CN113869245A - 一种安全区域的识别方法及装置 - Google Patents

一种安全区域的识别方法及装置 Download PDF

Info

Publication number
CN113869245A
CN113869245A CN202111163550.1A CN202111163550A CN113869245A CN 113869245 A CN113869245 A CN 113869245A CN 202111163550 A CN202111163550 A CN 202111163550A CN 113869245 A CN113869245 A CN 113869245A
Authority
CN
China
Prior art keywords
working area
video frame
area
data
frame data
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
Application number
CN202111163550.1A
Other languages
English (en)
Inventor
李晓枫
胡春潮
涂小涛
方燕琼
廖颂文
叶志健
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Southern Power Grid Power Technology Co Ltd
Original Assignee
China Southern Power Grid Power Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Southern Power Grid Power Technology Co Ltd filed Critical China Southern Power Grid Power Technology Co Ltd
Priority to CN202111163550.1A priority Critical patent/CN113869245A/zh
Publication of CN113869245A publication Critical patent/CN113869245A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种安全区域的识别方法及装置，其方法包括：获取电力作业现场的视频帧数据，基于所述视频帧数据中所有工作人员的坐标，计算得到所述工作人员的核心坐标数据，利用图细分割法，分析所述视频帧数据的工作区域，得到安全工作区域的完整标识图和分辨因子，根据所述核心坐标数据、所述完整标识图和所述分辨因子，判断所述视频帧数据中所有工作人员是否越界，若否，则确定没有越界的工作人员处于所述安全工作区域，若是，则在所述完整标识图上标记并警告越界的工作人员。本发明通过一种安全区域的识别方法，提高施工作业的规范性和安全性，减少安全风险，提升监管效率。

Description

一种安全区域的识别方法及装置
技术领域
本发明涉及管控电力作业现场的领域，尤其涉及一种安全区域的识别方法及装置。
背景技术
目前，电力作业点多面广、场景复杂、危险性高，现场安全管控难度极大，传统“人防”监管模式难以做到现场情况及时掌控、安全风险严格把控。
在电力检修、施工作业过程中，大都对作业现场设置围栏以确保作业区的安全，安全作业区围栏对作业人员工作范围进行了界定，但有些作业人员安全意识不强，为了工作方便随意跨越安全围栏进出带电区域或施工现场，从而造成潜在的安全风险。针对这一问题，有些厂商开发了电子围栏产品，对违规翻越围栏进行告警提示。但是此类产品的缺点主要是：误报率较高，易损坏，维护成本高，其应用效果并不理想。而电站值班人员、现场监察人员难以时刻保持注意力集中，监视每个作业区，难免出现监管疏漏，出现工作人员跨越安全围栏，而引发安全事故。另一方，电网作业现场环境复杂，依据工作要求设置的安全围栏不一定是规整的几何图形，难以用直线画出安全作业区。这就需要用基于机器视觉技术，在复杂的环境中识别出由围栏设置出的安全作业区形状，实时监视工作人员与安全作业区边界的距离，当出现越出围栏时立即报警，避免发生安全事故。此外，作业现场环境复杂，现有图像识别算法准确率不高，机器监管方案的精准度和实用性仍需提高。
因此，为了提高电力作业现场的安全性，解决目前存在的人工监视大量作业视频难以做到及时掌控和安全把控现场情况的技术问题，亟需构建一种安全区域的识别方法。
发明内容
本发明提供了一种安全区域的识别方法及装置，解决了目前存在的人工监视大量作业视频难以做到及时掌控和安全把控现场情况的技术问题。
第一方面，本发明提供了一种安全区域的识别方法，包括：
获取电力作业现场的视频帧数据；
基于所述视频帧数据中所有工作人员的坐标，计算得到所述工作人员的核心坐标数据；
利用图细分割法，分析所述视频帧数据的工作区域，得到安全工作区域的完整标识图和分辨因子；
根据所述核心坐标数据、所述完整标识图和所述分辨因子，判断所述视频帧数据中所有工作人员是否越界；若否，则确定没有越界的工作人员处于所述安全工作区域；若是，则在所述完整标识图上标记并警告越界的工作人员。
可选地，获取电力作业现场的视频帧数据，包括：
获取所述电力作业现场的视频流数据；
对所述视频流数据进行编码和压缩，得到所述视频帧数据。
可选地，基于所述视频帧数据中所有工作人员的坐标，计算得到所述工作人员的核心坐标数据，包括：
基于所述视频帧数据，进行人体识别，得到人员识别结果；
对所述人员识别结果中工作人员的坐标进行计算，得到所述工作人员的核心坐标数据。
可选地，利用图细分割法，分析所述视频帧数据的工作区域，得到安全工作区域的完整标识图和分辨因子，包括：
