CN111507308B - 一种基于视频识别技术的变电站安全监控系统及方法 - Google Patents
一种基于视频识别技术的变电站安全监控系统及方法 Download PDFInfo
- Publication number
- CN111507308B CN111507308B CN202010379169.8A CN202010379169A CN111507308B CN 111507308 B CN111507308 B CN 111507308B CN 202010379169 A CN202010379169 A CN 202010379169A CN 111507308 B CN111507308 B CN 111507308B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- video
- operation area
- transformer substation
- target
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/63—Scene text, e.g. street names
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- 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
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
- G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/183—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
Abstract
本发明提出一种基于视频识别技术的变电站安全监控系统,包括视频采集终端、信息管理模块、行为分析模块、监控主机,其中,信息管理模块实时获取并解析工作票信息,并将分析结果并发送至行为分析模块;行为分析模块获取目标变电站作业区域的监控视频,将监控视频进行智能识别并判断作业人员是否存在不安全行为,并将其获得的监控视频、工作票信息解析信息、运动目标动作识别结果发送至监控主机中进行显示及存储,实现变电站作业区域内作业人员的智能安全监控,能够有效提高变电站现场监管工作效率。本发明还提出了一种应用上述变电站安全监控系统的一种基于视频识别技术的变电站安全监控方法。
Description
技术领域
本发明涉及电力监控系统技术领域,更具体地,涉及一种基于视频识别技术的变电站安全监控系统及方法。
背景技术
变电站是连接发电厂和用户的枢纽,其安全稳定运行不仅关系电力系统的供电可靠性,更关系国民经济的发展。定期对正常设备开展巡视、维护、检修,及时对故障设备开展应急抢修是保证变电站安全稳定运行的重要手段。
为确保上述巡视、维护、检修等现场作业的安全,减少作业违章情况,目前电网企业一般通过人工现场监管来加强现场作业安全管理,但存在以下问题:变电站内作业任务种类繁多、作业地点分散、作业面交错复杂,这将导致安全监管人员难以实时跟踪监控,且监控工作效率低;由于作业人员安全意识、素质水平、技能水平参差不齐,当现场作业出现不安全行为时,安全监管人员难以及时发出警示信息,可能导致发生误碰、误操作设备的违章行为,引发人身触电或设备短路、跳闸,甚至引发供电区域大面积停电等电力安全事故。
发明内容
本发明为克服上述现有技术所述的变电站现场监管的工作效率低的缺陷,提供一种基于视频识别技术的变电站安全监控系统,以及一种基于视频识别技术的变电站安全监控方法。
为解决上述技术问题,本发明的技术方案如下:
一种基于视频识别技术的变电站安全监控系统,包括视频采集终端、信息管理模块、行为分析模块、监控主机,其中,视频采集终端安装设置在变电站作业区域内,用于实时获取对应变电站作业区域的监控视频;信息管理模块中包括正反向隔离装置,信息管理模块通过正反向隔离装置与变电站内的生产系统通讯连接,信息管理模块用于获取、解析并存储生产系统的工作票信息;行为分析模块的输入端与视频采集终端的输出端采用视频基带传输方式进行连接,信息管理模块与行为分析模块通讯连接;行为分析模块中包括用于存储不安全行为特征向量的第一数据库,且行为分析模块预设有完成训练的用于动作识别模型,行为分析模块根据从信息管理模块获取的工作票信息对视频采集终端获取的视频进行行为动作识别,判断作业人员是否存在不安全行为;监控主机的输入端与行为分析模块的输出端连接;监控主机还包括第二数据库和显示屏,第二数据库用于存储行为分析模块发送的监控视频及其识别结果,显示屏用于显示行为分析模块发送的监控视频及其识别结果。
在具体使用过程中,信息管理模块实时获取并解析存储在生产系统中的工作票信息,得到目标变电站作业区域的授权作业信息及目标变电站作业区域对应的视频采集终端编号,然后发送至行为分析模块中;行为分析模块根据目标变电站作业区域对应的视频采集终端编号从视频采集终端中获取目标变电站作业区域的监控视频,将监控视频进行视频识别,得到运动目标动作识别结果,然后根据目标变电站作业区域的授权作业信息,判断作业人员是否存在不安全行为,并将其获得的监控视频、工作票信息解析信息、运动目标动作识别结果发送至监控主机中进行显示及存储。
本技术方案中,视频采集终端分别安装设置在变电站的各个作业区域内,获取各个变电站作业区域的监控视频;信息管理模块通过正反向隔离装置从变电站内的生产系统中获取并解析工作票信息,其中,生产系统为变电站内置的用于生成和管理操作票的智能系统;行为分析模块用于对变电站内高压场、GIS室、二次设备室等作业区域内的作业人员行为进行识别,判断是否存在不安全作业行为;监控主机实现监控管理功能,接收行为分析模块的报警信号及监控视频数据、识别结果进行显示及存储,并根据接收的报警信号向对应作业区域内的作业人员终端发送报警信息,实现综合监控管理功能,从而提高变电站现场监管的工作效率。此外,行为分析模块中的第一数据库存储有不安全行为特征向量,在对目标变电站作业区域内作业人员的动作识别分析过程中,将得到的运动目标动作识别结果与第一数据库中存储的不安全行为特征向量进行匹配比对,同时结合目标变电站作业区域的授权作业信息,判断运动目标对应的作业人员是否存在不安全行为。
