[发明专利]电力安全作业及运维智能监管系统及方法

摘要

本发明公开了一种电力安全作业及运维智能监管系统及方法，包括前端采集单元、智能处理单元和分布式流媒体平台；所述前端采集单元包括：多个摄像装置，安装在不同的监控点；以及一个或一个以上的网络视频录像机，网络视频录像机通过监控网络与摄像装置连接；所述智能处理单元包括模型训练机、智能分析器和数据库服务器，智能分析器和数据库服务器与监控网络连接；所述分布式流媒体平台包括流媒体服务器和监控管理平台，该流媒体服务器和监控管理平台与监控网络连接。本发明实现了人员安全行为鉴别，智能运维、智能化安防报警以及智能化监管。 1

主权项

1.一种电力安全作业及运维智能监管系统，其特征在于，包括前端采集单元（1）、智能处理单元（3）和分布式流媒体平台（4）；

所述前端采集单元（1）包括：

多个摄像装置（11），安装在不同的监控点，用于采集监控点的视频信息；

以及一个或一个以上的网络视频录像机（12），用于记录摄像装置（11）所采集的视频信息，该网络视频录像机（12）通过监控网络（2）与摄像装置（11）连接；

所述智能处理单元（3）包括：

模型训练机（33），用于构建卷积神经网络，并利用样本图像训练卷积神经网络；

智能分析器（31），利用训练好的卷积神经网络对前端采集单元（1）所采集的实时视频流进行识别，若识别出作业现场出现未授权的非作业人员，和/或设备出现异常，和/或作业现场人员有安全违规行为，则发出报警提示和/或记录；

数据库服务器（32），用于存储匹配的图像视频文件，该数据库服务器（32）与监控网络（2）连接；

所述分布式流媒体平台（4）包括：

流媒体服务器（41），用于转发前端采集单元（1）的直播视频流以及将前端采集单元（1）所采集的视频信息转发给智能分析器（31），该流媒体服务器（41）与监控网络（2）连接；

监控管理平台（42），用于对系统内的各设备进行监控和管理，该监控管理平台（42）与监控网络（2）连接。

2.根据权利要求1所述的电力安全作业及运维智能监管系统，其特征在于：所述分布式流媒体平台（4）还包括：

监控终端（43），该监控终端（43）与监控网络（2）连接，或该监控终端（43）通过云端接入监控网络（2）。

3.一种电力安全作业及运维智能监管方法，其特征在于：采用如权利要求1或2所述的电力安全作业及运维智能监管系统，其方法包括：

构建卷积神经网络，利用样本图像训练卷积神经网络；

利用训练好的卷积神经网络对前端采集单元（1）所采集的实时视频流进行识别，若识别出作业现场出现未授权的非作业人员，和/或设备出现异常，和/或作业现场人员有安全违规行为，则发出报警提示和/或记录。

4.根据权利要求3所述的电力安全作业及运维智能监管方法，其特征在于：还包括：

利用火焰识别算法判别图像是否为火焰，若判为火焰，则发出报警提示。

5.根据权利要求3或4所述的电力安全作业及运维智能监管方法，其特征在于：所述构建卷积神经网络，利用样本图像训练卷积神经网络包括：

训练采用迁移学习技术进行训练，分为样本采集、样本预处理和训练建模；

样本为视频时，采用相等时间间隔进行视频图像帧采样，将视频转化为图片格式文件；再对图像进行预处理，预处理包括图像降噪、图像色彩和饱和度调节；

完成样本预处理后启动模型训练进程，模型训练分为开发阶段模型原型训练和现场部署后在线迁移学习训练两种模式；

模型在训练过程中，在训练集上完成一个批次的训练，均在验证集上进行一次模型精度验证，检查模型泛化能力；模型经多轮迭代收敛后再进行上线部署，后期结合现场增量数据定期进行性能调优。

6.根据权利要求5所述的电力安全作业及运维智能监管方法，其特征在于：所述利用训练好的卷积神经网络对前端采集单元（1）所采集的实时视频流进行识别包括：

获取前端采集单元（1）所采集的实时视频流，经过视频抽帧后得到单帧图像，再进行降噪、色彩和旋转处理，并以图像矩阵的形式输入卷积神经网络；然后启动卷积神经网络向前传播计算模式，输入的图像矩阵经卷积进行图像特征重构后，由图像判别层生成预测标注框和故障种类代码的结构化数据。

7.根据权利要求6所述的电力安全作业及运维智能监管方法，其特征在于：所述卷积神经网络分为安全行为判别神经网络、设备运行状态判别神经网络和人脸识别神经网络，

利用人脸识别神经网络来识别作业现场是否出现未授权的非作业人员；

利用设备运行状态判别神经网络来识别设备是否有异常；

利用安全行为判别神经网络来识别作业现场人员是否有安全违规行为。

8.根据权利要求7所述的电力安全作业及运维智能监管方法，其特征在于：构建安全行为判别神经网络，利用样本图像训练安全行为判别神经网络的方法包括：

步骤11、构建原始图像数据集：对实际作业环境下工作人员的行为进行拍摄并录制视频，采取视频抽帧的方式获取包含工作人员行为的图片文件，构建原始图像数据集；

步骤12、构建训练数据集：原始图像数据集构建完成后，对图像进行标注，图像标注分为3个ROI进行，ROI为感兴趣区域；其中，第1个ROI包含人体头部至小腿中部区域；第2个ROI包含颈部和头部区域；第3个ROI包含小腿中部以下及足部；

图像依据下述分类规则进行标注：

第1个ROI的标注：规范的长袖长裤着装、穿短袖上衣、穿短裤、长袖上衣挽袖口、长裤挽裤脚、未佩戴安全帽；

第2个ROI的标注：

下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。 免登录下载普通用户下载升级VIP会员，免费下载

该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于重庆览辉信息技术有限公司，未经重庆览辉信息技术有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】

本文链接：http://www.vipzhuanli.com/patent/201810042559.9/，转载请声明来源钻瓜专利网。