【技术实现步骤摘要】
电力作业人员的检测方法、装置、电子设备及存储介质
[0001]本专利技术涉及电力作业人员检测
，具体涉及一种电力作业人员的检测方法、装置、电子设备及存储介质。
技术介绍
[0002]电力作业是指在电力设备、输电线路及其附属设施上进行的安装、维护、检修、试验等相关作业。电力作业常在高压、高温、高空等危险环境下进行，一旦作业人员未正确佩戴防护装备就容易发生事故，就会给电力系统带来巨大的损失，严重威胁作业人员的生命安全，因此在电力高危场景下作业时，电力企业会安排监护人员对现场进行监护，以加强对作业人员的安全监督。然而，即使有人为监管，却仍存在作业人员疏忽大意或监管人员未能及时发现违规操作的情况，导致危险事故发生。此外，随着电力作业区域的扩大、高危场景下作业轮次增多，通过人员监管预防危险事故的方案会耗费大量的人力物力。
[0003]随着计算机视觉领域的快速发展，基于深度学习的目标检测技术都取得了长足的发展，在电力作业检测方面，通过深度学习目标检测算法对电力作业场景进行实时监控和分析，减少作业现场人力监管需求，达到提高检...
【技术保护点】
【技术特征摘要】
1.一种电力作业人员的检测方法，其特征在于，包括：获取目标检测模型；所述目标检测模型包括：主干网络模块、特征融合网络模块以及末端检测模块；所述目标检测模型是基于轻量型目标检测网络训练得到；获取待检测图片，并对所述待检测图片进行预处理，得到目标图片；将所述目标图片输入到所述目标检测模型中，通过所述主干网络对目标图片进行特征提取，得到多个注意力特征图片，并通过所述特征融合网络模块，将所述多个注意力特征图片进行融合处理，得到融合图片，通过所述末端检测模块，将所述融合图片进行解码处理，得到所述融合图片对应的预测结果；将所述预测结果进行非极大抑制处理，得到电力作业人员图片检测框；将所述电力作业人员图片检测框进行分类以及全类平均正确率计算处理，得到计算结果，并将所述计算结果与预设阈值进行匹配，得到电力作业人员检测结果。2.根据权利要求1的电力作业人员的检测方法，其特征在于，所述主干网络模块，包括依次串联的：第一普通卷积层、最大池化层和3个串联的特征提取网络模块；所述特征提取网络模块包括下采样层和AugShuffleNet CA模块；其中，在相邻两个所述特征提取网络模块中，上一个所述特征提取网络模块中AugShuffleNet CA模块的输出端与下一个所述特征提取网络模块中下采样层的输入端连接；所述第一普通卷积层，用于基于所述目标图片，得到处理图片；所述最大池化层，用于基于所述处理图片进行最大值提取，得到最大值图片信息；所述特征提取网络模块，用于基于所述最大值图片信息进行特征提取，得到多个注意力特征图片。3.根据权利要求2的电力作业人员的检测方法，其特征在于，所述AugShuffleNet CA模块，包括：AugShuffleNet模块和坐标注意力单元；所述AugShuffleNet模块，用于基于所述下采样层输出图片进行通道注意力提取，得到AugShuffleNet模块输出图片；其中，所述AugShuffleNet模块包括可分离卷积层和第二普通卷积层；所述可分离卷积层，用于基于所述下采样层输出图片进行特征提取以及分割处理，得到分割特征图片；所述第二普通卷积层，用于基于所述分割特征图进行特征提取，得到第二普通卷积层输出图片；所述坐标注意力单元，用于基于所述第二普通卷积层输出图片进行全局池化以及特征编码处理，得到感知注意力数据，将所述感知注意力数据进行拼接处理，得到中间特征，基于所述中间特征进行拆分处理，得到注意力权重，基于所述注意力权重进行分配计算处理，得到特征提取网络模块输出的注意力特征图片。4.根据权利要求3的电力作业人员的检测方法，其特征在于，所述将所述感知注意力数据进行拼接处理，得到中间特征，包括：将所述感知注意力数据进行拼接处理，...
【专利技术属性】
技术研发人员：曾亮，严星澳，胡谦，陈嘉，王珊珊，冯峥，向思颖，简俊杰，常昕宇，王嘉诚，陈壮，简玲，刘登，李维刚，
申请(专利权)人：湖北工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。