利用所述图细分割法，对所述视频帧数据进行工作区域提取，得到所述安全工作区域的详细信息；所述详细信息包括边界点坐标信息和区域轮廓线图；
根据所述边界点坐标信息，计算得到所述安全工作区域的分辨因子；
基于所述边界点坐标信息和所述区域轮廓线图，结合所述视频帧数据，绘制得到所述安全工作区域的完整标识图。
可选地，对所述视频帧数据进行工作区域提取，得到安全工作区域的详细信息；所述详细信息包括边界点坐标信息和区域轮廓线图，包括：
对所述视频帧数据进行工作区域提取，得到所述安全工作区域的框架参数数据；
利用所述图细分割法，计算所述框架参数数据，得到所述安全工作区域的详细信息。
第二方面，本发明提供了一种安全区域的识别装置，包括：
获取模块，用于获取电力作业现场的视频帧数据；
坐标模块，用于基于所述视频帧数据中所有工作人员的坐标，计算得到所述工作人员的核心坐标数据；
区域模块，用于利用图细分割法，分析所述视频帧数据的工作区域，得到安全工作区域的完整标识图和分辨因子；
判断模块，用于根据所述核心坐标数据、所述完整标识图和所述分辨因子，判断所述视频帧数据中所有工作人员是否越界；若否，则确定没有越界的工作人员处于所述安全工作区域；若是，则在所述完整标识图上标记并警告越界的工作人员。
可选地，所述获取模块包括：
获取子模块，用于获取所述电力作业现场的视频流数据；
压缩子模块，用于对所述视频流数据进行编码和压缩，得到所述视频帧数据。
可选地，所述坐标模块包括：
识别子模块，用于基于所述视频帧数据，进行人体识别，得到人员识别结果；
坐标子模块，用于对所述人员识别结果中工作人员的坐标进行计算，得到所述工作人员的核心坐标数据。
可选地，所述区域模块包括：
详细子模块，用于利用所述图细分割法，对所述视频帧数据进行工作区域提取，得到所述安全工作区域的详细信息；所述详细信息包括边界点坐标信息和区域轮廓线图；
因子子模块，用于根据所述边界点坐标信息，计算得到所述安全工作区域的分辨因子；
标识子模块，用于基于所述边界点坐标信息和所述区域轮廓线图，结合所述视频帧数据，绘制得到所述安全工作区域的完整标识图。
可选地，所述详细子模块包括：
框架单元，用于对所述视频帧数据进行工作区域提取，得到所述安全工作区域的框架参数数据；
详细单元，用于利用所述图细分割法，计算所述框架参数数据，得到所述安全工作区域的详细信息。
从以上技术方案可以看出，本发明具有以下优点：本发明提供了一种安全区域的识别方法，通过获取电力作业现场的视频帧数据，基于所述视频帧数据中所有工作人员的坐标，计算得到所述工作人员的核心坐标数据，利用图细分割法，分析所述视频帧数据的工作区域，得到安全工作区域的完整标识图和分辨因子，根据所述核心坐标数据、所述完整标识图和所述分辨因子，判断所述视频帧数据中所有工作人员是否越界，若否，则确定没有越界的工作人员处于所述安全工作区域，若是，则在所述完整标识图上标记并警告越界的工作人员，通过一种安全区域的识别方法，解决了目前存在的人工监视大量作业视频难以做到及时掌控和安全把控现场情况的技术问题，提高施工作业的规范性和安全性，减少安全风险，提升监管效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明的一种安全区域的识别方法实施例一的流程步骤图；
图2为本发明的一种安全区域的识别方法实施例二的流程步骤图；
图3为本发明的一种电力作业现场工作人员安全识别系统的结构框图；
图4为本发明的一种安全区域的识别方法中获取安全工作区域框架参数数据的流程步骤图；
图5为本发明的一种安全区域的识别方法中获取安全工作区域的详细信息的流程步骤图；
图6为本发明的一种安全区域的识别方法中获取安全工作区域的边界点坐标信息的流程步骤图；
图7为本发明的一种安全区域的识别方法中绘制安全工作区域的完整标识图的流程步骤图；
图8为本发明的一种安全区域的识别方法中判断人员是否越界的结构框图；
图9为本发明的一种安全区域的识别方法中标识越界人员的结构框图；
图10为本发明的一种安全区域的识别装置实施例的结构框图。
具体实施方式
本发明实施例提供了一种安全区域的识别方法及装置，用于解决目前存在的人工监视大量作业视频难以做到及时掌控和安全把控现场情况的技术问题。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，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，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例一，请参阅图1，图1为本发明的一种安全区域的识别方法实施例一的流程步骤图，包括：
步骤S101，获取电力作业现场的视频帧数据；
步骤S102，基于所述视频帧数据中所有工作人员的坐标，计算得到所述工作人员的核心坐标数据；
步骤S103，利用图细分割法，分析所述视频帧数据的工作区域，得到安全工作区域的完整标识图和分辨因子；
步骤S104，根据所述核心坐标数据、所述完整标识图和所述分辨因子，判断所述视频帧数据中所有工作人员是否越界；若否，则确定没有越界的工作人员处于所述安全工作区域；若是，则在所述完整标识图上标记并警告越界的工作人员。
在本发明实施例所提供的一种安全区域的识别方法，通过获取电力作业现场的视频帧数据，基于所述视频帧数据中所有工作人员的坐标，计算得到所述工作人员的核心坐标数据，利用图细分割法，分析所述视频帧数据的工作区域，得到安全工作区域的完整标识图和分辨因子，根据所述核心坐标数据、所述完整标识图和所述分辨因子，判断所述视频帧数据中所有工作人员是否越界，若否，则确定没有越界的工作人员处于所述安全工作区域，若是，则在所述完整标识图上标记并警告越界的工作人员，通过一种安全区域的识别方法，解决了目前存在的人工监视大量作业视频难以做到及时掌控和安全把控现场情况的技术问题，提高施工作业的规范性和安全性，减少安全风险，提升监管效率。
