CN112487935A - 一种危险点源安全管控系统 - Google Patents
一种危险点源安全管控系统 Download PDFInfo
- Publication number
- CN112487935A CN112487935A CN202011347599.8A CN202011347599A CN112487935A CN 112487935 A CN112487935 A CN 112487935A CN 202011347599 A CN202011347599 A CN 202011347599A CN 112487935 A CN112487935 A CN 112487935A
- Authority
- CN
- China
- Prior art keywords
- background
- control server
- point source
- client
- server
- 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.)
- Pending
Links
- 230000002159 abnormal effect Effects 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 claims description 7
- 230000003993 interaction Effects 0.000 claims description 7
- 239000000779 smoke Substances 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000011410 subtraction method Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 230000006399 behavior Effects 0.000 abstract description 2
- 239000002699 waste material Substances 0.000 description 4
- 238000002955 isolation Methods 0.000 description 3
- 230000006378 damage Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
- G08B13/19613—Recognition of a predetermined image pattern or behaviour pattern indicating theft or intrusion
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
- G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B19/00—Alarms responsive to two or more different undesired or abnormal conditions, e.g. burglary and fire, abnormal temperature and abnormal rate of flow
- G08B19/005—Alarms responsive to two or more different undesired or abnormal conditions, e.g. burglary and fire, abnormal temperature and abnormal rate of flow combined burglary and fire alarm systems
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/24—Reminder alarms, e.g. anti-loss alarms
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种危险点源安全管控系统，包括控制服务器、分析服务器器、数据库、PLC控制系统、摄像机、客户端、扩音器和警示灯，所述摄像机的数据输出端与分析服务器的数据输入端连接，所述分析服务器的数据输出端与控制服务器的数据输入端连接，所述客户端与控制服务器之间建立有连接，所述数据库与客户端和控制服务器之间均建立有联系，所述数据库用于存储控制服务器接收到的数据信号。本发明通过实现在危险点源安全管控的自动化，系统自动识别危险点源安全情况，无需人为干预，将运行人员从枯燥的监控系统中解放出来，可以快速识别安全风险后发出声光报警实时提醒相关人员停止存在安全风险行为，预防安全事故的发生。
Description
技术领域
本发明涉及风电场升压站安全管控相关技术领域，具体为一种危险点源安全管控系统。
背景技术
风电场升压站作为风电场电能输出环节的重要组成部分，其安全稳定运行直接关系到发电企业是经济效益与电网的稳定运行。因升压站设备种类多，结构复杂危险点源较多，如危险点源安全管控不到位，容易发生设备损毁、人身伤害等事故。
当前危险点源管控主要采用以下两种方式实现危险点源安全管控
