一种基于关键点检测的配网作业人员行为检测方法技术

本发明专利技术公开了一种基于关键点检测的配网作业人员行为检测方法，S1、获取配网现场的图像数据，对图像数据进行清洗，提取图像数据中人体关键骨骼点；S2、提取图像数据中的人体关键骨骼点，S3、对图像中提取到的人体骨骼关键点数据做预处理；S4、对筛选后的人体骨骼关键点坐标进行统一标准化操作；S5、采用S1

【技术实现步骤摘要】
一种基于关键点检测的配网作业人员行为检测方法


[0001]本专利技术涉及图像识别技术，具体的，涉及一种基于关键点检测的配网作业人员行为检测方法。

技术介绍

[0002]计算机视觉是一个近几年来发展的越来越成熟的技术，基于计算机视觉技术的智能巡查机器人技术在餐饮、交通、园区管理、健身房、火车站以及变电站等场景中被广泛的应用.尤其是当前，随着人们生活水平的提高，对电力的需求也是大幅度的提升，电力需要投入的人力物力也随之大幅提升，那么电力行业从业人员的安全隐患问题的重要性就不言而喻了。随着计算机视觉技术的发展，电力行业也希望通过计算机视觉技术解决电力行业中最重要的人员安全问题，具有智能分析的配网监理机器人开始在电力行业中发挥非常积极的作用。
[0003]基于计算机视觉技术的配网监理机器人是在机器人中嵌入视觉算法监测配网现场的人员安全隐患，并在监测到安全隐患行为后及时给出告警，当前算法的一般做法是利用采集回来的数据对于定义好的配网人员安全隐患问题，如人员跌倒，摔跤等隐患提前标注好数据，然后将标注数据作为输入训练一些主流的目标检测算法模型，在实际本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于关键点检测的配网作业人员行为检测方法，其特征在于：包括如下步骤：步骤S1、利用配网监理机器人自带的相机去获取配网现场的图像数据，对图像数据进行清洗后；步骤S2、通过预设的人体姿态估计算法去提取图像数据中的人体关键骨骼点；步骤S3、对图像中提取到的人体骨骼关键点数据做预处理，对每个提取得到的人体关键点进行筛选确认，保留代表人体主体躯干的关键点；步骤S4、对筛选后的人体骨骼关键点坐标进行统一标准化操作；步骤S5、采用步骤S1
‑
S4获取批量训练数据集，搭建人体骨骼点特征提取器模型，通过训练数据集去训练获得该模型；步骤S6、模型训练完成后，用步骤S5中训练好的模型去提取出步骤S1中整理好的具有代表性的配网监理机器人的监测行为的本质特征，构建配网监理机器人的监测行为数据注册库F(f1,f2,
……
,f
C
),其中，C表示在配网监理机器人的监测行为的个数；步骤S7、用步骤S5中训练好的模型去提取出所有传入配网监理机器人中的图像数据的人体骨骼关键点的特征向量；步骤S8、将步骤S7中提取出的所有的人体骨骼关键点的特征向量与步骤S6中的配网监理机器人的监测行为数据注册库中的特征向量去做比对匹配；判定是否做出安全告警。2.根据权利要求1所述的一种基于关键点检测的配网作业人员行为检测方法，其特征在于：人体骨骼关键点数据包括脖子、左肩、右肩、臀中、臀左、臀右、左膝、右膝、左脚踝、右脚踝共10个人体骨骼关键点，保留所述人体骨骼关键点所在的图像坐标，记为向量P＝[(x1,y1),(x2,y2),
……
,(x
10
,y
10
)]。3.根据权利要求2所述的一种基于关键点检测的配网作业人员行为检测方法，其特征在于，步骤S3包括如下步骤：步骤S31、基于所述骨骼关键点信息，生成以骨骼关键点的图像坐标为元素的骨骼关键点向量；步骤S32、对所述骨骼关键点向量进行标准化处理，得到标准化的骨骼关键点向量。4.根据权利要求3所述的一种基于关键点检测的配网作业人员行为检测方法，其特征在于：步骤S4包括如下步骤：步骤S41、选取臀中坐标作为标准化坐标原点，选取臀中坐标至脖子坐标的距离S/标准距离L作为缩放因子进行人体骨骼关键点的标准化操作；步骤S42、假设(x4,y4)为臀中坐标，(x1,y1)为脖子坐标，缩放因子为scale，则：)为脖子坐标，缩放因子为scale，则：标准化过程为：则标准化后坐标向量为B'＝[(x'1,y'1),(x'2,y'2),
……
,(x'
i
,y'
i
),
……
,(x'
10
,y'
10
)]，其中i≠4，臀中点坐标设置为坐标原点，因此无需参与运算。
5.根据权利要求1或2或3或4所述的一种基于关键点检测的配网作业人员行为检测方法，其特征在于：步骤S5中，搭建人体骨骼点特征提取器模型包括如下步骤：基于...

【专利技术属性】
技术研发人员：李磊，苏毅方，宋璐，方旭光，张波，虞驰，林振，赵冠军，申涛，赵凯美，邓新财，
申请(专利权)人：国网浙江省电力有限公司金华供电公司，
类型：发明
国别省市：