实施例二，请参阅图2，图2为本发明的一种安全区域的识别方法的流程步骤图，包括：
步骤S201，获取电力作业现场的视频流数据；
在本发明实施例中，经过调用图像识别边缘计算终端(电力作业现场工作人员安全识别系统)的通讯接口，获取便携式摄像头拍摄的电力作业现场视频流数据。
在具体实现中，请参阅图3，图3为本发明的一种电力作业现场工作人员安全识别系统的结构框图，其中，301为智能处理模块，302为图像解码模块，303为图像解码模块，304为可移动存储模块和305为电源适配模块，所述系统应用于图像识别边缘计算终端，与便携式摄像头通过网线或WIFI连接到通信模块，组成本地局域网，监控现场所有设备可在局域网内通信而不依赖于其他通信手段。图像识别边缘计算终端可以在缺乏4G通信的条件下正常运作，上报数据可以暂存在本机移动存储模块，等待通信条件许可再上报。
所述智能处理模块301，用于高速运算电力作业现场工作人员着装识别算法，实时分析图像帧数据是否工作服、安全带穿戴不合规的人员。
所述通信模块303，用于将智能处理芯片的分析结果传输给电力作业安全监管平台。通信模块具有4G/5G通信功能，为图像识别边缘计算终端和摄像头等设备向主站上报数据提供广域通信链路。
所述可移动存储模块305，用于本地保存智能处理芯片的分析结果。
所述智能处理模块301能够主要完成以下功能：第一，将作业现场视频流数据通过图像解码模块解码为图像帧数据后输入智能处理芯片，智能处理芯片对图像帧数据进行高速的工作人员识别运算，实时分析图像帧数据是否存在作业人员穿戴不合规；第二，智能处理芯片将运算识别分析结果通过信号交互端连接至通信模块传输给后台主站；第三，智能处理芯片将识别分析结果通过信号输出端传输至可移动存储模块，用于本地保存识别结果。
所述的智能处理芯片与显示触控模块以HDMI+USB的接口相连，所述的智能处理芯片与音频输出模块以I2S接口相连。
所述的图像解码模块302具有LAN和USB两个接口，支持接入作业现场两个不同角度的便携式摄像头，最多可同时接入两路电力作业现场视频流数据进行解码。
所述可移动存储模块305具有UHS-I接口类型的外置插槽，可支持插入最大容量为128GB的SD卡。
所述通信模块303具有外置天线，通信方式有WIFI和4G两种。
所述电源适配模块304具有PJ2.5接口类型的外置插孔。
所述智能处理模块301集成了GPU和CPU；可用NVIDIA(英伟达)Jetson AGX Xavier卡件或华为海思的Hi35XX系列多核异构处理器等。
步骤S202，对所述视频流数据进行编码和压缩，得到视频帧数据；
在本发明实施例中，编码和压缩所述视频流数据，得到所述视频帧数据。
步骤S203，基于所述视频帧数据，进行人体识别，得到人员识别结果；
在本发明实施例中，对所述视频帧数据进行人体识别，得到人员识别结果。
在具体实现中，通过对具有各种电力作业场景的视频进行图片预处理，归一化处理后，带入预先训练好的人体目标检测神经网络模型，进行图像帧中的人体检测，得到作业现场视频的多个人体的人员识别结果，包括画面中人员的图片和人体坐标。
步骤S204，对所述人员识别结果中工作人员的坐标进行计算，得到所述工作人员的核心坐标数据；
在本发明实施例中，将所述人员识别结果中工作人员的坐标进行计算，得到所述工作人员的核心坐标数据。
在具体实现中，为了方便判断判断人员是否越界，对获得的人员的坐标框进行集约化处理，读取“人体识别步骤”得到的摄像区域人员的坐标(xis，xie；yil，yih)，计算出的人员核心坐标(Xri,Yri)。
人员核心坐标的计算公式具体为：
Xri＝(xis+xie)/2
Yri＝yih-|yih-yil|/20
其中，(xis，xie；yil，yih)为摄像区域人员中第i个的坐标，(Xri,Yri)为所述人员的核心坐标。
步骤S205，利用图细分割法，对所述视频帧数据进行工作区域提取，得到安全工作区域的详细信息；所述详细信息包括边界点坐标信息和区域轮廓线图；
在一个可选实施例中，对所述视频帧数据进行工作区域提取，得到安全工作区域的详细信息，包括：
对所述视频帧数据进行工作区域提取，得到安全工作区域的框架参数数据；
利用图细分割法，计算所述框架参数数据，得到所述安全工作区域的详细信息。
在本发明实施例中，对所述视频帧数据进行工作区域提取，得到所述安全工作区域的框架参数数据，利用图细分割法，计算所述框架参数数据，得到所述安全工作区域的详细信息。
在具体实现中，将“获取视频帧数据步骤”得到的工作现场图片，输入到本步骤，依据安全围栏等设备的颜色、形状等特征设置多种颜色空间的掩膜滤网，通过多级掩膜滤网的最优化融合，对摄取的现场图片进行过滤，滤除复杂环境、光照变化、遮挡等各种色斑干扰的影响，经计算处理后，提取出安全工作区域框架参数。
提取安全工作区域框架参数，经计算处理后，获取区域边缘点，用边缘点绘制出包裹这些边缘点的闭合二值图；提取出这个闭合二值图轮廓的点参数；计算并找出最大面积的轮廓图；提取它凸包的轮廓线；通过对此凸包粗糙轮廓线进行精炼、去除毛刺等处理，得到包络工作区域的最终凸形工作区域轮廓线图。
获取边界点坐标信息，提取上述得到的工作区域的边缘点坐标，经计算处理：找出工作区域边缘点中最大x、最小x及最大y、最小y的坐标；据此计算出工作区域中心点的坐标(xc,yc)；进一步计算出所有边缘点与中心的夹角(αi)；按夹角(αi)弧度从小到大次序排列，得到顺时针方向排列的工作区域边界点及其坐标。
汇总上述数据，得到安全工作区域的详细信息，详细信息包括工作区域的各边缘点坐标信息、区域轮廓线图、工作区域面积等。
步骤S206，根据所述边界点坐标信息，计算得到所述安全工作区域的分辨因子；
在本发明实施例中，根据所述边界点坐标信息，计算得到所述安全工作区域的分辨因子。
