CN107545224B - 变电站人员行为识别的方法及装置 - Google Patents
变电站人员行为识别的方法及装置 Download PDFInfo
- Publication number
- CN107545224B CN107545224B CN201610509358.6A CN201610509358A CN107545224B CN 107545224 B CN107545224 B CN 107545224B CN 201610509358 A CN201610509358 A CN 201610509358A CN 107545224 B CN107545224 B CN 107545224B
- Authority
- CN
- China
- Prior art keywords
- personnel
- image
- line
- default
- monitoring area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种变电站人员行为识别的方法及装置。其中,该方法包括以下步骤:获取变电站的监控区域的视频图像;提取所述视频图像中采集到的人员状态数据,按照预设规则判断所述监控区域中是否有人员的行为违反规定;当检测到所述监控区域中有人员违反规定时,发出警报。其将采集到的视频图像上传到相连接的上位机中,上位机对视频图像进行分析,判断各监控区域的情况。并能够在有人员行为不满足要求时,发出警报进行提示。从而大大提高了变电站区域监控的精细程度以及实时性,且采用摄像装置结合计算机进行人员行为的监控,实现对变电站中人员的自动监控,减少劳动力的同时及时发现违反规定行为,减少事故发生率。保证变电站区域的安全。
Description
技术领域
本发明涉及安全监控技术领域,尤其涉及一种变电站人员行为识别的方法及装置。
背景技术
随着计算机、电子技术的不断发展,越来越多的技术被应用到了电力系统中。“遥视”系统技术的诞生让变电站传统监控系统具备了“千里眼”能力,但对视频图像的分析依然靠监控人员完成。随着变电站安全运营发展需求,需要监控的区域越来越多,视频路数也越来越多,若全部视频流全部同时流向监控中心供监控人员分析,对监控人员要求高,监控准确度低,而且监控人员视觉的疲劳和人力的懈怠容易导致事故发生。
发明内容
基于此,有必要针对传统技术中对变电站的监控,监控准确度低的问题,提供一种劳动力占用少,且监控准确度高的变电站人员行为识别的方法及装置。
为实现本发明目的提供的一种变电站人员行为识别的方法,包括以下步骤:
获取变电站的监控区域的视频图像;
提取所述视频图像中采集到的人员状态数据,根据所述人员状态数据按照预设规则判断所述监控区域中是否有人员的行为违反规定;
当检测到所述监控区域中有人员违反规定时,发出警报。
在其中一个实施例中,所述提取所述视频图像中采集到的人员状态数据,根据所述人员状态数据按照预设规则判断所述监控区域中是否有人员的行为违反规定,包括:
提取当前视频图像中的人员图像;
将所述人员图像与第一预设布防线图像进行与运算,判断所述人员图像与所述第一预设布防线图像是否存在重叠像素点;
当所述人员图像与所述第一预设布防线图像存在重叠像素点时,判定所述监控区域中所述人员图像对应的人员的行为为双向绊线;
所述双向绊线为违反规定的行为中的一种;所述第一预设布防线为所述变电站的监控区域中预先设置的布防线,所述布防线一侧为非保护区,另一侧为保护区。
在其中一个实施例中,所述提取所述视频图像中采集到的人员状态数据,根据所述人员状态数据按照预设规则判断所述监控区域中是否有人员的行为违反规定,包括:
提取当前视频图像中的人员图像;
将所述人员图像与第二预设布防线图像进行与运算,判断所述人员图像与所述第二预设布防线图像是否存在重叠像素点;
当检测到所述人员图像与所述第二预设布防线图像存在重叠像素点时,记录所述人员图像对应的人员的第一位置坐标;
将下一帧视频图像作为所述当前视频图像,并返回执行所述提取当前视频图像中的人员图像的步骤及所述将所述人员图像与第二预设布防线图像进行与运算,判断所述人员图像与所述第二预设布防线图像是否存在重叠像素点的步骤,直至检测到当前视频图像中的人员图像与所述第二预设布防线图像不存在重叠像素点时,记录所述人员图像对应的人员的第二位置坐标;
当所述第一位置坐标对应的第一位置和所述第二位置坐标对应的第二位置分布在所述第二预设布防线图像对应的所述第二预设布防线两侧,且所述第二位置坐标对应的第二位置在所述第二预设布防线划分的保护区范围内时,确定所述人员图像对应的人员的行为为单向绊线;
所述单向绊线为违反规定的行为中的一种;所述第二预设布防线为所述变电站的监控区域中预先设置的第二预设布防线,所述第二预设布防线一侧为非保护区,另一侧为保护区。
在其中一个实施例中,所述第二预设布防线为直线;
所述根据所述视频图像,按照预设规则判断所述监控区域中是否有人员的行为违反规定,还包括,在所述保护区中选取一点作为第三位置,并得到所述第三位置的第三位置坐标的步骤;
并根据以下步骤判断所述第一位置和所述第二位置是否在所述第一预设布防线图像对应的所述第一预设布防线两侧,及所述第二位置是否在所述保护区范围内;
根据所述第一预设布防线构建平面线性分类器f(x,y)=a·x+b·y+c,其中,x为平面坐标系中的x轴坐标,y为平面坐标系中的y轴坐标,a,b,c为直线方程的参数;且所述第一位置坐标为A1(x1,y1),第二位置坐标为A2(x2,y2),第三位置坐标为A3(x3,y3);
当f(A2)·f(A3)>0且f(A1)·f(A2)<0时,判定所述第一位置和所述第二位置是否在所述第一预设布防线图像对应的所述第一预设布防线两侧,且所述第二位置在所述保护区范围内。
在其中一个实施例中,所述提取所述视频图像中采集到的人员状态数据,根据所述人员状态数据按照预设规则判断所述监控区域中是否有人员的行为违反规定,包括:
根据所述视频图像检测所述监控区域中的工作范围是否有运动物体;
当检测不到运动物体时,判定所述工作范围内没有人员,离岗计时器启动计数或者继续计数;
当检测到所述运动物体时,判定所述工作范围内有人员,所述离岗计时器清零;
所述离岗计时器达到预设数值时,判定所述监控区域中有人员离岗;
所述有人员离岗为违反规定的行为中的一种。
在其中一个实施例中,当所述工作范围处于无人状态时,在执行所述根据所述视频图像对所述监控区域中的工作范围进行运动物体检测的步骤之前,还包括以下步骤:
获取当前视频图像中的人员图像;
将所述人员图像与所述监控区域中用于限定所述工作范围的第三预设布防线对应的第三预设布防线图像进行与运算,判断所述人员图像与所述第三预设布防线图像是否存在重叠像素点;
当检测到所述人员图像与所述第三预设布防线图像存在重叠像素点时,记录所述人员图像对应的人员的第四位置坐标;
将下一帧视频图像作为所述当前视频图像,并返回执行所述提取当前视频图像中的人员图像的步骤,及所述将所述人员图像与第三预设布防线图像进行与运算,判断所述人员图像与所述第三预设布防线图像是否存在重叠像素点的步骤,直至检测到当前视频图像中的人员图像与所述第三预设布防线图像不存在重叠像素点时,记录所述人员图像对应的人员的第五位置坐标;
当所述第四位置坐标对应的第四位置在所述工作范围外,且所述第五位置坐标对应的第五位置在所述工作范围内时,判定有人员进入到所述工作范围内;
检测进入到所述工作范围内的人员在所述工作范围停留的时间是否超过预设时间;
当所述进入到所述工作范围内的人员在所述工作范围停留的时间超过预设时间时,判定所述监控区域中有人员上岗,所述离岗计时器停止计数。
在其中一个实施例中,所述提取所述视频图像中采集到的人员状态数据,根据所述人员状态数据按照预设规则判断所述监控区域中是否有人员的行为违反规定,包括:
提取当前视频图像中的人体图像;
从所述人体图像中提取人体头部对应的图像部分作为头像部分图像;
将所述头像部分图像从RGB空间转换到HSV颜色空间;
提取的头像部分图像对应的所述HSV颜色空间中的H分量,并制作所述H分量的归一化直方图;
将所述归一化直方图与预设的安全帽颜色直方图进行比较分类,得到相似度最大数值;
当所述相似度最大数值低于预设相似度时,判定所述监控区域中所述人体图像对应的人员的行为为未带安全帽;
所述未戴安全帽为违反规定的行为中的一种。
基于同一发明构思的一种变电站人员行为识别的装置,包括:
图像获取模块,用于获取变电站的监控区域的视频图像;
行为判断模块,用于提取所述视频图像中采集到的人员状态数据,根据所述人员状态数据按照预设规则判断所述监控区域中是否有人员的行为违反规定;
报警模块,用于当检测到所述监控区域中有人员违反规定时,发出警报。
