基于操作知识的违章告警方法技术

本发明专利技术涉及基于操作知识的违章告警方法，所述的方法包括以下步骤：步骤1：构建能够适应显著外观变化并且不易受漂移影响的在线跟踪算法；步骤2：构建能够精确识别出较小目标且速度较快的目标检测算法；本发明专利技术具有适应显著外观变化且不易受漂移影响、精确识别出较小目标、处理速度快、提升检测速度的优点。提升检测速度的优点。提升检测速度的优点。

【技术实现步骤摘要】
基于操作知识的违章告警方法


[0001]本专利技术属于电力违章识别
，具体涉及基于操作知识的违章告警方法。

技术介绍

[0002]目前的变电站工作现场，对于作业人员的管理还仅是通过作业人工管理和远程人工视频监控，并没有智能化的自动监控方式，其中，对作业人员的管理主要包括：进入作业现场未佩戴安全帽违章、单人滞留作业区违章等违章行为；但是，由于变电站工作现场环境复杂，作业人员分布较为分散，很难保证所有作业人员都全程佩戴安全帽、两人及以上滞留作业区等，因此很难对作业人员的安全起到保障；因此，提供一种适应显著外观变化且不易受漂移影响、精确识别出较小目标、处理速度快、提升检测速度的基于操作知识的违章告警方法是非常有必要的。