在具体实现中，读取安全工作区域的详细信息中工作区域边界点的坐标信息，从中取出第一个边界点作为工作区的开始点(工作区入口处的第一个点)，其坐标记为(XS,YS)，取出末点作为工作区的终点(工作区入口处的另一个点)，其坐标记为(XE,YE)，计算出分辨因子α、β。
分辨因子的计算公式具体为：
α＝(YE-YS)/(XE-XS)
β＝(YS*XE-YE*XS)/(XE-XS)
其中，(XS，YS)为边界点的开始点坐标，(XE,YE)为边界点的终点坐标，α、β为安全工作区域的分辨因子。
步骤S207，基于所述边界点坐标信息和所述区域轮廓线图，结合所述视频帧数据，绘制得到所述安全工作区域的完整标识图；
在本发明实施例中，基于安全工作区域的详细信息中的坐标信息和区域轮廓线图，结合所述视频帧数据，绘制安全工作区域的完整标识图。
在具体实现中，结合上述得到工作区域的中心点坐标、工作区域的各边界点坐标，区域轮廓线图，“获取视频帧数据步骤”的工作现场图片，经计算、处理、融合后，在摄取的工作现场画面上用特定颜色、图形画出所设置的工作区域、工作区域边界点、工作区域边界线、工作区入口等，绘制出安全工作区域的完整标识图。
步骤S208，根据所述核心坐标数据、所述完整标识图和所述分辨因子，判断所述视频帧数据中所有工作人员是否越界；若否，则确定没有越界的工作人员处于所述安全工作区域；若是，则在所述完整标识图上标记并警告越界的工作人员；
在本发明实施例中，根据所述核心坐标数据、所述完整标识图和所述分辨因子，当所述工作人员没有越界时，确定没有越界的工作人员处于所述安全工作区域，当所述工作人员越界时，在所述完整标识图上标记并警告越界的工作人员。
在具体实现中，判断人员是否越界，基于工作区域边界的始位(工作区入口处的第一个点)坐标(xs，ys)、终位(工作区入口处的另一个点)坐标(xe，ye)，安全工作区域的分辨因子(α，β)，人员核心坐标(Xri，Yri)。综合计算、判断，得到人员越界状态信息，当工作人员没有越界时，确定没有越界的工作人员处于安全工作区域，当所述工作人员越界时，在已完成的工作现场安全工作区域的完整标识图上，用特定的颜色把这个人形标记出来，并送出工作人员越界报警码。
在本发明实施例所提供的一种安全区域的识别方法，通过获取电力作业现场的视频帧数据，基于所述视频帧数据中所有工作人员的坐标，计算得到所述工作人员的核心坐标数据，利用图细分割法，分析所述视频帧数据的工作区域，得到安全工作区域的完整标识图和分辨因子，根据所述核心坐标数据、所述完整标识图和所述分辨因子，判断所述视频帧数据中所有工作人员是否越界，若否，则确定没有越界的工作人员处于所述安全工作区域，若是，则在所述完整标识图上标记并警告越界的工作人员，通过一种安全区域的识别方法，解决了目前存在的人工监视大量作业视频难以做到及时掌控和安全把控现场情况的技术问题，提高施工作业的规范性和安全性，减少安全风险，提升监管效率。
请参阅图4，图4为本发明的一种安全区域的识别方法中获取安全工作区域框架参数数据的流程步骤图，包括：
步骤S401，格式转换视频帧数据为安全工作区域图片数据；
在本发明实施例中，将视频帧数据格式转换为安全工作区域图片数据。
在具体实现中，读入图片转化成LAB格式。将“步骤S1：获取视频帧”处理好的各参数。经过颜色转换函数算式，设置转化LAB格式，将读进来BGR格式的图片，转化LAB颜色空间格式。
读入图片转化成HSV格式。将“获取视频帧数据步骤”处理好的各参数。经过颜色转换函数算式，将读进来BGR格式的图片，转化HSV颜色空间格式。
读入图片转化成HLS格式。将“获取视频帧数据步骤”处理好的各参数。经过颜色转换函数算式，将读进来BGR格式的图片，转化HLS颜色空间格式。
LAB图片转化成二值图。将获得的LAB格式图片数据，采用去除背景部分算式，按安全围栏等设备的颜色，设置好颜色的高、低限阈值，经算式将高于高限、低于高限图像值变为黑色，而将在高、低限阈将的图像值变为白色。
HSV图片转化成二值图图片数据。将获得的HSV格式图片数据，采用去除背景部分算式，按安全围栏等设备的颜色，设置好颜色的高、低限阈值，经算式将高于高限、低于高限图像值变为黑色，而将在高、低限阈将的图像值变为白色。
HLS图片转化成二值图图片数据。将“读入图片转化成HLS格式步骤”获得的HLS格式图片数据，采用去除背景部分算式，按安全围栏等设备的颜色，设置好颜色的高、低限阈值，经算式将高于高限、低于高限图像值变为黑色，而将在高、低限阈将的图像值变为白色。
步骤S402，根据所述安全工作区域图片数据，制作滤除小图片掩膜；
在本发明实施例中，基于安全工作区域图片数据制作滤除小图片掩膜。
在具体实现中，制作LAB格式的B通道掩膜。将获得的LAB格式图片数据，通过设置通道上的像素强度阈值，只保留LAB中B通道的数据，将LAB格式图片转化二值图数据，并将该二值图数据进行二进制的位“非”计算，由此得到图片LAB-B通道二值图的掩膜。
二值图位或运算。第1输入端接“读入LAB图片转化成二值图步骤”的输出端，第2输入端接“HSV图片转化成二值图步骤”的输出端，在本步骤对送过来的LAB格式的二值图数据与HSV格式的二值图数据，进行“位或运算”步骤。
第1级掩膜位与运算。掩膜位与运算块的第1输入端接“获取视频帧数据步骤”处理好的各参数，第2输入端接“制作LAB格式的B通道掩膜步骤”的输出，这样在本步骤对送过来的“图片”进行LAB格式的B通道掩膜的“位与运算”步骤，过滤出图片中LAB格式的B通道的每个图像。
二值图位与运算。第1输入端接“二值图位或运算步骤”的输出端，第2输入端接“HLS图片转化成二值图步骤”的输出端。在本步骤对送过来的二值图位或运算的数据、HLS格式的二值图的数据，进行“位与运算”。由此形成LAB-HSV-HLS格式综合计算后的第2级掩膜。
