[發明專利]基于深度學習的業財數據處理方法及系統

在審

• 申請號: 202210673807.6
• 申請日: 2022-06-14
• 公開（公告）號: CN115171038A
• 公開（公告）日: 2022-10-11
• 發明（設計）人: 丁偉斌;金紹君;羅哲珺;潘軍;陳倩;金春蘭;吳潔;陳思琪;湯佳璐
• 申請（專利權）人: 國網浙江省電力有限公司;國網浙江省電力有限公司湖州供電公司;浙江華云信息科技有限公司
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06V20/40;G06V40/10;G06V10/82;G06T7/73;G06Q10/10
• 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: 沈儉因

1.基于深度學習的業財數據處理方法，其特征在于，所述方法包括：

通過監控系統獲取工作人員工作的視頻數據；

提取所述視頻數據中的若干幀視頻圖像；

對所述視頻圖像進行預處理得到圖像序列；

通過預構建的深度目標檢測模型對所述圖像序列中的人員目標和檢修設備目標進行檢測，得到人員目標身份信息、設備編碼信息以及人員軌跡信息；

根據所述人員軌跡信息確定檢修作業起止時刻信息；

將所述人員目標身份信息、設備編碼信息以及檢修作業起止時刻信息生成電子工作票。

2.根據權利要求1所述的基于深度學習的業財數據處理方法，其特征在于，所述通過監控系統獲取工作人員工作的視頻數據包括：

通過監控系統周期性獲取工作人員工作的視頻數據。

3.根據權利要求1所述的基于深度學習的業財數據處理方法，其特征在于，所述對所述視頻圖像進行預處理得到圖像序列包括：

對所述視頻圖像進行降噪增強處理；

按照每個視頻圖像的標注時間進行排序得到圖像序列。

4.根據權利要求1所述的基于深度學習的業財數據處理方法，其特征在于，所述通過預構建的深度目標檢測模型對所述圖像序列中的人員目標和檢修設備目標進行檢測，得到人員目標身份信息、設備編碼信息以及人員軌跡信息包括：

將所述圖像序列輸入到預構建的深度目標檢測模型中，通過卷積層對所述圖像序列依次進行特征提取，得到第一人員深度特征、第二人員深度特征和設備深度特征；

將所述第一人員深度特征和設備深度特征分別輸入到目標檢測網絡中得到人員身份信息和設備編碼信息；

將所述第二人員深度特征輸入到目標跟蹤網絡得到人員軌跡信息。

5.根據權利要求1所述的基于深度學習的業財數據處理方法，其特征在于，所述根據所述人員軌跡信息確定檢修作業起止時刻信息包括：

將所述人員軌跡信息中的第一幀圖像的標注時刻確定為檢修作業開始時刻；

將所述人員軌跡信息中的最后一幀圖像的標注時刻確定為檢修作業停止時刻。

6.根據權利要求1所述的基于深度學習的業財數據處理方法，其特征在于，所述將所述人員目標身份信息、設備編碼信息以及檢修作業起止時刻信息生成電子工作票包括：

獲取電子工作票模板；

將所述人員目標身份信息、設備編碼信息以及檢修作業起止時刻信息按照字段分別添加到所述電子工作票模板的相應位置；

填寫完成后，生成電子工作票。

7.基于深度學習的業財數據處理系統，其特征在于，所述系統包括：

獲取單元，用于通過監控系統獲取工作人員工作的視頻數據；

提取單元，用于提取所述視頻數據中的若干幀視頻圖像；

預處理單元，用于對所述視頻圖像進行預處理得到圖像序列；

目標檢測單元，用于通過預構建的深度目標檢測模型對所述圖像序列中的人員目標和檢修設備目標進行檢測，得到人員目標身份信息、設備編碼信息以及人員軌跡信息；

確定單元，用于根據所述人員軌跡信息確定檢修作業起止時刻信息；

生成單元，用于將所述人員目標身份信息、設備編碼信息以及檢修作業起止時刻信息生成電子工作票。

8.根據權利要求7所述的基于深度學習的業財數據處理系統，其特征在于，所述目標檢測單元包括：

特征提取單元，用于將所述圖像序列輸入到預構建的深度目標檢測模型中，通過卷積層對所述圖像序列依次進行特征提取，得到第一人員深度特征、第二人員深度特征和設備深度特征；

信息識別單元，用于將所述第一人員深度特征和設備深度特征分別輸入到目標檢測網絡中得到人員身份信息和設備編碼信息；

軌跡跟蹤單元，用于將所述第二人員深度特征輸入到目標跟蹤網絡得到人員軌跡信息。