技术实现思路

[0003]本专利技术的目的是为了克服现有技术的不足，而提供一种适应显著外观变化且不易受漂移影响、精确识别出较小目标、处理速度快、提升检测速度的基于操作知识的违章告警方法。
[0004]本专利技术的目的是这样实现的：基于操作知识的违章告警方法，所述的方法包括以下步骤：
[0005]步骤1：构建能够适应显著外观变化并且不易受漂移影响的在线跟踪算法；
[0006]步骤2：构建能够精确识别出较小目标且速度较快的目标检测算法。
[0007]所述的步骤1具体为：对目标跟踪利用时间上下文之间的相关性极大提高目标平移估计的准确性和可靠性，并且从最可靠的帧中学习判别相关滤波器来有效地估计目标尺度的变化。
[0008]所述的步骤1中的目标跟踪算法具体包括以下步骤：
[0009]步骤1.1：物体平移估计：通过时间上下文之间的相关性估计平移；
[0010]步骤1.2：物体尺度估计：通过学习判别相关滤波器来估计尺度；
[0011]步骤1.3：构建在跟踪失败的情况下激活目标重新检测的方案：通过训练一个在线随机蕨分类器构成的互补检测器作出是否采用重新检测的结果的决定，以在跟踪失败的情况下重新检测对象。
[0012]所述的步骤1.1中的物体平移估计具体为：利用时间上下文之间的相关性构建时间上下文回归模型以做出对物体平移的估计，对显著变形、光照变化、背景杂乱和突然运动具有鲁棒性。
[0013]所述的步骤1.1中的物体平移估计具体包括以下步骤：
[0014]步骤1.11：训练样本：基于相关滤波器的典型跟踪器使用在M
×
N像素的图像块x上训练的滤波器w来对目标对象的外观进行建模，其中所有的循环移位x
m,n
，(m,n)∈{0,1,...,M
‑
1}
×
{0,1,...,N
‑
1}和高斯函数标签y(m,n)被产生作为训练样本，从而有下式：
式中，φ表示到核空间的映射；λ是正则化参数，λ＞0；
[0015]步骤1.12：快速傅里叶变换：由于标签y(m,n)不是二值的，学习到的滤波器w包含的系数是高斯脊回归的而不是二值分类器的，采用快速傅里叶变换即FFT去进行相关运算，目标函数最小化后变为w＝Σ
m,n
a(m,n)φ(X
m,n
)，其中，系数a由下式确定：式中，F表示离散傅里叶算子；y＝{y(m,n)|(m,n)∈{0,1,...,M
‑
1}
×
{0,1,...,N
‑
1}}；
[0016]步骤1.13：执行跟踪任务：在新帧中的图像块z上使用尺寸为M
×
N的窗口，根据下式计算响应图，从而执行跟踪任务：式中，表示学习到的目标外观模型；
⊙
表示Hadamard乘积；因此，通过寻找的最大值的位置可以检测到目标的新位置；
[0017]步骤1.14：从单帧图像中训练两个基于相关滤波器的回归模型：时间上下文模型R
c
同时考虑目标和周围上下文，这是因为在遮挡的情况下，该信息在时间上保持稳定并且有助于将目标与背景区分开来；
[0018]步骤1.15：去除响应图的边界不连续性：通过余弦窗口对目标和上下文的提取的特征通道进行加权，当目标受到遮挡、变形和突变运动时，回归模型R
c
能适应以估计平移是很重要的，如下式所示，R
c
模型以学习速率α逐帧地进行更新：式中，t是指当前帧的序号；
[0019]步骤1.16：从最可靠的跟踪目标中学习另一个判别性回归模型R
t
：利用的最大值来确定跟踪结果的置信度，为了保持模型的稳定性，采用预定义的阈值Γ，并且只在的情况下使用式(4)更新R
t
,值得注意的是，在特征空间中没有对模型R
t
使用余弦空间权重。
[0020]所述的步骤1.2中的物体尺度估计具体为：根据平移估计的结果，通过学习判别相关滤波器来构建目标回归模型，从而构造目标金字塔以确定尺度变化。
[0021]所述的步骤1.2中的物体尺度估计具体包括以下步骤：
[0022]步骤1.21：围绕估计的平移位置构造目标金字塔以进行尺度估计：设P
×
Q为测试帧中的目标大小，N表示尺度的数目；
[0023]步骤1.22：对于每一个s∈S，提取一个中心围绕估计位置、大小为sP
×
sQ的图像块J
s
；
[0024]步骤1.23：把所有图像块的尺寸重新调整为P
×
Q，并使用HOG特征来构造尺度特征金字塔；
[0025]步骤1.24：令为目标回归器R
t
到J
s
的相关响应图，目标的最佳尺度为：
相应地，当时，通过式(4)更新回归模型R
t
。
[0026]所述的步骤1.3中的构建在跟踪失败的情况下激活目标重新检测的方案具体包括以下步骤：
[0027]步骤1.31：采用在线随机蕨分类器作为检测器：当时，检测器以滑动窗口的方式应用于整帧图像上，通过保守的更新方案训练一个在线随机蕨检测器；
[0028]步骤1.32：计算每个蕨的特征的联合分布：令c