第2级掩膜与运算。掩膜与运算块的第1输入端接“第1级掩膜与运算步骤”计算出的每个图像值，第2输入端接“二值图位与运算步骤”的综合掩膜数值，这样在本步骤对第1级掩膜与运算送过来的每个图像，再进行综合掩膜的“位与运算”，过滤出图片中通过综合掩膜的图像。
制作滤除小图片掩膜。将“第2级掩膜与运算步骤”获得的综合掩膜过滤出的图片数据，通过移除二值图像中小的连通块算式，删除综合掩膜过滤出图片中小于给定面积的小块图块，即摘除背景图片中零散的干扰斑块，留下连续的工作区图框，最终得到表征工作区标识物特征的掩膜。
步骤S403，利用所述滤除小图片掩膜，对所述安全工作区域图片数据进行过滤，得到所述安全工作区域的框架参数数据；
在本发明实施例中，利用所述滤除小图片掩膜，对所述安全工作区域图片数据进行过滤，得到安全工作区域框架参数数据；
在具体实现中，作业区位与运算，位与运算块的第1输入端接“获取视频帧数据步骤”处理好的各参数，第2输入端接“制作去除小图片掩膜步骤”的输出，这样在本步骤运用获得的作业区标识物特征的掩膜，对读进来作业BGR格式的图片进行“位与运算”，过滤出图片中只含工作区标识物的安全工作区域框架参数数据。
在本发明实施例所提供的一种安全区域的识别方法中获取安全工作区域的框架参数数据的方法，通过利用制作的滤除小图片掩膜，对视频帧数据转换的安全工作区域图片数据进行过滤，得到安全工作区域框架参数数据，为提高施工作业的规范性和安全性打下基础。
请参阅图5，图5为本发明的一种安全区域的识别方法中获取安全工作区域的详细信息的流程步骤图，包括：
步骤S501，利用图细分割法，对安全工作区域框架参数数据进行计算，得到所述安全工作区域的边缘点数据；
在本发明实施例中，基于安全工作区域框架参数数据进行计算，得到所述安全工作区域的边缘点数据；
在具体实现中，将安全工作区域框架图各参数，按安全工作区域框架参数数据中的框架图与设定图片框的比，设置框架图细块切分框；通过对框架图进行细块分割，并对其细块分割后的细图块堆进行二值筛选，挑选出符合围栏图素的图块；再从围栏图块组中甄选得到所有的工作区域边缘点。
图像细块分割，输入安全工作区域框架参数数据，读取安全工作区域框架图的高度、宽度，分别除以所设定图片框的高度、宽度，得到图像细块的高度kh、宽度kw，按kh×kw的细框对安全工作区域框架图进行切分，得到以kh×kw细块为单元的安全工作区域框架图细分阵列。
筛选围栏图块，读入“图像细块分割步骤”切分好框架图细分阵列，对各细块进行过滤，滤除所有数值为0的细块；保留数值不为0的细块，它们即是安全工作区域框架图上的围栏细块。
筛录连续围栏图块，读入“筛选围栏图块步骤”筛选好的围栏细块阵列。取出各围栏细块，以其在安全工作区域框架图中的坐标为中心，用高度kh、宽度kw的细框围绕这个细块，建立一个九目的搜索区域；取出其八个毗邻细框的图块，与读入“筛选围栏图块步骤”的各围栏细块进行比较；若其毗邻的八个图块中，有一个是围栏细块，就认为本围栏细块是安全工作区域框架图的图块，并且将其收录下来；若其毗邻的八个图块中，都不是围栏细块，则认为这个围栏细块是掩膜滤网过滤时逃逸的色斑污染点，不予以记录。
甄选区域边缘图块，读入“筛录连续围栏图块步骤”筛录出来的连续围栏图块组。对各连续围栏图块按次序排列，并通过对其各自的坐标进行比较。甄选出工作区域边缘图块：比较相邻次序的两个连续围栏图块的X坐标是否一致，若不同则认为这两个连续围栏图块是安全工作区域框架图的边缘点，将其收录到工作区域边缘图块点数组(简称：工作区域边缘点数组)中；若相邻次序的两个连续围栏图块X坐标一致，再比较这对相邻图块的前序图块及后序图块的X坐标与相邻图块的X坐标是否都一致，若都不同则认为这对相邻图块是安全工作区域框架图都是的边缘点，将其收录到工作区域边缘点数组中；而连续围栏图块的其他图块，工作区域框线上的内部点，不是工作区域框线边缘的点。按这个甄选法，遍历各连续围栏图块，得到所有的工作区域边缘点，收录到工作区域边缘点数组中，形成完整的工作区域边缘点数组。
步骤S502，基于所述边缘点坐标，计算得到所述安全工作区域的边界点坐标信息；
在本发明实施例中，根据所述边缘点坐标，计算得到所述安全工作区域的边界点坐标信息。
在具体实现中，将安全工作区域的边缘点坐标进行计算处理，找出工作区域边缘点中最大x、最小x及最大y、最小y的坐标；据此计算出工作区域中心点的坐标xc、yc；进一步计算出所有边缘点与中心的夹角(αi)；按夹角(αi)弧度从小到大次序排列，得到顺时针方向排列的工作区域边界点及其坐标。
步骤S503，绘制所述边缘点数据的闭合二值图；
在本发明实施例中，将所述边缘点数据绘制成闭合二值图。
在具体实现中，画出边缘点的区域。根据“获取区域边缘点步骤”获得的工作区域边缘点数据，采用绘制多边形算式，按要求设置好区域填充色，画出由各边缘点围起来的工作区域。
边缘区域图转成灰度图。将“画出边缘点的区域步骤”获得的工作区域BGR格式图片，采用颜色转换函数算式，转化灰色图片。
灰度图转成二值图。将“边缘区域图转化成灰色图片步骤”获得的灰色图片，带入到阈值处理算式；按要求设置好灰度的高、低限阈值，将高于高限、低于高限图像值变为黑色，而将在高、低限阈内的图像值变为白色；经算式计算、转化二值图片。
步骤S504，基于所述闭合二值图的轮廓点参数进行计算，得到所述安全工作区域的最大轮廓面积；
在本发明实施例中，基于所述闭合二值图的轮廓点参数，计算得到不带方向的工作区域轮廓面积，遍历各分割区域面积的大小列表，找出最大的轮廓面积。
在具体实现中，提取图片轮廓。将“灰度图转成二值图步骤”获得的二值图数据，运用轮廓检测算式，得到工作区域轮廓点组的参数。
计算轮廓面积。将“提取图片轮廓步骤”获得的轮廓点组的参数，采用格林公式，计算出不带方向的工作区域轮廓面积。
找出最大的轮廓。将“计算轮廓面积步骤”获得的轮廓面积，通过遍历各分割区域面积的大小列表，找出最大的轮廓面积，作为工作区域的面积。
