[發明專利]一種電力營銷現場作業操作動態檢測方法及裝置

在審

• 申請號: 202210926831.6
• 申請日: 2022-08-03
• 公開（公告）號: CN115393572A
• 公開（公告）日: 2022-11-25
• 發明（設計）人: 朱東升;彭楚寧;葉劍斌;葛得輝;汪亮;杜新綱;宋劍;李捷;汪銳;艾臻;儲鵬飛;管振華;王彩霞
• 申請（專利權）人: 國電南瑞科技股份有限公司;國電南瑞南京控制系統有限公司;國家電網有限公司
• 主分類號: G06V10/20
• 分類號: G06V10/20;G06V10/40;G06V10/82;G06V20/52;G06N3/04;G06N3/08
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 董建林

1.一種電力營銷現場作業操作動態檢測方法，其特征在于，包括：

獲取電力影響現場作業的當前時序場景圖像；

基于Retinex理論對當前時序場景圖像進行預處理；

基于預構建的動態檢測模型對預處理后的當前時序場景圖像進行關鍵數據提取；

根據關鍵數據生成用于描述運動的幾何特征；

根據幾何特征判斷電力營銷現場作業操作是否違規。

2.根據權利要求1所述的一種電力營銷現場作業操作動態檢測方法，其特征在于，所述預處理包括：

構建場景圖像：

S(x，y)＝R(x，y)·L(x，y)

式中，S(x，y)為場景圖像，R(x，y)為反射圖像，L(x，y)為光照圖像，x，y為坐標點；

采用高斯中心環繞函數估測光照圖像L(x，y)：

式中，γ、c為高斯中心環繞函數的參數；

對場景圖像S(x，y)、反射圖像R(x，y)、光照圖像L(x，y)由實數域轉換到對數域：

s(x，y)＝logS(x，y)；r(x，y)＝logR(x，y)；l(x，y)＝logL(x，y)

計算獲取對數域的反射圖像r(x，y)：

將反射圖像r(x，y)由對數域轉換到實數域：

將最終獲取的反射圖像R(x，y)作為預處理結果。

3.根據權利要求1所述的一種電力營銷現場作業操作動態檢測方法，其特征在于，所述關鍵數據包括頭、面部、脖子、左肩、右肩、左手、右手、左臂和右臂的坐標位置。

4.根據權利要求1所述的一種電力營銷現場作業操作動態檢測方法，其特征在于，所述動態檢測模型的構建包括：

獲取電力影響現場作業的歷史時序場景圖像；

基于Retinex理論對歷史時序場景圖像進行預處理；

對預處理后的歷史時序場景圖像添加標注信息并生成訓練樣本集；

初始化LSTM網絡模型并輸入訓練樣本集進行訓練，根據模型輸出與標注信息計算損失，并基于損失更新LSTM網絡模型的模型參數，直至損失收斂；

將訓練好的LSTM網絡模型作為教師模型，通過知識蒸餾法訓練出學生模型，將訓練出的學生模型作為動態檢測模型。

5.根據權利要求4所述的一種電力營銷現場作業操作動態檢測方法，其特征在于，所述初始化LSTM網絡模型并輸入訓練樣本集進行訓練還包括引入空域注意力和時域注意力方法；

所述空域注意力方法包括通過一個LSTM子網絡自動學習和獲知時序序列中不同幀場景圖像的重要性；

所述時域注意力方法包括通過一個LSTM子網絡根據時序序列的中不同幀場景圖像獲取不同的關鍵數據的重要性。

6.根據權利要求4所述的一種電力營銷現場作業操作動態檢測方法，其特征在于，所述通過知識蒸餾法訓練出學生模型包括：

將訓練樣本集輸入教師模型和學生模型，教師模型的softmax作為softtarget；

學生模型在相同溫度系數T下的softmax輸出和softtarget的交叉熵記為L_soft；

學生模型在相同溫度系數T＝1下的softmax輸出和標注的交叉熵記為L_hard；

構建知識蒸餾法的目標函數：

L＝αL_soft+βL_hard

式中，α、β為系數常數；

基于損失更新學習模型的模型參數，直至目標函數結果收斂。

7.一種電力營銷現場作業操作動態檢測裝置，其特征在于，所述裝置包括：

采集模塊，用于獲取電力影響現場作業的當前時序場景圖像；

預處理模塊，用于基于Retinex理論對當前時序場景圖像進行預處理；

提取模塊，用于基于預構建的動態檢測模型對預處理后的當前時序場景圖像進行關鍵數據提取；

特征模塊，用于根據關鍵數據生成用于描述運動的幾何特征；

判斷模塊，用于根據幾何特征判斷電力營銷現場作業操作是否違規。