在其中一个实施例中,所述行为判断模块中包括双向绊线判断子模块;所述双向绊线判断子模块包括:
第一人员图像提取单元,用于提取当前视频图像中的人员图像;
第一重叠判断单元,用于将所述人员图像与第一预设布防线图像进行与运算,判断所述人员图像与所述第一预设布防线图像是否存在重叠像素点;
第一判定单元,用于当所述人员图像与所述第一预设布防线图像存在重叠像素点时,判定所述监控区域中所述人员图像对应的人员的行为为双向绊线;
其中,所述双向绊线为违反规定的行为中的一种;所述第一预设布防线为所述变电站的监控区域中预先设置的布防线,所述布防线一侧为非保护区,另一侧为保护区。
在其中一个实施例中,所述行为判断模块中包括单向绊线判断子模块;所述单向绊线判断子模块包括:
第二人员图像提取单元,用于提取当前视频图像中的人员图像;
第二重叠判断单元,用于将所述人员图像与第一预设布防线图像进行与运算,判断所述人员图像与所述第一预设布防线图像是否存在重叠像素点;
第一位置记录单元,用于根据所述第二重叠判断子模块的判断结果,当检测到所述人员图像与所述第一预设布防线图像存在重叠像素点时,记录所述人员图像对应的人员的第一位置坐标;
第二位置记录单元,用于将下一帧视频图像作为当前视频图像,并返回执行所述第二人员图像提取子模块及所述第二重叠判断子模块,直至检测到当前视频图像中的人员图像与所述第一预设布防线图像不存在重叠像素点时,记录所述人员图像对应的人员的第二位置坐标;
第二判定单元,用于当所述第一位置坐标对应的第一位置和所述第二位置坐标对应的第二位置分布在所述第一预设布防线图像对应的所述第一预设布防线两侧,且所述第二位置坐标对应的第二位置在所述第一预设布防线划分的保护区范围内时,确定所述人员图像对应的人员的行为为单向绊线;
所述单向绊线为违反规定的行为中的一种;所述第一预设布防线为所述变电站的监控区域中预先设置的第一布防线,所述第一布防线一侧为非保护区,另一侧为保护区。
在其中一个实施例中,所述行为判断模块中包括人员离岗判断子模块;所述人员离岗判断子模块包括:
移动物体检测单元,用于根据所述视频图像对所述监控区域中的工作范围进行运动物体检测;
离岗判断单元,用于当检测不到运动物体时,判定所述工作范围内没有人员,离岗计时器启动计数或者继续计数;
在岗判定单元,用于当检测到所述运动物体时,判断所述工作范围内有人员,所述离岗计时器停止计数;
离岗判定单元,用于当所述离岗计时器达到预设数值时,判定所述监控区域中有人员离岗;
所述有人员离岗为违反规定的行为中的一种。
在其中一个实施例中,所述行为判断模块中包括安全帽检测子模块;所述安全帽检测子模块包括:
人体图像提取单元,用于提取当前视频图像中的人体图像;
头像提取单元,用于从所述人体图像中提取人体头部对应的图像部分作为头像部分图像;
图像转换单元,将所述头像部分图像从RGB空间转换到HSV颜色空间;
直方图制作单元,用于提取的头像部分图像对应的所述HSV颜色空间中的H分量,并制作所述H分量的归一化直方图;
相似度检测单元,用于将所述归一化直方图与预设的安全帽颜色直方图进行比较分类,得到相似度最大数值;
安全帽判定单元,用于当所述相似度最大数值低于预设相似度时,判定所述监控区域中所述人体图像对应的人员的行为为未带安全帽;
所述未戴安全帽为违反规定的行为中的一种。
本发明的有益效果包括:本发明提供的一种变电站人员行为识别的方法,其首先获取变电站的监控区域的视频图像,并进一步根据视频图像,按照预设规则判断监控区域中是否有人员的行为违反规定,并在检测到监控区域中有人员违反规定时,发出警报。本方法将采集到的视频图像上传到相连接的上位机(如计算机)中,相连接的计算机对视频图像进行分析,判断各监控区域的情况。并能够在发现异常(有人员行为不满足要求)时,发出警报进行提示。从而大大提高了变电站区域监控的精细程度以及实时性,而且采用摄像装置结合计算机进行人员行为的监控,实现对变电站中人员的自动监控,减少劳动力使用的同时保证变电站监控区域中人员行为的有效掌控,及时发现违反规定行为并发出警报,减少事故发生率。保证变电站区域的安全。
附图说明
图1为一实施例的变电站人员行为识别的方法的流程图;
图2为一实施例的变电站人员行为识别的方法中的双向绊线检测流程图;
图3为一实施例的变电站人员行为识别的方法中的单向绊线检测流程图;
图4为一实施例的变电站人员行为识别的方法中的有人员离岗检测流程图;
图5为一实施例的变电站人员行为识别的方法中的未戴安全帽检测流程图;
图6为一实施例的变电站人员行为识别的装置的构成示意图;
图7为一实施例的变电站人员行为识别的装置中的双向绊线判断子模块构成示意图;
图8为一实施例的变电站人员行为识别的装置中的单向绊线判断子模块构成示意图;
图9为一实施例的变电站人员行为识别的装置中的人员离岗判断子模块构成示意图;
图10为一实施例的变电站人员行为识别的装置中的安全帽检测子模块构成示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图对本发明的变电站人员行为识别的方法及装置的具体实施方式进行说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例1:
本实施例的变电站人员行为识别的方法,如图1所示,包括以下步骤:
S100,获取变电站的监控区域的视频图像。
S200,提取所述视频图像中采集到的人员状态数据,根据所述人员状态数据按照预设规则判断所述监控区域中是否有人员的行为违反规定。其中,所述人员状态数据包括人员是否与布防线相交、人员是否在监控区域范围内、人员是否在布防线划分出的范围内及人员头像的颜色中的一种或者两种以上。
S300,当检测到监控区域中有人员违反规定时,发出警报。
本实施例的变电站人员行为识别的方法在实施过程中,可以将变电站整体区域划分为多个监控区域,在每个监控区域安装红外摄像头视频采集装置。并将采集到的视频图像上传到相连接的上位机(如计算机)中。相连接的计算机对视频图像进行分析,判断各监控区域的情况。并能够在发现异常(有人员行为不满足要求)时,发出警报进行提示。从而大大提高了变电站区域监控的精细程度以及实时性,而且采用摄像装置结合计算机进行人员行为的监控,实现对变电站中人员的自动监控,减少劳动力使用的同时保证变电站监控区域中人员行为的有效掌控,及时发现违反规定行为并发出警报,减少事故发生率。保证变电站区域的安全。
需要说明的是,对变电站厂区的划分可采用虚拟的布防线实现,通过虚拟布防线将变电站厂区划分为多个范围。而对于监控区域,监控区域的范围可稍大于一个布防线划分出的范围。或者也可以在一个监控区域中包含两个以上布防线划分出的范围。当然,较佳的,还是在一个监控区域中包含一个布防线划分出的范围。且不同的监控区域要进行监控的内容可以相同也可以不同。即,不同的监控区域要判断的违反规定的行为可能完全不同。如对于变电站的中某一块的高压区域,可采用虚拟的布防线(计算机可识别,可对应到视频图像中)划分出高压禁入区,并将所述高压禁入区作为一个监控区域。在后续对高压禁入区进行监测时,主要是判断是否有人员进入了高压禁入区,如果有则需要发出警报,提示工作人员及时去排查,更进一步的,所述警报除在电脑端发出警报之外,还可在高压区周围设定警报铃的音频警报装置,从而直接对进入高压禁入区的人员以警示。
且步骤S200中所述的按照预设规则对监控区域中人员行为进行判断,预设规则是预先存储在计算机中的,针对不同的监控区域对各自区域中的违反规定的人员行为进行检测的规则。
实施例2:
本实施例的变电站人员行为识别的方法与前述实施例1的实施过程类似,包括实施例1中的三个步骤。但本实施例中更详细的介绍了其中一种违反规定行为的检测。如图2所示,本实施例中,对实施例1中的步骤S200,提取所述视频图像中采集到的人员状态数据,根据所述人员状态数据按照预设规则判断所述监控区域中是否有人员的行为违反规定在执行过程中,具体包括以下步骤:
S221,提取当前视频图像中的人员图像。
需要说明的,步骤S100获取变电站的监控区域的视频图像是一个连续的过程,即实时或者每个间隔一定时间获取一个监控区域的视频图像。而对每个监控区域进行人员行为检测时,都是获取相应的监控区对应的视频图像。这一点也适用于其他实施例中的视频图像获取以及进一步利用相应的视频图像进行人员行为判断的过程。
且本步骤中人员图像的提取是获取视频图像中的人员前景图像,获取的人员图像大小与视频图像的大小是一致的。如图像大小为640*320等,具体大小与监控区域的大小以及视频获取设备有关。
获取到人员图像后,则会对人员情况进行跟踪,本实施例中,继续执行步骤S222,将人员图像与第一预设布防线图像进行与运算,判断人员图像与第一预设布防线图像是否存在重叠像素点。
