[發明專利]基于深度學習的電力作業現場工作服識別方法和裝置

在審

• 申請號: 202111572466.5
• 申請日: 2021-12-21
• 公開（公告）號: CN114299426A
• 公開（公告）日: 2022-04-08
• 發明（設計）人: 俞思帆;黎穎;易滿成;劉健欣;彭政;劉晶;黃薇蓉;李卓堅;姜偉;朱明華;張連源
• 申請（專利權）人: 廣東電網有限責任公司廣州供電局
• 主分類號: G06V20/40
• 分類號: G06V20/40;G06K9/62;G06V10/774;G06V10/764;G06V10/762;G06N3/04;G06N3/08
• 代理公司: 廣州智斧知識產權代理事務所(普通合伙) 44649
• 代理人: 孔德超

1.一種基于深度學習的電力作業現場工作服識別方法，其特征在于，包括：

采集大量含有電力作業人員穿著工作服以及未穿工作服信息的圖片，同時對采集到所有圖片做人工標注，構建第一訓練數據集；

使用所述第一訓練數據集訓練用于檢測工作服和未穿工作服的深度神經網絡初始模型，以得到深度神經網絡模型；

根據人工標注的內容，將第一訓練數據集中所有的工作服圖片進行裁剪，得到裁剪的工作服圖像，構建第二訓練數據集；

提取所述第二訓練數據集中所有工作服圖像的顏色信息，通過提取到的圖像顏色信息構建特征顏色矩陣，實際作業穿著的工作服為藍色或灰色，采集到的圖像顏色點也會集中分布在色域的藍灰色區域，并且分布呈橢球型，通過擬合的方式確定整個橢球型區域所在的位置ζ；

使用所述深度神經網絡模型確定待識別圖像的目標的位置信息和所述目標作為工作服與非工作服的概率信息p_h1、p_p1，根據所述位置信息對所述待識別圖像進行裁剪，統計所述裁剪后的待識別圖像的顏色信息，使用聚類算法計算所述顏色信息的k個聚類中心點；

對于第i個聚類中心點d_i，若d_i∈ζ，則令p_di＝1；若設置容忍距離d_tolerance，計算該點到橢球的距離d_real，則該點的

如果p_h1+p_d＞p_p1，則判斷穿著為工作服，否則為未穿工作服；

其中，p_di為第i個聚類中心點d_i為工作服的概率信息。

2.根據權利要求1所述的基于深度學習的電力作業現場工作服識別方法，其特征在于，構建第二訓練數據集，之前，還包括：

將所述裁剪后的工作服圖像統一縮放至相同的尺寸。

3.根據權利要求1所述的基于深度學習的電力作業現場工作服識別方法，其特征在于，構建第一訓練數據集，之后，還包括：

調整所述第一訓練數據集中的圖像亮度。

4.根據權利要求3所述的基于深度學習的電力作業現場工作服識別方法，其特征在于，所述調整所述第一訓練數據集中的圖像亮度，包括：

將第一訓練數據集中所有圖像從RGB色域轉換到HIS色域，設定圖像亮度閾值I_θ，若第一訓練數據集中的某圖像亮度I＜I_θ，則調整該圖像的亮度，使其亮度等于圖像亮度閾值I_θ，如果第一訓練數據集中的某圖像亮度I≥I_θ，則不對其進行調整。

5.根據權利要求1所述的基于深度學習的電力作業現場工作服識別方法，其特征在于，提取所述第二訓練數據集中所有工作服圖像的顏色信息，通過提取到的圖像顏色信息構建特征顏色矩陣，包括：

統計第二訓練數據集中所有工作服圖像中的像素點顏色出現的次數，構建三維坐標系，三個坐標軸分別為R、G、B，坐標系中每個點的值代表該色彩點在數據集中出現的次數；為了提高顏色模型的魯棒性，減小雜亂顏色的影響，預設色彩點數量閾值C_θ，去除三維坐標系中值小于C_θ的點。