一种基于视频智能分析的配网作业监管方法及系统技术方案

本发明专利技术公开了一种基于视频智能分析的配网作业监管方法及系统，包括利用感知层采集视频数据；将采集的视频数据进行图像识别，并将识别后的视频数据进行存储、传输和分发；对视频数据进行补充，形成视频资源+监控数据的多格式类型数据；基于目标检测技术，通过深度学习算法对视频数据进行二次处理并存储；对视频数据处理结果进行反馈。本发明专利技术利用深度学习算法无需人工干预的特点，通过对配网作业现场进行视频监控及对视频以帧为单位截取图片，利用智能分析系统进行分析，无需进行手工设计上下文场景特征和数据的预处理，即可对图片进行目标监测，从而实现配网作业现场的人员安全帽佩戴的安全监控问题。戴的安全监控问题。戴的安全监控问题。

【技术实现步骤摘要】
一种基于视频智能分析的配网作业监管方法及系统


[0001]本专利技术涉及配电网作业安全管控领域，特别是一种基于视频智能分析的配网作业监管方法及系统。

技术介绍

[0002]目前，在配网作业安全行为监督、违章责任追责等方面，通常通过视频监控记录后，人工调取视频监控系统进行视频图像信息的调取、查阅、分析的方式进行；视频监控中目标检测是计算机视觉研究的重点问题之一，是理解图像高层语义信息的重要基础，随着深度学习和人工智能技术的蓬勃发展，将深度学习技术应用到图像处理领域已经成为当代科学计算机技术的趋势。
[0003]然而，在实际工作中，监控视频的数量过于巨大，仅仅依靠人工对视频进行信息获取的方式工作量过于巨大，并且人的工作时长和工作效率也是有限的，在长时间的工作状态下，处于疲劳状态容易产生信息的误判和疏漏，目前也有一些方法，例如可以学习的NMS方法或者关系型的网络，可以利用类似于自注意力的方法，去处理物体间的这种联系，从而得出独一无二的预测，这样就不需要任何的后处理步骤了，但是这些方法的性能往往较低，为了提高性能，需要进行人工干预，比如用手工设计的场景特征来帮助模型学习，但是手工设计的步骤不仅增加了人工成本及复杂性，还存在一定的误差，为了让目标检测的步骤尽可能的简单，我们不希望用到过多的人工先验的知识，所以选取了基于深度学习的方法，相对于机器学习而言，深度学习算法无需人工进行特征选择。