步骤S505，基于所述安全工作区域的最大轮廓面积，绘制所述安全工作区域的区域轮廓线图；
在本发明实施例中，基于所述安全工作区域的最大轮廓面积，绘制所述安全工作区域的区域轮廓线图。
在具体实现中，寻找轮廓凸包并绘制。将“找出最大的轮廓步骤”获得的最大轮廓对应的各点坐标，采用凸包寻找并绘制算式，计算、找出由最大轮廓各点，并将这些点相互连接构成的凸型多边形包(凸包)，此凸包就是最大轮廓区域的包络线。并用指定颜色画出此凸型多边形。
凸包精炼平滑。对“寻找轮廓凸包并绘制步骤”获得的凸型多边形包，采用腐蚀算式，进行该凸包粗糙轮廓线的精炼、去除毛刺等处理，并以设定的颜色画出处理好的该工作区多边凸形图片，得到安全工作区域的区域轮廓线图。
步骤S506，汇总所述边界点坐标信息和所述区域轮廓线图，得到所述安全工作区域的详细信息。
在本发明实施例所提供的一种安全区域的识别方法中获取安全工作区域的详细信息的方法，通过汇总计算得到的坐标信息和区域轮廓线图，得到安全工作区域的详细信息，为提高施工作业的规范性和安全性打下基础。
请参阅图6，图6为本发明的一种安全区域的识别方法中获取安全工作区域的边界点坐标信息的流程步骤图，包括：
步骤S601，从安全工作区域的边缘点数据中提取最大横坐标、最小横坐标、最大纵坐标和最小纵坐标，计算所述安全工作区域的中心坐标；
在本发明实施例中，基于安全工作区域的最大横坐标、最小横坐标、最大纵坐标和最小纵坐标进行计算，得到安全工作区域的中心坐标。
在具体实现中，找出工作区域边缘点中最大、最小横坐标。将工作区域的边缘点坐标，采用对象排序算式，找出工作区域边缘点中最大横坐标(xx)、最小横坐标(xm)。
找出工作区域边缘点中最大、最小y坐标。将工作区域的边缘点坐标，采用对象排序算式，找出工作区域边缘点中最大纵坐标(yx)、最小纵坐标(ym)。
计算工作区域中心的坐标。将得到的xx、xm，采用下列算式xc＝(xx-xm)/2，计算出工作区域中心点的横坐标；将得到的yx、ym，采用下列算式yc＝(yx-ym)/2，计算出工作区域中心点的纵坐标；由此计算出工作区域中心点的坐标(xc，yc)。
步骤S602，计算各边缘点与所述中心的夹角，并把所述夹角从小到大排序；
在本发明实施例中，计算并从小到大排序各边缘点与所述中心的夹角。
在具体实现中，计算各边缘点与中心的夹角，将“计算工作区域中心点的坐标步骤”得到的工作区域中心点的坐标(xc，yc)，采用下列算式αi＝atan[(yi-yc)/(xi-xc)]，遍历所有边缘点坐标(yi，xi)，计算出所有边缘点与中心的夹角(αi)。
排列边缘点与中心夹角的大小次序，将“计算各边缘点与中心的夹角步骤”所得到各边缘点与中心的夹角，按器弧度从小到大的次序排列出来，并赋予排序编号。
步骤S603，按所述夹角排序排列出边界点，得到安全工作区域的坐标信息；
在本发明实施例中，按所述夹角排序排列出边界点，得到安全工作区域的坐标信息。
在具体实现中，按夹角次序排列出边界点，将“计算各边缘点与中心的夹角步骤”得到的边缘点与中心夹角大小的排序编号，添加到边界点的参数组里，这样就可以按夹角大小的次序，筛选出所需要的边界点来，得到安全工作区域的坐标信息。
在本发明实施例所提供的一种安全区域的识别方法中获取安全工作区域的框架参数数据的方法，通过计算并从小到大排序安全工作区域各边缘点与中心的夹角，排列出边界点，得到安全工作区域的坐标信息，为提高施工作业的规范性和安全性打下基础。
请参阅图7，图7为本发明的一种安全区域的识别方法中绘制安全工作区域的完整标识图的流程步骤图，包括：
步骤S701，根据安全工作区域的坐标信息和区域轮廓线图，画出所述安全工作区域的边界点和中心点；
在本发明实施例中，按照安全工作区域的坐标信息和区域轮廓线图，画出安全工作区域的边界点和中心点。
在具体实现中，画出各边界点，从“获取边界点坐标信息步骤”读取工作区域各边界点的坐标，采用绘制圆算式，设定好适当的颜色(如绿色)、圆圈的半径(如3)及圆弧厚度(如2)，在由“步骤S1：获取视频帧”得到的工作现场图片上，分别以各边界点的坐标为中心画出小园(如空心)。
画出工作区中心点，从“获取边界点坐标信息步骤”读取工作区域中心点的坐标，采用绘制圆算式，设定好适当的颜色(如绿色)、圆圈的半径(如3)，在“画出各边界点步骤”画好的图片上，以工作区域中心点的坐标为中心，再画上小圆(如实心)。
步骤S702，基于所述边界点坐标信息和所述区域轮廓线图，画出所述安全工作区域的入口；
在本发明实施例中，按照安全工作区域的坐标信息和区域轮廓线图，画出安全工作区域的入口。
在具体实现中，画出工作区入口的始点，从“获取边界点坐标信息步骤”读取工作区入口始点的坐标，采用绘制圆算式，设定好适当的颜色(如蓝紫色)、圆圈的半径(如5)，在“画出工作区中心点步骤”画好的图片上，以工作区入口始点的坐标为中心，再画上这个小圆(如实心)。
画出工作区入口的终点，从“获取边界点坐标信息步骤”读取工作区入口终点的坐标，采用绘制圆算式，设定好适当的颜色(如红色)、圆圈的半径(如5)，在“画出工作区入口的始点步骤”画好的图片上，以工作区入口终点的坐标为中心，再画上这个小圆(如实心)。
画出工作区入口的标示线，从“获取边界点坐标信息步骤”读取工作区入口始点、终点的坐标，采用划线算式，设定好适当的颜色(如浅红色)、厚度(如5)，在“画出工作区入口的终点步骤”画好的图片上，从工作区的入口始点开始再画一条特定的警示线到入口终点。这样就用特定的图标，画出工作区域的边界点、中心点、工作区入口及其始点-终点等。
步骤S703，基于所述安全工作区域的入口、边界点和中心点，结合所述区域轮廓线图和视频帧数据，融合生成所述安全工作区域的完整标识图；
在本发明实施例中，融合安全工作区域的入口、边界点和中心点，结合区域轮廓线图和视频帧数据，生成所述安全工作区域的完整标识图。