其中,第一预设布防线为变电站的监控区域中预先设置的布防线,布防线一侧为非保护区,另一侧为保护区。此处布防线与实施例中相同,不是真实存在的线,当然,在实际场地(变电站区域)中,也可相应的设置真实与所述虚拟布防线对应的物理防护栏的装置,但是不设置任何物理防护栏不影响本实施例以及其他实施例的电站人员行为识别方法的实施。但具体的,在本实施例中,进行人员行为监测的监控区域是一个特定需要保护、不希望他人进入的区域,如实施例1中所说的高压禁入区。本实施例中人员行为监测主要是防止人员进入所述保护区,或者提醒其他工作人员及时对所述保护区有人员进入的行为进行处理。
进一步的,在本实施例中,步骤S222是利用布防线对人员行为进行检测,本领域技术人员可以理解,如果要从外界(非保护区)进入到保护区中,一定要经过所述布防线,因此,通过所述布防线与人员图像之间的对应关系就能判断人员是否有危险行为(要进入到保护区)。
而具体的,本步骤中将人员图像与第一预设布防线图像进行与运算,如前所述,人员图像与视频图像大小是一致的,本领域技术人员可以理解,要将人员图像与第一预设布防线图像进行“与”运算,则上位机(计算机)中预存的第一预设布防线图像与所述人员图像大小要一致。因此,计算机中预存的第一预设布防线图像也与视频图像大小一致。而此处所说的与运算是指,将人员图像与第一预设布防线图像按照像素点位置进行比对,看是否能够得到均有值的像素点。当与运算的结果不为零(存在某个位置的在人员图像和第一预设布防线图像中均有值)时,则能够得出人员图像与第一预设布防线图像存在重叠像素点。此时则可以进入步骤S223,当人员图像与第一预设布防线图像存在重叠像素点时,判定监控区域中人员图像对应的人员的行为为双向绊线。此时,人员图像与第一预设布防线图像存在重叠像素点,表示从所述视频图像中采集到的人员状态数据为人员与布防线相交。而当人员图像与第一预设布防线图像不存在像素点时,则认为从所述视频图像中采集到的人员状态数据为人员与布防线不相交。
其中,双向绊线为违反规定的行为中的一种。事实上,此时已经能够断定,人员已经有身体的部分涉及到了所述保护区,因此,对此种行为需要采取措施。
当判断出监控区域中有人员绊线后,则可继续执行步骤S300,发出警报,以提示工作人员及时进行处理,或者通过音频的装置直接对要进入保护区中的人员进行警示,以防发生安全事故。其通过计算机端智能远程分析,就能掌控变电站需要特殊防范的保护区的情况,及时发现双线绊线的危险行为,并发出警报以降低危险发生频率,保证变电站安全。
当然,如果步骤S222中检测到人员图像与第一预设布防线图像没有重叠像素点时,则不会发出警报。
实施例3
本实施例着重对另一种违反规则的行为进行说明,具体为对人员单向绊线的行为进行检测,并发出警报。
具体的,首先还会执行步骤S100,通过安装在监控区域中的视频设备获取监控区域的视频图像。
但与前述实施例2不同的是,在根据视频图像对监控区域中人员是否有单向绊线行为进行检测时,如图3所示,按照以下步骤进行:
S231,提取当前视频图像中的人员图像。
本步骤是一个从视频图像中提取前景图像的过程,其在具体实施过程中可采用与前述实施例2中步骤S221相同的处理方式。具体的,可在监控区域中没有人员时,获取视频图像作为背景图像,采用混合高斯模型进行背景建模,从而能够利用混合高斯模型,机型运动物体(人员)检测,检测出运动人员图像区域,再采用形态学处理及连通区域分析对运动人员图像区域进行分割。根据面积大小将完整的人员图像从整帧图像中分割出来。且提取出的人员图像还是以视频图像大小存储使用。
S232,将人员图像与第二预设布防线图像进行与运算,判断人员图像与第二预设布防线图像是否存在重叠像素点。其与步骤S222执行功能相同,检测在第二预设布防线图像中的第二预设布防线对应的位置人员图像中是否存在像素值,如果是,则可以判定,监控区域中有人员身体的部分已经在第二预设布防线上。
其中,第二预设布防线的意义与前述第一预设布防线的意义相同,都是在监控区域中划分出一个范围作为保护区。其需要预先在变电站的监控区域中设置第二预设布防线,第二预设布防线一侧为非保护区,另一侧为保护区。且第一预设布防线和所述第二预设布防线可以分别构成一个封闭的区域,也可直接将监控区域分为两部分。
而第二预设布防线图像为与视频图像大小相同的,且包含与所述第二预设布防线相对应的像素点的图像。
此时,检测到人员图像与第二预设布防线图像存在重叠像素点,继续执行步骤S233,记录人员图像对应的人员的第一位置坐标。该步骤可以认为是第一次检测到人员图像与第二预设布防线图像存在重叠像素点。可以理解,如果一直没有检测到人员图像与第二预设布防线图像存在重叠像素点,则该监控区域是没有问题的。而如果检测到有重叠的像素点,则需要进行进一步的判断。
且本实施例中,视频图像是持续获取的,本实施例在进行单向绊线违反规定行为判断时,检测到人员已经触线之后,还要继续对下一帧的视频图像进行处理分析,具体的为将下一帧视频图像作为当前视频图像,并返回执行步骤S231对当前视频图像进行人员图像提取的步骤,及后续的步骤S232,判断人员图像与预设的第二预设布防线图像是否存在重叠像素点。本领域技术人员可以理解,本实施例的方法在实施过程中,人员压线,即监控区域中的人员与第二预设布防线有交点的状况会持续一段时间,因此,本实施例中,会检测到多个视频图像对应的人员图像都与预设第二布防线图像有重叠像素点。如图3所示,这个过程中,会持续循环,直至检测到当前视频图像中的人员图像与第二预设布防线图像不存在重叠像素点时,会执行步骤S234,记录人员图像对应的人员的第二位置坐标。
其中人员的位置坐标可将人员的前景图像(相应的人员图像对应的人员前景图像)外接矩形的中心点坐标看作人员的位置坐标。
获取到第一坐标位置和第二坐标位置之后,继续对两个坐标位置进行判断分析。并根据分析结果执行步骤S235。
S235,当第一位置坐标对应的第一位置和第二位置坐标对应的第二位置分布在第二预设布防线图像对应的第二预设布防线两侧,且第二位置坐标对应的第二位置在第二预设布防线划分的保护区范围内时,确定人员图像对应的人员的行为为单向绊线。此时可判定,有人员从非保护区域进入到了保护区中。则继续执行步骤S300发出警报。
本领域人员可以理解,当检测到第二位置在第二预设布防线划分的保护区范围内时,此时可以认为从所述视频图像中提取出的人员状态数据为人员在布防线划分出的范围内。相对的,当检测到第二位置在第二预设布防线划分的保护区范围外时,此时可认为从所述视频图像中提取出的人员状态数据为人员不在布防线划分出的范围内。
本实施例的变电站人员行为识别的方法,结合布防线图像通过人员的位置坐标对人员的单向绊线进行检测,计算量小,识别速度快。
具体的,当所述第一预设布防线为直线时,还可以在保护区中选取一点作为第三位置,并得到第三位置的第三位置坐标A3(x3,y3)。
并根据以下步骤判断第一位置和第二位置是否在第一预设布防线图像对应的第一预设布防线两侧,及第二位置是否在保护区范围内。
首先,根据第一预设布防线构建平面线性分类器f(x,y)=a·x+b·y+c。
其中,x为平面坐标系中的x轴坐标,y为平面坐标系中的y轴坐标,a,b,c为直线方程的参数。设置前述步骤得到的第一位置坐标为A1(x1,y1),第二位置坐标为A2(x2,y2)。
其次,采用已经构建的线性分类型f(x,y)=a·x+b·y+c对第一位置和第二位置进行判断。具体的,只有满足f(A2)·f(A3)>0且f(A1)·f(A2)<0时,才能判定第一位置和第二位置是否在第一预设布防线图像对应的第一预设布防线两侧,且第二位置在保护区范围内。当f(A2)·f(A3)>0且f(A1)·f(A2)<0时,根据线性分类器分类得出,第二位置和第三位置为同一类,而第一位置和第三位置为不同类。即,第二位置在保护区范围内,第一位置在保护区外。此时则能够断定人员是从保护区外到了保护区内部。
实施例4
本实施例详细说明对人员离岗的违反规定行为的检测。当然,在进行监控区域人员离岗检测时,还是需要首先执行步骤S100,获取变电站的监控区域的视频图像。获取视频图像之后,如图4所示,继续执行以下步骤,对有人员离岗行为进行检测:
S241,根据视频图像检测监控区域中的工作范围是否有运动物体。本实施例的人员离岗检测中,在正常工作时,认为人员是处于一个移动状态的,只要检测到监控区域中的工作范围内有运动的物体则判定人员是在岗的。则执行步骤S244。
而当检测不到运动物体时,则执行步骤S242,判定工作范围内没有人员,离岗计时器启动计数或者继续计数。
本领域技术人员可以理解,当在工作范围内没有检测到运动物体时,此时,从所述视频图像中提取出的人员状态数据为人员不在工作范围内,当然,如果整个监控区域均为工作范围时,人员不在监控区域范围内的人员状态数据则为所述人员不在工作范围内。相对的,当在工作范围内检测到运动物体时,则认为从所述视频图像中提取出的人员状态数据为人员在工作范围内,当然,如果整个监控区域均为工作范围时,则如果通过视频图像检测到整个监控区域范围内有运动物体,即从视频图像中提取出人员状态数据为人员在监控区域范围内,此时也可得到人员在工作范围内。
