[发明专利]一种电力作业现场人员甄别方法及相关装置

权利要求书

1.一种电力作业现场人员甄别方法，其特征在于，包括：

获取作业现场人员信息，所述作业现场人员信息包括现场人员名单及对应的人脸特征信息；

响应于接收到的人员资质审核指令，对获取到的班前会现场视频流进行人脸识别，通过所述人脸识别获取第一人脸特征数据；

计算所述第一人脸特征数据与预先建立的人脸特征数据库中的数据的相似度，当所述相似度低于预设阈值时，发出第一报警信息，具体包括：将置信度低于预设阈值的人脸特征数据判定为可识别的人脸特征数据矩阵，输出可识别的人脸特征数据矩阵；将可识别的人脸特征数据矩阵与预先建立的人脸识别数据库中数据的欧氏距离进行匹配判断，计算式为：

其中，为第k个可识别人员人脸特征数据矩阵中第i个数值与人脸特征数据库中第l个人员人脸特征数据矩阵的第i个数值的差值，其中，l为非0的自然数，k为大于1的自然数；

当所述相似度不低于预设阈值时，判定所述第一人脸特征数据对应的人员通过资质审核，并基于所述第一人脸特征数据优化所述预先建立的人脸特征数据；

基于通过资质审核人员的第一人脸特征数据更新所述作业现场人员信息；

响应于接收到的无资质人员识别指令，对获取到的作业现场视频流进行人脸识别，通过所述人脸识别获得第二人脸特征数据，将所述第二人脸特征数据与更新后的现场人员对应的人脸特征数据进行相似度计算，当所述相似度低于预设阈值时，发出第二报警信息；

所述通过所述人脸识别获得第二人脸特征数据，具体包括：

采用DeepSort多目标跟踪算法对作业现场视频流中的图片帧进行处理，具体包括：在所述DeepSort多目标跟踪算法中，采用卡尔曼滤波处理逐帧数据的关联性，用带权值的匈牙利匹配算法对之前的运动轨迹和当前检测对象进行匹配，并采用大规模人员现场工作视频对卷积神经网络进行训练后，利用训练后的卷积神经网络进行特征提取，获取第二人脸特征数据。

2.根据权利要求1所述的电力作业现场人员甄别方法，其特征在于，对所述班前会现场视频流中人脸图像进行识别，通过所述识别获取第一人脸特征数据，具体包括：

将班前会现场视频流进行解码处理，获得图片帧；

对所述图片帧进行预处理，获得待识别人脸图片帧；

输出适于图片识别的待识别图片数据矩阵；

将待识别人脸图片帧转化成图片数据矩阵；

将图片数据矩阵标准化处理，获得标准化后的图片帧矩阵；

对标准化后的图片帧矩阵进行归一化处理，输出人脸图片的浮点型矩阵。

3.根据权利要求2所述的电力作业现场人员甄别方法，其特征在于，计算所述第一人脸特征数据与预先建立的人脸特征数据库中的数据的相似度，具体包括：

基于所述浮点型矩阵计算人脸特征数据的框坐标及置信度，对图片进行可识别判断；

将置信度低于预设阈值的人脸特征数据判定为可识别的人脸特征数据矩阵；

将可识别的人脸特征数据与预先建立的人脸识别数据库中的数据进行相似度计算。

4.根据权利要求3所述的电力作业现场人员甄别方法，其特征在于，所述当所述相似度低于预设阈值时，发出第一报警信息，具体包括：

将相似度低于预设阈值的人脸特征数据对应的图像中的人员标记为无资质人员，将无资质人员的人脸图像及报警信息关联做为第一报警信息，将所述第一报警信息发送到电力作业安全监管平台。

5.根据权利要求1所述的电力作业现场人员甄别方法，其特征在于，所述人员信息包括人员名单、与人员名单对应的人脸特征信息数据、与人员名单对应的作业地点及范围，并基于所述人员信息在本地预先建立人脸特征数据库。