CN109308670B - 基于行为预测的变电站安全管控方法 - Google Patents
基于行为预测的变电站安全管控方法 Download PDFInfo
- Publication number
- CN109308670B CN109308670B CN201811106324.8A CN201811106324A CN109308670B CN 109308670 B CN109308670 B CN 109308670B CN 201811106324 A CN201811106324 A CN 201811106324A CN 109308670 B CN109308670 B CN 109308670B
- Authority
- CN
- China
- Prior art keywords
- behavior prediction
- safety
- equipment
- database
- control
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000003287 optical effect Effects 0.000 claims abstract description 38
- 238000004891 communication Methods 0.000 claims abstract description 32
- 230000001360 synchronised effect Effects 0.000 claims abstract description 5
- 230000006399 behavior Effects 0.000 claims description 51
- 230000033001 locomotion Effects 0.000 claims description 26
- 230000005540 biological transmission Effects 0.000 claims description 25
- 238000004458 analytical method Methods 0.000 claims description 18
- 230000009471 action Effects 0.000 claims description 13
- 239000002131 composite material Substances 0.000 claims description 10
- 230000002457 bidirectional effect Effects 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 7
- 238000002372 labelling Methods 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 5
- 230000004888 barrier function Effects 0.000 claims description 2
- 238000007689 inspection Methods 0.000 abstract description 19
- 238000005516 engineering process Methods 0.000 abstract description 9
- 230000009466 transformation Effects 0.000 abstract description 6
- 230000033228 biological regulation Effects 0.000 description 8
- 239000007789 gas Substances 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000012423 maintenance Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000010295 mobile communication Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 210000004247 hand Anatomy 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 230000001681 protective effect Effects 0.000 description 2
- 210000001525 retina Anatomy 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 229920000742 Cotton Polymers 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 206010051602 Laziness Diseases 0.000 description 1
- 206010033799 Paralysis Diseases 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000002650 habitual effect Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000011664 nicotinic acid Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000002207 retinal effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000028838 turning behavior Effects 0.000 description 1