在具体实现中，融合生成工作区域图，从“获取工作区域信息步骤”读取安全工作区域区域轮廓线图的数据，乘上其权重值(如0.4)；以及在“画出工作区入口的标示线步骤”画好含工作区边界点、中心点、工作区入口及其始点-终点图片的数据，乘上其权重值(如0.6)；带入图像加权融合算式，将两个图片进行融合、画出。这样就在原有工作区域凸型多边形图片上附上了工作区域边界点、边界线、中心点、工作区入口及其入口始点-终点的图标，形成工作区域的完整标识图。
在本发明实施例所提供的一种安全区域的识别方法中获取安全工作区域的框架参数数据的方法，通过融合安全工作区域的入口、边界点和中心点，结合所述区域轮廓线图和视频帧数据，生成安全工作区域的完整标识图，为提高施工作业的规范性和安全性打下基础。
请参阅图8，图8为本发明的一种安全区域的识别方法中判断人员是否越界的结构框图，由第1乘法器模块(801)、第1减法器模块(802)、第1加法器模块(803)、第1参数设置模块(804)、第2减法器模块(809)，第1高限报警模块(805)、第1低限报警模块(806)、第2低限报警模块(807)、第2高限报警模块(808)、第3高限报警模块(810)、第4高限报警模块(811)，第3低限报警模块(812)、第2参数设置模块(813)，第1“与”逻辑模块(814)、第2“与”逻辑模块(815)、第3“与”逻辑模块(816)，第1“或”逻辑模块(817)，第3参数设置模块(818)、第1模式切换开关(819)、第4参数设置模块(820)等组合而成。
第1乘法器模块(801)的第1输入端接“计算人员坐标步骤”，从中读取人员的关键x坐标Xri；它的第2输入端接“计算分辨因子步骤”，读取分辨因子α；两者进行乘运算并输出。
第1加法器模块(803)第1输入端接“计算人员坐标步骤”，从中读取人员的关键y坐标Yri；它的第2输入端接第1参数设置模块(804)，它的参数设置为5；两者进行加运算并输出。
第1减法器模块(802)的第1输入端接第1加法器模块(803)的输出；它的第2输入端接“计算分辨因子步骤”，读取分辨因子β，两者进行减运算并输出。
第2减法器模块(809)第1输入端接第1乘法器模块(801)的输出，它的第2输入端接第1减法器模块(802)的输出。这样经过以上各模块运算后，它的输出就形成了：α×Xri+β-Yri-5。
第3低限报警模块(812)输入端接第2减法器模块(809)的输出，它的低限设定端接第1参数设置模块(813)的“0”设置值输出；这样在α×Xri+β-Yri-5<0时，发出“正常”信号，输出“1”。
第1高限报警模块(805)输入端接“计算人员坐标步骤”，从中读取人员的关键x坐标Xri；它的高限设定端接“获取边界点坐标信息步骤”，从中读取工作区域边界始位的x坐标xs；这样在人员活动的关键x坐标Xri大于边界始位的x坐标xs时，发出“正常”信号，输出“1”。
第2低限报警模块(807)输入端接“计算人员坐标步骤”，从中读取人员的关键x坐标Xri；它的低限设定端接“获取边界点坐标信息步骤”，从中读取工作区域边界终位的x坐标xe；这样在人员活动的关键x坐标Xri小于边界终位的x坐标xe时，发出“正常”信号，输出“1”。
第1“与”逻辑模块(814)的第1输入端接第1高限报警模块(805)的输出，它的第2输入端接第2低限报警模块(807)的输出，第3输入端接第3低限报警模块(812)的输出，这样在条件1：Xri小于xe且Xri大于xe且α×Xri+β-Yri-5<0时，发出“正常”信号，输出“1”。
第1低限报警模块(806)输入端接“计算人员坐标步骤”，从中读取人员的关键x坐标Xri；它的低限设定端接“获取边界点坐标信息步骤”，从中读取工作区域边界始位的x坐标xs，这样在人员活动的关键x坐标Xri小于边界始位的x坐标xs时，发出“正常”信号，输出“1”。
第3高限报警模块(810)输入端接“计算人员坐标步骤”，从中读取人员的关键y坐标Yri；它的高限设定端接“获取边界点坐标信息步骤”，从中读取工作区域边界始位的y坐标ys，这样在人员活动的关键y坐标Yri大于边界始位的y坐标ys时，发出“正常”信号，输出“1”。
第2“与”逻辑模块(815)的第1输入端接第1低限报警模块(806)的输出，它的第2输入端接3高限报警模块(810)的输出，这样在条件2：Xri小于xs且Yri大于ys，发出“正常”信号，输出“1”。
第2高限报警模块(808)输入端接“计算人员坐标步骤”，从中读取人员的关键x坐标Xri；它的高限设定端接“获取边界点坐标信息步骤”，从中读取工作区域边界终位的x坐标xe，这样在人员活动的关键x坐标Xri大于边界终位的x坐标xe时，发出“正常”信号，输出“1”。
第4高限报警模块(811)输入端接“计算人员坐标步骤”，从中读取人员的关键y坐标Yri；它的高限设定端接“获取边界点坐标信息步骤”，从中读取工作区域边界终位的y坐标ye，这样在人员活动的关键y坐标Yri大于边界终位的y坐标ye时，发出“正常”信号，输出“1”。
第3“与”逻辑模块(816)的第1输入端接第2高限报警模块(808)的输出，它的第4高限报警模块(811)的输出，这样在条件3：Xri大于xse且Yri大于ye，发出“正常”信号，输出“1”。
第1“或”逻辑模块(817)的第1输入端接第1“与”逻辑模块(814)的输出，它的第2输入端接第2“与”逻辑模块(815)的输出，第3输入端接第3“与”逻辑模块(816)的输出，3个条件经“或”逻辑运算后，输出到第1切换模块(819)的控制输入端。这样只要以上3个条件有1个满足，就输出真信息“1”值，到(819)切换模块，表示工作人员在工作区域内。
