[發明專利]一種基于深度學習的變電站人員檢測方法及裝置

在審

• 申請號: 202011243836.6
• 申請日: 2020-11-10
• 公開（公告）號: CN112541393A
• 公開（公告）日: 2021-03-23
• 發明（設計）人: 蔣翊;章羽豐;童嘯霄;周登;鄧蔚;張磊;謝堅鏗;劉偉波;徐暕
• 申請（專利權）人: 國網浙江嵊州市供電有限公司;國網浙江省電力有限公司紹興供電公司;國網浙江省電力有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 杭州華鼎知識產權代理事務所(普通合伙) 33217
• 代理人: 秦曉剛

1.一種基于深度學習的變電站人員檢測方法，其特征在于：包括訓練基于深度學習的變電站人員軌跡及行為檢測模型，以及應用基于深度學習的變電站人員軌跡及行為檢測模型進行變電站人員檢測的步驟；

其中，模型訓練包括如下步驟：

S11,采集變電站內相關人員的圖像數據，獲得大樣本數據集；

S12,對采集的圖像數據進行預處理，采用Mosaic和自對抗訓練方法對圖像數據進行增強，在進行核驗后，作為訓練數據集；

S13,采用CSPDarknet53為基礎網絡，提取特征，接著對特征提取器進行訓練訓練，獲得基于深度學習的變電站人員軌跡及行為檢測模型；

模型應用包括如下步驟：

步驟S21：實時獲取攝像機所拍攝的視頻數據，對視頻進行抽幀處理，提取視頻數據中的實時圖像數據；

步驟S22：利用基于深度學習的變電站人員軌跡及行為檢測模型對提取到的關鍵幀圖片進行檢測；

步驟S23：根據檢測結果判斷變電站內的人員身份及操作行為有無異常。

2.根據權利要求1所述的一種基于深度學習的變電站人員檢測方法，其特征在于：步驟S11中,首先在變電站場所下，利用攝像機從不同角度對現場進行拍攝，獲取圖像樣例數據；然后對收集到的圖像數據進行標注，本模型的識別類型設置為人、安全帽、工作服和工作證4個物體類別；最后將制作好的圖像保存為模型訓練所需的圖像數據集；接下來利用python腳本文件將數據集拆分成訓練集和測試集，并生成對應的train.txt和test.txt文件，其中分別存放訓練圖片和測試圖片的圖片路徑及名稱。

3.根據權利要求1所述的一種基于深度學習的變電站人員檢測方法，其特征在于：CSPDarknet53中的CSP模塊將基礎層的特征映射劃分為兩個部分，然后通過跨階段層次結構將兩個部分合并；將SPP模型加入了CSPDarknet53中增大多尺度的感受野；CSPDarknet53中使用PANet作為不同層的參數聚合。

4.根據權利要求1所述的一種基于深度學習的變電站人員檢測方法，其特征在于：步驟S21中間隔10s對視頻樣本進行一次抽幀處理，利用opencv算法庫從視頻裸流中提取關鍵幀，獲得視頻數據中的實時圖像數據。

5.根據權利要求1所述的一種基于深度學習的變電站人員檢測方法，其特征在于：步驟S23中，通過是否戴有工作證和穿戴工作服判斷變電站內的人員身份，是否是外來人員；根據有無正確佩戴頭盔，判斷變電站內的人員是否違規操作；并且對外來人員以及違規操作的行為發出報警信息。

6.一種基于深度學習的變電站人員檢測裝置，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，其特征在于：所述處理器執行所述計算機程序時實現如權利要求1至5所述方法的步驟。