一种基于高斯YOLOv3人体检测的变电站辅控防盗报警系统及方法技术方案

本发明专利技术提供一种基于高斯YOLOv3人体检测的变电站辅控防盗报警系统及方法，该方法包括采用传感器监测警戒区画面；将传感器监测的图像通过无线技术或互联网连接传输到云端的数据中心；数据中心进行预处理后将数据传输到基于高斯YOLOv3的监视系统；在高斯YOLOv3的监视系统中进行进一步的分析和训练，标定边界框；将数据处理结果发送回数据中心，同时判断是否需要发出警报。本发明专利技术利用高斯YOLOv3网络模型，对输入图像信息进行识别检测，使原模型获得更高的准确率，很好地解决了信息显示不完整、可视化程度低、无相应报警功能、以及报警不及时等问题。及时等问题。及时等问题。

【技术实现步骤摘要】
一种基于高斯YOLOv3人体检测的变电站辅控防盗报警系统及方法


[0001]本专利技术涉及变电站辅助监控
，具体为一种基于高斯YOLOv3人体检测的变电站辅控防盗报警系统及方法。

技术介绍

[0002]无人值守变电站不是指传统的无人值守的变电站，不增加任何无人管理形式的技术操作，而是以变电站设备的可靠性、自动化为前提，通过现代计算机移动的方式，由远程值班人员代替传统的现场值班人员实现变电站内设备控制的远程管理。目前，无人值守变电站具有运行管理成本低、供电质量高、值班人员工作量低、应用过程中安全性高等优点，已受到各地区电力企业的广泛关注。但在实际应用中，无人值守的变电站防盗报警系统不能满足变电站运行管控的实质性需求，存在信息显示不完整、可视化程度低、不具备相应的报警功能、报警不及时等问题。