需要说明的是,本发明多个实施例的变电站人员行为识别的方法中,对视频图像的获取以及进行的各种处理都是持续进行的。具体到本实施例中,每次检测不到运行物体时,则均执行步骤S242,对离岗计时器进行控制。本领域技术人员可以理解,第一次检测到工作范围内没有人员时,则会启动离岗计时器,而连续的后续检测中如果还检测到工作范围内没有人员时,则保持离岗计时器继续计数而不是启动计数器。
后续的,如果在监控区域的工作范围一直检测不到运动物体,而离岗计时器是持续计数的,经过一定时间后则进入到步骤S243,离岗计时器达到预设数值时,判定监控区域中有人员离岗。此时,则可再继续执行步骤S300,发出警报。提示变电站管理人员及时派人到所述工作范围,防止无人在岗的工作区域发生事故。
当在工作范围内检测到人员时,则执行步骤S244,判定工作范围内有人员,离岗计时器清零。
本实施例的变电站人员行为识别的方法,对工作范围人员离岗的时间进行设定,只有工作范围(变电站中某个岗位区域范围,且一般由一个人负责)内持续一定时间没有人员时,才发出警报,避免人员偶尔离开(如拿放检修工具)造成误报警。
所述离岗计时器的预设数值可根据不同监控区域的实际情况进行设定,如某个监控区域中的工作范围允许20分钟没有工作人员,但是某些岗位(工作范围)可能只允许不超过10分钟的人员不在岗情况。因此,可根据实际允许的不在岗时长设定相应的计数器的预设数值。
另外,当工作范围处于无人状态时,包括上班开始时工作岗位上没有工作人员以及检测到工作范围工作人员离岗后继续判断是否有人员到岗,在执行根据视频图像对监控区域中的工作范围进行运动物体检测的步骤之前,还可以包括以下步骤:
S2411,获取当前视频图像中的人员图像。其与前述实施例中各步骤中的获取视频图像中的人员图像步骤执行过程相同。
S2412,将人员图像与监控区域中用于限定工作范围的第三预设布防线对应的第三预设布防线图像进行与运算,判断人员图像与第三预设布防线图像是否存在重叠像素点。该步骤与前述实施例中的判断人员图像与第一预设布防线图像或者与第二预设布防图像是否有重叠像素点的过程相同。此处不再赘述。
当检测到人员图像与第三预设布防线图像存在重叠像素点时,执行步骤S2413,记录人员图像对应的人员的第四位置坐标。此时检测到有人员与工作范围的布防线有交点,则说明有人员可能要进入到工作范围中。则需要继续对检测到的人员进行跟踪。具体的,将下一帧视频图像作为当前视频图像,并返回执行步骤S2411,提取当前视频图像中的人员图像的步骤,及步骤S2412,将人员图像与第三预设布防线图像进行与运算,判断人员图像与第三预设布防线图像是否存在重叠像素点的步骤,直至检测到当前视频图像中的人员图像与第三预设布防线图像不存在重叠像素点时,此时,进入步骤S2414,记录人员图像对应的人员的第五位置坐标。
并继续使用第四位置坐标对应的第四位置和第五位置坐标对应的第五位置判断人员是否进入到工作范围中。具体的,步骤S2415,当第四位置坐标对应的第四位置在工作范围外,且第五位置坐标对应的第五位置在工作范围内时,判定有人员进入到工作范围内。本步骤具体执行过程中可采用实施例3中根据第二预设布防线构建线性分类器的方式构建本实施例的第三预设布防线的线性方程,并在工作范围中取一点的坐标作为参考,通过线性分类器对三点(第四位置坐标、第五位置坐标以及在工作范围所取点的坐标)是否类型相同来确定人员是否从工作范围外进入到工作范围内部。如此,利用三点坐标与平面线性分类器的关系判断人员是否实行了穿越预设布防线的行为。具有计算量小,识别速度快等优点。
进一步的,判断出有人员从工作范围外进入到工作范围后,并不直接认定本岗位的工作人员已经回岗,而是继续执行步骤S2416,检测进入到工作范围内的人员在工作范围停留的时间是否超过预设时间。
只有当进入到工作范围内的人员在工作范围停留的时间超过预设时间时,进入到步骤S2417,判定监控区域中有人员上岗,离岗计时器停止计数。
通过步骤S2411~步骤S2417只有进入到工作范围的人员在工作范围内停留时间超过预设时间时,才认定工作人员已经回归岗位。而不是只要检测有人员进入到工作区域则认定工作人员已经回归岗位。其能避免路过该工作范围的人员被误判断为该岗位的工作人员。能够更准确的计算该工作区域中工作人员的离岗时长。如可设定预设时间为3秒~5秒。如果在工作范围的人员停留超过5秒则认为是本岗位工作人员回岗。则可继续使用前述步骤S241至步骤S244对工作范围人员是否离岗进行判断。当然,如果为了更精确计算工作人员离岗时间,可将根据离岗计数器计算出的时间减去所述预设时间,将得到的时长作为最终的本次工作人员离岗时长。
而对于停留时间的判断,因为本实施例中是持续对人员图像进行分析的过程,其在继续判断的过程中,如果再次检测到人员图像与所述第三预设布防线有重复像素点时,则再对人员的移动状态进行检测,如也采用线性分类器的方式判断是否人员从工作范围移动到外部,当然,如果移动到了外部,则对停留时间进行计时的计时器进行清零,等待下次有人员进入到工作范围再次启动进行计时。并继续判断是否停留时间超过预设时间。
具体的,工作范围可以是使用第三预设布防线圈起来的矩形框。当然也可以其他形状。
此处还需要说明的是,实施例2至实施例4中,从视频图像中获取人员图像的过程都是相同的。首先,在没有人员进入监控区域时进行混合高斯背景建模,用混合高斯模型来描述背景图像,可在人员的行为检测之前进行;进行检测开始后,对当前帧视频图像进行前景检测,若有人员进入监控区域就会检测出人员前景图像;对前景二值图像进行形态学处理,填补前景二值图像内的空洞与去除细小连接;再将前景二值图像连通域逐一进行分析,筛选出适合人员大小的连通域,从而筛选出了人员对应的图像,进一步得到视频图像大小相同的人员图像。则后续中各实施例都可以进一步根据获取到的人员图像进行分析。
实施例5
本实施例详细说明对变电站内的人员是否戴安全帽的行为进行检测的过程。本实施例在执行过程中,首先还是会执行步骤S100,获取变电站的监控区域的视频图像。获取视频图像之后,如图5所示,继续执行以下步骤,对站内人员是否戴安全帽的行为进行检测。
S251,提取当前视频图像中的人体图像。
其中,所述人体图像是指,从当前视频图像中图区出来的人形的前景图像。其与前述实施例1至实施例4中获取的人员图像不同之处在于,前述的人员图像最终是与当前视频图像大小相同的图像。但是,本实施例中的人体图像每次提取的大小是可能不同的,本领域技术人员可以理解,同一人员在视频图像中不同的位置可能提取出来的人体图像大小可能不同,而不同的工作人员在视频图像中的同一位置提取出来的人体图像大小可能也不同。但是本步骤中提取人体图像也可通过前述的利用混合高斯模型提取运动物体,并通过连通域分析的方式进行提取。
S252,从所述人体图像中提取人体头部对应的图像部分作为头像部分图像。
且为了后续便于对头像部分图像进行处理,可先对人体图像进行归一化处理,具体是将提取出的人体图像进行缩放处理,得到想要大小的人体图像,如得到第一预设大小的人体图像。最佳的,是将人体图像高度进行一个设定,将人体图像缩放到为预设高度,而对于人体图像的宽度,可采用裁切的方式调整到预设大小,当然,在进行裁切的时候,最好是保证人体的头像部分高度与人体图像高度具有较稳定的比例关系。在其他实施例中,甚至可只对人体图像根据高度进行归一化处理,而对图像的宽度不做任何处理。
而对人体图像进行归一化处理之后,则可以直接截取人体图像的上部的部分图像作为头像部分图像。具体的头像部分图像的大小可依据设定进行提取,如本实施例中可提取第二预设大小的部分图像作为头像部分图像。其中,第二预设大小以及第一预设大小可以认为是将图像高度(对应真是人体高度方向)作为参考定义的图像的大小。即在实施本实施例方法进行变电站人员是否戴安全帽检测时,会通过处理获取预定高度的人体图像及相应的头像部分图像。
在其他实施例中,对人体图像进行归一化处理之后,可直接获取人体图像上部一定比例的图像作为头像部分图像。
且在另一实施例中,也可在获取到人体图像之后直接从人体图像中提取一定比例的部分作为头像部分图像,而不对人体图像进行归一化处理。在获取头像部分图像之后,再对头像部分图像进行归一化处理,得到归一化的头像部分图像,之后再对归一化后的头像部分图像进行处理。如可在获取人体图像之后,取人体图像顶部30像素部分作为头像部分图像,再归一化为30*40(高*宽)大小的头像部分头像。
获取到归一化或者没有归一化的头像部分图像之后再执行下面的步骤进行进一步的处理以最终确定视频图像中的人员是否戴有安全帽。
