【技术实现步骤摘要】
本专利技术涉及带电作业，尤其是指一种带电作业人员行为识别方法。
技术介绍
1、带电作业逐渐成为电网检修作业的主要方式，但作业地点通常位于高处，作业环境复杂，为了防止作业人员发生违规操作等事故，目前除了对作业人员加强技术规范培训外，还广泛采用视频监控或使用智能监控设备的方法，但现有方式下可能存在许多问题：人工监控视频往往需要一人同时观看多个监控窗口，无法完整获取每个监控窗口内的全部信息；作业过程长时间处于正常工作状态，此时监控人员易发生疲劳或分心；智能监控设备基于目标检测的原理，实现的功能往往是人脸识别、危险区域误入或安全帽佩戴状态检测等，并不能识别作业人员的具体动作。
2、在现有技术cn112183317a中，公开了一种基于时空图卷积神经网络的带电作业现场违章行为检测方法，包括：采集带电作业监控视频；总结带电作业过程中常见的违章行为，并提取对应的视频片段，对违章行为片段中的作业人员进行标记；采用时空图卷积神经网络进行训练学习；使用训练好的模型对带电作业现场的监控视频自动进行违章行为检测，作业人员存在违章行为时报警；该方法通过人员姿态识别等深度视觉技术，提取带电作业人员的行为信息，当作业人员出现违章操作时，及时发出警告，可以大大减少电力安全监管的工作量，保障电力作业的安全，但不足之处在于，该带电作业人员行为识别方法没有将行为识别算法进行融合，降低了识别带电作业行为的种类和识别速度。
技术实现思路
1、本专利技术的目的是克服现有技术中，带电作业人员行为识别方法没有将行为识别
2、本专利技术的目的是通过下述技术方案予以实现：
3、一种带电作业人员行为识别方法，包括以下步骤：
4、s1、标定带电作业监控视频中的目标检测区域；
5、s2、通过图卷积网络模型对目标检测区域进行处理，识别出带电作业人员的带电作业行为信息；
6、s3、通过目标检测模型对目标检测区域进行处理，识别出带电作业工器具的状态信息；
7、s4、对带电作业行为信息和状态信息进行融合，当目标检测区域中的带电作业行为信息违反规定的带电作业操作程序时，发出警告提示。
8、在本方案中，通过标定目标检测区域，减少处理的数据量，提高处理效率，同时聚焦于关注的区域，降低误报率，提高目标检测的准确性和效率；通过图卷积网络模型对目标检测区域进行处理，可以提取出带电作业人员的行为信息，例如操作姿势、工作流程等，有助于判断带电作业人员是否按照规定的带电作业操作程序进行操作，从而提高带电作业的安全性和规范性；通过目标检测模型对目标检测区域进行处理，可以检测和识别带电作业工器具的状态信息，例如是否损坏、是否正常工作等，有助于发现潜在的安全问题，及时修复或更换不合格的工器具，确保带电作业的可靠性和稳定性；将带电作业行为信息和状态信息进行融合，可以实现对带电作业的综合监测和评估，当检测到目标检测区域中的带电作业行为信息违反规定的带电作业操作程序时，系统可以发出警告提示，提醒操作人员及时调整行为，避免潜在的安全风险，从而能够快速有效地监测和识别带电作业的行为，提升带电作业的安全性。
9、进一步地，所述s1具体包括以下步骤：
10、s11、在带电作业监控视频中确定目标检测区的曲线轮廓；
11、s12、对曲线轮廓进行标定，得到目标检测区域。
12、在本方案中，带电作业监控视频中，通过确定目标检测区的曲线轮廓，可以准确地界定需要进行目标检测的区域，有助于缩小目标检测的范围，提高目标检测的准确性和效率；将确定的曲线轮廓进行标定，可以得到准确的目标检测区域，标定后的目标检测区域可以用于后续的目标检测和分析，例如识别带电作业人员的行为信息和工器具的状态信息等，有助于更精确地进行带电作业监测和安全评估，通过确定目标检测区的曲线轮廓并进行标定，可以提高目标检测的准确性和效率，同时获得准确的目标检测区域，为后续的带电作业监测和分析提供准确的输入数据，有助于提升带电作业的安全性和效率。
13、进一步地，所述s2具体包括以下步骤：
14、s21、通过人体姿态估计算法获取目标检测区域中带电作业人员的人体关节点数据，所述人体关节点数据包括带电作业人员当前动作的肢体语义，人体关节点数据的表示形式包括关节点的坐标和置信度；
15、s22、所述图卷积网络模型为st-gcn模型，使用st-gcn模型对骨架信息进行处理，识别出带电作业人员的带电作业行为信息。
