一种基于人体骨骼关键点的电力作业异常行为识别方法技术

本发明专利技术公开了一种基于人体骨骼关键点的电力作业异常行为识别方法，包括如下步骤：步骤S1：获取电力作业人员存在异常行为的数据集；步骤S2：使用目标检测算法对视频图像进行目标人员检测，再使用目标跟踪算法对检测到的目标人员进行跟踪；步骤S3：对步骤S2中的目标人员检测框使用AlphaPose框架进行人体骨架信息的提取；步骤S4：将视频的每帧图像中目标人员的人体骨架按时间顺序组合得到骨架序列，根据骨架序列构建时空图，对时空图采用时空图卷积操作提取行为特征，并对行为特征进行分类，识别目标人员是否存在异常行为。本发明专利技术实现了对异常行为的准确检测，解决了现有技术中不能实时准确地对异常行为进行识别的问题。实时准确地对异常行为进行识别的问题。实时准确地对异常行为进行识别的问题。

【技术实现步骤摘要】
一种基于人体骨骼关键点的电力作业异常行为识别方法


[0001]本专利技术涉及视频图像处理及行为识别的
，具体涉及一种基于人体骨骼关键点的电力作业异常行为识别方法。

技术介绍

[0002]目前，针对电网作业中的未戴绝缘手套、未穿工作服等违章行为进行检查监督主要依靠人工巡检、抽检等方式，缺少作业行为的智能监测手段，难以做到提前预警，且存在工作量大、易疏忽、实时性差、效率低等诸多痛点。操作工人安全生产意识不强，安全运行管理不严，习惯性违章严重，在操作中很容易带来安全隐患。在检查监督方面，管理人员无法对现场的作业人员进行监控指导、缺乏跟踪检查和监督。近年来随着人工智能技术的发展，基于视觉分析的电力现场安全状态智能评估已成为可能。但当前研究在场景识别和数据处理上大多是人工操作，现场图片场景处理效率较低，无法进行实时监控。同时实际应用中存在监控视角变化、行人姿态变化、以及检测对象易被遮挡等问题，影响电力作业安全行为管控应用的可靠性。
[0003]由于监控场景存在光线的强弱、监控角度和行人被物体遮挡以及监控场景背景复杂等情况，传统的面向行人属性本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人体骨骼关键点的电力作业异常行为识别方法，其特征在于：包括如下步骤：步骤S1：获取电力作业人员存在异常行为的数据集；步骤S2：使用目标检测算法对视频图像进行目标人员检测，再使用目标跟踪算法对检测到的目标人员进行跟踪；步骤S3：对步骤S2中的目标人员检测框使用AlphaPose框架进行人体骨架信息的提取；步骤S4：对捕获的视频图像逐帧处理，并构建工作人员的人体骨架模型，把它们按照时间的先后顺序排列，以得到骨架序列，再依据所得到的骨架序列建立时空图，并对其采取时空图卷积操作，得到目标人员的行为特征，将所得到的行为特征进行分类，判断出作业行为是否符合规范。2.根据权利要求1所述的一种基于人体骨骼关键点的电力作业异常行为识别方法，其特征在于：所述步骤S2中的具体步骤为：步骤S21：利用融合CSPNet的YOLOv5目标检测算法对图像进行人员检测，得到目标人员边界框；在网络主支上采用两种跨阶段局部网络的结构；在神经网络的输入端，采用Mosaic数据增强的方式，以随机缩放、随机裁剪、随机排布的方式对图片进行拼接；在神经网络的BackBone部分中采用Focus结构，并且采用CSPNet_1的结构，采用跨阶段的方法，增加BackBone部分的梯度路径；同时还在Neck部分中采用与BackBone部分不同CSPNet结构，仅仅运用普通的卷积操作，加强特征的融合；步骤S22：采用DeepSort算法进行多目标跟踪；将YOLOv5检测到的目标人员信息导入至DeepSort框架中，并将目标图像的每一帧信息都与上一帧进行级联匹配，最终得到能够准确跟踪电力作业人员的目标跟踪模型。3.根据权利要求1所述的一种基于人体骨骼关键点的电力作业异常行为识别方法，其特征在于：所述步骤S3中的具体步骤为：步骤S31：Alphapose提出一种区域多人姿态估计RMPE框架；RMPE框架由三个新...

【专利技术属性】
技术研发人员：周洋，王华，肖辉，袁磊，刘强，谭如超，杨涛，武冬，刘秋明，徐伟，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：