S253,将头像部分图像从RGB空间转换到HSV颜色空间。
S254,提取的头像部分图像对应的HSV颜色空间中的H分量,并制作H分量的归一化直方图。
本实施例中利用HSV颜色模型中对颜色贡献最大的H分量作为图像特征,消除了光照的影响。其中,归一化直方图可由对H分量进行直方图统计,如提取H分量,并将H取值范围平均分为10等分,再归一化为概率密度得到。
S255,将归一化直方图与预设的安全帽颜色直方图进行比较分类,得到相似度最大数值。
S256,当相似度最大数值低于预设相似度时,判定监控区域中人体图像对应的人员的行为为未带安全帽。
在本实施例中,可以认为RGB空间的头像部分图像的颜色对应人员状态数据中的人员头像的颜色。
其中,预设的安全帽颜色直方图,较佳的,可以为在该变电站场景中的真实戴安全帽人员的头像部分的图像的直方图。而具体的预设相似度可根据实际使用场景中可能对颜色产生的影响确定。
作为一种可实施方式,将归一化直方图与预设的安全帽颜色直方图进行比较,可通过计算所述归一化直方图与预设的安全帽颜色直方图的卡方距离实现,此时也设置一个比较阈值,当所述卡方距离小于或者等于比较阈值时,则认为是带有安全帽。当所述卡方距离大于所述比较阈值时,则认为视频图像中的人员,也即变电站监控区域中的人员没有带安全帽。此时可继续执行前述的步骤S300,发出警报,报告变电站中人员有未戴安全帽这一违反规定行为,提醒其他工作人员及时采取措施,如到场地当面进行提醒等。当然,如果在监控区域中有音频设备能够发出音频形式的警报时,能够直接对未戴安全帽的工作人员起到警示提醒的作用。
在另一实施例中,还包括一个计时处理的过程,当发现监控区域中有人员未戴安全帽时,并不直接发出警报,而是启动计时器开始计时。并设定一定的计时时长,如果在设定时长内持续检测到人员均未戴安全帽,在计时时间到时发出警报。但是如果在计时时间内,检测到人员戴了安全帽,则计时归零。这样可防止安全帽意外脱落造成误报警。
需要说明的是,前述实施例的变电站人员行为识别的方法在执行过程中可由计算机等终端按照设定程序执行。并且可以在终端的显示装置中显示与变电站范围相对应的位置图形。且所述位置图形中会包含多个监控区域形状相同的范围。当某个监控区域检测到有违反规定行为时,可将相应区域高亮显示,或者将相应区域的布防线高亮显示。
另外,对变电站厂区,可根据实际需求划分为多个监控区域,而每个监控区域中要监控的违反规定的行为可相互独立的进行,而且对于一个监控区域可同时进行多种违反规定行为的检测。如对某一工作区域中人员是否戴安全帽行为进行检测同时,还可对该监控区域中人员是否离岗进行检测。即前述各实例在不冲突的情况可组合使用。
对于双向绊线和单向绊线行为的检测,本领域技术人员可以发现,发生单向绊线行为时,都会检测到双向绊线行为。但是这并不影响两种行为的检测,以及警报的发出。即可在在某个监控区域既进行单向绊线的检测又进行双向绊线的检测。
基于同一发明构思,还提供一种变电站人员行为识别的装置,由于此装置解决问题的原理与前述一种变电站人员行为识别的方法相似,因此,该装置的实施可以按照前述方法的具体步骤实现,重复之处不再赘述。
其中一个实施例的变电站人员行为识别的装置,如图6所示,包括图像获取模块100、行为判断模块200及报警模块300。其中,所述图像获取模块100,用于获取变电站的监控区域的视频图像;所述行为判断模块200,用于提取所述视频图像中采集到的人员状态数据,根据所述人员状态数据按照预设规则判断所述监控区域中是否有人员的行为违反规定;所述报警模块300,用于当检测到监控区域中有人员违反规定时,发出警报。
本实施例的变电站人员行为识别的装置,可以将变电站整体区域划分为多个监控区域,在每个监控区域安装红外摄像头视频采集装置。并将采集到的视频图像上传到相连接的上位机(如计算机)中。相连接的计算机对视频图像进行分析,判断各监控区域的情况。并能够在发现异常(有人员行为不满足要求)时,发出警报进行提示。从而大大提高了变电站区域监控的精细程度以及实时性,而且采用摄像装置结合计算机进行人员行为的监控,实现对变电站中人员的自动监控,减少劳动力使用的同时保证变电站监控区域中人员行为的有效掌控,及时发现违反规定行为并发出警报,减少事故发生率。保证变电站区域的安全。
需要说明的是,对监控区域的划分可采用虚拟的布防线实现。且不同的监控区域要进行监控的内容可以相同也可以不同。即,不同的监控区域要判断的违反规定的行为可能完全不同。如对于变电站的中某一块的高压区域,可采用虚拟的布防线(计算机可识别,可对应到视频图像中)划分出高压禁入区,并将所述高压禁入区作为一个监控区域。在后续对高压禁入区进行监测时,主要是判断是否有人员进入了高压禁入区,如果有则需要发出警报,提示工作人员及时去排查,更进一步的,所述警报除在电脑端发出警报之外,还可在高压区周围设定警报铃的音频警报装置,从而直接对进入高压禁入区的人员以警示。
在其中一个实施例中,行为判断模块200中包括双向绊线判断子模块210。且如图7所示,所述双向绊线判断子模块210包括第一人员图像提取单元211、第一重叠判断单元212及第一判定单元213。
其中,所述第一人员图像提取单元211,用于提取当前视频图像中的人员图像;所述第一重叠判断单元212,用于将人员图像与第一预设布防线图像进行与运算,判断人员图像与第一预设布防线图像是否存在重叠像素点;所述第一判定单元213,用于当人员图像与第一预设布防线图像存在重叠像素点时,判定监控区域中人员图像对应的人员的行为为双向绊线。
其中,双向绊线为违反规定的行为中的一种。第一预设布防线为变电站的监控区域中预先设置的布防线,布防线一侧为非保护区,另一侧为保护区。
双向绊线行为能够在人员在即将计入危险区域或者保护区域时则发出警报,即人员与第一预设布防线相交时,则提醒相关人员进行处理,避免危险事故发生。
需要说明的是,第一人员图像提取单元可间隔一定时间进行一次人员图像的提取,为了提高发现双向绊线行为的及时性可设置较短的提取所述人员图像的时间间隔。当然,间隔时间的设定还要考虑进行变电站人员行为识别的终端的处理速度,以免过短的时间间隔内计算机不能完成前一帧图像的处理。
在另一实施例中,行为判断模块中包括单向绊线判断子模块。具体的如图8所示,单向绊线判断子模块220包括第二人员图像提取单元221、第二重叠判断单元222、第一位置记录单元223、第二位置记录单元224以及第二判定单元225。
其中,所述第二人员图像提取单元221,用于提取当前视频图像中的人员图像;所述第二重叠判断单元222,用于将人员图像与第一预设布防线图像进行与运算,判断人员图像与第一预设布防线图像是否存在重叠像素点;所述第一位置记录单元223,用于根据第二重叠判断子模块的判断结果,当检测到人员图像与第一预设布防线图像存在重叠像素点时,记录人员图像对应的人员的第一位置坐标;所述第二位置记录单元224,用于将下一帧视频图像作为当前视频图像,并返回执行第二人员图像提取子模块及第二重叠判断子模块,直至检测到当前视频图像中的第一人员图像与第一预设布防线图像不存在重叠像素点时,记录第一人员图像对应的人员的第二位置坐标;所述第二判定单元225,用于当第一位置坐标对应的第一位置和第二位置坐标对应的第二位置分布在第一预设布防线图像对应的第一预设布防线两侧,且第二位置坐标对应的第二位置在第一预设布防线划分的保护区范围内时,确定人员图像对应的人员的行为为单向绊线。
本实施例的变电站人员行为识别的装置中,将单向绊线作为一种违反规定的行为进行检测与判断。其中,该实施例中第一预设布防线为变电站的监控区域中预先设置的第一布防线,第一布防线一侧为非保护区,另一侧为保护区。
本实施例的装置,尤其对一些高压区等需要保护的区域具有重要意义,能够对人员以外进入保护区域及时进行处理,降低事故发生率。且人员行为检测准确度高。
在另一实施例中,行为判断模块中包括人员离岗判断子模块。如图9所示,所述人员离岗判断子模块230包括移动物体检测单元231、离岗判断单元232、离岗判定单元233及在岗判定单元234。
其中,所述移动物体检测单元,用于根据视频图像对监控区域中的工作范围进行运动物体检测;所述离岗判断单元,用于当检测不到运动物体时,判定工作范围内没有人员,离岗计时器启动计数或者继续计数;所述在岗判定单元,用于当检测到运动物体时,判断工作范围内有人员,离岗计时器停止计数;所述离岗判定单元,用于当离岗计时器达到预设数值时,判定监控区域中有人员离岗。
本实施例的变电站人员行为识别的装置,将人员离岗作为一种违反规定的行为进行检测,防止变电站区域长时间无人造成事故。且该实施例的装置,采用计时的方式对离岗时间做一个限定,防止较短时间(以不影响岗位正常工作为限)离岗造成频繁报警。
