[發明專利]復雜場景下基于人工智能的變電站內異常行為識別與檢測方法

在審

• 申請號: 202010102771.7
• 申請日: 2020-02-19
• 公開（公告）號: CN111339883A
• 公開（公告）日: 2020-06-26
• 發明（設計）人: 姚一楊;聶禮強;戰新剛;鄭曉云;尹建華;張新星
• 申請（專利權）人: 國網浙江省電力有限公司;山東大學;智洋創新科技股份有限公司;國網浙江省電力有限公司衢州供電公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06N3/04;G06N3/08
• 代理公司: 濟南竹森知識產權代理事務所(普通合伙) 37270
• 代理人: 呂利敏;孫憲維

一種復雜場景下基于人工智能的變電站內異常行為識別與檢測方法，包括：對監控視頻處理得到靜態圖；使用基于深度學習的目標檢測算法FPN網絡檢測人體區域；將待識別圖像進行預處理操作，產生二值化圖像；將所述二值化圖像作為CPN網絡的輸入進行人體骨架的關鍵點檢測；將人體骨架關鍵點圖像與RGB單幀靜態圖融合，輸入到LSTM網絡進行分類識別，判斷是否為異常行為。本發明實現了在復雜場景下對變電站工作區域的異常行為的自動檢測和識別任務，并具有良好的準確率、穩定性與實時性，可滿足變電站實際應用需求。

技術領域

本發明公開一種復雜場景下基于人工智能的變電站內異常行為識別與檢測方法，屬于智能電網檢測的技術領域。

背景技術

變電站是高壓帶電操作的工作場所，易發生事故，而許多事故是由于人為責任引起的，例如工作人員誤進入帶電工作區，誤觸碰帶電體造成觸電；以及當檢修人員還在維修操作時，卻人為誤送電造成觸電死亡的事故。為了保證變電站中工作人員的人身安全以及設備的安全，視頻監控已經廣泛應用到該領域。

現有技術也公開了諸多相關專利文獻，例如：

中國專利文獻CN107666594A公開了一種視頻監控實時監測違章作業的方法，通過收集施工人員現場施工圖片作為樣本并對樣本進行標記、處理、歸類，然后建立違章行為檢測識別模型，并將違章行為檢測識別模型應用在施工現場攝像頭并進行監測，最后對違章作業行為進行記錄并通知安監管理人員，實現對違規作業行為進行自動記錄，節省人力物力。該專利文獻只是通過對施工人員身上的物體進行檢測，例如通過檢測安全帽來判斷施工人員是否佩戴安全帽，不能有效的對行為進行檢測。

中國專利文獻CN110163143A公開一種適用于圖像處理技術領域，提供一種違規行為識別方法、裝置及終端設備。該違規行為識別方法包括：獲取待識別圖像；采用閾值分割法對所述待識別圖像進行預處理；利用違規行為樣本集對卷積神經網絡模型進行訓練；基于訓練完成的卷積神經網絡模型對預處理后的待識別圖像進行識別，判斷是否存在違規行為。利用所述違規行為識別方法對變電站現場進行檢測，可及時發現變電站現場工作人員的違規行為，及時采取措施，排除安全隱患，提高了檢測效率及準確度。此專利文獻所記載的方法是通過輸入圖像對違規行為進行識別，而圖像中會有許多干擾因素，會對識別結果產生影響。

中國專利文獻CN108256489A公開了一種基于深度強化學習的行為預測方法及裝置，其中，方法包括：通過視頻圖像的幀提取人體骨架信息的動作特征；將動作特征根據人體機構化信息進行特征編碼；通過深度強化學習對人體行為過程中有效的部位進行篩選，以預測人的行為。該方法通過在人體的重要位置提取局部圖像塊，利用圖像塊的特征的有序排列，從而在預測過程用有效地利用人體的結構化信息，有效地提升了行為預測的精度和性能。該專利文獻是為了預測人的行為，并不適用于識別人的行為。

中國專利文獻CN104850846A提供了一種基于深度神經網絡的人體行為識別方法，包括：獲取行為人的原始深度數據流；通過行為人的原始深度數據流提取人體的骨架關節點數據；利用提取到的人體骨架關節點數據所對應的三維坐標，來對整個人體建模；通過對整個人體建模來進行特征提取，將特征數據送入限制波爾茲曼機網絡進行預處理，將得到的權值初始化BP神經網絡參數，訓練出深度神經網絡模型，并據此對特征提取的結果進行行為識別；采用多線程并行處理，將提取到的人體骨架關節點數據與實際人體進行重合，并將識別到的行為進行實時顯示；建立異常行為模板庫并對檢測到的異常行為進行報警。但是針對電力特殊場景下的行為識別，并不是簡單通過骨骼關鍵點所能準確識別的，還需要考慮過濾掉不必要的干擾。

綜上，傳統的異常行為檢測方法主要依賴于各種手工特征的構造，如運動軌跡特征，光流矢量特征，時空體積特征，局部二值化特征等。這些特征多針對普通的行為識別設計，未針對變電站中的種種異常行為作專門的優化。因此此類方法在該領域的誤檢率較高，容易將普通的行為誤判為異常行為，且此類方法的實時性和魯棒性較差，易受噪聲的干擾影響。

發明內容