技术实现思路

[0003]本专利技术的目的在于提供一种基于高斯YOLOv3人体检测的变电站辅控防盗报警系统及方法，采用基于高斯YOLOv3的方法对实时监控画面中的人物进行检测，标注边界框，进而辅助报警，实现及时发现安全隐患。
[0004]为实现以上目的，本专利技术通过以下技术方案实现：
[0005]本专利技术一方面提供一种基于高斯YOLOv3人体检测的变电站辅控防盗报警系统，包括：
[0006]监测装置，用于监测警戒区画面，得到警戒区监测图像；
[0007]数据中心，用于对监测图像进行预处理并发送至监视系统；以及，用于根据监视系统标定的边界框进行报警；
[0008]监视系统，用于对预处理后的监测数据基于高斯YOLOv3网络进行目标检测，标定边界框；以及，将标定结果返回至数据中心。
[0009]进一步的，所述监测装置为智能摄像头设备。
[0010]进一步的，所述数据中心具体用于，
[0011]将监测图像转换为高斯YOLOv3网络输入的数字矩阵类型。
[0012]进一步的，所述系统还包括无线网络，
[0013]所述无线网络用于将得到的警戒区监测图像通过无线技术或互联网传输至云端的数据中心；以及，用于将监视系统的数据处理结果传输至数据中心。
[0014]进一步的，所述监视系统具体用于，
[0015]构建高斯YOLOv3模型并训练；
[0016]基于训练好的高斯YOLOv3模型对输入的监测数据进行目标检测，标定边界框。
[0017]进一步的，所述高斯YOLOv3模型包括：
[0018]特征提取器，用于在三个不同的尺度上提取输入图数据的特征图；
[0019]检测器，用于对提取的特征图进行预测，得到边界框。
[0020]进一步的，所述监视系统还包括通道注意模块，
[0021]所述通道注意模块用于对特征提取器提取的特征图进行通道注意力计算，得到通道注意力特征图，再根据M
c
(F)加权得到加权后的特征图F'。
[0022]进一步的，所述高斯YOLOv3模型具体用于，
[0023]基于通道注意力特征图对所述特征提取器提取的特征图进行加权，得到加权后的特征图；
[0024]以及，
[0025]采用边界盒回归提取加权后的特征图的边界框，得到边界框坐标的均值和方差；所述方差表示坐标的不确定性。
[0026]进一步的，所述高斯YOLOv3模型具体用于，
[0027]采用负对数似然损失作为边界框的损失函数。
[0028]进一步的，所述数据中心还用于，
[0029]根据监测系统检测的边界框判断画面中是否有人，若有，则发出警报。
[0030]本专利技术另一方面提供一种基于高斯YOLOv3人体检测的变电站辅控防盗报警方法，采用前述的基于高斯YOLOv3人体检测的变电站辅控防盗报警系统进行变电站辅控防盗报警，所述方法包括：
[0031]获取警戒区监测图像；
[0032]对所获取的监测图像进行预处理；
[0033]对预处理后的监测数据基于高斯YOLOv3网络进行目标检测，标定边界框；
[0034]根据标定的边界框进行报警。
[0035]本专利技术的有益效果为：
[0036]本专利技术提供一种基于高斯YOLOv3人体检测的变电站辅控防盗报警系统及方法，基于深度神经网络模型，利用高斯YOLOv3网络对输入图像信息进行识别检测，使原模型获得更高的准确率，很好地解决了信息显示不完整、可视化程度低、无相应报警功能、报警不及时等问题。同时还可以利用互联网无线技术同时监控多个变电站，大大简化了变电站的监控程序，提高了变电站的同步监控效率，提高了电力系统的安全性。另外，监控人员还可以通过系统后台控制任意一台或多台数码摄像机，调整其视角、方位、焦距、光圈、景深等参数，提高监控画面质量，及时发现安全隐患。
附图说明
[0037]图1为本专利技术实施例提供的一种基于高斯YOLOv3人体检测的变电站辅控防盗报警系统数据流示意图；
[0038]图2为本专利技术实施例提供的高斯YOLOv3模型的网络架构图；
[0039]图3为本专利技术实施例提供的通道注意力模块与高斯YOLOv3模型相结合的架构；
[0040]图4为本专利技术实施例提供的高斯YOLOv3预测边界框架构。
具体实施方式
[0041]下面对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。
[0042]本专利技术一个实施例提供一种基于高斯YOLOv3人体检测的变电站辅控防盗报警系统，该系统的各组成架构及数据参见图1，包括：
[0043]监测装置，用于监测警戒区画面，得到警戒区监测图像；
[0044]数据中心，用于对监测图像进行预处理并发送至监视系统；以及，用于根据监视系统标定的边界框进行报警；
[0045]监视系统，用于对预处理后的监测数据基于高斯YOLOv3网络进行目标检测，标定边界框；以及，将标定结果返回至数据中心。
[0046]本实施例中，监测装置包括智能摄像头设备。
[0047]智能摄像头采用移动跟踪摄像头，结合现有综合自动化变电站远程操作，不仅消除了远程操作后无法监控设备实际状态的盲点，更实现了智能变电站自动切换系统操作的真正意义模式。监控设备的形成清晰准确，同时还可以与巡检、事故处理、资源共享相结合，进一步加强变电站向无人值守智能化发展方向，提高操作人员的劳动效率，并有效地防止倒闸过程中可能出现的人为操作，一旦发生事故，可实现第一时间改变变电站设备运行方式，进一步保障人员、和电网安全。
[0048]本实施例中，还包括无线网络，用于将得到的警戒区监测图像通过无线技术或互联网传输至云端的数据中心。
[0049]无线技术：利用无线电波作为信息传输的媒介构成的无线局域网(WLAN)，与有线网络的用途十分类似，最大的不同在于传输媒介的不同，利用无线电技术取代网线，可以和有线网络互为备份。它是一种能让计算机在无线基站覆盖范围内的任何地点发送、接收本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于高斯YOLOv3人体检测的变电站辅控防盗报警系统，其特征在于，包括：监测装置，用于监测警戒区画面，得到警戒区监测图像；数据中心，用于对监测图像进行预处理并发送至监视系统；以及，用于根据监视系统标定的边界框进行报警；监视系统，用于对预处理后的监测数据基于高斯YOLOv3网络进行目标检测，标定边界框；以及，将标定结果返回至数据中心。2.根据权利要求1所述的一种基于高斯YOLOv3人体检测的变电站辅控防盗报警系统，其特征在于，所述监测装置为智能摄像头设备。3.根据权利要求1所述的一种基于高斯YOLOv3人体检测的变电站辅控防盗报警系统，其特征在于，所述数据中心具体用于，将监测图像转换为高斯YOLOv3网络输入的数字矩阵类型。4.根据权利要求1所述的一种基于高斯YOLOv3人体检测的变电站辅控防盗报警系统，其特征在于，所述系统还包括无线网络，所述无线网络用于将得到的警戒区监测图像通过无线技术或互联网传输至云端的数据中心；以及，用于将监视系统的数据处理结果传输至数据中心。5.根据权利要求3所述的一种基于高斯YOLOv3人体检测的变电站辅控防盗报警系统，其特征在于，所述监视系统具体用于，构建高斯YOLOv3模型并训练；基于训练好的高斯YOLOv3模型对输入的监测数据进行目标检测，标定边界框。6.根据权利要求5所述的一种基于高斯YOLOv3人体检测的变电站辅控防盗报警系统，其特征在于，所述高斯YOLOv3模型包括：特征提取器，用于在三个不同的尺度上提取输入图数据的特征图；检测器，用于对提取的特征图进行预测，...

【专利技术属性】
技术研发人员：赵振喜，宋京哲，倪凤祥，周子龙，宋远，路瑶，孙晓菲，刘春生，张东，王朝辉，刘欣，王冠，高峰，徐傲，孙树才，
申请(专利权)人：国电南瑞南京控制系统有限公司，
类型：发明
国别省市：