本發(fā)明屬于變電站作業(yè)監(jiān)控，涉及一種基于多視角視頻與高精度定位的變電站作業(yè)風險辨識方法。

背景技術：

1、變電站作為電力傳輸和分配的重要環(huán)節(jié)，負責將高壓電能轉(zhuǎn)換為低壓電能，并確保電力的可靠供應。然而，變電站的運行環(huán)境復雜，作業(yè)過程涉及多種高風險因素，尤其人員操作或行動失誤都將導致嚴重的安全事故。因此隨著電力需求的不斷增長和電網(wǎng)規(guī)模的擴大，對變電站人員作業(yè)行為風險的監(jiān)控和識別提出了更高的要求。

2、然而，目前的視頻監(jiān)控視角單一，容易因變電站內(nèi)設備遮擋和光照角度問題而使監(jiān)控無法準確識別人員作業(yè)行為。而使用多個視頻監(jiān)控卻無法相互關聯(lián)，缺乏建立全域立體空間監(jiān)控的手段，導致無法準確定量空間距離而引起誤判。

技術實現(xiàn)思路

1、本發(fā)明提供了一種基于多視角視頻與高精度定位的變電站作業(yè)風險辨識方法，旨在充分利用現(xiàn)有的變電站視頻監(jiān)控系統(tǒng)和高精度定位服務系統(tǒng)的建設成果，開展復雜空間“多視角視頻+高精度定位”深度協(xié)同的變電站作業(yè)風險聯(lián)防聯(lián)控，解決現(xiàn)有技術容易因變電站內(nèi)設備遮擋和光照角度問題而使監(jiān)控無法準確識別人員作業(yè)行為以及無法準確定量空間距離而引起誤判的問題。

2、本發(fā)明的目的可以通過以下技術方案實現(xiàn)：

3、本技術提供了一種基于多視角視頻與高精度定位的變電站作業(yè)風險辨識方法，包括以下步驟：

4、s1、獲取多個監(jiān)控視頻點位的監(jiān)控視頻流圖像，通過監(jiān)控視頻流圖像提取作業(yè)人員圖像特征；

5、s2、剔除作業(yè)人員圖像特征不清晰或不完整的監(jiān)控視頻流圖像；

6、s3、通過北斗系統(tǒng)或uwb系統(tǒng)確定作業(yè)人員的坐標，并結(jié)合作業(yè)人員與多個監(jiān)控的距離，確定作業(yè)人員空間位置；

7、s4、根據(jù)作業(yè)人員空間位置，確定當前的作業(yè)工序和環(huán)節(jié)；

8、s5、根據(jù)作業(yè)人員圖像特征和作業(yè)人員空間位置判斷作業(yè)人員在當前的作業(yè)工序和環(huán)節(jié)是否存在作業(yè)風險行為；

9、s6、當作業(yè)人員在當前的作業(yè)工序和環(huán)節(jié)存在作業(yè)風險行為時，采用作業(yè)人員佩戴的智能安全帽或者變電站內(nèi)的語音播報系統(tǒng)自動播報當前的作業(yè)風險行為類型。

10、進一步地，所述獲取多個監(jiān)控視頻點位的監(jiān)控視頻流圖像，通過監(jiān)控視頻流圖像提取作業(yè)人員圖像特征，包括以下步驟：

11、s11、通過在變電站不同位置安裝攝像頭，獲取多角度的監(jiān)控視頻流。

12、s12、視頻流處理：使用視頻處理軟件或框架對監(jiān)控視頻流進行處理，從中提取單幀圖像?？梢栽O定時間間隔提取圖像，確保捕捉到作業(yè)人員的行為。

13、s13、圖像預處理：對提取的圖像進行預處理，所述預處理包括縮放、去噪聲和亮度調(diào)整等，以提高后續(xù)特征提取的效果，常用的預處理方法有直方圖均衡、濾波等。

14、s14、圖像特征提取：利用機器學習模型提取作業(yè)人員圖像特征。

15、進一步地，步驟s2中，所述剔除作業(yè)人員圖像特征不清晰或不完整的監(jiān)控視頻流圖像，包括以下步驟：

16、s21、使用計算機視覺技術對作業(yè)人員圖像特征的人臉、身體關鍵部位和姿勢進行識別，用于判斷圖像中的工作人員特征是否完整；

17、s22、利用圖像質(zhì)量評估指標評估圖像是否清晰，所述圖像質(zhì)量評估指標包括清晰度、對比度和亮度；

18、s23、根據(jù)質(zhì)量評估結(jié)果，從視頻流中篩選出符合標準的圖像，將不符合清晰度標準或工作人員特征不完整的圖像剔除。

19、進一步地，步驟s3中，所述通過北斗系統(tǒng)或uwb系統(tǒng)確定作業(yè)人員的坐標，并結(jié)合作業(yè)人員與多個監(jiān)控的距離，確定作業(yè)人員空間位置，包括以下步驟：

20、s31、系統(tǒng)準備：在作業(yè)人員身上裝備北斗定位模塊或uwb定位模塊，并在作業(yè)區(qū)域內(nèi)布置好所需的基站或信號發(fā)射器，以確保信號覆蓋率和穩(wěn)定性；

21、s32、坐標定位：通過北斗系統(tǒng)或uwb系統(tǒng)獲取作業(yè)人員在空間中的坐標；

22、s33、距離計算：確定作業(yè)人員的坐標后，計算作業(yè)人員與多個監(jiān)控視頻點位之間的距離；

23、s34、空間位置確定：根據(jù)作業(yè)人員的坐標和與多個監(jiān)控視頻點位之間的距離，確定作業(yè)人員當前的空間位置；

24、s35、實時監(jiān)控與數(shù)據(jù)更新：將作業(yè)人員的空間位置實時傳輸至監(jiān)控系統(tǒng)進行監(jiān)控和分析，通過持續(xù)獲取與更新位置數(shù)據(jù)，對作業(yè)人員的實時追蹤。

25、進一步地，所述根據(jù)作業(yè)人員空間位置，確定當前的作業(yè)工序和環(huán)節(jié)，具體為：預設不同作業(yè)工序和環(huán)節(jié)的作業(yè)區(qū)域，根據(jù)作業(yè)人員空間位置所在作業(yè)區(qū)域確定當前的作業(yè)工序和環(huán)節(jié)。

26、進一步地，所述作業(yè)風險行為包括人員資質(zhì)不合格、作業(yè)對象錯誤、誤入間隔、安全越線、臨近帶電體、錯掛漏掛地線、錯合漏合地刀、登高不系安全帶、登高無人扶梯、吊臂下停留、大型器具與設備距離過近和未佩戴安全帽。

27、進一步地，所述根據(jù)作業(yè)人員圖像特征和作業(yè)人員空間位置判斷作業(yè)人員在當前的作業(yè)工序和環(huán)節(jié)是否存在作業(yè)風險行為，包括以下步驟：

28、s51、數(shù)據(jù)收集：收集歷史時期大規(guī)模作業(yè)人員圖像特征及對應的作業(yè)人員空間位置數(shù)據(jù)樣本；

29、s52、數(shù)據(jù)標注：對作業(yè)人員圖像特征中存在的作業(yè)風險行為類型進行標注；

30、s53、以作業(yè)人員圖像特征和作業(yè)人員空間位置為解釋變量，對應的作業(yè)風險行為類型為響應變量，訓練隨機森林模型；

31、s54、將當前的作業(yè)人員圖像特征和作業(yè)人員空間位置輸入隨機森林模型中，判斷當前的作業(yè)工序和環(huán)節(jié)的作業(yè)風險行為類型。

32、進一步地，所述隨機森林模型，包括以下構建步驟：

33、s531、采用數(shù)據(jù)融合技術對作業(yè)人員圖像特征和作業(yè)人員空間位置數(shù)據(jù)進行處理，獲取作業(yè)人員行為特征向量；

34、s532、以作業(yè)人員行為特征向量為輸入，作業(yè)風險行為類型為目標輸出，訓練隨機森林模型；

35、s533、采用混淆矩陣評估隨機森林模型對作業(yè)風險行為類型預測的準確性。

36、進一步地，所述數(shù)據(jù)融合技術，具體包括：

37、根據(jù)作業(yè)人員圖像特征進行數(shù)據(jù)編碼，獲得行為代碼；

38、根據(jù)作業(yè)人員空間位置計算空間位置權重，具體為：以作業(yè)人員特定工作區(qū)域的對稱中心為原點，建立坐標系，根據(jù)作業(yè)人員空間位置與對稱中心的距離，計算空間位置權重；

39、將行為代碼和空間位置權重合并，形成作業(yè)人員行為特征向量。

40、進一步地，步驟s6中，所述自動播報當前的作業(yè)風險行為類型，當作業(yè)人員在規(guī)定時間內(nèi)未停止作業(yè)風險行為時，上報報警消息給管理人員。

41、本發(fā)明的有益效果：

42、通過獲取多個監(jiān)控視頻點位的監(jiān)控視頻流圖像，提取作業(yè)人員圖像特征；剔除作業(yè)人員圖像特征不清晰或不完整的監(jiān)控視頻流圖像；通過北斗系統(tǒng)或uwb系統(tǒng)或兩者兼具的系統(tǒng)確定作業(yè)人員的坐標，并結(jié)合作業(yè)人員與多個監(jiān)控的距離，確定作業(yè)人員空間位置；根據(jù)作業(yè)人員空間位置，確定當前的作業(yè)工序和環(huán)節(jié)；根據(jù)作業(yè)人員圖像特征和作業(yè)人員空間位置判斷作業(yè)人員在當前的作業(yè)工序和環(huán)節(jié)的作業(yè)風險行為類型。本發(fā)明解決了現(xiàn)有技術容易因變電站內(nèi)設備遮擋和光照角度問題而使監(jiān)控無法準確識別人員作業(yè)風險行為以及無法準確定量空間距離而引起誤判的問題。