技术实现思路

[0004]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0005]鉴于上述和/或现有的配网作业监管过程中存在的协同处置不同步、主动预警不智慧、统筹监管不及时以及决策支撑不充分的问题，提出了本专利技术。
[0006]因此，本专利技术所要解决的问题在于如何提供一种解决配网作业现场人员的安全帽佩戴安全的监控问题的方法。
[0007]为解决上述技术问题，本专利技术提供如下技术方案：
[0008]第一方面，本专利技术实施例提供了一种基于视频智能分析的配网作业监管方法，其包括，利用感知层采集视频数据；将采集的视频数据进行图像识别，并将识别后的视频数据进行存储、传输和分发；对视频数据进行补充，形成视频资源和监控数据的多格式类型数据；基于目标检测技术，通过深度学习算法对视频数据进行二次处理并存储；对视频数据处理结果进行反馈。
[0009]作为本专利技术所述基于视频智能分析的配网作业监管方法的一种优选方案，其中：将采集的视频数据进行图像识别包括以下步骤：对图像进行预处理；提取图像的特征向量；
对图像的特征向量进行降维；将特征向量输入到DETR模型，进行目标检测任务的预测；DETR模型通过非极大值抑制来消除冗余的检测框，得到最终的检测结果。
[0010]作为本专利技术所述基于视频智能分析的配网作业监管方法的一种优选方案，其中：对图像进行预处理的具体步骤为：对图片进行缩放并计算；确定图像的概率分布；计算最优传输距离。
[0011]作为本专利技术所述基于视频智能分析的配网作业监管方法的一种优选方案，其中：对所述对图片进行缩放并计算的判断过程为：设定固定n
×
n的大小，将图像的长和宽分别缩放到n；将原宽为w1，高为h1的图像缩放后，现图像宽为w2，高为h2；若w1>h1，则w2＝n，h2＝[h1]；若w1<h1，则w2＝[w1]，h2＝n；若w1＝h1，则w2＝h2＝n；其中[]表示向上取整。
[0012]作为本专利技术所述基于视频智能分析的配网作业监管方法的一种优选方案，其中：确定图像的概率分布为：将经过预处理后的图像I，将其所有像素视为从未知分布中独立采样得到的样本，概率密度函数的具体公式为：
[0013][0014]其中，n为图像中的像素个数，x
i
∈R
d
表示第i个像素的特征向量，K
h
(
·
)表示为h的高斯核函数；其中，K
h
(
·
)的公式为：
[0015][0016]其中，h是高斯核函数的带宽。
[0017]作为本专利技术所述基于视频智能分析的配网作业监管方法的一种优选方案，其中：最优传输距离包括计算传输计划和计算最优传输距离；所述计算传输计划包括传输需要满足以下约束条件：
[0018][0019]其中，n和m分别是分布P和Q的维度，P(i)和Q(j)分别是分布P和Q中第i个和第j个元素的值；在这个约束条件下，最小化总成本表示为以下线性规划问题：
[0020]minimize∑i,j T(i,j)*C(i,j)
[0021][0022][0023][0024]其中，C(i,j)是从分布P中的第i个元素到分布Q中的第j个元素的距离，minimize为目标函数，subject为约束函数；所述计算最优传输距离包括设两个概率分布为μ和ν，设它们的支撑集分别为X和Y，其元素个数分别为n和m，设C为一个n
×
m的代价矩阵，其中第(i,j)个元素c
ij
表示将μ中的第i个样本点运输到ν中的第j个样本点所需要的代价；将μ转化为ν所需要的最小代价为：
[0025][0026]其中，u(μ,v)表示所有满足约束的矩阵T的集合，<C,T>表示代价矩阵C和矩阵T的逐元素乘积之和。
[0027]作为本专利技术所述基于视频智能分析的配网作业监管方法的一种优选方案，其中：约束的判断包括，T∈R
n
×
m
；T的每一行之和等于μ对应的概率质量，即T的每一列之和等于ν对应的概率质量，即T中的元素非负，即T
ij
≥0。
[0028]第二方面，为进一步解决配网作业监管过程中存在的协同处置不同步、主动预警不智慧、统筹监管不及时以及决策支撑不充分的问题，本专利技术实施例提供了基于视频智能分析的配网作业监管系统，包括采集模块，用于实时采集视频数据并上传；数据处理模块，用于将采集的视频数据进行图像识别、处理、补充和上传；数据存储模块，用于对处理后上传的图像及分析结果进行存储和查询；数据反馈模块，用于将识别结果反馈到控制器，控制器根据结果采用人工或自动调节来调整监管系统。
[0029]第三方面，本专利技术实施例提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中：所述处理器执行所述计算机程序时实现基于视频智能分析的配网作业监管方法的任一步骤。
[0030]第四方面，本专利技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中：所述计算机程序被处理器执行时实现基于视频智能分析的配网作业监管方法的任一步骤。
[0031]本专利技术有益效果为，本专利技术使用DETR进行检测，通过二分图匹配方法直接预测检测集来删除人工先验的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视频智能分析的配网作业监管方法，其特征在于：包括，利用感知层采集视频数据；将采集的视频数据进行图像识别，并将识别后的视频数据进行存储、传输和分发；对视频数据进行补充，形成视频资源和监控数据的多格式类型数据；基于目标检测技术，通过深度学习算法对视频数据进行二次处理并存储；对视频数据处理结果进行反馈。2.如权利要求1所述的基于视频智能分析的配网作业监管方法，其特征在于：所述将采集的视频数据进行图像识别的具体步骤为，对图像进行预处理；提取图像的特征向量；对图像的特征向量进行降维；将特征向量输入到DETR模型，进行目标检测任务的预测；DETR模型通过非极大值抑制来消除冗余的检测框，得到最终的检测结果。3.如权利要求2所述的基于视频智能分析的配网作业监管方法，其特征在于：所述对图像进行预处理的具体步骤为，对图片进行缩放并计算；确定图像的概率分布；计算最优传输距离。4.如权利要求3所述的基于视频智能分析的配网作业监管方法，其特征在于：所述对图片进行缩放并计算的判断过程为：设定固定n
×
n的大小，将图像的长和宽分别缩放到n；将原宽为w1，高为h1的图像缩放后，现图像宽为w2，高为h2：若w1>h1，则w2＝n，h2＝[h1]；若w1<h1，则w2＝[w1]，h2＝n；若w1＝h1，则w2＝h2＝n；其中[]表示向上取整。5.如权利要求4所述的基于视频智能分析的配网作业监管方法，其特征在于：所述确定图像的概率分布为将经过预处理后的图像I，将其所有像素视为从未知分布中独立采样得到的样本，概率密度函数的具体公式为：其中，n为图像中的像素个数，x
i
∈R
d
表示第i个像素的特征向量，K
h
(
·
)表示为h的高斯核函数；其中，K
h
(
·
)的公式为：
其中，h是高斯核函数的带宽。6.如权利要求5所述的基于视频智能分析的配网作业监管方法，其特征在于：所述最优传输距离包括计算传输计划和计算最优传输距离；所述计算传输计划包括传输需要...

【专利技术属性】
技术研发人员：李鑫卓，许逵，张历，张俊杰，李欣，陈沛龙，张锐锋，班国邦，孟令雯，陈敦辉，刘君，刘斌，张后谊，祝健杨，辛明勇，付胜军，范强，王宇，毛先胤，赵超，罗显跃，李博文，李金鑫，冯起辉，王冕，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：