- 230000009012 visual motion Effects 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/29—Graphical models, e.g. Bayesian networks
- G06F18/295—Markov models or related models, e.g. semi-Markov models; Markov random fields; Networks embedding Markov models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/28—Recognition of hand or arm movements, e.g. recognition of deaf sign language
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Multimedia (AREA)
- Social Psychology (AREA)
- Psychiatry (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Human Computer Interaction (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Alarm Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了基于行为预测的变电站安全管控方法,包括下列步骤:1)建立基于概率统计的手势识别数据库,建立隐性马尔科夫模型模型;2)建立基于变电站设备部件的安全空间提示数据库;3)建立基于光流场的行为预测数据库;4)建立变电站安全管控平台,现场工作人员通过便携终端实时连接变电站安全管控平台,后台以手写标注的方式注明关键部件或关键工作,同屏指示到现场工作人员的设备上,实现同步同频沟通,直接安排紧急任务给一线运检人员,实现远程实景指导。本发明基于行为预测技术,根据变电设备模型,提取基于空间定位、手势识别等多种技术的安全管控方案,并形成管控平台指导现场工作人员的操作,具有很强的时效性和现实指导意义。
Description
技术领域
本发明涉及变电站安全管控技术领域,尤其涉及基于行为预测的变电站安全管控方法。
背景技术
在传统的变电站巡检和作业中,运行人员会遇到以下几大难点:现场安全管控难、巡检疏漏难以避免,工作手册记忆难,巡检作业经验难以沉淀,数据孤立设备评价难等,主要表现在以下几个方面:
首先,是现场安全难以管控,部分工作人员自觉性不高,导致习惯性违章屡禁不止。如跨越护栏进入带电区域的现象、不正确佩戴安全帽、不正确穿着工作服、监护人离岗等违章行为时有发生。当有监督管理人员在现场监管时,极少部分工作人员依仗资历老、职务高,对监督管理人员要求、提醒及规章制度不屑一顾,对作业现场安全隐患麻痹大意,因此很有可能在不经意间导致事故发生,威胁人员生命安全,威胁电网运行安全。
其次,是运检疏漏的难以避免,因为人不像计算机,粗心和懒惰是人性的弱点和通病。在变电站运检工作中很难保证完全遵循操作规范,完全没有疏漏,如巡视检查时与不同电压等级设备保持足够安全距离;进入户内SF6设备室要进行SF6气体泄漏检测并通风15分钟;智能柜,保护屏等设备箱随手将门关闭锁好等情况都是易疏忽的地方。因此会对人和设备的安全都造成隐患。隐患一旦变成事故,企业将支付高昂的成本。
同时,检测经验难以沉淀,在设备状态评价的要求下,变电站检测数据采集等工作要求具有丰富的专业知识与经验,但是这些专业知识难以分享,经验难以沉淀。
专利号为201510857117.6的发明公开了基于轨迹信息对监控前端设备进行安全的方法及装置,该方法从车辆上轨迹记录设备上报的轨迹信息中,提取轨迹记录设备在指定统计周期内的轨迹信息,对于提取的轨迹信息,查找出其对应的轨迹周围指定范围内的有效监控前端设备,随后对有效监控前端设备按照指定的范围进行分组,对于每一组的监控前端设备,查询该组中的监控前端设备在轨迹记录设备所在的车辆经过时间段内的过车记录,最后对该组监控前端设备进行判断。该发明的装置包括轨迹信息提取模块、前端设备查找模块、分组模块、过车记录查询模块和判断模块。本发明的方法及装置,便于用户发现故障的监控前端设备,以便及时进行维修,保障设备的可靠运行。
为解决以上变电站巡检和现场作业过程中存在的问题,我们需要研究一种技术,能通过增强现实移动设备终端,并配合相应的技术方法,分别实现复合定位、多重识别、安全空间提示、手势识别、行为预测、变电站安全、现场安全管控等功能。
发明内容
本发明的目的在于解决上述技术问题,提供基于行为预测的变电站安全管控方法,通过概率统计及空间复合定位原理,实现对变电站作业区域和人员作业行为的识别指导,实现对变电站设备的快速安全管控。
为实现上述目的,本发明采用的技术方案是:基于行为预测的变电站安全管控方法,包括下列步骤:
1)建立基于概率统计的手势识别数据库,建立隐性马尔科夫模型模型,通过实时捕捉的手势识别特征与模型进行比对,挑选出概率最大模型,存储于后台数据库中;