i
,i∈{0,1}为类标签的指示器，并令f
j
,j∈{1,2,...,N}为一组二值特征，其被分组为类似于蕨的小集合，每个蕨的特征的联合分布为：式中，F
k
＝{f
σ
(k,0),f
σ
(k,2),...,f
σ
(k,N)}代表在第k个蕨；σ(k,n)是一个范围从1到N的随机置换函数；
[0029]步骤1.33：对每个蕨F
k
，其条件概率可写为其中是属于第k个蕨的第c
i
类的训练样本的数量；N
k
是落入与第k个蕨相对应的叶节点的训练样本的总数；从贝叶斯的角度来看，最优的类别c
i
为：
[0030]所述的步骤2中的目标检测算法采用改本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于操作知识的违章告警方法，其特征在于：所述的方法包括以下步骤：步骤1：构建能够适应显著外观变化并且不易受漂移影响的在线跟踪算法；步骤2：构建能够精确识别出较小目标且速度较快的目标检测算法。2.如权利要求1所述的基于操作知识的违章告警方法，其特征在于：所述的步骤1具体为：对目标跟踪利用时间上下文之间的相关性极大提高目标平移估计的准确性和可靠性，并且从最可靠的帧中学习判别相关滤波器来有效地估计目标尺度的变化。3.如权利要求2所述的基于操作知识的违章告警方法，其特征在于：所述的步骤1中的目标跟踪算法具体包括以下步骤：步骤1.1：物体平移估计：通过时间上下文之间的相关性估计平移；步骤1.2：物体尺度估计：通过学习判别相关滤波器来估计尺度；步骤1.3：构建在跟踪失败的情况下激活目标重新检测的方案：通过训练一个在线随机蕨分类器构成的互补检测器作出是否采用重新检测的结果的决定，以在跟踪失败的情况下重新检测对象。4.如权利要求3所述的基于操作知识的违章告警方法，其特征在于：所述的步骤1.1中的物体平移估计具体为：利用时间上下文之间的相关性构建时间上下文回归模型以做出对物体平移的估计，对显著变形、光照变化、背景杂乱和突然运动具有鲁棒性。5.如权利要求4所述的基于操作知识的违章告警方法，其特征在于：所述的步骤1.1中的物体平移估计具体包括以下步骤：步骤1.11：训练样本：基于相关滤波器的典型跟踪器使用在M
×
N像素的图像块x上训练的滤波器w来对目标对象的外观进行建模，其中所有的循环移位x
m,n
，(m,n)∈{0,1,...,M
‑
1}
×
{0,1,...,N
‑
1}和高斯函数标签y(m,n)被产生作为训练样本，从而有下式：式中，φ表示到核空间的映射；λ是正则化参数，λ＞0；步骤1.12：快速傅里叶变换：由于标签y(m,n)不是二值的，学习到的滤波器w包含的系数是高斯脊回归的而不是二值分类器的，采用快速傅里叶变换即FFT去进行相关运算，目标函数最小化后变为w＝Σ
m,n
a(m,n)φ(X
m,n
)，其中，系数a由下式确定：式中，F表示离散傅里叶算子；y＝{y(m,n)|(m,n)∈{0,1,...,M
‑
1}
×
{0,1,...,N
‑
1}}；步骤1.13：执行跟踪任务：在新帧中的图像块z上使用尺寸为M
×
N的窗口，根据下式计算响应图，从而执行跟踪任务：式中，表示学习到的目标外观模型；
⊙
表示Hadamard乘积；因此，通过寻找的最大值的位置可以检测到目标的新位置；步骤1.14：从单帧图像中训练两个基于相关滤波器的回归模型：时间上下文模型R
c
同时考虑目标和周围上下文，这是因为在遮挡的情况下，该信息在时间上保持稳定并且有助于将目标与背景区分开来；步骤1.15：去除响应图的边界不连续性：通过余弦窗口对目标和上下文的提取的特征通道进行加权，当目标受到遮挡、变形和突变运动时，回归模型R
c
能适应以估计平移是很重
要的，如下式所示，R
c
模型以学习速率α逐帧地进行更新：式中，t是指当前帧的序号；步骤1.16：从最可靠的跟踪目标中学习另一个判别性回归模型R
t
：利用的最大值来确定跟踪结果的置信度，为了保持模型的稳定性，采用预定义的阈值Γ，并且只在的情况下使用式(4)更新R
t
,值得注意的是，在特征空间中没有对模型R
t
使用余弦空间权重。6.如权利要求3所述的基于操作知识的违章告警方法，其特征在于：所述的步骤1.2中的物体尺度估计具体为：根据平移估计的结果，通过学习判别相关滤波器来构建目标回归模型，从而构造目标金字塔以确定尺度变化。7.如权利要求6所述的基于操作知识的违章告警方法，其特征在于：所述的步骤1.2中的物体尺度估计具体...

【专利技术属性】
技术研发人员：苏长宝，姚楠，张泽中，王志方，尚光伟，刘斌，张朋飞，曹锐，杨干，苏鸣方，
申请(专利权)人：国网河南省电力公司南阳供电公司，
类型：发明
国别省市：