路危险车辆吊车识别系统及识别方法，使用卷积神经网络可以快速的识别危险源范围内吊车并报警，提醒用户及时处理，避免安全事故的产生，防止非预期的停电对企业和老百姓的正常生产和生活秩序的影响。为了实现以上目的，本专利技术采取的一种技术方案是：一种输电线路危险车辆吊车识别系统，包括与控制模块相连的图像采集模块、吊车识别模型以及报警模块；所述图像采集模块，用于采集输电线路危险源范围内的视频图像，并输出至所述控制模块；所述吊车识别模型，经所述控制模块处理的所述视频图像输出至所述吊车识别模型，所述吊车识别模型用于识别所述输电线路危险源范围内是否有吊车进入；所述报警模块，当所述吊车识别模型识别出有吊车进入所述输电线路危险源范围内时，所述控制模块启动报警模块报警；其中，使用危险源范围内若干个预先收集的含有吊车的图片训练卷积神经网络获得所述吊车识别模型。进一步地，所述图像采集模块为单目摄像头，所述单目摄像头设置在所述危险源范围区。进一步地，所述报警模块为声音报警模块。本专利技术还提供了一种基于以上输电线路危险车辆吊车识别系统的输电线路危险车辆吊车识别方法，包括如下步骤：步骤1、图片采集，通过单目摄像头采集输电线路危险源范围内的实时视频数据；步骤2、吊车识别模型训练，人工收集若干个危险源范围内含有吊车及不含有吊车的的图片作为训练图片，采用训练图片训练神经网络模型获得吊车识别模型；步骤3、将所述实时视频数据经控制模块处理后输出至所述吊车识别模型，使用所述吊车识别模型识别所述实时视频数据是否含有危险源吊车，并将识别结果输出至控制模块；步骤4、当所述控制模块获得的所述吊车识别模型的识别结果为实时视频数据中包含吊车的图片时，所述控制模块控制报警模块报警。进一步地，所述步骤2包括如下步骤：步骤2.1、人工收集若干个危险源范围内含有吊车及不含有吊车的图片作为训练图片，得到样本集S；步骤2.2、对样本集S中含有吊车的的图片进行样本扩充处理，所述扩充处理包括随机旋转顺时针和逆时针旋转1°至10°，增加高斯随机噪声，得到扩充后的样本集S1；步骤2.3、构建卷积模块WBlock；步骤2.4、构成残差模块RBlock，模块输入为x，则输出为F(F(x))+x，其中weightlayer为步骤2.3中的WBlock；步骤2.5、构建网络模型，采用交叉熵损失函数和梯度下降算法进行模型训练，得到吊车识别模型。进一步地，所述步骤2.5中的吊车识别模型还进行剪枝算法；所述剪枝算法包括如下步骤：步骤a、剪掉权重约等于0，让两个神经元之间失去连接；步骤b、删除神经元输出接近于零的神经元；步骤c、在修剪完整个网络之后，利用训练集训练一次，更新当前神经网络的参数。进一步地，所述步骤3包括如下步骤：步骤3.1、通过图像采集模块实时采集所述危险源范围内的视频数据并输出至所述控制模块；步骤3.2、假设t时刻读到的视频图像为ft，其中单个像素点为xt＝(rt，gt，bt)，服从混合高斯分布概率密度函数：其中k为分布模式综数，η(xt，μi，t，τi，t)为t时刻第i个高斯分布，μi，t为其均值，μi，t为其协方差矩阵，为方差，I为单位矩阵，wi，t为t时刻第i个高斯分布的权重；步骤3.3、对t+1时刻的每个像素xt+1与同当前K个模型按下式进行比较，直接找到匹配新像素值的分布模型，即同该模型的均值偏差在2.5σ内，即：|xt+1-μi，t|≤2.5σi，t当所匹配的模式符合背景要求，则该像素属于背景，否则属于前景；如前景像素数量超过阈值th，则执行步骤3.4，否则继续返回步骤3.1；步骤3.4、所述控制模块将经步骤S3.3处理后的视频图片的输入所述吊车识别模型进行识别，并获得识别结果。本专利技术的上述技术方案相比现有技术具有以下优点：(1)本专利技术提出的一种输电线路危险车辆吊车识别系统及识别方法，用户使用卷积神经网络可以快速的识别危险源范围内吊车并报警，提醒用户及时处理，避免安全事故的产生，防止非预期的停电对企业和老百姓的正常生产和生活秩序的影响。(2)本专利技术专利通过建立高斯模型对图像进行快速的前后景粗分类，之后采用剪枝后的神经网络进行细分类，提高了识别效率。本专利技术所设计的神经网络，结合了残差网络，并增加了网络宽度，提高了网络对尺度的适应性。(3)本专利技术可以大幅减少输电线路维护人员的压力，通过智能算法对输电线路区域进行实时监控，及时发现危险源目标，防止其破坏输电线路。附图说明图1所示为本专利技术一实施例的输电线路危险车辆吊车识别系统结构图；图2所示为本专利技术一实施例的输电线路危险车辆吊车识别方法流程图；图3所示为本专利技术一实施例的卷积模块的结构图；图4所示为本专利技术一实施例的残差网络模块的结构图；图5所示为本专利技术一实施例的卷积神经网络本文档来自技高网...