在另一实施例中,行为判断模块中包括安全帽检测子模块。如图10所示,安全帽检测子模块240包括人体图像提取单元241、头像提取单元242、图像转换单元243、直方图制作单元244、相似度检测单元245以及安全帽判定单元246。
其中,所述人体图像提取单元241,用于提取当前视频图像中的人体图像;所述头像提取单元242,用于从所述人体图像中提取人体头部对应的图像部分作为头像部分图像;所述图像转换单元243,将头像部分图像从RGB空间转换到HSV颜色空间;所述直方图制作单元244,用于提取的头像部分图像对应的HSV颜色空间中的H分量,并制作H分量的归一化直方图;所述相似度检测单元245,用于将归一化直方图与预设的安全帽颜色直方图进行比较分类,得到相似度最大数值;所述安全帽判定单元246,用于当相似度最大数值低于预设相似度时,判定监控区域中人体图像对应的人员的行为为未带安全帽。
本实施例的变电站人员行为识别的装置,将未戴安全帽作为一种违反规定的行为进行检测。且在检测过程中利用HSV颜色模块中对颜色贡献最大的H分量作为图像特征,消除了光照的影响。且采用归一化直方图比对的方式进行安全帽检测,计算量小,检测准确度高。
在另一实施例中,还可在安全帽检测子模块设置计时单元(未示出),所述计时单元在第一次检测到未戴安全帽时进行计时,所述安全帽判定单元在当相似度数值低于预设相似度,并同时满足所述计时单元计时时间到时才判定监控区域中人体图像对应的人员行为为未戴安全帽。
本领域技术人员可以理解前多个实施例的述变电站人员行为识别的装置中各功能模块在相互不冲突的情况下可以相互组合。且可针对变电站中同一监控区域进行多种违反规定行为的检测。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (7)
1.一种变电站人员行为识别的方法,其特征在于,所述方法包括以下步骤:
获取变电站的监控区域的视频图像;
提取所述视频图像中采集到的人员状态数据,根据所述人员状态数据按照预设规则判断所述监控区域中是否有人员的行为违反规定;所述违反规定的行为包括单向绊线和未戴安全帽;
当检测到所述监控区域中有人员的行为违反规定时,发出警报;
所述提取所述视频图像中采集到的人员状态数据,根据所述人员状态数据按照预设规则判断所述监控区域中是否有人员的行为违反规定,包括:
提取当前视频图像中的人员图像;
将所述人员图像与第二预设布防线图像进行与运算,判断所述人员图像与所述第二预设布防线图像是否存在重叠像素点;
当检测到所述人员图像与所述第二预设布防线图像存在重叠像素点时,记录所述人员图像对应的人员的第一位置坐标;
将下一帧视频图像作为所述当前视频图像,并返回执行所述提取当前视频图像中的人员图像的步骤及所述将所述人员图像与第二预设布防线图像进行与运算,判断所述人员图像与所述第二预设布防线图像是否存在重叠像素点的步骤,直至检测到当前视频图像中的人员图像与所述第二预设布防线图像不存在重叠像素点时,记录所述人员图像对应的人员的第二位置坐标;
当所述第一位置坐标对应的第一位置和所述第二位置坐标对应的第二位置分布在所述第二预设布防线图像对应的所述第二预设布防线两侧,且所述第二位置坐标对应的第二位置在所述第二预设布防线划分的保护区范围内时,确定所述人员图像对应的人员的行为为单向绊线;
所述第二预设布防线为所述变电站的监控区域中预先设置的第二预设布防线,所述第二预设布防线一侧为非保护区,另一侧为保护区;
其中,所述第二预设布防线为直线;
所述根据所述人员状态数据,按照预设规则判断所述监控区域中是否有人员的行为违反规定,还包括,在所述第二预设布防线划分的所述保护区中选取一点作为第三位置,并得到所述第三位置的第三位置坐标的步骤;
并根据以下步骤判断所述第一位置和所述第二位置是否在所述第二预设布防线图像对应的所述第二预设布防线两侧,及所述第二位置是否在所述第二预设布防线划分的保护区范围内:
根据所述第二预设布防线构建平面线性分类器f(x,y)=a·x+b·y+c,其中,x为平面坐标系中的x轴坐标,y为平面坐标系中的y轴坐标,a,b,c为直线方程的参数;且所述第一位置坐标为A1(x1,y1),第二位置坐标为A2(x2,y2),第三位置坐标为A3(x3,y3);
当f(A2)·f(A3)>0且f(A1)·f(A2)<0时,判定所述第一位置和所述第二位置是否在所述第二预设布防线图像对应的所述第二预设布防线两侧,且所述第二位置在所述保护区范围内;
所述提取所述视频图像中采集到的人员状态数据,根据所述人员状态数据按照预设规则判断所述监控区域中是否有人员的行为违反规定,还包括:
提取当前视频图像中的人体图像;
从所述人体图像中提取人体头部对应的图像部分作为头像部分图像;
将所述头像部分图像从RGB空间转换到HSV颜色空间;
提取头像部分图像对应的所述HSV颜色空间中的H分量,并制作所述H分量的归一化直方图,通过利用HSV颜色空间中对颜色贡献最大的H分量作为图像特征,消除了光照的影响;
将所述归一化直方图与预设的安全帽颜色直方图进行比较分类,得到相似度最大数值;
当所述相似度最大数值低于预设相似度时,判定所述监控区域中所述人体图像对应的人员的行为为未带安全帽。
2.根据权利要求1所述的变电站人员行为识别的方法,其特征在于,所述违反规定的行为还包括双向绊线;
所述提取所述视频图像中采集到的人员状态数据,根据所述人员状态数据按照预设规则判断所述监控区域中是否有人员的行为违反规定,还包括:
提取当前视频图像中的人员图像;
将所述人员图像与第一预设布防线图像进行与运算,判断所述人员图像与所述第一预设布防线图像是否存在重叠像素点;
当所述人员图像与所述第一预设布防线图像存在重叠像素点时,判定所述监控区域中所述人员图像对应的人员的行为为双向绊线;
所述第一预设布防线为所述变电站的监控区域中预先设置的布防线,所述布防线一侧为非保护区,另一侧为保护区。
3.根据权利要求1或2所述的变电站人员行为识别的方法,其特征在于,所述违反规定的行为还包括有人员离岗;
所述提取所述视频图像中采集到的人员状态数据,根据所述人员状态数据按照预设规则判断所述监控区域中是否有人员的行为违反规定,还包括:
根据所述视频图像检测所述监控区域中的工作范围是否有运动物体;
当检测不到运动物体时,判定所述工作范围内没有人员,离岗计时器启动计数或者继续计数;
当检测到所述运动物体时,判定所述工作范围内有人员,所述离岗计时器清零;
所述离岗计时器达到预设数值时,判定所述监控区域中有人员离岗。
4.根据权利要求3所述的变电站人员行为识别的方法,其特征在于,当所述工作范围处于无人状态时,在执行所述根据所述视频图像对所述监控区域中的工作范围进行运动物体检测的步骤之前,还包括以下步骤:
提取当前视频图像中的人员图像;
将所述人员图像与所述监控区域中用于限定所述工作范围的第三预设布防线对应的第三预设布防线图像进行与运算,判断所述人员图像与所述第三预设布防线图像是否存在重叠像素点;
当检测到所述人员图像与所述第三预设布防线图像存在重叠像素点时,记录所述人员图像对应的人员的第四位置坐标;
将下一帧视频图像作为所述当前视频图像,并返回执行所述提取当前视频图像中的人员图像的步骤,及所述将所述人员图像与第三预设布防线图像进行与运算,判断所述人员图像与所述第三预设布防线图像是否存在重叠像素点的步骤,直至检测到当前视频图像中的人员图像与所述第三预设布防线图像不存在重叠像素点时,记录所述人员图像对应的人员的第五位置坐标;
当所述第四位置坐标对应的第四位置在所述工作范围外,且所述第五位置坐标对应的第五位置在所述工作范围内时,判定有人员进入到所述工作范围内;
检测进入到所述工作范围内的人员在所述工作范围停留的时间是否超过预设时间;
当所述进入到所述工作范围内的人员在所述工作范围停留的时间超过预设时间时,判定所述监控区域中有人员上岗,所述离岗计时器停止计数。
5.一种按照如权利要求1至4中任一项所述的变电站人员行为识别的方法实现的变电站人员行为识别的装置,其特征在于,包括:
图像获取模块,用于获取变电站的监控区域的视频图像;
行为判断模块,提取所述视频图像中采集到的人员状态数据,根据所述人员状态数据按照预设规则判断所述监控区域中是否有人员的行为违反规定;所述违反规定的行为包括单向绊线和未戴安全帽;
报警模块,用于当检测到所述监控区域中有人员违反规定时,发出警报;
所述行为判断模块中包括单向绊线判断子模块和安全帽检测子模块;
所述单向绊线判断子模块包括:
第二人员图像提取单元,用于提取当前视频图像中的人员图像;
第二重叠判断单元,用于将所述人员图像与第二预设布防线图像进行与运算,判断所述人员图像与所述第二预设布防线图像是否存在重叠像素点;
第一位置记录单元,用于根据所述第二重叠判断子模块的判断结果,当检测到所述人员图像与所述第二预设布防线图像存在重叠像素点时,记录所述人员图像对应的人员的第一位置坐标;