2)建立基于变电站设备部件的安全空间提示数据库,即通过对带电设备进行空间建模,根据不同电压等级,通过复合定位自动将安全距离在便携终端上叠加显示,实现带电设备安全距离的实时空间提示,存储于后台数据库中;
3)建立基于光流场的行为预测数据库,即通过工作人员的便携终端,感知工作人员所处的工作区环境,并实时判断巡检人员的移动方向、移动速度和后续动作,为与手势识别数据库比较设置前置条件,筛选掉大量不可能的模型,将可能性较大的模型优先级提前,对规范操作进行指导,对可能进入非工作区域的运动轨迹进行管控;
4)基于步骤1)、步骤2)、步骤3)的数据库,建立变电站安全管控平台,现场工作人员通过便携终端实时连接变电站安全管控平台,变电站安全管控平台通过自身的管控指示单元实现工作区域告警、柜门开关提示、有害气体提示、通信安全提示、跨障提示告警、安全服装告警的操作,并通过便携终端的网络影像,同步查看现场工作人员的工作场景,直接在后台以手写标注的方式注明关键部件或关键工作,同屏指示到现场工作人员的设备上,实现同步同频沟通,直接安排紧急任务给一线运检人员,实现远程实景指导。
进一步地,所述步骤3)中基于光流场的行为预测,包括基于光流场的运动检测识别和基于光流场的第一人称违规操作行为识别。
进一步地,所述变电站安全管控平台包括顺次连接的图像识别模块、行为预测模块与管控指示模块,所述图像识别模块包括便携终端及其连接的识别单元,所述行为预测模块包括分析处理器及其连接的通信单元,所述管控指示模块包括管控单元和指示单元,所述识别单元连接所述分析处理器,所述通信单元连接所述管控指示模块。
进一步地,所述便携终端包括AR设备及其连接的红外热像传感器、可见光传感器,所述识别单元包括数据集中器、GPS模块与RFID识别器,所述可见光传感器、所述红外热像传感器连接数据采集卡;所述便携终端采集红外数据,并结合以可见光方式采集的设备信息,经处理后送入安全空间提示数据库。
进一步地,所述分析处理器包括单片机芯片、网络服务器及数据存储器,所述数据存储器分别连接安全空间提示数据库、手势识别数据库和行为预测数据库。
进一步地,所述通信单元包括无线传输模块与双向网络通信接口。
进一步地,所述管控单元包括现场声光管控单元和网络云数据传输管控单元,所述现场声光管控单元在检测到工作区域违规、柜门开关动作、有害气体超标、通信安全预警、跨障提示预警、安全服装违规的操作时,会发出蜂鸣报警和警示灯闪烁。
进一步地,所述指示单元包括连接光伏阵列的人机交互界面,所述光伏阵列连接UPS双向电源模块。
进一步地,所述无线传输模块包括GSM数传模块与CDMA数传模块。
本发明的有益效果在于以下几个方面:
1)本发明提供了变电站关键设备部件安全空间提示识别方法,通过对带电设备进行空间建模,以及RFID快速进行人员设备定位,然后根据图像分析进行视觉引导,根据不同电压等级,通过复合定位自动将安全距离在便携终端上叠加显示,实现快速的安全空间识别;
2)本发明基于概率统计的手势识别原理,对复杂手势识别关键技术进行了研究,通过大量建立隐形马尔科夫模型进行机器学习的方式来识别电力行业常见的操作手势,有助于帮助辅助运行/检修人员进行标准化的操作流程,养成良好的工作习惯;
3)本发明基于行为预测原理,通过光流法实时判断修正行为轨迹,从而实现对可能的误操作进行预警,同时实现对严重误操作提前管控,以及系统对常见的操作手势及用户行为进行识别预测;
4)本发明基于行为预测技术,根据变电设备模型,提取基于空间定位、手势识别等多种技术的安全管控方案,并形成管控平台指导现场工作人员的操作,具有很强的时效性和现实指导意义。
附图说明
图1是本发明方法流程图。
图2是本发明基于概率统计的手势识别流程图。
图3是本发明变电站安全管控平台的结构示意图。
具体实施方式
实施例
如图1至图3所示,基于行为预测的变电站安全管控方法,建立基于概率统计的手势识别数据库,建立隐性马尔科夫模型模型,通过实时捕捉的手势识别特征与模型进行比对,挑选出概率最大模型,存储于后台数据库中;建立基于变电站设备部件的安全空间提示数据库,即通过对带电设备进行空间建模,根据不同电压等级,通过复合定位自动将安全距离在便携终端上叠加显示,实现带电设备安全距离的实时空间提示,存储于后台数据库中;建立基于光流场的行为预测数据库,即通过工作人员的便携终端,感知工作人员所处的工作区环境,并实时判断巡检人员的移动方向、移动速度和后续动作,为与手势识别数据库比较设置前置条件,筛选掉大量不可能的模型,将可能性较大的模型优先级提前,对规范操作进行指导,对可能进入非工作区域的运动轨迹进行管控;建立变电站安全管控平台,现场工作人员通过便携终端实时连接变电站安全管控平台,变电站安全管控平台通过自身的管控指示单元实现工作区域告警、柜门开关提示、有害气体提示、通信安全提示、跨障提示告警、安全服装告警的操作,并通过便携终端的网络影像,同步查看现场工作人员的工作场景,直接在后台以手写标注的方式注明关键部件或关键工作,同屏指示到现场工作人员的设备上,实现同步同频沟通,直接安排紧急任务给一线运检人员,实现远程实景指导。
变电站安全管控平台包括顺次连接的图像识别模块1、行为预测模块2与管控指示模块3,图像识别模块1包括便携终端4及其连接的识别单元5,行为预测模块2包括分析处理器12及其连接的通信单元13,管控指示模块3包括管控单元23和指示单元22,识别单元连接分析处理器,通信单元连接管控指示模块。便携终端4包括AR设备6及其连接的红外热像传感器7、可见光传感器8,识别单元5包括数据集中器9、GPS模块10与RFID识别器11,可见光传感器、红外热像传感器连接数据采集卡;便携终端采集红外数据,并结合以可见光方式采集的设备信息,经处理后送入安全空间提示数据库。分析处理器12包括单片机芯片14、网络服务器15及数据存储器16,数据存储器16分别连接安全空间提示数据库17、手势识别数据库19和行为预测数据库18。通信单元13包括无线传输模块21与双向网络通信接口20。管控单元包括现场声光管控单元和网络云数据传输管控单元,现场声光管控单元在检测到工作区域违规、柜门开关动作、有害气体超标、通信安全预警、跨障提示预警、安全服装违规的操作时,会发出蜂鸣报警和警示灯闪烁。指示单元包括连接光伏阵列的人机交互界面,光伏阵列连接UPS双向电源模块。无线传输模块包括GSM数传模块与CDMA数传模块。
在实际应用中,首先是建立基于变电站设备部件的安全空间提示数据库,根据QGW1799.1-2013《电力安全工作规程变电部分》和国家电网公司变电运维管理规定(试行)要求,巡视检查时应与带电设备保持足够的安全距离。具体的安全距离根据电压等级不同规定如表1所示:
表1设备不停电时的安全距离
但在实际巡视检测过程中,安全距离难以直观体现。因此本发明通过对带电设备进行空间建模,根据不同电压等级,通过复合定位自动将安全距离在AR视图上叠加显示,实现带电设备安全距离的实时空间提示,大大增加巡视检查及变电站作业人员的人身安全。
本发明采用GPS和RFID技术对安全距离进行空间标注。由于光学字符识别隶属机器视觉领域,通过光学成像系统和数字采集系统转化为离散的数字图像,通过计算机进行模式识别处理,最终以识别检验算法的可靠性。模式识别之前需要进行抑噪、校正、定位、分割、归一化等预处理步骤,而这些耗时的计算在数据处理中心上就可以快速、高效的完成。AR设备上只要快速检索调用标注结果即可。
RFID射频识别系统主要包括电子标签、阅读器、天线以及应用软件四部分。在阅读器与电子标签的模块中均有数据的输入与输出,并且两大模块中传输的还有能量与时钟。天线:在标签和读取器间传递射频的信号用的。标签:标签是由耦合元件以及芯片所组成,每个标签具有唯一的一个电子编码,附着在物体上用来标识目标对象。标签:标签是由耦合元件以及芯片所组成,每个标签具有唯一的一个电子编码,附着在物体上用来标识目标对象。在本发明中主要通过AR设备读取RFID的电子编码,从而实现对安全距离的初级标识。其工作原理为:RFID可识别标签进入磁场后,接收解读器发出的射频信号,凭借感应电流所获得的能量发送出存储在芯片中的产品信息(无源标签或被动标签),或者由标签主动发送某一频率的信号,解读器读取信息并解码后,送至中央信息系统进行有关数据处理。RFID的应用有很多优点,包括快速扫描,RFID辨识器可同时辨识读取数个RFID标签;体积小型化、形状多样化;抗污染能力和耐久性;可重复使用;穿透性和无屏障阅读;数据的记忆容量大,同时,由于RFID承载的是电子式信息,其数据内容可经由密码保护,使其内容不易被伪造及变造。
在建立基于概率统计的手势识别数据库,由于手势识别分为二维手势识别和三维手势识别。其中二维手型识别,也可称为静态二维手势识别,识别的是手势中最简单的一类。这种技术在获取二维信息输入之后,可以识别几个静态的手势,比如握拳或者五指张开。“静态”是这种二维手势识别技术的重要特征,这种技术只能识别手势的“状态”,而不能感知手势的“持续变化”。二维手势识别拓展性差、控制感很弱,完全不能满足对电力手势的识别。三维手势识别就是在二维手势识别的基础上加入了纵深的概念,进行三维手势识别的方法除了有结构光和光飞时间等利用特定设备进行纵深测量捕捉的方法。本发明则采用机器视觉方法,无需额外的设备或标记进行辅助。
目前实现自然手势检测识别的难点主要有以下三个方面:(1)因使用场合的不同和光照环境等的变化及人手本身因光滑而产生的大量阴影,会对手势区域与背景的分离造成巨大干扰,而能够准确和合理地分离手势与背景是提高识别效率和准确率的一个重要前提。(2)人手由多个部分组成,其中手指往往包含丰富的信息,而手掌和手腕包含的信息则大多为冗余信息,故如何将有用的信息与冗余的信息分离也是提高手势识别能力的关键。(3)人手是弹性物体,同样的使用者要重复做出完全相同的手势是不可能的,不同的使用者在做同样的手势时也会体现出一些差异,如何降低甚至消除这个因素的影响对整个识别的准确率也有一定影响。
所以,本发明进行手势识别的方法是首先建立大量的隐性马尔科夫模型(HMM)模型,然后通过实时捕捉的手势识别特征与模型进行比对,挑选出概率最大模型,从而判断是那种手势操作。同时为了加快匹配速度,节省运算资源,本发明建立的是“五防”操作标准手势,并加入工具特征提取识别,可以辅助增加手势判断的精准性。
基于光流场的行为预测,在实际应用中,包括基于光流场的运动检测识别和基于光流场的第一人称违规操作行为识别,光流是指空间运动物体在观测成像面上的像素运动的瞬时速度,它利用图像序列像素强度数据的时域变化和相关性来确定各自像素位置的“运动”,即反映图像灰度在时间上的变化与景物中物体结构及其运动的关系。将二维图像平面特定坐标点上的灰度瞬时变化率定义为光流矢量。视觉心理学认为人与被观察物体发生相对运动时,被观察物体表面带光学特征的部位的移动给人们提供了运动和结构的信息。当相机与场景目标间有相对运动时所观察到的亮度模式运动称之为光流,或者说物体带光学特征部位的移动投影到视网膜平面(也即图像平面)上就形成了光流。
给图像中的每一个像素点赋予一个速度矢量,这就形成了一个图像运动场,在运动的一个特定时刻,图像上的点与三维物体上的点一一对应,这种对应关系可由投影关系得到,根据各个像素点的速度矢量特征,可以对图像进行动态分析。如果图像中没有运动物体,则光流矢量在整个图像区域是连续变化的。当图像中有运动物体时,目标与图像背景存在相对运动,运动物体所形成的速度矢量必然与邻域背景速度矢量不同,从而检测出运动物体及位置。
光流算法评估了两幅图像的之间的变形,它的基本假设是体素和图像像素守恒。它假设一个物体的颜色在前后两帧没有巨大而明显的变化。基于这个思路,我们可以得到图像约束方程。不同的光流算法解决了假定了不同附加条件的光流问题。
由于本发明是通过AR设备对场景进行感知识别,所以获得的图像视频信息都是第一人称。为了提前预测巡检人员的移动路径,从而为误入带电间隔等违规行为进行提示管控,需要通过第一人称光流实时判断巡检人员的移动方向和移动速度。因此,有必要以仿生的方式光流场判断的方式进行移动轨迹预判研究。
光流就是你在这个运动着的世界里感觉到的明显的视觉运动。以第一人称方式举例,当人坐在火车上,然后往窗外看。可以看到树、地面、建筑等等,都在往后退。这个运动就是光流。而且,这些物体的运动速度不一样这就可以实现通过不同目标的运动速度判断它们与我们的距离。一些比较远的目标,例如云、山,它们移动很慢,感觉就像静止一样。但一些离得比较近的物体,例如建筑和树,就比较快的往后退,然后离我们的距离越近,它们往后退的速度越快。一些非常近的物体,例如路面的标记啊,草地啊等等,则让人感觉是在快速闪过。光流除了提供远近外,还可以提供角度信息。与咱们的眼睛正对着的方向成90度方向运动的物体速度要比其他角度的快,当小到0度的时候,也就是物体朝着我们的方向直接撞过来,我们就是感受不到它的运动(光流)了,看起来好像是静止的。当它离我们越近,就越来越大。当人的眼睛观察运动物体时,物体的景象在人眼的视网膜上形成一系列连续变化的图像,这一系列连续变化的信息不断“流过”视网膜(即图像平面),好像一种光的“流”,故称之为光流。光流表达了图像的变化,由于它包含了目标运动的信息,因此可被观察者用来确定目标的运动情况。
研究光流场的目的就是为了从图片序列中近似得到不能直接得到的运动场。运动场,其实就是物体在三维真实世界中的运动;光流场,是运动场在二维图像平面上(人的眼睛或者摄像头)的投影。光流场是图片中每个像素都有一个x方向和y方向的位移,所以在上面那些光流计算结束后得到的光流flow是个和原来图像大小相等的双通道图像。
上述步骤完成后,即建立变电站安全管控平台,包括顺次连接的图像识别模块、行为预测模块与管控指示模块,图像识别模块包括便携终端及其连接的识别单元,行为预测模块包括分析处理器及其连接的通信单元,管控指示模块包括管控单元和指示单元,识别单元连接分析处理器,通信单元连接管控指示模块。便携终端包括AR设备及其连接的红外热像传感器、可见光传感器,识别单元包括数据集中器、GPS模块与RFID识别器,可见光传感器、红外热像传感器连接数据采集卡;便携终端采集红外数据,并结合以可见光方式采集的设备信息,经处理后送入安全空间提示数据库。分析处理器包括单片机芯片、网络服务器及数据存储器,数据存储器分别连接安全空间提示数据库、手势识别数据库和行为预测数据库。通信单元包括无线传输模块与双向网络通信接口。管控单元包括现场声光管控单元和网络云数据传输管控单元,现场声光管控单元在检测到工作区域违规、柜门开关动作、有害气体超标、通信安全预警、跨障提示预警、安全服装违规的操作时,会发出蜂鸣报警和警示灯闪烁。指示单元包括连接光伏阵列的人机交互界面,光伏阵列连接UPS双向电源模块。无线传输模块包括GSM数传模块与CDMA数传模块。
本发明的主要分析识别功能由分析处理器来实现,包括单片机芯片、网络服务器及数据存储器,数据存储器分别连接安全空间提示数据库、手势识别数据库和行为预测数据库。本发明中的单片机芯片,实施例选用的是C8051F单片机系列中的性价比较高的C8051F410。它集成了丰富的模拟和数字资源,是完全意义上的低功耗系统级的微可见光传感器,主要有以下特征:速度提高:使用SiliconLabs的专利CIP-51微可见光传感器核。CIP-51完全兼容典型51单片机指令集,采用标准结构的51单片机相比,使用CIP-51内核的单片机采用流水线结构,大大提高了指令执行速度;硬件资源丰富:具备上电复位及电压监视等功能;自带24.5MHz高精度可编程的内部振荡器;拥有32KB的片内FLASH存储器,2304字节片内RAM;4个16位通用定时器、看门狗定时器、12位可编程DAC、24个I/O口;内置AD转换器:自带12位逐次逼近寄存器型(SAR)ADC,采样率最高可到200ksps;单片机24个外部端口都可以通过一个27通道的多路模拟开关选择器配置为ADC的输入;ADC的基准电压可根据需要由编程选择内部基准或外部基准;低功耗、完善的时钟系统、先进的非侵入式系统调试技术。管控单元包括现场声光管控单元和网络云数据传输管控单元,可以在专家管控结果成型后,对比数据库的结果输出管控管控,实现快捷准确的故障管控结果。
指示单元包括连接光伏阵列的人机交互界面,光伏阵列连接UPS双向电源模块,可以通过太阳能供源,从而增加系统的持续性和安全可靠性。无线传输模块包括GSM数传模块与CDMA数传模块,CDMA和GSM均是目前已经应用成熟与稳定的2G通信的主流制式,在通信质量上,CDMA的通信质量要高于GSM,在相同环境下语音通信,CDMA的杂音要比GSM小很多,在手机辐射上,CDMA采用了出色的功率控制技术,也要比GSM小;然而,GSM在信号传输的稳定性上,采用时分多址的数字移动通信模式,在应用范围以及简单的短信传输上,在成本与应用范围上均具有优势,所以在本发明中应根据具体情况,择优选取。
变电站安全管控平台的运行理论基础在于针对各种规章和管理规定进行逐个管控,在本发明中,是根据QGW1799.1-2013《电力安全工作规程变电部分》和国家电网公司变电运维管理规定(试行)要求,主要对以下条例涉及的安全行为进行管控:
1、进入作业现场应正确佩戴安全帽,现场作业人员应穿全棉长袖工作服。
2、不得进入非作业区域作业。
3、巡视中运维人员应按照巡视路线进行,在进入设备室、打开机构箱、屏柜门时不得进行其他工作(严禁进行电气工作)。不得移开或越过遮栏。
4、进入户内SF6设备室巡视时,运维人员应检查其氧量仪和SF6气体泄漏报警仪显示是否正常;显示SF6含量超标时,人员不得进入设备室。
5、进入户内SF6设备室之前,应先通风15min以上。并用仪器检测含氧量(不低于18%)合格后,人员才准进入。
6、扩在保护室、电缆层禁止使用移动通讯工具,防止造成保护及自动装置误动。
7、进出高压室、打开端子箱、机构箱、汇控柜、智能柜、保护屏等设备箱(柜、屏)门后应随手将门关闭锁好。
所以,变电站安全管控平台的具体实现功能包括:1)进入非作业区域作业告警:由负责人,划定工作区域;运维检修第三方施工人员,佩戴眼镜进入变电站后通过,复合定位,实时获得位置信息;通过光流法,预测行为人的进行方向和进行速度,从而判断是否有进入非工作区域的可能;当系统判断即将离开工作区域时,在ar眼镜上进行提示,当已经进入非工作区域时。后台告警并通知现场监督人员或工作负责人。
2)打开屏、柜后未闭锁提示:首先通过复合定位,判断工作人员在端子箱、机构箱、汇控柜、智能柜、保护屏等设备箱(柜、屏)门前滞留,启动箱体开锁手势动作判别程序;当手势动作判别程序,发现有开启箱门动作时,启动,手势识别,箱体关闭,关锁,动作判别;当未检测到箱体关锁而人员发生远离箱体情况时,进行闭锁提示。
3)进入室内SF6设备人身安全提示:通过复合定位,当检测到,人员在含SF6气体设备室门口滞留后启动开门手势检测;当程序检测到有开门动作时,进行SF6泄露检测提示;当检测到开门动作15分钟内,检测到有进入室内动作时,提示通风15分钟并检测氧气含量。
4)在保护室或电缆隔层使用移动通信装置安全提示:通过组合定位检测人员在保护室或电缆隔离层时关闭4g网络同时启动手机识别程序;如果识别到手机并发现屏幕点亮,同时有手势操作,超过30秒时进行请勿使用移动通讯设备提示。
5)巡视时跨障提示告警:通过视觉识别发现防护栏时启动防护栏翻越行为检测程序;当发现防护栏翻越行为后马上在AR设备进行提示;提示后仍滞留护栏区域或在护栏区域行走的后台进行告警。
6)安全帽和工作服提示:通过复合定位检测到进入变电运行场区进行正确佩戴安全帽和着装工作服的提示。
鉴于AR独特的第一人称视角模式,可以通过设备实现第一人称的远程协作技术。可以通过网络在后台同视觉查看现场巡检人员的工作场景,直接在后台以手写标注的方式注明关键部件或关键工作,同屏现实到现场工作人员AR设备上,实现同步同频沟通,避免因表达或理解而产生的操作错误,快速解决问题,帮助一线人员快速学习巡检经验。在实际工作中,难免急需获取现场设备数据或进行变电站设备巡检,但申请去变电站手续需要较长时间,往往因为申请手续而错过现场查看设备的时机。而本系统充分利用互联网技术,实现终端的开放共享。当有紧急情况需要变电站现场人员处理的时候,后台可发布紧急任务,直接推送到站端运行检修人员AR设备上,实现现场处理任务的功能。对于当前运行检修人员不具备完成任务的条件时,还可以通过第一人称现场辅助实现对一线人员的指导。同时,鉴于本发明计划预测的变电站违规行为必将带来人身安全和生产安全的风险,在实际环境中测试验证不现实,而且违规行为的学习样本无法获取,所以,本发明还可以搭建一套变电三维模型违规行为仿真验证平台,平台能够模拟不同光照条件下的变电站实景,能够模拟工作区域作业和各种违规行为,能够以第一人称的视角获得图像视频样本,能为研究光流法运动轨迹预测和第一人称行为预测提供符合条件的大量样本数据。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,本领域普通技术人员对本发明的技术方案所做的其他修改或者等同替换,只要不脱离本发明技术方案的精神和范围,均应涵盖在本发明的权利要求范围当中。
Claims (9)
1.基于行为预测的变电站安全管控方法,其特征在于,包括下列步骤:
1)建立基于概率统计的手势识别数据库,建立隐性马尔科夫模型,通过实时捕捉的手势识别特征与模型进行比对,挑选出概率最大模型,存储于后台数据库中;
2)建立基于变电站设备部件的安全空间提示数据库,即通过对带电设备进行空间建模,根据不同电压等级,通过复合定位自动将安全距离在便携终端上叠加显示,实现带电设备安全距离的实时空间提示,存储于后台数据库中;
3)建立基于光流场的行为预测数据库,即通过工作人员的便携终端,感知工作人员所处的工作区环境,并实时判断巡检人员的移动方向、移动速度和后续动作,为与手势识别数据库比较设置前置条件,筛选掉大量不可能的模型,将可能性较大的模型优先级提前,对规范操作进行指导,对预判进入非工作区域的运动轨迹进行管控;
4)基于步骤1)、步骤2)、步骤3)的数据库,建立变电站安全管控平台,现场工作人员通过便携终端实时连接变电站安全管控平台,变电站安全管控平台通过自身的管控指示单元实现工作区域告警、柜门开关提示、有害气体提示、通信安全提示、跨障提示告警、安全服装告警的操作,并通过便携终端的网络影像,同步查看现场工作人员的工作场景,直接在后台以手写标注的方式注明关键部件或关键工作,同屏指示到现场工作人员的设备上,实现同步同频沟通,直接安排紧急任务给一线运检人员,实现远程实景指导。
2.如权利要求1所述的基于行为预测的变电站安全管控方法,其特征在于:所述步骤3)中基于光流场的行为预测,包括基于光流场的运动检测识别和基于光流场的第一人称违规操作行为识别。
3.如权利要求1所述的基于行为预测的变电站安全管控方法,其特征在于:所述变电站安全管控平台包括顺次连接的图像识别模块、行为预测模块与管控指示模块,所述图像识别模块包括便携终端及其连接的识别单元,所述行为预测模块包括分析处理器及其连接的通信单元,所述管控指示模块包括管控单元和指示单元,所述识别单元连接所述分析处理器,所述通信单元连接所述管控指示模块。
4.如权利要求3所述的基于行为预测的变电站安全管控方法,其特征在于:所述便携终端包括AR设备及其连接的红外热像传感器、可见光传感器,所述识别单元包括数据集中器、GPS模块与RFID识别器,所述可见光传感器、所述红外热像传感器连接数据采集卡;所述便携终端采集红外数据,并结合以可见光方式采集的设备信息,经处理后送入安全空间提示数据库。
5.如权利要求3所述的基于行为预测的变电站安全管控方法,其特征在于:所述分析处理器包括单片机芯片、网络服务器及数据存储器,所述数据存储器分别连接安全空间提示数据库、手势识别数据库和行为预测数据库。
6.如权利要求3所述的基于行为预测的变电站安全管控方法,其特征在于:所述通信单元包括无线传输模块与双向网络通信接口。
7.如权利要求3所述的基于行为预测的变电站安全管控方法,其特征在于:所述管控单元包括现场声光管控单元和网络云数据传输管控单元,所述现场声光管控单元在检测到工作区域违规、柜门开关动作、有害气体超标、通信安全预警、跨障提示预警、安全服装违规的操作时,会发出蜂鸣报警和警示灯闪烁。
8.如权利要求3所述的基于行为预测的变电站安全管控方法,其特征在于:所述指示单元包括连接光伏阵列的人机交互界面,所述光伏阵列连接UPS双向电源模块。
9.如权利要求6所述的基于行为预测的变电站安全管控方法,其特征在于:所述无线传输模块包括GSM数传模块与CDMA数传模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811106324.8A CN109308670B (zh) | 2018-09-21 | 2018-09-21 | 基于行为预测的变电站安全管控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811106324.8A CN109308670B (zh) | 2018-09-21 | 2018-09-21 | 基于行为预测的变电站安全管控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109308670A CN109308670A (zh) | 2019-02-05 |
CN109308670B true CN109308670B (zh) | 2021-06-01 |
Family
ID=65223947
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811106324.8A Active CN109308670B (zh) | 2018-09-21 | 2018-09-21 | 基于行为预测的变电站安全管控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109308670B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110190543A (zh) * | 2019-04-19 | 2019-08-30 | 国网上海市电力公司 | 一种用于变电站作业的安全辅助系统及方法 |
CN111182044A (zh) * | 2019-12-23 | 2020-05-19 | 国网河南省电力公司周口供电公司 | 高压设备间对外连接通道封闭设备实时管控方法 |
CN111476330B (zh) * | 2020-04-20 | 2022-06-07 | 国网福建省电力有限公司 | 一种变电站电气设备制造远程监管与安装指导系统与方法 |
CN111753701B (zh) * | 2020-06-18 | 2023-08-15 | 百度在线网络技术(北京)有限公司 | 应用程序的违规检测方法、装置、设备和可读存储介质 |
CN116298474B (zh) * | 2023-05-18 | 2023-08-15 | 四川嘉能佳电力集团有限责任公司 | 基于带电状态实时检测的电力运维安全监测方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101216888A (zh) * | 2008-01-14 | 2008-07-09 | 浙江大学 | 基于快速图像配准的视角变化条件下视频前景提取方法 |
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 |
CN105956232A (zh) * | 2016-04-20 | 2016-09-21 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种变电站三维实景仿真系统及实现方法 |
CN106101647A (zh) * | 2016-07-29 | 2016-11-09 | 国网河南省电力公司郑州供电公司 | 基于视觉的目标空间运动轨迹特征的安全管理方法及系统 |
CN106920071A (zh) * | 2017-02-23 | 2017-07-04 | 广东电网有限责任公司教育培训评价中心 | 变电站现场作业辅助方法和系统 |
CN107730116A (zh) * | 2017-10-17 | 2018-02-23 | 国网河南省电力公司郑州供电公司 | 基于图像特征和作业对象空间特征分析的变电站管控方法 |
CN108334814A (zh) * | 2018-01-11 | 2018-07-27 | 浙江工业大学 | 一种基于卷积神经网络结合用户习惯性行为分析的ar系统手势识别方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013042205A1 (ja) * | 2011-09-20 | 2013-03-28 | トヨタ自動車株式会社 | 歩行者行動予測装置および歩行者行動予測方法 |
US9671566B2 (en) * | 2012-06-11 | 2017-06-06 | Magic Leap, Inc. | Planar waveguide apparatus with diffraction element(s) and system employing same |
-
2018
- 2018-09-21 CN CN201811106324.8A patent/CN109308670B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101216888A (zh) * | 2008-01-14 | 2008-07-09 | 浙江大学 | 基于快速图像配准的视角变化条件下视频前景提取方法 |
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 |
CN105956232A (zh) * | 2016-04-20 | 2016-09-21 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种变电站三维实景仿真系统及实现方法 |
CN106101647A (zh) * | 2016-07-29 | 2016-11-09 | 国网河南省电力公司郑州供电公司 | 基于视觉的目标空间运动轨迹特征的安全管理方法及系统 |
CN106920071A (zh) * | 2017-02-23 | 2017-07-04 | 广东电网有限责任公司教育培训评价中心 | 变电站现场作业辅助方法和系统 |
CN107730116A (zh) * | 2017-10-17 | 2018-02-23 | 国网河南省电力公司郑州供电公司 | 基于图像特征和作业对象空间特征分析的变电站管控方法 |
CN108334814A (zh) * | 2018-01-11 | 2018-07-27 | 浙江工业大学 | 一种基于卷积神经网络结合用户习惯性行为分析的ar系统手势识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109308670A (zh) | 2019-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109308670B (zh) | 基于行为预测的变电站安全管控方法 | |
US11978256B2 (en) | Face concealment detection | |
CN206672041U (zh) | 一种基于增强现实的矿用设备智能巡检和维护辅助系统 | |
CN102831439B (zh) | 手势跟踪方法及系统 | |
CN107978051A (zh) | 一种基于人脸识别的门禁系统及方法 | |
CN109242439A (zh) | 基于变电站设备相关联数据的特征提取识别方法 | |
CN110321809A (zh) | 一种基于深度学习的变电站作业现场监测方法及装置 | |
CN103716324B (zh) | 一种基于多智能体虚拟矿井风险行为实现系统及方法 | |
CN109697499A (zh) | 行人流量漏斗生成方法及装置、存储介质、电子设备 | |
CN109166293A (zh) | 基于变电站立体检测的远程辅助预警方法 | |
CN107255970A (zh) | 一种可穿戴式电力安全巡检作业装备 | |
CN111920129A (zh) | 一种智能安全帽系统 | |
CN213128247U (zh) | 一种智能安全帽系统 | |
CN113807240A (zh) | 基于非配合式人脸识别的变电站人员着装智能监控方法 | |
CN213844229U (zh) | 一种供电作业管控装置 | |
CN111805508A (zh) | 一种基于视觉理解的现场安全性许可方法 | |
CN111950359A (zh) | 一种核电厂防止人因失误智能化系统及方法 | |
CN114863489A (zh) | 基于虚拟现实的可移动式智慧工地辅助巡检方法和系统 | |
CN112785564B (zh) | 一种基于机械臂的行人检测跟踪系统与方法 | |
CN114092279A (zh) | 全业务泛在可视化智慧电力运维系统 | |
CN113973263A (zh) | 一种基于wifi定位的智慧校园系统 | |
CN112863027A (zh) | 安保场所出入口视频图像分析处理系统 | |
CN115063921B (zh) | 一种工地智能闸机系统及搭建方法 | |
CN203885510U (zh) | 一种基于红外检测技术的驾驶员疲劳检测系统 | |
CN111353465A (zh) | 基于深度学习技术的变电站人员行为分析方法及系统 |
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 |