1、安装普通视频监控系统通过运行人员实时监控视频画面。
2、在工作区域设置物理隔离围栏、安排人员看守防止人员车辆误入危险区域；
其中，普通视频监控系统需要运行人员时刻紧盯监视画面实时监视，运行人员很容易出现疲劳现象，因此容易出现危险点源异常时未能及时发现。而且发现安全隐患时无法及时提醒、制止靠近危险点源的人员、车辆等最终引发安全事故的发生；
在工作区域设置物理隔离围栏、安排人员看守的方式费时费力增加人员工作量，造成人力资源浪费，增加运维成本，因此需要进行改进。
发明内容
本发明的目的在于提供一种危险点源安全管控系统，以解决上述背景技术中提到的当前危险点源管控方式容易因无法及时提醒、制止靠近危险点源的人员、车辆等最终引发安全事故的发生，且设置物理隔离围栏、安排人员看守的方式费时费力增加人员工作量，造成人力资源浪费，增加运维成本的问题。
为实现上述目的，本发明提供如下技术方案：一种危险点源安全管控系统，包括控制服务器、分析服务器器、数据库、PLC控制系统、摄像机、客户端、扩音器和警示灯，所述摄像机的数据输出端与分析服务器的数据输入端连接，所述分析服务器的数据输出端与控制服务器的数据输入端连接，所述客户端与控制服务器之间建立有连接，所述数据库与客户端和控制服务器之间均建立有联系，所述数据库用于存储控制服务器接收到的数据信号，所述PLC控制系统的信号输入端与控制服务器的信号输出端连接，所述PLC控制系统的信号输出端与扩音器和警示灯的信号输入端连接。
优选的，所述分析服务器接收摄像机拍摄的视频数据，实时监控危险点源的环境变化，并利用运动检测算法，实时分析、识别危险点源是否有入侵物体、烟雾明火等异常情况发生，若有异常发生则生成报警信息。
优选的，所述客户端通过Web服务器与控制服务器交互，用户通过客户端与系统进行交互，所述客户端包括用户管理、设备管理、报警信号信号处理和视频显示功能。
优选的，所述控制服务器接收分析服务器生成的报警信息，控制服务器接收到报警信号后，控制服务器通过与客户端的交互确认报警信号的有效性并对报警信号进行分类。
优选的，控制服务器采用.net+hibernate框架实现事件处理机制和对数据库的查询、插入、删除操作。
优选的，包括如下运行步骤：
步骤1：将摄像机布置在升压站危险点源附近，并通过摄像机采集视频数据；
步骤2：摄像机将拍摄到的视频信息数据送入到分析服务器中，分析服务器中通过分析摄像机拍摄到的一系列连续图像，采用背景差分法，根据预设的规则将目标物体与背景场景分离，更进一步对画面进行识别，提取出目标物体的各种特征数据，并能够在摄像机场景中追踪目标物体；
步骤3：分析服务器实时监控危险点源的环境变化，利用运动检测算法，实时分析、识别危险点源是否有入侵物体、烟雾明火等异常情况发生，根据分析结果，判断是否有异常发生；
步骤4：分析服务器判断发生异常后，生成报警信息，控制服务器接收到报警信号后，通过过与客户端的交互确认报警信号的有效性并分类，并将分类结果存储至数据库；
步骤5：控制服务器根据事件处理原则发送控制信号给PLC控制系统，PLC控制系统控制危险点源区域的报警灯、扩音器实现声光报警。
优选的，步骤2中，背景差分法包括如下步骤：背景建模、目标提取、背景更新、背景初始化，其中背景建模采用基于高斯分布模型的背景建模方法，利用视频图像中初始的若干帧建立几个高斯模型，并赋予每个模型相应的权值；之后将图像中的每一个像素点带入模型，判断是否符合其中的某个模型；若符合，则该像素点属于背景模型；若不符合，则表示该像素点属于前景目标。判断依据的数学表达式见公式为：
(I(x,y,n)-μ(x,y,n-1))＜c×σ(x,y,n-1)2
式中，n为第n帧图像，μ和σ为高斯模型的两个参数方差和均值。
优选的，所述目标提取是通过将当前图像与目标图像相减得到。但是由于各种实际因素的限制，简单的减法操作所获得的目标物体会产生误差，如图像中的阴影可能会产生错误的目标边界。基于目标物体相关属性的筛选器可以提高提取目标的准确度，目标的尺寸、形态及灰度值都可用于筛选前景目标和背景目标。
优选的，所述背景更新是将缓慢变化的像素点根据加权系数修改背景图像中相应点的像素值，如基于高斯分布的背景建模方法，若第n帧图像中的某点符合某一背景模型，则用这个点的像素值更新此模型的均值和方差参数；若不符合已有的所有背景模型，则利用此点建立新的背景模型。
本发明提供了一种危险点源安全管控系统，具备以下有益效果：
本发明通过实现在危险点源安全管控的自动化，系统自动识别危险点源安全情况，无需人为干预，将运行人员从枯燥的监控系统中解放出来，可以快速识别安全风险后发出声光报警实时提醒相关人员停止存在安全风险行为，预防安全事故的发生，安全性高，便于使用。
附图说明
图1为本发明的整体结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
实施例1：
如图1-所示，本发明提供一种技术方案：一种危险点源安全管控系统，包括控制服务器、分析服务器器、数据库、PLC控制系统、摄像机、客户端、扩音器和警示灯，所述摄像机的数据输出端与分析服务器的数据输入端连接，所述分析服务器的数据输出端与控制服务器的数据输入端连接，所述客户端与控制服务器之间建立有连接，所述数据库与客户端和控制服务器之间均建立有联系，所述数据库用于存储控制服务器接收到的数据信号，所述PLC控制系统的信号输入端与控制服务器的信号输出端连接，所述PLC控制系统的信号输出端与扩音器和警示灯的信号输入端连接。