第二位置记录单元,用于将下一帧视频图像作为当前视频图像,并返回执行所述第二人员图像提取子模块及所述第二重叠判断子模块,直至检测到当前视频图像中的人员图像与所述第二预设布防线图像不存在重叠像素点时,记录所述人员图像对应的人员的第二位置坐标;
第二判定单元,用于当所述第一位置坐标对应的第一位置和所述第二位置坐标对应的第二位置分布在所述第二预设布防线图像对应的所述第二预设布防线两侧,且所述第二位置坐标对应的第二位置在所述第二预设布防线划分的保护区范围内时,确定所述人员图像对应的人员的行为为单向绊线;
所述第二预设布防线为所述变电站的监控区域中预先设置的第一布防线,所述第一布防线一侧为非保护区,另一侧为保护区;
所述安全帽检测子模块包括:
人体图像提取单元,用于提取当前视频图像中的人体图像;
头像提取单元,用于从所述人体图像中提取人体头部对应的图像部分作为头像部分图像;
图像转换单元,将所述头像部分图像从RGB空间转换到HSV颜色空间;
直方图制作单元,用于提取头像部分图像对应的所述HSV颜色空间中的H分量,并制作所述H分量的归一化直方图,通过利用HSV颜色空间中对颜色贡献最大的H分量作为图像特征,消除了光照的影响;
相似度检测单元,用于将所述归一化直方图与预设的安全帽颜色直方图进行比较分类,得到相似度最大数值;
安全帽判定单元,用于当所述相似度最大数值低于预设相似度时,判定所述监控区域中所述人体图像对应的人员的行为为未带安全帽。
6.根据权利要求5所述的变电站人员行为识别的装置,其特征在于,所述违反规定的行为还包括双向绊线;
所述行为判断模块中还包括双向绊线判断子模块;所述双向绊线判断子模块包括:
第一人员图像提取单元,用于提取当前视频图像中的人员图像;
第一重叠判断单元,用于将所述人员图像与第一预设布防线图像进行与运算,判断所述人员图像与所述第一预设布防线图像是否存在重叠像素点;
第一判定单元,用于当所述人员图像与所述第一预设布防线图像存在重叠像素点时,判定所述监控区域中所述人员图像对应的人员的行为为双向绊线;
其中,所述第一预设布防线为所述变电站的监控区域中预先设置的布防线,所述布防线一侧为非保护区,另一侧为保护区。
7.根据权利要求5或6所述的变电站人员行为识别的装置,其特征在于,所述违反规定的行为还包括有人员离岗;
所述行为判断模块中还包括人员离岗判断子模块;所述人员离岗判断子模块包括:
移动物体检测单元,用于根据所述视频图像对所述监控区域中的工作范围进行运动物体检测;
离岗判断单元,用于当检测不到运动物体时,判定所述工作范围内没有人员,离岗计时器启动计数或者继续计数;
在岗判定单元,用于当检测到所述运动物体时,判断所述工作范围内有人员,所述离岗计时器停止计数;
离岗判定单元,用于当所述离岗计时器达到预设数值时,判定所述监控区域中有人员离岗。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610509358.6A CN107545224B (zh) | 2016-06-29 | 2016-06-29 | 变电站人员行为识别的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610509358.6A CN107545224B (zh) | 2016-06-29 | 2016-06-29 | 变电站人员行为识别的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107545224A CN107545224A (zh) | 2018-01-05 |
CN107545224B true CN107545224B (zh) | 2018-11-23 |
Family
ID=60965569
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610509358.6A Active CN107545224B (zh) | 2016-06-29 | 2016-06-29 | 变电站人员行为识别的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107545224B (zh) |
Families Citing this family (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108564069B (zh) * | 2018-05-04 | 2021-09-21 | 中国石油大学(华东) | 一种工业佩戴安全帽视频检测方法 |
CN110012259A (zh) * | 2018-07-26 | 2019-07-12 | 上海懿磬信息科技发展有限公司 | 一种视频会议会场远程监管系统及方法 |
CN109445315A (zh) * | 2018-08-21 | 2019-03-08 | 成都理工大学 | 高电压试验大厅安全保护装置及安全控制方法 |
CN110874906B (zh) * | 2018-09-04 | 2022-08-16 | 杭州海康威视系统技术有限公司 | 开启布防功能的方法和装置 |
CN109657564B (zh) * | 2018-11-28 | 2020-10-27 | 深圳市中电数通智慧安全科技股份有限公司 | 一种人员在岗检测方法、装置、存储介质及终端设备 |
CN109448051A (zh) * | 2018-11-29 | 2019-03-08 | 北京久其软件股份有限公司 | 一种绊线绘制方法及装置 |
CN109492620A (zh) * | 2018-12-18 | 2019-03-19 | 广东中安金狮科创有限公司 | 监控设备及其控制装置、岗位监控方法和可读存储介质 |
CN109782132A (zh) * | 2019-02-22 | 2019-05-21 | 江苏楷正建设有限公司 | 一种基于云数据的电力故障信息实时采集及诊断系统 |
CN112016363A (zh) * | 2019-05-30 | 2020-12-01 | 富泰华工业(深圳)有限公司 | 人员监控方法、装置、计算机装置及可读存储介质 |
CN110414342A (zh) * | 2019-06-24 | 2019-11-05 | 台州宏达电力建设有限公司 | 一种基于视频图像处理技术的运动人体检测识别方法 |
CN110288801A (zh) * | 2019-06-25 | 2019-09-27 | 南方电网数字电网研究院有限公司 | 电力现场视频监控方法、装置、计算机设备和存储介质 |
CN110349284A (zh) * | 2019-07-03 | 2019-10-18 | 浙江好得电气有限公司 | 带互感器外壳的高原高压pt柜检修监控方法、装置 |
CN110599739A (zh) * | 2019-10-11 | 2019-12-20 | 宁夏广天夏电子科技有限公司 | 一种基于三维图像及智能视频技术的人员安全检测系统 |
CN111079731A (zh) * | 2019-12-03 | 2020-04-28 | 中冶赛迪重庆信息技术有限公司 | 基于安全帽识别监控系统的配置系统、方法、设备及介质 |
CN110992347A (zh) * | 2019-12-06 | 2020-04-10 | 浩云科技股份有限公司 | 一种银行理财室使用规范智能检测方法及装置 |
CN111601081A (zh) * | 2020-05-13 | 2020-08-28 | 上海百安胜信息技术有限公司 | 一种吊篮作业的监控方法和装置 |
CN111860152A (zh) * | 2020-06-12 | 2020-10-30 | 浙江大华技术股份有限公司 | 人员状态检测的方法、系统、设备和计算机设备 |
CN112153345A (zh) * | 2020-09-25 | 2020-12-29 | 内蒙古蒙达发电有限责任公司 | 一种基于5g应用作业的现场智慧反违章管控平台 |
CN112188164A (zh) * | 2020-09-29 | 2021-01-05 | 爱动超越人工智能科技(北京)有限责任公司 | 一种基于ai视觉的违规行为实时监测系统及方法 |
CN112669555A (zh) * | 2020-12-11 | 2021-04-16 | 北京京能能源技术研究有限责任公司 | 智能安全预警方法及系统 |
CN112737121A (zh) * | 2020-12-28 | 2021-04-30 | 内蒙古电力(集团)有限责任公司包头供电局 | 一种电网智能视频监控分析控制管理系统 |