优选地,视频采集终端包括红外高速球机、白光云台摄像机、红外筒型摄像机中的一种或多种。
优选地,变电站安全监控系统还包括人脸识别模块,人脸识别模块的输入端与视频采集终端的输出端连接,人脸识别模块与信息管理模块通讯连接,且人脸识别模块与监控主机通讯连接;人脸识别模块内预设有完成训练的用于图像人脸识别模型,对视频采集终端采集的监控视频逐帧进行人脸识别,并与信息管理模块解析工作票信息得到的目标变电站作业区域的授权作业人员信息进行匹配,然后将匹配结果发送至监控主机中显示及存储。本优选方案中的人脸识别模块安装设置在变电站内作业区域入口,通过联动变电站内的生产系统获得该作业区域即将开展的施工作业人员信息,对变电站内作业人员身份进行确认,能够对进入该作业区域的非授权人员进行监控及警示。
优选地,变电站安全监控系统还包括车辆识别模块,车辆识别模块的输入端与设置在变电站作业区域内出入口的视频采集终端的输出端连接,车辆识别模块与信息管理模块通讯连接,且车辆识别模块与监控主机通讯连接;车辆识别模块内预设有完成训练的用于车牌识别模型,对视频采集终端采集的监控视频逐帧进行车牌识别,并与信息管理模块解析工作票信息得到的目标变电站作业区域的授权车牌信息进行匹配,然后将匹配结果发送至监控主机中显示及存储。
优选地,变电站安全监控系统还包括设置在变电站作业区域内的车速检测模块,车速检测模块与监控主机通讯连接;车速检测模块内预设有车速阈值,车速检测模块对当前经过变电站作业区域内的车辆速度进行检测,然后与其预设的车速阈值进行比对:若当前检测的车辆速度大于或等于预设的车速阈值时,则向监控主机发送报警信号以及当前检测的车辆速度;若当前检测的车辆速度小于预设的车速阈值,则仅向监控主机上传当前检测的车辆速度。
优选地,变电站安全监控系统还包括设置在变电站内各作业区域内的报警模块,报警模块包括接收器、报警控制器、声光报警器,其中,接收器作为报警模块的指令信号接收端与监控主机通讯连接,接收器的输出端与报警控制器的输入端连接,报警控制器的输出端与声光报警器的输入端连接。监控主机根据其接收的报警信号向对应作业区域内的报警模块发送报警信号,当报警模块通过接收器接收到报警信号时,接收器将报警信号输入报警控制器中,报警控制器向声光报警器发送工作指令,从而实现对该作业区域的警示功能。
本发明还提出一种基于视频识别技术的变电站安全监控方法,应用于上述一种基于视频识别技术的变电站安全监控系统中,包括以下步骤:
S1:获取当前存储在生产系统中的工作票信息;
S2:解析工作票信息,得到目标变电站的授权作业信息及目标变电站作业区域对应的视频采集终端编号;
S3:根据目标变电站作业区域对应的视频采集终端编号获取目标变电站作业区域的监控视频;
S4:将监控视频进行视频识别,得到运动目标的动作识别结果,然后根据目标变电站作业区域的授权作业信息,当判断作业人员存在不安全行为时,则向监控主机发送报警信号,同时监控主机将识别运动目标的动作识别结果及监控视频进行显示及存储。
优选地,S4步骤中,对监控视频进行视频识别的具体步骤如下:
S41:识别监控视频中作业人员在监控视频中的位置并对其进行截取;
S42:采用基于CNN算法基础上的3D卷积神经网络算法对完成截取的监控视频进行三维识别,得到动作特征向量;
S43:将动作特征向量与存储在第一数据库中的不安全行为特征向量进行匹配及判断,执行的判断步骤包括:
(1)判断作业人员安全帽和工作服穿戴是否符合规范,若是,则执行判断(2),若否,则向监控主机发送报警信号,同时监控主机将识别运动目标的动作识别结果及监控视频进行显示及存储;
(2)判断作业人员是否倒地,若是,则向监控主机发送报警信号,同时监控主机将识别运动目标的动作识别结果及监控视频进行显示及存储,若否,则执行判断(3);
(3)判断作业人员是否跨越围栏,若是,则向监控主机发送报警信号,同时监控主机将识别运动目标的动作识别结果及监控视频进行显示及存储,若否,则结束判断。
优选地,变电站安全监控方法中还包括以下步骤:
S5:获取变电站内作业区域入口的监控视频,将其逐帧图像进行人脸识别,得到人脸识别结果,然后根据目标变电站作业区域的授权人员信息进行比对匹配,当比对匹配不成功时,则向监控主机发送报警信号,并将人脸识别结果及监控视频发送至监控主机进行显示及存储;其对人脸识别的具体步骤如下:
步骤A.1:采集变电站内所有作业人员的人脸图像作为训练集;
步骤A.2:将训练集依次输入卷积层、激活函数、池化层、全连接层中反复训练,确定卷积层、池化层的个数及激活函数的参数,建立人脸识别模型,并将训练集经人脸识别模型输出得到的编码向量作为预测编码向量进行存储;
步骤A.3:获取目标变电站作业区域入口的监控视频,将监控视频逐帧图像输入人脸识别模型中计算得到其真实编码向量,并将真实编码相连关于步骤A.2中的预测编码向量进行比对,若二者编码距离小于预设的阈值,则认定待检测人员为已授权人员;若二者编码距离大于或等于预设的阈值,则认定待检测人员为非授权人员,并向监控主机发送报警信号,监控主机将其人脸识别结果及监控视频进行显示及存储。
优选地,变电站安全监控方法中还包括以下步骤:
S6:获取目标变电站作业区域出入口的监控视频,将其逐帧图像进行车牌识别,得到车牌识别结果,然后根据目标变电站作业区域的授权车辆信息进行比对匹配,当比对匹配不成功时,则向监控主机发送报警信号,并将车牌识别结果及监控视频进行显示及存储;同时,对变电站作业区域内的车辆速度进行检测,并将其与预设的车速阈值进行比对:若当前检测的车辆速度大于或等于预设的车速阈值时,则向监控主机发送报警信号以及当前检测的车辆速度;若当前检测的车辆速度小于,则仅向监控主机上传当前检测的车辆速度;
其对监控视频逐帧图像进行车牌识别的具体步骤如下:
步骤B.1:采集若干车牌图像并分为训练集和测试集;
步骤B.2:将训练集图像输入卷积神经网络模型中,确定模型中卷积层、池化层的个数和函数参数,建立车牌识别模型;
步骤B.3:将测试集图像输入车牌识别模型中,计算出预测编码向量并存储;
步骤B.4:获取目标变电站作业区域出入口的监控视频,将监控视频图像输入车牌识别模型中,实时计算监控视频图像的真实编码向量,并与步骤B.3计算并存储的预测编码向量进行比对,若编码距离小于预设的阈值,则认定比对匹配成功,将当前监控视频的车辆目标认定为授权车辆;若编码距离大于或等于预设的阈值,则认定比对匹配失败,将当前监控视频的车辆目标认定为非授权车辆,向监控主机发送报警信号,监控主机将车牌识别结果及监控视频进行显示及存储。
与现有技术相比,本发明技术方案的有益效果是:采用视频采集终端获取变电站内各个作业区域的实时监控视频,采用信息管理模块结合变电站内的生产系统获取并解析工作票信息,采用行为分析模块对各个作业区域的实时监控视频中作业人员的异常行为进行识别和分析,并采用监控主机对作业人员异常行为识别结果进行存储及显示,实现变电站作业区域内作业人员的智能安全监控,能够有效提高变电站现场监管的工作效率。
附图说明
图1为实施例1的基于视频识别技术的变电站安全监控系统的结构示意图。
图2为实施例2的基于视频识别技术的变电站安全监控系统的结构示意图。
图3为实施例3的基于视频识别技术的变电站安全监控方法的流程图。
图4为实施例4中人脸识别的流程图。
图5为实施例4中车辆识别的流程图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;
对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
本实施例提出一种基于视频识别技术的变电站安全监控系统,如图1所示,为本实施例的基于视频识别技术的变电站安全监控系统的结构示意图。
本实施例提出的基于视频识别技术的变电站安全监控系统中,包括视频采集终端1、信息管理模块2、行为分析模块3、监控主机4,其中:
视频采集终端1安装设置在变电站内的各个作业区域内,用于实时获取对应变电站作业区域的监控视频;
信息管理模块2中包括正反向隔离装置,信息管理模块2通过正反向隔离装置与变电站内置的生产系统通讯连接,信息管理模块2用于获取、解析并存储生产系统的工作票信息;
行为分析模块3的输入端与视频采集终端1的输出端采用视频基带传输方式进行连接,信息管理模块2与行为分析模块3通讯连接;行为分析模块3中包括用于存储不安全行为特征向量的第一数据库31,且行为分析模块3内预设有完成训练的用于动作识别模型,行为分析模块3根据从信息管理模块2获取的工作票信息对视频采集终端1获取的监控视频进行行为动作识别,判断作业人员是否存在不安全行为;
监控主机4的输入端与行为分析模块3的输出端连接;监控主机4还包括第二数据库41和显示屏42,第二数据库41用于存储行为分析模块3发送的监控视频及其识别结果,显示屏42用于显示行为分析模块3发送的监控视频及其识别结果。
本实施例中,视频采集终端1采用红外高速球机、白光云台摄像机、红外筒型摄像机中的一种或多种;监控主机4中的显示屏42采用LED显示屏。
在具体实施过程中,信息管理模块1实时获取并解析存储在生产系统中的工作票信息,得到目标变电站作业区域的授权作业信息及目标变电站作业区域对应的视频采集终端编号,然后发送至行为分析模块3中;行为分析模块3根据目标变电站作业区域对应的视频采集终端编号从视频采集终端1中获取目标变电站作业区域的监控视频,将监控视频进行视频识别,得到运动目标动作识别结果,然后根据目标变电站作业区域的授权作业信息并结合第一数据库31中存储的不安全行为特征向量进行匹配比对,判断作业人员是否存在不安全行为,然后将其获得的监控视频、工作票信息解析结果、运动目标动作识别结果、行为分析模块3的判断结果等信息通过以太网发送至监控主机4中通过显示屏42进行显示,并存储在第二数据库41中,便于变电站安全监控管理人员执行监控视频管理、信息控制管理、安全隐患预警、与生产系统的数据交互、告警报告生成及查询等综合安全监控管理功能。
本实施例中,通过采用视频采集终端1获取变电站内各个作业区域的实时监控视频,采用信息管理模块2结合变电站内的生产系统获取并解析工作票信息,采用行为分析模块3对各个作业区域的实时监控视频中作业人员的异常行为进行识别和分析,实现变电站安全监控,其中作业人员的异常行为主要包括安全帽和工作服穿戴不规范、因故倒地、跨越作业围栏等。此外,行为分析模块3将其获得的监控视频、目标变电站作业区域的授权作业信息、作业人员不安全行为特征向量、作业人员不安全行为判断结果等数据通过以太网发送至监控主机4中通过显示屏42进行显示,并存储在第二数据库41中,便于变电站安全监控人员进行回访追溯,以及对目标变电站作业区域的作业人员的终端发送相应的警示信息或通知相关安全监督管理人员到场监督,纠正不安全作业行为。
实施例2
本实施例在实施例1提出的基于视频识别技术的变电站安全监控系统的基础上,增设了人脸识别模块5、车辆识别模块6、车速检测模块7及报警模块8,如图2所示,为本实施例的基于视频识别技术的变电站安全监控系统的结构示意图。
本实施例中,增设的人脸识别模块5安装设置在变电站内作业区域入口,通过联动变电站内的生产系统获得该作业区域即将开展的施工作业人员信息,对变电站内作业人员身份进行确认,能够对进入该作业区域的非授权人员进行监控及警示。具体地,人脸识别模块5的输入端与设置在变电站内作业区域入口的视频采集终端1的输出端连接,人脸识别模块5与信息管理模块2通讯连接,且人脸识别模块5与监控主机4通讯连接。本实施例中的人脸识别模块5内预设有完成训练的用于图像人脸识别模型,人脸识别模块5通过对视频采集终端1采集的变电站内作业区域入口的监控视频逐帧进行人脸识别,并与信息管理模块2解析的工作票信息得到的该作业区域的授权作业人员信息进行匹配,然后将匹配结果发送至监控主机4中通过显示屏42进行显示,并存储在第二数据库41中。
本实施例中增设的车辆识别模块6安装设置在变电站作业区域内的出入口位置,其中,车辆识别模块6的输入端与设置在变电站作业区域内出入口的视频采集终端1的输出端连接,车辆识别模块6与信息管理模块2通讯连接,且车辆识别模块6与监控主机4通讯连接。本实施例中的车辆识别模块6内预设有完成训练的用于车牌识别模型,对视频采集终端1采集的监控视频逐帧进行车牌识别,并与信息管理模块2解析工作票信息得到的目标变电站作业区域的授权车牌信息进行匹配,然后将匹配结果发送至监控主机4中通过显示屏42进行显示,并存储在第二数据库41中。
本实施例中增设的人脸识别模块5和车辆识别模块6能够与设置在变电站内作业区域出入口的安检系统结合使用,当人脸识别模块5或车辆识别模块6对当前待检测的作业人员或车辆的识别匹配结果为非授权人员或车辆时,能够结合安检系统拒绝待检测作业人员或车辆的进入,进一步避免非授权人员或车辆进入该作业区域,实现安全监控管理功能。
本实施例中增设的车速检测模块7安装设置在变电站作业区域内,其中,车速检测模块7与监控主机4通讯连接;车速检测模块7内预设有车速阈值,车速检测模块7对当前经过变电站作业区域内的车辆速度进行检测,然后与其预设的车速阈值进行比对:若当前检测的车辆速度大于或等于预设的车速阈值时,则向监控主机4发送报警信号以及当前检测的车辆速度;若当前检测的车辆速度小于预设的车速阈值,则仅向监控主机4上传当前检测的车辆速度。本实施例中的车速检测模块7采用雷达多普勒检测器等车速检测器。
本实施例中增设的报警模块8设置在变电站内各作业区域内,其中,报警模块8包括接收器81、报警控制器82、声光报警器83,其中,接收器81作为报警模块8的指令信号接收端与监控主机4通讯连接,接收器81的输出端与报警控制器82的输入端连接,报警控制器82的输出端与声光报警器83的输入端连接。监控主机4根据其从行为分析模块3、人脸识别模块5、车辆识别模块6或车速检测模块7接收的报警信号,向对应作业区域内的报警模块8发送报警信号,当报警模块8通过接收器81接收到报警信号时,接收器81将报警信号输入报警控制器82中,报警控制器82向声光报警器83发送工作指令,声光报警器83工作并发出声光报警,从而实现对该作业区域的警示功能。
实施例3
本实施例提出一种基于视频识别技术的变电站安全监控方法,应用于上述实施例1中提出的基于视频识别技术的变电站安全监控系统。如图3所示,为本实施例的基于视频识别技术的变电站安全监控方法的流程图。
本实施例中提出的基于视频识别技术的变电站安全监控方法包括以下步骤:
S1:通过信息管理模块2获取当前存储在生产系统中的工作票信息;
S2:信息管理模块2解析工作票信息,得到目标变电站作业区域的授权作业信息及目标变电站作业区域对应的视频采集终端编号;
S3:行为分析模块3根据信息管理模块2解析得到的目标变电站作业区域对应的视频采集终端编号,通过视频采集终端1获取目标变电站作业区域的监控视频;
S4:行为分析模块3将监控视频进行视频识别,得到运动目标的动作识别结果,然后根据目标变电站作业区域的授权作业信息,当判断作业人员存在不安全行为时,则向监控主机4发送报警信号,同时监控主机4将识别运动目标的动作识别结果及监控视频进行显示及存储。
本实施例的S4步骤中,对监控视频进行视频识别的具体步骤如下:
S41:识别监控视频中作业人员在监控视频中的位置并对其进行截取;
S42:采用基于CNN算法基础上的3D卷积神经网络算法对完成截取的监控视频进行三维识别,得到动作特征向量;
S43:将动作特征向量与存储在第一数据库中的不安全行为特征向量进行匹配及判断,其执行的判断步骤包括:
(1)判断作业人员安全帽和工作服穿戴是否符合规范,若是,则执行判断(2),若否,则向监控主机发送报警信号,同时监控主机将识别运动目标的动作识别结果及监控视频进行显示及存储;
(2)判断作业人员是否倒地,若是,则向监控主机发送报警信号,同时监控主机将识别运动目标的动作识别结果及监控视频进行显示及存储,若否,则执行判断(3);
(3)判断作业人员是否跨越围栏,若是,则向监控主机发送报警信号,同时监控主机将识别运动目标的动作识别结果及监控视频进行显示及存储,若否,则结束判断。
本实施例中,采用3D卷积神经网络算法对获取的监控视频进行三维识别,其中,存储在第一数据库中的不安全行为特征向量包括安全帽和工作服穿戴不规范、倒地、跨越围栏等三种类型的不安全行为特征向量。在将3D卷积神经网络算法得到的动作特征向量与存储在第一数据库中的不安全行为特征向量进行匹配及判断的过程中,通过对比上述动作特征向量与上述三种类型的不安全行为特征向量之间的偏差值实现二者的匹配及判断,若偏差值超过预设的偏差范围,则判断该作业人员存在对应的不安全行为。
实施例4
本实施例提出一种基于视频识别技术的变电站安全监控方法,应用于上述实施例2中提出的基于视频识别技术的变电站安全监控系统。
本实施例中提出的基于视频识别技术的变电站安全监控方法包括以下步骤:
S1:通过信息管理模块2获取当前存储在生产系统中的工作票信息;
S2:信息管理模块2解析工作票信息,得到目标变电站作业区域的授权作业信息及目标变电站作业区域对应的视频采集终端编号;
S3:行为分析模块3根据信息管理模块2解析得到的目标变电站作业区域对应的视频采集终端编号,通过视频采集终端1获取目标变电站作业区域的监控视频;
S4:行为分析模块3将监控视频进行视频识别,得到运动目标的动作识别结果,然后根据目标变电站作业区域的授权作业信息,当判断作业人员存在不安全行为时,则向监控主机4发送报警信号,同时监控主机4将识别运动目标的动作识别结果及监控视频进行显示及存储;其对监控视频进行视频识别的具体步骤如下:
S41:识别监控视频中作业人员在监控视频中的位置并对其进行截取;
S42:采用基于CNN算法基础上的3D卷积神经网络算法对完成截取的监控视频进行三维识别,得到动作特征向量;
S43:将动作特征向量与存储在第一数据库中的不安全行为特征向量进行匹配及判断,其执行的判断步骤包括:
(1)判断作业人员安全帽和工作服穿戴是否符合规范,若是,则执行判断(2),若否,则向监控主机发送报警信号,同时监控主机将识别运动目标的动作识别结果及监控视频进行显示及存储;
(2)判断作业人员是否倒地,若是,则向监控主机发送报警信号,同时监控主机将识别运动目标的动作识别结果及监控视频进行显示及存储,若否,则执行判断(3);
(3)判断作业人员是否跨越围栏,若是,则向监控主机发送报警信号,同时监控主机将识别运动目标的动作识别结果及监控视频进行显示及存储,若否,则结束判断。
此外,本实施例中,还包括以下步骤:
S5:人脸识别模块5获取变电站内作业区域入口的监控视频,将其逐帧图像进行人脸识别,得到人脸识别结果,然后根据所述目标变电站作业区域的授权人员信息进行比对匹配,当比对匹配不成功时,则向监控主机4发送报警信号,并将人脸识别结果及监控视频发送至监控主机进行显示及存储。
如图4所示,为本实施例的人脸识别的流程图,其对人脸识别的具体步骤如下:
步骤A.1:采集变电站内所有作业人员的人脸图像作为训练集;
步骤A.2:将所述训练集依次输入卷积层、激活函数、池化层、全连接层中反复训练,确定卷积层、池化层的个数及激活函数的参数,建立人脸识别模型,并将训练集经所述人脸识别模型输出得到的编码向量作为预测编码向量进行存储;
步骤A.3:获取目标变电站作业区域入口的监控视频,将所述监控视频逐帧图像输入所述人脸识别模型中计算得到其真实编码向量,并将所述真实编码相连关于所述步骤A.2中的预测编码向量进行比对,若二者编码距离小于预设的阈值,则认定待检测人员为已授权人员;若二者编码距离大于或等于预设的阈值,则认定待检测人员为非授权人员,并向监控主机4发送报警信号,监控主机4将其人脸识别结果及监控视频进行显示及存储。
本实施例中,还包括以下步骤:
S6:车辆识别模块6获取目标变电站作业区域出入口的监控视频,将其逐帧图像进行车牌识别,得到车牌识别结果,然后根据所述目标变电站作业区域的授权车辆信息进行比对匹配,当比对匹配不成功时,则向监控主机4发送报警信号,监控主机4将车牌识别结果及监控视频进行显示及存储;同时,车速检测模块7对变电站作业区域内的车辆速度进行检测,并将其与预设的车速阈值(如10公里/小时)进行比对:若当前检测的车辆速度大于或等于所述预设的车速阈值时,则向所述监控主机发送报警信号以及当前检测的车辆速度;若当前检测的车辆速度小于,则仅向所述监控主机上传当前检测的车辆速度;
如图5所示,为本实施例中进行车牌识别的流程图,其对监控视频逐帧图像进行车牌识别的具体步骤如下:
步骤B.1:采集若干车牌图像并分为训练集和测试集;
步骤B.2:将所述训练集图像输入卷积神经网络模型中,确定模型中卷积层、池化层的个数和函数参数,建立车牌识别模型;
步骤B.3:将所述测试集图像输入所述车牌识别模型中,计算出预测编码向量并存储;
步骤B.4:车辆识别模块6获取目标变电站作业区域出入口的监控视频,将该监控视频逐帧图像输入所述车牌识别模型中,实时计算监控视频图像的真实编码向量,并与所述步骤B.3计算并存储的预测编码向量进行比对,若编码距离小于预设的阈值,则认定比对匹配成功,将当前监控视频的车辆目标认定为授权车辆;若编码距离大于或等于预设的阈值,则认定比对匹配失败,将当前监控视频的车辆目标认定为非授权车辆,向监控主机4发送报警信号,监控主机4将车牌识别结果及监控视频进行显示及存储。
本实施例中,增设了采用人脸识别模块5对进入目标变电站作业区域的人员进行识别的执行步骤,通过判断该待检测人员是否为授权作业人员,实现目标变电站作业区域的作业人员身份确认;增设了采用车辆识别模块6对进入目标变电站作业区域的车辆进行识别的执行步骤,通过判断该待检测车辆是否为授权进入的车辆,实现目标变电站作业区域的车辆信息确认;增设了采用车速检测模块7对进入目标变电站作业区域的车辆进行车速检测,实现变电站内作业区域的车辆智能监控管理。
相同或相似的标号对应相同或相似的部件;
附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制;
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种基于视频识别技术的变电站安全监控系统,其特征在于,包括:
视频采集终端,所述视频采集终端安装设置在变电站作业区域内,用于实时获取对应变电站作业区域的监控视频;
信息管理模块,所述信息管理模块中包括正反向隔离装置,所述信息管理模块通过正反向隔离装置与生产系统通讯连接,所述信息管理模块用于获取、解析并存储生产系统的工作票信息;
行为分析模块,所述行为分析模块的输入端与所述视频采集终端的输出端采用视频基带传输方式进行连接,所述信息管理模块与所述行为分析模块通讯连接;所述行为分析模块中包括用于存储不安全行为特征向量的第一数据库,且所述行为分析模块预设有完成训练的用于动作识别模型,所述行为分析模块根据从所述信息管理模块获取的工作票信息对所述视频采集终端获取的视频进行行为动作识别,判断作业人员是否存在不安全行为;
监控主机,所述监控主机的输入端与所述行为分析模块的输出端连接;所述监控主机还包括第二数据库和显示屏,所述第二数据库用于存储所述行为分析模块发送的监控视频及其识别结果,所述显示屏用于显示所述行为分析模块发送的监控视频及其识别结果;
所述信息管理模块实时获取并解析存储在生产系统中的工作票信息,得到目标变电站作业区域的授权作业信息及目标变电站作业区域对应的视频采集终端编号,然后发送至所述行为分析模块中;所述行为分析模块根据所述目标变电站作业区域对应的视频采集终端编号从所述视频采集终端中获取目标变电站作业区域的监控视频,将所述监控视频进行视频识别,得到运动目标动作识别结果,然后根据所述目标变电站作业区域的授权作业信息,判断作业人员是否存在不安全行为,并将其获得的监控视频、目标变电站作业区域的授权作业信息、作业人员不安全行为特征向量、作业人员不安全行为判断结果发送至监控主机中进行显示及存储,并根据接收的报警信号向对应作业区域内的作业人员的终端发送报警信息。
2.根据权利要求1所述的变电站安全监控系统,其特征在于:所述视频采集终端包括红外高速球机、白光云台摄像机、红外筒型摄像机中的一种或多种。
3.根据权利要求1所述的变电站安全监控系统,其特征在于:所述变电站安全监控系统还包括人脸识别模块,所述人脸识别模块的输入端与所述视频采集终端的输出端连接,所述人脸识别模块与所述信息管理模块通讯连接,且所述人脸识别模块与所述监控主机通讯连接;所述人脸识别模块内预设有完成训练的用于图像人脸识别模型,对所述视频采集终端采集的监控视频逐帧进行人脸识别,并与所述信息管理模块解析工作票信息得到的目标变电站作业区域的授权作业人员信息进行匹配,然后将匹配结果发送至所述监控主机中显示及存储。
4.根据权利要求1所述的变电站安全监控系统,其特征在于:所述变电站安全监控系统还包括车辆识别模块,所述车辆识别模块的输入端与设置在变电站作业区域内出入口的视频采集终端的输出端连接,所述车辆识别模块与所述信息管理模块通讯连接,且所述车辆识别模块与所述监控主机通讯连接;所述车辆识别模块内预设有完成训练的用于车牌识别模型,对所述视频采集终端采集的监控视频逐帧进行车牌识别,并与所述信息管理模块解析工作票信息得到的目标变电站作业区域的授权车牌信息进行匹配,然后将匹配结果发送至所述监控主机中显示及存储。
5.根据权利要求4所述的变电站安全监控系统,其特征在于:所述变电站安全监控系统还包括设置在变电站作业区域内的车速检测模块,所述车速检测模块与所述监控主机通讯连接;所述车速检测模块内预设有车速阈值,所述车速检测模块对当前经过变电站作业区域内的车辆速度进行检测,然后与其预设的车速阈值进行比对:若当前检测的车辆速度大于或等于所述预设的车速阈值时,则向所述监控主机发送报警信号以及当前检测的车辆速度;若当前检测的车辆速度小于预设的车速阈值,则仅向所述监控主机上传当前检测的车辆速度。
6.根据权利要求1~5任一项所述的变电站安全监控系统,其特征在于:所述变电站安全监控系统还包括设置在变电站内各作业区域内的报警模块,所述报警模块包括接收器、报警控制器、声光报警器,其中,所述接收器作为所述报警模块的指令信号接收端与所述监控主机通讯连接,所述接收器的输出端与所述报警控制器的输入端连接,所述报警控制器的输出端与所述声光报警器的输入端连接。
7.一种基于视频识别技术的变电站安全监控方法,其特征在于,包括以下步骤:
S1:获取当前存储在生产系统中的工作票信息;
S2:解析所述工作票信息,得到目标变电站的授权作业信息及目标变电站作业区域对应的视频采集终端编号;
S3:根据所述目标变电站作业区域对应的视频采集终端编号获取目标变电站作业区域的监控视频;
S4:将所述监控视频进行视频识别,得到运动目标的动作识别结果,然后根据所述目标变电站作业区域的授权作业信息,当判断作业人员存在不安全行为时,则向监控主机发送报警信号,同时监控主机将识别所述运动目标的动作识别结果及监控视频进行显示及存储,并根据接收的报警信号向对应作业区域内的作业人员的终端发送报警信息。
8.根据权利要求7所述的变电站安全监控方法,其特征在于:所述S4步骤中,对所述监控视频进行视频识别的具体步骤如下:
S41:识别所述监控视频中作业人员在监控视频中的位置并对其进行截取;
S42:采用基于CNN算法基础上的3D卷积神经网络算法对所述完成截取的监控视频进行三维识别,得到动作特征向量;
S43:将所述动作特征向量与存储在第一数据库中的不安全行为特征向量进行匹配及判断,所述判断的过程包括但不仅限于以下步骤:
(1)判断作业人员安全帽和工作服穿戴是否符合规范,若是,则执行判断(2),若否,则向监控主机发送报警信号,同时监控主机将识别所述运动目标的动作识别结果及监控视频进行显示及存储;
(2)判断作业人员是否倒地,若是,则向监控主机发送报警信号,同时监控主机将识别所述运动目标的动作识别结果及监控视频进行显示及存储,若否,则执行判断(3);
(3)判断作业人员是否跨越围栏,若是,则向监控主机发送报警信号,同时监控主机将识别所述运动目标的动作识别结果及监控视频进行显示及存储,若否,则结束判断。
9.根据权利要求7所述的变电站安全监控方法,其特征在于:所述变电站安全监控方法中还包括以下步骤:
S5:获取变电站内作业区域入口的监控视频,将其逐帧图像进行人脸识别,得到人脸识别结果,然后根据所述目标变电站作业区域的授权人员信息进行比对匹配,当比对匹配不成功时,则向监控主机发送报警信号,并将人脸识别结果及监控视频发送至监控主机进行显示及存储;其对人脸识别的具体步骤如下:
步骤A.1:采集变电站内所有作业人员的人脸图像作为训练集;
步骤A.2:将所述训练集依次输入卷积层、激活函数、池化层、全连接层中反复训练,确定卷积层、池化层的个数及激活函数的参数,建立人脸识别模型,并将训练集经所述人脸识别模型输出得到的编码向量作为预测编码向量进行存储;
步骤A.3:获取目标变电站作业区域入口的监控视频,将所述监控视频逐帧图像输入所述人脸识别模型中计算得到其真实编码向量,并将所述真实编码相连关于所述步骤A.2中的预测编码向量进行比对,若二者编码距离小于预设的阈值,则认定待检测人员为已授权人员;若二者编码距离大于或等于预设的阈值,则认定待检测人员为非授权人员,并向监控主机发送报警信号,监控主机将其人脸识别结果及监控视频进行显示及存储。
10.根据权利要求7所述的变电站安全监控方法,其特征在于:所述变电站安全监控方法中还包括以下步骤:
S6:获取目标变电站作业区域出入口的监控视频,将其逐帧图像进行车牌识别,得到车牌识别结果,然后根据所述目标变电站作业区域的授权车辆信息进行比对匹配,当比对匹配不成功时,则向监控主机发送报警信号,并将车牌识别结果及监控视频进行显示及存储;同时,对变电站作业区域内的车辆速度进行检测,并将其与预设的车速阈值进行比对:若当前检测的车辆速度大于或等于所述预设的车速阈值时,则向所述监控主机发送报警信号以及当前检测的车辆速度;若当前检测的车辆速度小于,则仅向所述监控主机上传当前检测的车辆速度;
其对监控视频逐帧图像进行车牌识别的具体步骤如下:
步骤B.1:采集若干车牌图像并分为训练集和测试集;
步骤B.2:将所述训练集图像输入卷积神经网络模型中,确定模型中卷积层、池化层的个数和函数参数,建立车牌识别模型;
步骤B.3:将所述测试集图像输入所述车牌识别模型中,计算出预测编码向量并存储;
步骤B.4:获取目标变电站作业区域出入口的监控视频,将所述监控视频图像输入所述车牌识别模型中,实时计算监控视频图像的真实编码向量,并与所述步骤B.3计算并存储的预测编码向量进行比对,若编码距离小于预设的阈值,则认定比对匹配成功,将当前监控视频的车辆目标认定为授权车辆;若编码距离大于或等于预设的阈值,则认定比对匹配失败,将当前监控视频的车辆目标认定为非授权车辆,向监控主机发送报警信号,监控主机将车牌识别结果及监控视频进行显示及存储。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010379169.8A CN111507308B (zh) | 2020-05-07 | 2020-05-07 | 一种基于视频识别技术的变电站安全监控系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010379169.8A CN111507308B (zh) | 2020-05-07 | 2020-05-07 | 一种基于视频识别技术的变电站安全监控系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111507308A CN111507308A (zh) | 2020-08-07 |
CN111507308B true CN111507308B (zh) | 2023-01-24 |
Family
ID=71872044
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010379169.8A Active CN111507308B (zh) | 2020-05-07 | 2020-05-07 | 一种基于视频识别技术的变电站安全监控系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111507308B (zh) |
Families Citing this family (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112001310A (zh) * | 2020-08-24 | 2020-11-27 | 国网上海市电力公司 | 基于视觉感知与空间定位的变电站作业现场安全管控系统 |
CN111814922B (zh) * | 2020-09-07 | 2020-12-25 | 成都索贝数码科技股份有限公司 | 一种基于深度学习的视频片段内容匹配方法 |
CN112367496A (zh) * | 2020-09-09 | 2021-02-12 | 北京潞电电气设备有限公司 | 一种配电室智能安全作业方法及装置 |
CN112367498A (zh) * | 2020-09-16 | 2021-02-12 | 国电南瑞科技股份有限公司 | 一种变电站现场作业目标实时监控方法及其系统 |
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 |
CN112147936A (zh) * | 2020-09-27 | 2020-12-29 | 武汉大学 | 一种电力作业安全管控装置和行为识别方法 |
CN112565675B (zh) * | 2020-10-21 | 2023-05-05 | 深圳供电局有限公司 | 一种基于视频监控的变电站工作人员异常行为识别系统 |
CN112584094A (zh) * | 2020-11-23 | 2021-03-30 | 国网浙江省电力有限公司临海市供电公司 | 基于智能感知的变电站安全监管系统 |
CN112488488A (zh) * | 2020-11-25 | 2021-03-12 | 神华信息技术有限公司 | 基于工作票的行为处理方法、装置、计算机和存储介质 |
CN113076683B (zh) * | 2020-12-08 | 2023-08-08 | 国网辽宁省电力有限公司锦州供电公司 | 用于变电站行为监测的卷积神经网络模型的建模方法 |
CN112578724A (zh) * | 2020-12-15 | 2021-03-30 | 国家电网有限公司 | 输电线路监测系统 |
CN112685705A (zh) * | 2020-12-21 | 2021-04-20 | 深圳供电局有限公司 | 配电网设备的管控方法、装置、计算机设备及存储介质 |
CN112766129A (zh) * | 2021-01-12 | 2021-05-07 | 云南电网有限责任公司电力科学研究院 | 一种电网工作人员行为实时监测方法及装置 |
CN112907807A (zh) * | 2021-01-20 | 2021-06-04 | 广东电网有限责任公司 | 一种变电站安全管控方法、装置及系统 |
CN113158752A (zh) * | 2021-02-05 | 2021-07-23 | 国网河南省电力公司鹤壁供电公司 | 一种电力员工进场作业智能安全管控系统 |
CN112508735A (zh) * | 2021-02-05 | 2021-03-16 | 国能信控互联技术有限公司 | 一种基于数据聚合的三维电站服务管理系统 |
CN113111728A (zh) * | 2021-03-22 | 2021-07-13 | 广西电网有限责任公司电力科学研究院 | 面向变电站内电力生产作业风险的智能识别方法及系统 |
CN112990586B (zh) * | 2021-03-22 | 2023-04-07 | 海南电网有限责任公司澄迈供电局 | 配网作业视频智能监控方法及系统 |
CN113163172A (zh) * | 2021-04-26 | 2021-07-23 | 上海锵玫人工智能科技有限公司 | 一种基于机器人的侦查系统、侦查方法及其设备 |
CN113191632A (zh) * | 2021-04-29 | 2021-07-30 | 国网青海省电力公司海北供电公司 | 一种电力物联网在线项目管控系统及方法 |
CN113381510B (zh) * | 2021-06-02 | 2023-01-24 | 深圳市莱达四维信息科技有限公司 | 变电站一键顺控视频双确认系统 |
CN113450535A (zh) * | 2021-06-03 | 2021-09-28 | 国网湖北省电力有限公司检修公司 | 一种电力现场作业安全管控装置 |
CN113591577A (zh) * | 2021-06-30 | 2021-11-02 | 安徽省国维通信工程有限责任公司 | 一种通讯工程中人工智能视频图像检测系统 |
CN113569670B (zh) * | 2021-07-15 | 2023-09-01 | 尤利卡(江苏)集成电气有限公司 | 一种变电站监控系统 |
CN113742666A (zh) * | 2021-07-22 | 2021-12-03 | 南方电网深圳数字电网研究院有限公司 | 变电站管理方法、系统、电子设备及存储介质 |
CN113596408A (zh) * | 2021-08-06 | 2021-11-02 | 常州领创电气科技有限公司 | 基于ai智能分析的辅助监控系统 |
CN113763203A (zh) * | 2021-08-10 | 2021-12-07 | 国网湖北省电力有限公司检修公司 | 变电站智慧安监系统及现场作业安全管控方法 |
CN113824926A (zh) * | 2021-08-17 | 2021-12-21 | 衢州光明电力投资集团有限公司赋腾科技分公司 | 一种便携式视频分析装置及方法 |
CN113441555B (zh) * | 2021-09-01 | 2021-11-19 | 广东电网有限责任公司中山供电局 | 一种基于作业现场人员音视频的人员异常行为评估系统 |
CN113891010A (zh) * | 2021-09-23 | 2022-01-04 | 温州大学大数据与信息技术研究院 | 一种基于视觉技术的行为识别系统 |
CN113945749A (zh) * | 2021-09-24 | 2022-01-18 | 深圳飞赛精密钣金技术有限公司 | 绝缘子泄漏电流在线监测方法、系统、装置及存储介质 |
CN114092888B (zh) * | 2021-12-03 | 2023-05-02 | 国网四川省电力公司电力科学研究院 | 一种电力作业实验室实验人员触电风险检测系统 |
CN115019462A (zh) * | 2022-05-27 | 2022-09-06 | 北京声智科技有限公司 | 视频处理方法、装置、存储介质及设备 |
CN115052131A (zh) * | 2022-06-22 | 2022-09-13 | 北京国信互通科技有限公司 | 基于远程视频监控的特殊作业现场安全在线监测系统 |
CN115856980B (zh) * | 2022-11-21 | 2023-08-01 | 中铁科学技术开发有限公司 | 一种编组站作业人员监控方法和系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN104333736A (zh) * | 2014-10-28 | 2015-02-04 | 山东大学 | 无人变电站智能识别监控系统及方法 |
-
2020
- 2020-05-07 CN CN202010379169.8A patent/CN111507308B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN104333736A (zh) * | 2014-10-28 | 2015-02-04 | 山东大学 | 无人变电站智能识别监控系统及方法 |
Non-Patent Citations (1)
Title |
---|
变电站作业智能监控防护系统研究;于振等;《中国电力》;20130205(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111507308A (zh) | 2020-08-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111507308B (zh) | 一种基于视频识别技术的变电站安全监控系统及方法 | |
KR101949525B1 (ko) | 무인탐지장치를 이용한 현장 안전관리 시스템 | |
CN104079874B (zh) | 一种基于物联网技术的安防一体化系统及方法 | |
EP3279700B1 (en) | Security inspection centralized management system | |
CN110889339B (zh) | 基于头肩检测的危险区域分级预警方法与系统 | |
CN105989682A (zh) | 一种输电线路线下施工机械安全预警监控系统及监控方法 | |
CN112308510A (zh) | 一种绿色环保建筑施工管理系统及方法 | |
CN113763203A (zh) | 变电站智慧安监系统及现场作业安全管控方法 | |
CN110989594A (zh) | 一种智能机器人巡检系统及方法 | |
CN107588799A (zh) | 一种建筑电气设备在线监控系统 | |
CN113469654B (zh) | 一种基于智能算法融合的变电站多层次安全管控系统 | |
CN109544870A (zh) | 用于智能监控系统的报警判断方法与智能监控系统 | |
CN112419571A (zh) | 基于轻载算法的分布式变电站安全作业监测装置及方法 | |
CN112798979A (zh) | 基于深度学习技术的变电站接地线状态检测系统及方法 | |
CN115567690A (zh) | 一种自动识别现场作业危险点的智慧监控系统 | |
CN113177614A (zh) | 一种城市轨道交通供电开关柜图像识别系统及方法 | |
CN114037249A (zh) | 一种电子工作票的控制系统 | |
CN210222962U (zh) | 一种智能电子围栏系统 | |
CN112702570A (zh) | 一种基于多维行为识别的安防管理系统 | |
CN112541656A (zh) | 一种具有风险隐患预测能力的智能安防集成平台 | |
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 | |
CN115984770A (zh) | 一种基于图像识别的换流站远程监控方法 | |
CN116030404A (zh) | 一种基于人工智能的作业区域电子警戒围栏架设和安全监控方法 | |
CN113222548A (zh) | 一种社区物业鹰眼监控系统及使用方法 | |
CN112419091B (zh) | 知识图谱驱动的配电网现场作业视频智能安全管控方法 |
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 |