所述分析服务器接收摄像机拍摄的视频数据，实时监控危险点源的环境变化，并利用运动检测算法，实时分析、识别危险点源是否有入侵物体、烟雾明火等异常情况发生，若有异常发生则生成报警信息。
所述客户端通过Web服务器与控制服务器交互，用户通过客户端与系统进行交互，所述客户端包括用户管理、设备管理、报警信号信号处理和视频显示功能。
所述控制服务器接收分析服务器生成的报警信息，控制服务器接收到报警信号后，控制服务器通过与客户端的交互确认报警信号的有效性并对报警信号进行分类。
控制服务器采用.net+hibernate框架实现事件处理机制和对数据库的查询、插入、删除操作。
需要说明的是，一种危险点源安全管控系统，在工作时首先利用摄像机采集升压站危险点源附近的视频数据，并将采集到的视频数据送入到分析服务器，分析服务器接收摄像机拍摄的视频数据，实时监控危险点源的环境变化，并利用运动检测算法，实时分析、识别危险点源是否有入侵物体、烟雾明火等异常情况发生，若有异常发生则生成报警信息，控制服务器接收分析服务器生成的报警信息后，通过与客户端的交互确认报警信号的有效性并对报警信号进行分类，并将分类结果存储至数据库，同时控制服务器根据事件处理原则发送控制信号给PLC控制系统，PLC控制系统控制危险点源区域的报警灯、扩音器实现声光报警。
实施例2：
一种危险点源安全管控系统，包括如下运行步骤：
步骤1：将摄像机布置在升压站危险点源附近，并通过摄像机采集视频数据；
步骤2：摄像机将拍摄到的视频信息数据送入到分析服务器中，分析服务器中通过分析摄像机拍摄到的一系列连续图像，采用背景差分法，根据预设的规则将目标物体与背景场景分离，更进一步对画面进行识别，提取出目标物体的各种特征数据，并能够在摄像机场景中追踪目标物体；其中，背景差分法包括如下步骤：背景建模、目标提取、背景更新、背景初始化，其中背景建模采用基于高斯分布模型的背景建模方法，利用视频图像中初始的若干帧建立几个高斯模型，并赋予每个模型相应的权值；之后将图像中的每一个像素点带入模型，判断是否符合其中的某个模型；若符合，则该像素点属于背景模型；若不符合，则表示该像素点属于前景目标。判断依据的数学表达式见公式为：
(I(x,y,n)-μ(x,y,n-1))＜c×σ(x,y,n-1)2
式中，n为第n帧图像，μ和σ为高斯模型的两个参数方差和均值；
多高斯分布模型可以模拟复杂场景下的多模态情形。即对每个图像中的每个像素建立多个高斯分布模型来描述。混合高斯模型简单的说就是加权的高斯函数之和的一个概率密度函数；
目标提取是通过将当前图像与目标图像相减得到。但是由于各种实际因素的限制，简单的减法操作所获得的目标物体会产生误差，如图像中的阴影可能会产生错误的目标边界。基于目标物体相关属性的筛选器可以提高提取目标的准确度，目标的尺寸、形态及灰度值都可用于筛选前景目标和背景目标；在运动检测的初始阶段，需要算法有自学习的能力，以便在没有人为干涉的情况下适用于不同的应用场景。一种解决方案是假设图像采集的初始阶段不包含运动目标，在这个阶段提取到的图像即为背景图像。但是，对于实际的应用场景，这显然不是完全正确的。运动检测算法应该通过一段时间的初始化过程，滤除前景干扰，提取到正确的背景图像；
步骤3：分析服务器实时监控危险点源的环境变化，利用运动检测算法，实时分析、识别危险点源是否有入侵物体、烟雾明火等异常情况发生，根据分析结果，判断是否有异常发生；
步骤4：分析服务器判断发生异常后，生成报警信息，控制服务器接收到报警信号后，通过过与客户端的交互确认报警信号的有效性并分类，并将分类结果存储至数据库；
步骤5：控制服务器根据事件处理原则发送控制信号给PLC控制系统，PLC控制系统控制危险点源区域的报警灯、扩音器实现声光报警。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (9)
1.一种危险点源安全管控系统，其特征在于，包括控制服务器、分析服务器器、数据库、PLC控制系统、摄像机、客户端、扩音器和警示灯，所述摄像机的数据输出端与分析服务器的数据输入端连接，所述分析服务器的数据输出端与控制服务器的数据输入端连接，所述客户端与控制服务器之间建立有连接，所述数据库与客户端和控制服务器之间均建立有联系，所述数据库用于存储控制服务器接收到的数据信号，所述PLC控制系统的信号输入端与控制服务器的信号输出端连接，所述PLC控制系统的信号输出端与扩音器和警示灯的信号输入端连接。
2.根据权利要求1所述的一种危险点源安全管控系统，其特征在于：所述分析服务器接收摄像机拍摄的视频数据，实时监控危险点源的环境变化，并利用运动检测算法，实时分析、识别危险点源是否有入侵物体、烟雾明火等异常情况发生，若有异常发生则生成报警信息。
3.根据权利要求1所述的一种危险点源安全管控系统，其特征在于：所述客户端通过Web服务器与控制服务器交互，用户通过客户端与系统进行交互，所述客户端包括用户管理、设备管理、报警信号信号处理和视频显示功能。
4.根据权利要求1所述的一种危险点源安全管控系统，其特征在于：所述控制服务器接收分析服务器生成的报警信息，控制服务器接收到报警信号后，控制服务器通过与客户端的交互确认报警信号的有效性并对报警信号进行分类。
5.根据权利要求1所述的一种危险点源安全管控系统，其特征在于：控制服务器采用.net+hibernate框架实现事件处理机制和对数据库的查询、插入、删除操作。
6.根据权利要求1所述的一种危险点源安全管控系统，其特征在于：包括如下运行步骤：
步骤1：将摄像机布置在升压站危险点源附近，并通过摄像机采集视频数据；
步骤2：摄像机将拍摄到的视频信息数据送入到分析服务器中，分析服务器中通过分析摄像机拍摄到的一系列连续图像，采用背景差分法，根据预设的规则将目标物体与背景场景分离，更进一步对画面进行识别，提取出目标物体的各种特征数据，并能够在摄像机场景中追踪目标物体；
步骤3：分析服务器实时监控危险点源的环境变化，利用运动检测算法，实时分析、识别危险点源是否有入侵物体、烟雾明火等异常情况发生，根据分析结果，判断是否有异常发生；
步骤4：分析服务器判断发生异常后，生成报警信息，控制服务器接收到报警信号后，通过过与客户端的交互确认报警信号的有效性并分类，并将分类结果存储至数据库；
步骤5：控制服务器根据事件处理原则发送控制信号给PLC控制系统，PLC控制系统控制危险点源区域的报警灯、扩音器实现声光报警。
7.根据权利要求6所述的一种危险点源安全管控系统，其特征在于：步骤2中，背景差分法包括如下步骤：背景建模、目标提取、背景更新、背景初始化，其中背景建模采用基于高斯分布模型的背景建模方法，利用视频图像中初始的若干帧建立几个高斯模型，并赋予每个模型相应的权值；之后将图像中的每一个像素点带入模型，判断是否符合其中的某个模型；若符合，则该像素点属于背景模型；若不符合，则表示该像素点属于前景目标。判断依据的数学表达式见公式为：
(I(x,y,n)-μ(x,y,n-1))＜c×σ(x,y,n-1)2
式中，n为第n帧图像，μ和σ为高斯模型的两个参数方差和均值。
8.根据权利要求7所述的一种危险点源安全管控系统，其特征在于：所述目标提取是通过将当前图像与目标图像相减得到。但是由于各种实际因素的限制，简单的减法操作所获得的目标物体会产生误差，如图像中的阴影可能会产生错误的目标边界。基于目标物体相关属性的筛选器可以提高提取目标的准确度，目标的尺寸、形态及灰度值都可用于筛选前景目标和背景目标。
9.根据权利要求7所述的一种危险点源安全管控系统，其特征在于：所述背景更新是将缓慢变化的像素点根据加权系数修改背景图像中相应点的像素值，如基于高斯分布的背景建模方法，若第n帧图像中的某点符合某一背景模型，则用这个点的像素值更新此模型的均值和方差参数；若不符合已有的所有背景模型，则利用此点建立新的背景模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011347599.8A CN112487935A (zh) | 2020-11-26 | 2020-11-26 | 一种危险点源安全管控系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011347599.8A CN112487935A (zh) | 2020-11-26 | 2020-11-26 | 一种危险点源安全管控系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112487935A true CN112487935A (zh) | 2021-03-12 |
Family
ID=74935836
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011347599.8A Pending CN112487935A (zh) | 2020-11-26 | 2020-11-26 | 一种危险点源安全管控系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112487935A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113807227A (zh) * | 2021-09-11 | 2021-12-17 | 浙江浙能嘉华发电有限公司 | 基于图像识别的安全监测方法、装置、设备及存储介质 |
| CN113917905A (zh) * | 2021-09-09 | 2022-01-11 | 华能汕头风力发电有限公司 | 一种升压站辅控系统的综合分析方法 |
| CN114973565A (zh) * | 2021-06-07 | 2022-08-30 | 安徽机电职业技术学院 | 一种基于主被动安全协同优化的紧急预警系统及制动装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103295355A (zh) * | 2013-05-28 | 2013-09-11 | 国家电网公司 | 夜间自动识别安全隐患的输电线路走廊危险源点管控系统 |
| CN103310574A (zh) * | 2013-05-28 | 2013-09-18 | 国家电网公司 | 通过手持设备调看安全隐患的输电线路危险源点管控系统 |
| CN103337122A (zh) * | 2013-06-03 | 2013-10-02 | 国家电网公司 | 输配电线路虚拟隔离屏障系统 |
| CN108040221A (zh) * | 2017-11-30 | 2018-05-15 | 江西洪都航空工业集团有限责任公司 | 一种智能视频分析与监控系统 |
-
2020
- 2020-11-26 CN CN202011347599.8A patent/CN112487935A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103295355A (zh) * | 2013-05-28 | 2013-09-11 | 国家电网公司 | 夜间自动识别安全隐患的输电线路走廊危险源点管控系统 |
| CN103310574A (zh) * | 2013-05-28 | 2013-09-18 | 国家电网公司 | 通过手持设备调看安全隐患的输电线路危险源点管控系统 |
| CN103337122A (zh) * | 2013-06-03 | 2013-10-02 | 国家电网公司 | 输配电线路虚拟隔离屏障系统 |
| CN108040221A (zh) * | 2017-11-30 | 2018-05-15 | 江西洪都航空工业集团有限责任公司 | 一种智能视频分析与监控系统 |
Non-Patent Citations (1)
| Title |
|---|
| 高成;周飞;周东翔;蔡宣平;: "基于3G网络的移动视频监控系统服务器端的设计" * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114973565A (zh) * | 2021-06-07 | 2022-08-30 | 安徽机电职业技术学院 | 一种基于主被动安全协同优化的紧急预警系统及制动装置 |
| CN113917905A (zh) * | 2021-09-09 | 2022-01-11 | 华能汕头风力发电有限公司 | 一种升压站辅控系统的综合分析方法 |
| CN113807227A (zh) * | 2021-09-11 | 2021-12-17 | 浙江浙能嘉华发电有限公司 | 基于图像识别的安全监测方法、装置、设备及存储介质 |
| CN113807227B (zh) * | 2021-09-11 | 2023-07-25 | 浙江浙能嘉华发电有限公司 | 基于图像识别的安全监测方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112487935A (zh) | 一种危险点源安全管控系统 | |
| CN111582016A (zh) | 基于云边协同深度学习的智能免维护电网监控方法及系统 | |
| CN109460744B (zh) | 一种基于深度学习的视频监控系统 | |
| CN113296427B (zh) | 一种基于物联网的建筑工地安全监测系统 | |
| CN111446920A (zh) | 光伏电站监控方法、装置及系统 | |
| CN112907869B (zh) | 基于多种传感技术的入侵检测系统 | |
| CN111126217A (zh) | 基于智能识别的输电线路智能运维管理系统 | |
| CN115567690A (zh) | 一种自动识别现场作业危险点的智慧监控系统 | |
| CN117235443A (zh) | 一种基于边缘ai的电力作业安全监测方法及系统 | |
| CN111860187A (zh) | 一种高精度的佩戴口罩识别方法及系统 | |
| CN112885014A (zh) | 预警方法、装置、系统和计算机可读存储介质 | |
| CN104574729A (zh) | 一种报警方法、装置及系统 | |
| CN113095160B (zh) | 基于人工智能和5g的电力系统人员安全行为识别方法及系统 | |
| CN114374597A (zh) | 一种网络事件的故障处理方法、装置、设备及产品 | |
| CN117453835A (zh) | 一种智慧社区管理系统 | |
| CN103051883A (zh) | 科技社区智能监控系统 | |
| CN115620219A (zh) | 一种基于人工智能的监管场所隐患及异常行为监测方法 | |
| CN115909212A (zh) | 一种电力作业典型违章行为实时预警方法 | |
| CN116152735A (zh) | 一种基于边缘云计算的安防监控危险源识别系统与方法 | |
| CN115083229A (zh) | 基于ai视觉识别的飞行训练设备智能识别与警示系统 | |
| 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 | |
| CN113869758A (zh) | 智慧两票管理及作业现场风险预警系统 | |
| CN112507794A (zh) | 一种基于人工智能的校园安全防控装置及系统 | |
| CN112737102A (zh) | 一种人工智能变电站微机防误处理方法 | |
| Zhang et al. | A Power Operation Site Safety Assistant System Based on Convolutional Neural Network |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210312 |