CN113179386B (zh) * | 2021-03-19 | 2023-04-25 | 江西铜业股份有限公司 | 一种矿区安全智能监控广播系统及其智能广播方法 |
CN114255582B (zh) * | 2021-12-27 | 2022-10-25 | 深圳市希德威科技发展有限公司 | 一种用于离岗和睡岗行为的智慧监控装置 |
CN115841651B (zh) * | 2022-12-13 | 2023-08-22 | 广东筠诚建筑科技有限公司 | 基于计算机视觉与深度学习的施工人员智能监测系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101577812A (zh) * | 2009-03-06 | 2009-11-11 | 北京中星微电子有限公司 | 一种岗位监测的方法和系统 |
CN103093249A (zh) * | 2013-01-28 | 2013-05-08 | 中国科学院自动化研究所 | 一种基于高清视频的出租车识别方法及系统 |
CN103226708A (zh) * | 2013-04-07 | 2013-07-31 | 华南理工大学 | 一种基于Kinect的多模型融合视频人手分割方法 |
CN104021570A (zh) * | 2014-06-04 | 2014-09-03 | 电子科技大学 | 一种视频中有方向的越界和拌线检测方法 |
CN104318732A (zh) * | 2014-10-27 | 2015-01-28 | 国网冀北电力有限公司张家口供电公司 | 基于视频分析和rfid的变电站现场人员监控管理系统及方法 |
CN104346802A (zh) * | 2013-08-05 | 2015-02-11 | 浙江大华技术股份有限公司 | 一种人员离岗监控方法及设备 |
CN104504369A (zh) * | 2014-12-12 | 2015-04-08 | 无锡北邮感知技术产业研究院有限公司 | 一种安全帽佩戴情况检测方法 |
CN104680557A (zh) * | 2015-03-10 | 2015-06-03 | 重庆邮电大学 | 视频序列图像中的异常行为智能检测方法 |
CN105187799A (zh) * | 2015-09-16 | 2015-12-23 | 浙江宇视科技有限公司 | 一种轻量级智能分析方法及装置 |
CN105469069A (zh) * | 2015-12-09 | 2016-04-06 | 上海工业自动化仪表研究院 | 面向生产线数据采集终端的安全帽视频检测方法 |
-
2016
- 2016-06-29 CN CN201610509358.6A patent/CN107545224B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101577812A (zh) * | 2009-03-06 | 2009-11-11 | 北京中星微电子有限公司 | 一种岗位监测的方法和系统 |
CN103093249A (zh) * | 2013-01-28 | 2013-05-08 | 中国科学院自动化研究所 | 一种基于高清视频的出租车识别方法及系统 |
CN103226708A (zh) * | 2013-04-07 | 2013-07-31 | 华南理工大学 | 一种基于Kinect的多模型融合视频人手分割方法 |
CN104346802A (zh) * | 2013-08-05 | 2015-02-11 | 浙江大华技术股份有限公司 | 一种人员离岗监控方法及设备 |
CN104021570A (zh) * | 2014-06-04 | 2014-09-03 | 电子科技大学 | 一种视频中有方向的越界和拌线检测方法 |
CN104318732A (zh) * | 2014-10-27 | 2015-01-28 | 国网冀北电力有限公司张家口供电公司 | 基于视频分析和rfid的变电站现场人员监控管理系统及方法 |
CN104504369A (zh) * | 2014-12-12 | 2015-04-08 | 无锡北邮感知技术产业研究院有限公司 | 一种安全帽佩戴情况检测方法 |
CN104680557A (zh) * | 2015-03-10 | 2015-06-03 | 重庆邮电大学 | 视频序列图像中的异常行为智能检测方法 |
CN105187799A (zh) * | 2015-09-16 | 2015-12-23 | 浙江宇视科技有限公司 | 一种轻量级智能分析方法及装置 |
CN105469069A (zh) * | 2015-12-09 | 2016-04-06 | 上海工业自动化仪表研究院 | 面向生产线数据采集终端的安全帽视频检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107545224A (zh) | 2018-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107545224B (zh) | 变电站人员行为识别的方法及装置 | |
CN104318732B (zh) | 基于视频分析和rfid的变电站现场人员监控管理系统及方法 | |
CN107645652A (zh) | 一种基于视频监控的非法越界报警系统 | |
Sokolova et al. | A fuzzy model for human fall detection in infrared video | |
CN108227606A (zh) | 一种基于多源感知的船舶安防智能管理系统 | |
CN113223046B (zh) | 一种监狱人员行为识别的方法和系统 | |
CN207927879U (zh) | 智能防护头盔及系统 | |
CN109102677A (zh) | 建筑工地安全监控系统及方法 | |
CN108802758A (zh) | 一种基于激光雷达的智能安防监控装置、方法和系统 | |
CN105335727A (zh) | 基于图像和体感分析的身份认证系统与方法 | |
CN110867046A (zh) | 一种基于云计算的智能洗车机视频监控预警系统 | |
Kulkarni et al. | A review paper on monitoring driver distraction in real time using computer vision system | |
CN203038440U (zh) | 一种基于图像智能处理的变电站安全区域监控系统 | |
CN115169777A (zh) | 一种安全作业智能监管系统 | |
Jose et al. | Drowsiness detection system for drivers using image processing technique | |
CN113314230A (zh) | 基于大数据的智能防疫方法、装置、设备及存储介质 | |
CN207530963U (zh) | 一种基于视频监控的非法越界报警系统 | |
CN116823529A (zh) | 一种基于行为大数据分析的安防智能管理系统 | |
Liu et al. | Design and implementation of multimodal fatigue detection system combining eye and yawn information | |
Nain et al. | Authentication control system for the efficient detection of hard-hats using deep learning algorithms | |
CN112651275A (zh) | 人员密集场所踩踏事故诱因行为智能识系统 | |
CN114783078B (zh) | 一种近电安全报警的方法及装置 | |
Naf’an et al. | Crowd Detection that Potentially Violate COVID-19 Health Protocol Using Convolutional Neural Network (CNN) | |
CN117636472A (zh) | 一种安全帽及安全服穿戴行为智能检测方法 | |
CN113569637B (zh) | 一种基于物联网的人员轨迹定位监管系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |