基于深度图像的电力生产人员安全监测方法技术

本发明专利技术涉及基于深度图像的电力生产人员安全监测方法，通过图像识别算法识别二维图像中运检人员、变电设备；基于空间三维深度数据与人体三维深度数据，计算被检设备与人员距离，提出一种人员骨骼关节的方向自适应检测方法以及基于中心点距离的关联人员骨骼关节与人员检测识别结果的配对方法。本发明专利技术为提升我国电网企业的电力基建、运检等生产业务场景下工作人员的安全管控水平提供技术支撑。工作人员的安全管控水平提供技术支撑。工作人员的安全管控水平提供技术支撑。

【技术实现步骤摘要】
基于深度图像的电力生产人员安全监测方法


[0001]本专利技术涉及电力安监
，具体是指基于深度图像的电力生产人员安全监测方法。

技术介绍

[0002]在电网企业中基建、运检等生产业务场景下，工作人员为了完成建设任务或及时排查隐患需要到线路及变电站执行，但是目前电力生产现场仍存在安全监管水平较低、操作粗放的现象，同时有事后管理、不量化、随机性等问题，导致基建、运检等生产业务中缺乏对一线人员安全的有效管控，客观上存在超范围作业、误入带电间隔等问题。
[0003]目前，电力能源企业对一线生产作业人员的位置信息仍然主要依靠后台监控人员通过视觉判定，少部分企业通过GPS/BDS定位系统、FRID与摄像联动定位等方法进行人员位置信息的采集。但是以上技术存在一定不足：视觉定位由于无法测出深度，难以准确判断人员与设备间距离；GPS/BDS的定位存在米级误差，且涉及便携式设备的资金投入；RFID中天线通过反馈外界微波激励进行距离报警，然而激励信号的强弱、发射角度都会影响RFID的反馈，从而容易导致误判、漏判。亟待结合人工智能技术提出一种精度高、响应快的新型电力生产人员安全监测方法，迎接大量基建、运检需求为人员安全管控水平带来的更高挑战。

技术实现思路

[0004]本专利技术提供一种基于深度图像的电力生产人员安全监测方法，为提升我国电网企业的电力基建、运检等生产业务场景下工作人员的安全管控水平提供技术支撑。
[0005]本专利技术通过以下S1到S6步骤所述技术方案实现上述目的：
[0006]S1、利用摄像设备，对准变电设备运维位置，采集运检人员及电力设备图像数据。
[0007]S2、提取现场摄像设备采集到的运检人员及电力设备图像数据，进行基于深度神经网络的三维深度信息提取，可求得运检人员及电力设备图像的三维深度信息。
[0008]S3、提取现场摄像设备采集到的运检人员及电力设备图像数据，进行基于深度神经网络的运检人员与电力设备检测识别，计算获得运检人员与电力设备的三维边框。其中，深度神经网络中的角度预测采用一个3
×
3的可变形卷积模块和一个3
×
3的卷积模块结合，增强对旋转目标的适应性。可变形卷积通过预测每个特征点对应的所有卷积点的位置偏移，使卷积核可以自由在特征图上提取任意特征，对异构物体、旋转目标等复杂检测结果具备更好的适应性。考虑到角度对目标检测精度的影响权重较大和线性角度回归与检测框交并比不统一的问题，提出一种基于目标框长宽比的角度预测损失函数：
[0009][0010]其中，θ
i
为第i个目标的角度预测，为第i个目标的角度预测，r
i
为该目标框的长宽比r
i
≥1)，b和γ为超参数，用于调节其影响。
[0011]S4、在S3计算获得运检人员与电力设备的三维边框的基础上，实时计算运检人员三维边框与被检测电力设备三维边框的最小欧式距离a，计算方法如下式。并与安全阈值D
’
对比后，判断是否存在误入带电间隔、超过安全距离等情况，如存在，转入S6。
[0012][0013]S5、提取现场摄像设备采集到的运检人员及电力设备图像数据，进行基于深度神经网络的运检人员骨骼关节检测，计算运检人员是否存在异常行为，如存在，转入S6。
[0014]根据人员骨骼关节的结构特点和相关性，提出一种基于中心点距离的关联性人员骨骼关节与S3中所述运检人员检测识别结果的配对算法。对于同一人员有确定关联性的人员骨骼关节与人员检测识别结果C
T
、C
S
，将网络检测结果划分为集合T＝{t1,t2,
…
,t
m
}与S＝{s1,s2,
…
,s
n
}，其中，t
i
为第i个C
T
类设备中心点，s
j
为第j个C
S
类中心点。依次找出集合T和S中距离最近的一组点(t
i
,s
j
)，并将其从集合中取出，作为一对目标保留，直至集合T或S没有元素，或T和S中距离最近的点的距离超过设定的阈值超参数。
[0015]S6、根据S4与S5的预警情况发出警示信号，并将警示信息转化为文本数据发送至电力企业的数据后台。
[0016]本专利技术具有如下优点：本专利技术属于电力安监
，涉及基于深度图像的电力生产人员安全监测方法。
[0017]基于电力企业的存量摄像设备采集电力生产业务场景下人员、设备、环境的可见光影像数据；通过深度学习算法识别定位二维图像中被测对象的空间坐标；最后通过人体骨骼节点分析与安全距离分析，判断检修人员是否超出安全距离并及时预警或其他异常行为，有效提升我国电网企业对电力基建、运检等生产业务场景下工作人员的安全管控水平。
[0018]本专利技术提出一种基于深度图像的电力生产人员安全监测方法，将从两个方面提升我国电网企业对电力基建、运检等生产业务场景下工作人员的安全管控水平：
[0019]其一，实现人与设备三维空间信息的动态监控。本专利技术提出采用摄像设备对人员及变电设备等检修位置进行监测记录。基于深度神经网络训练三维深度信息提取模型与目标检测模型，识别RGB图像中的人和设备，获取包含检修人员与被检设备的深度图，得到目标的三维信息。
[0020]其二，实现检修人员异常行为的诊断。本专利技术提出一种人员骨骼关节的方向自适应检测方法以及基于中心点距离的关联人员骨骼关节与人员检测识别结果的配对方法，有助于提升电力基建、运检等生产业务场景下工作人员的安全管控水平。
附图说明
[0021]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的前提下，还可以根据这些附图获得其他的附图。
[0022]图1为本专利技术实施例的基于深度图像的电力生产人员安全监测方法示意图。
具体实施方式
[0023]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本专利技术一部分实施例，而不是全部的实施例。基于本
专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0024]以220kV变电站基建场景的人员安全监测为例，本专利技术通过以下S1到S6步骤所述技术方案实现上述目的：
[0025]S1、利用摄像设备，对准变电设备运维位置，采集运检人员及电力设备图像数据RGB图像。
[0026]S2、提取现场摄像设备采集到的运检人员及电力设备图像数据RGB图像，进行基于深度神经网络的三维深度信息提取，可求得运检人员及电力设备图像的三维深度信息。
[0027]S3、提取现场摄像设备采集到的运检人员及电力设备图像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度图像的电力生产人员安全监测方法，其特征在于，包括如下步骤：S1、利用摄像设备，对准变电设备运维位置，采集运检人员及电力设备图像数据；S2、提取现场摄像设备采集到的运检人员及电力设备图像数据，进行基于深度神经网络的三维深度信息提取，可求得运检人员及电力设备图像的三维深度信息；S3、提取现场摄像设备采集到的运检人员及电力设备图像数据，进行基于深度神经网络的运检人员与电力设备检测识别，计算获得运检人员与电力设备的三维边框，基于角度对目标检测精度的影响权重和线性角度回归与检测框交并比不统一，提出一种基于目标框长宽比的角度预测损失函数：其中，θ
i
为第i个目标的角度预测，为第i个目标的角度预测，r
i
为该目标框的长宽比(r
i
≥1)，b和γ为超参数，用于调节其影响；S4、在S3计算获得运检人员与电力设备的三维边框的基础上，实时计算运检人员三维边框与被检测电力设备三维边框的最小欧式距离a，计算方法如下式，并与安全阈值D
’
对比后，判断是否存在误入带电间隔、超过安全距离的情况，如存在，转入S6；S5、提取现场摄像设备采集到的运检人员及电力设备图像数据，进行基于深度神经网络的运检人员骨骼关节检测，计算运检人员是否存在异常行为，如存在，转入S6；S6、根据S4与S5的预警情况发出警示信号，并将警示信息转化为文本数据发送至电力企业的数据后台。2.基于深度图像的电力生产人员安全...

【专利技术属性】
技术研发人员：张祥全，马志程，王利平，赵金雄，李洪斌，张驯，聂江龙，马宏忠，刘超，焦飞，贺洲强，谈元鹏，陈钊，蔡常雨，王锋，莫文昊，夏天，陈维，赵连斌，朱海涛，
申请(专利权)人：国网甘肃省电力公司中国电力科学研究院有限公司，
类型：发明
国别省市：