16、在本方案中，通过人体姿态估计算法获取目标检测区域中带电作业人员的人体关节点数据，可以实现对带电作业人员当前动作的准确捕捉和分析，对于监控和安全管理非常重要，可以帮助判断带电作业人员的状态、行为和意图；人体关节点数据包括带电作业人员当前动作的肢体语义，这些语义信息可以用于对带电作业人员的行为进行分析和理解；通过分析带电作业人员的动作，可以判断其是否符合安全规范，是否存在潜在的危险行为，并及时采取措施进行干预和预防；st-gcn模型一种是用于动作识别的深度学习模型，旨在对视频中的电作业人员动作进行建模和分类，使用st-gcn模型对骨架信息进行处理，可以识别出带电作业人员的带电作业行为信息，有助于监测和评估带电作业人员的工作质量和效率，以及发现和纠正可能存在的操作错误或不安全行为。通过人体姿态估计和骨架信息处理，可以实现对带电作业人员动作、行为的准确捕捉和分析，提高带电作业安全管理的效果，减少潜在的事故风险。
17、进一步地，所述s22中，所述使用st-gcn模型对骨架信息进行处理之前，还对st-gcn模型进行训练，训练过程具体包括以下步骤：
18、获取带电作业视频数据样本；
19、通过人体姿态估计算法获取带电作业视频数据样本中带电作业人员的人体关节点样本数据，所述人体关节点样本数据包括带电作业人员当前动作的肢体语义，人体关节点样本数据的表示形式包括关节点的坐标和置信度；
20、对人体关节点样本数据进行归一化处理；
21、将经过归一化处理的人体关节点样本数据输入st-gcn模型中进行训练处理，所述训练处理包括交替使用图卷积网络和时域卷积网络，从时间维度和空间维度提取带电作业行为特征；对带电作业行为特征进行分类，并输出带电作业行为类型。
22、在本方案中，通过获取带电作业视频数据样本，可以建立一个丰富多样的数据集，其中，包含了各种带电作业场景和不同人员的行为，有助于提高训练模型的泛化能力和适应性；通过人体姿态估计算法，可以从视频数据中提取出带电作业人员的人体关节点样本数据，这些数据包含了肢体语义和置信度信本文档来自技高网...
【技术保护点】
1.一种带电作业人员行为识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种带电作业人员行为识别方法，其特征在于，所述S1具体包括以下步骤：
3.根据权利要求2所述的一种带电作业人员行为识别方法，其特征在于，所述S2具体包括以下步骤：
4.根据权利要求3所述的一种带电作业人员行为识别方法，其特征在于，所述S22中，所述使用ST-GCN模型对骨架信息进行处理之前，还对ST-GCN模型进行训练，训练过程具体包括以下步骤：
5.根据权利要求4所述的一种带电作业人员行为识别方法，其特征在于，所述获取带电作业视频数据样本，具体包括以下步骤：
6.根据权利要求5所述的一种带电作业人员行为识别方法，其特征在于，所述目标检测模型为YOLO模型，所述S3包括使用YOLO模型对目标检测区域进行处理，识别出带电作业工器具的状态信息。
7.根据权利要求6所述的一种带电作业人员行为识别方法，其特征在于，所述使用YOLO模型对目标检测区域进行处理之前，还对YOLO模型进行训练，训练过程具体包括以下步骤：获取带电作业工器具图
8.根据权利要求7所述的一种带电作业人员行为识别方法，其特征在于，所述获取带电作业工器具图片样本，具体包括以下步骤：
9.根据权利要求8所述的一种带电作业人员行为识别方法，其特征在于，所述S4具体包括以下步骤：
...【技术特征摘要】
1.一种带电作业人员行为识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种带电作业人员行为识别方法，其特征在于，所述s1具体包括以下步骤：
3.根据权利要求2所述的一种带电作业人员行为识别方法，其特征在于，所述s2具体包括以下步骤：
4.根据权利要求3所述的一种带电作业人员行为识别方法，其特征在于，所述s22中，所述使用st-gcn模型对骨架信息进行处理之前，还对st-gcn模型进行训练，训练过程具体包括以下步骤：
5.根据权利要求4所述的一种带电作业人员行为识别方法，其特征在于，所述获取带电作业视频数据样本，具体包括以下步骤：
6.根据...
【专利技术属性】
技术研发人员：蓝剑，王旭杰，赵一帆，肖坤，何瑞兵，郑扬义，何韶华，何渊，柳自越，宋佳磊，
申请(专利权)人：国网浙江省电力有限公司武义县供电公司，
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。