[發明專利]考慮分類器輸出敏感度的變電作業人員著裝魯棒識別方法

有效

• 申請號: 201811213574.1
• 申請日: 2018-10-17
• 公開（公告）號: CN109214467B
• 公開（公告）日: 2021-08-10
• 發明（設計）人: 胡金磊;林孝斌;李聰;梁廣;李存海;韓磊;余耀權;雷國偉;黃志成;孔婉菲;周俊煌
• 申請（專利權）人: 廣東電網有限責任公司;廣東電網有限責任公司清遠供電局
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙) 11371
• 代理人: 王寧寧

本發明提供一種考慮分類器輸出敏感度的變電作業人員著裝魯棒識別方法，涉及圖像識別與分析領域，包括：獲取人體圖像，提取各單元的基于HOG和HOC算子的特征向量；采用K?均值聚類方法求取徑向基神經網絡的關于特征向量的基函數中心；選用高斯函數作為徑向基神經網絡的基函數，并計算方差；采用蒙特卡洛法隨機采樣各個訓練樣本鄰域中的點，求取各個訓練樣本的敏感度；根據訓練樣本敏感度建立考慮分類器輸出敏感度的損失函數，并用最小二乘?牛頓法迭代求解隱含層到輸出層的權值，得到在訓練樣本上的徑向基神經網絡分類器；根據訓練好的分類器對變電站作業人員進行著裝識別，輸出識別結果。增強了分類器在實際識別應用中的魯棒性。

技術領域

本發明涉及圖像識別與分析方法領域，特別涉及一種考慮分類器輸出敏感度的變電作業人員著裝魯棒識別方法。

背景技術

隨著視頻監控技術的不斷完善，智能視頻監控系統在電力系統中得到越來越廣泛的應用。視頻圖像的智能分析、檢測及識別技術等不斷發展，為無人值守的智能變電站發展提供了強有力的技術支撐。智能監控技術應用到變電站后，可通過對施工人員的行為智能分析，并根據需要進行安全告警，能有效地提高施工人員的安全行為和安全督查的效率與準確率。

目前，基于視頻系統的對人體的識別和行為分析已經得到了較好的實現和應用，而在變電站內對作業人員的著裝分析中，變電站作業環境復雜，經常出現遮擋、光照不均、大小和視角變化等情況，作業人員著裝也存在新舊、身材等較大差異，且差異不好量化，在現有的方法中，通常需要收集大量的各類型樣本數據來進行模型學習，同時模型需要不斷的更新來滿足新的變化能夠有效識別。大量數據的采集、標記需要消耗很高的成本，并且模型的迭代更新也面臨實際應用推廣的挑戰。

綜上所述，現有的作業人員著裝分析方法還需要進一步的改進，識別魯棒性需要進一步提高。

發明內容

本發明的目的在于解決現有的變電作業人員著裝分析方法在復雜變化的環境下識別準確率波動的問題，旨在提供一種在變電站應用測試環境下，能夠對環境變化保持魯棒性的作業人員著裝分析方法。

本發明提出一種考慮分類器輸出敏感度的變電作業人員著裝魯棒識別方法，包括以下步驟：

(1)獲取人體圖像，把圖像按1:4:4的比例分成頭盔、上衣和下衣三個單元，提取各單元的基于HOG(Histogram of Oriented Gradient，方向梯度直方圖)和HOC(Histogramof Oriented Color，顏色直方圖)算子的特征向量hog_i(i＝1,2,3)、hoc_i(i＝1,2,3)；

(2)采用K-均值聚類方法求取徑向基神經網絡關于訓練樣本特征向量hog_i(i＝1,2,3)、hoc_i(i＝1,2,3)的基函數中心c_j＝(j＝1,2,...,h)，h為在訓練樣本中所選取的聚類中心個數；

(3)選用高斯函數作為徑向基神經網絡的基函數，并計算方差σ_j(j＝1,2,3,...,h)；

(4)采用蒙特卡洛法隨機采樣各個訓練樣本鄰域中的點，求取各個訓練樣本的敏感度sen_p(p＝1,2,...,m)，m為訓練樣本的總個數；

(5)根據訓練樣本敏感度建立考慮分類器輸出敏感度的損失函數，并用最小二乘-牛頓法迭代求解隱含層到輸出層的權值，得到在訓練樣本上的徑向基神經網絡分類器；

(6)根據訓練好的分類器對變電站作業人員進行著裝識別，輸出識別結果。