【技术保护点】
1.一种输电线路危险车辆吊车识别系统，其特征在于，包括与控制模块相连的图像采集模块、吊车识别模型以及报警模块；所述图像采集模块，用于采集输电线路危险源范围内的视频图像，并输出至所述控制模块；所述吊车识别模型，经所述控制模块处理的所述视频图像输出至所述吊车识别模型，所述吊车识别模型用于识别所述输电线路危险源范围内是否有吊车进入；所述报警模块，当所述吊车识别模型识别出有吊车进入所述输电线路危险源范围内时，所述控制模块启动报警模块报警；其中，使用危险源范围内若干个预先收集的含有吊车的图片训练卷积神经网络获得所述吊车识别模型。/n

【技术特征摘要】
1.一种输电线路危险车辆吊车识别系统，其特征在于，包括与控制模块相连的图像采集模块、吊车识别模型以及报警模块；所述图像采集模块，用于采集输电线路危险源范围内的视频图像，并输出至所述控制模块；所述吊车识别模型，经所述控制模块处理的所述视频图像输出至所述吊车识别模型，所述吊车识别模型用于识别所述输电线路危险源范围内是否有吊车进入；所述报警模块，当所述吊车识别模型识别出有吊车进入所述输电线路危险源范围内时，所述控制模块启动报警模块报警；其中，使用危险源范围内若干个预先收集的含有吊车的图片训练卷积神经网络获得所述吊车识别模型。


2.根据权利要求1所述的输电线路危险车辆吊车识别系统，其特征在于，所述图像采集模块为单目摄像头，所述单目摄像头设置在所述危险源范围区。


3.根据权利要求1所述的输电线路危险车辆吊车识别系统，其特征在于，所述报警模块为声音报警模块。


4.基于权利要求1至3中任意一项所述的输电线路危险车辆吊车识别系统的输电线路危险车辆吊车识别方法，其特征在于，包括如下步骤：
步骤1、图片采集，通过单目摄像头采集输电线路危险源范围内的实时视频数据；步骤2、吊车识别模型训练，人工收集若干个危险源范围内含有吊车及不含有吊车的的图片作为训练图片，采用训练图片训练神经网络模型获得吊车识别模型；步骤3、将所述实时视频数据经控制模块处理后输出至所述吊车识别模型，使用所述吊车识别模型识别所述实时视频数据是否含有危险源吊车，并将识别结果输出至控制模块；步骤4、当所述控制模块获得的所述吊车识别模型的识别结果为实时视频数据中包含吊车的图片时，所述控制模块控制报警模块报警。


5.根据权利要求4所述的基于输电线路危险车辆吊车识别方法，其特征在于，所述步骤2包括如下步骤：步骤2.1、人工收集若干个危险源范围内含有吊车及不含有吊车的图片作为训练图片，得到样本集S；步骤2.2、对样本集S中含有吊车的的图片进行样本扩充处理，所述扩...

【专利技术属性】
技术研发人员：蒋勇，李学钧，戴相龙，王晓鹏，何成虎，
申请(专利权)人：江苏濠汉信息技术有限公司，
类型：发明
国别省市：江苏;32