第1切换模块(819)的A输入端接第1定值模块(818)(0值设定模块)、它的B输入端接第2定值模块(820)(1值设定模块)，它的输出连接到8O端子送出，给后面的步骤。当满足以上3个条件之一，(817)“或”逻辑模块就输出“1”值，(819)切换模块输出就将原来接A端(818)定值模块的设定值(0)，切换成输出B端输出820定值模块的设定值(1)，输出变成“1”。这样只要以上3个条件有1个满足，就将人员未越界状态值设置成“1”输出；而1个条件都不满足时，表示有人员越界，就将人员未越界状态值设置成“0”值输出。
请参阅图9，图9为本发明的一种安全区域的识别方法中标识越界人员的结构框图，由第1参数设置模块(901)、第1模式切换开关(902)、第2参数设置模块(903)；第3参数设置模块(904)、第2模式切换开关(905)、第4参数设置模块(906)，画出人员框模块(906)等组合而成。
第1切换模块(902)的控制输入端接“判断人员是否越界步骤”，从中读取人员未越界状态值，(902)切换模块的A输入端接第1参数(越界颜色设定值，如：红色[0,255,0])设置模块(901)、它的B输入端接第2参数(未越界颜色设定值，如：绿色[0,0,255])设置模块(903)，它的输出送到画出人员框模块(906)的颜色设定端。这样，当没有出现人员越界时，接到“判断人员是否越界步骤”发来状态值为“1”，(902)切换模块的输出切换成输出B端的值，就将(903)参数模块所设置的“未越界颜色”(如：绿色[0,0,255])送到画出人员框模块(906)的画框颜色设定端；而，当出现人员越界时，“判断人员是否越界步骤”发来状态值变为“0”，(902)切换模块的输出切换成输出A端的值，就将(901)参数模块所设置的“越界颜色”(如：红色[0,255,0])送到画出人员框模块(906)的颜色设定端。
画出人员框模块(906)读取“画出工作区域步骤”所绘制出完整工作区域标识图的数值，还从“人体识别步骤”读取的摄像区域人员的坐标框(xis，xie；yil，yih)，带入到阈值处理算式，在获取的完整工作区域标识图上，依据人员所在的坐标(xis，xie；yil，yih)数值，按(902)切换模块送来的人员画框颜色值设置好颜色，以及按要求设置好画线的粗度，画出包围各个人员的矩形框，将这个融合好的完整工作区域以及人员的标识图，通过9OF端子输出，最终送到人机界面上显示。这样，当该人员未越界时，人机界面就会在完整工作区域标识图上，以他所在的坐标画出一个紧框着他的绿色矩形框；而当该人员越界时，就以他所在的坐标画出一个红色的矩形框。
第2切换模块(905)的控制输入端接“判断人员是否越界步骤”，从中读取人员的人员未越界状态值，(905)切换模块的A输入端接第3参数设置模块(904)(越界状态编码，如：161)、它的B输入端接第4参数设置模块(906)(未越界状态编码，如：160)，它的输出通过9OA端子输出。这样，当该人员未越界时，就将未越界编码(如：160)输出；而当该人员越界时，就越界编码(如：161)输出。
请参阅图10，图10为本发明的一种安全区域的识别装置实施例的结构框图，包括：
获取模块1001，用于获取电力作业现场的视频帧数据；
坐标模块1002，用于基于所述视频帧数据中所有工作人员的坐标，计算得到所述工作人员的核心坐标数据；
区域模块1003，用于利用图细分割法，分析所述视频帧数据的工作区域，得到安全工作区域的完整标识图和分辨因子；
判断模块1004，用于根据所述核心坐标数据、所述完整标识图和所述分辨因子，判断所述视频帧数据中所有工作人员是否越界；若否，则确定没有越界的工作人员处于所述安全工作区域；若是，则在所述完整标识图上标记并警告越界的工作人员。
在一个可选实施例中，所述获取模块1001包括：
获取子模块，用于获取所述电力作业现场的视频流数据；
压缩子模块，用于对所述视频流数据进行编码和压缩，得到所述视频帧数据。
在一个可选实施例中，所述坐标模块1002包括：
识别子模块，用于基于所述视频帧数据，进行人体识别，得到人员识别结果；
坐标子模块，用于对所述人员识别结果中工作人员的坐标进行计算，得到所述工作人员的核心坐标数据。
在一个可选实施例中，所述区域模块1003包括：
详细子模块，用于利用所述图细分割法，对所述视频帧数据进行工作区域提取，得到所述安全工作区域的详细信息；所述详细信息包括边界点坐标信息和区域轮廓线图；
因子子模块，用于根据所述边界点坐标信息，计算得到所述安全工作区域的分辨因子；
标识子模块，用于基于所述边界点坐标信息和所述区域轮廓线图，结合所述视频帧数据，绘制得到所述安全工作区域的完整标识图。
在一个可选实施例中，所述详细子模块包括：
框架单元，用于对所述视频帧数据进行工作区域提取，得到所述安全工作区域的框架参数数据；
详细单元，用于利用所述图细分割法，计算所述框架参数数据，得到所述安全工作区域的详细信息。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，本发明所揭露的方法及装置，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取可读存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个可读存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的可读存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种安全区域的识别方法，其特征在于，包括：
获取电力作业现场的视频帧数据；
基于所述视频帧数据中所有工作人员的坐标，计算得到所述工作人员的核心坐标数据；
利用图细分割法，分析所述视频帧数据的工作区域，得到安全工作区域的完整标识图和分辨因子；
根据所述核心坐标数据、所述完整标识图和所述分辨因子，判断所述视频帧数据中所有工作人员是否越界；若否，则确定没有越界的工作人员处于所述安全工作区域；若是，则在所述完整标识图上标记并警告越界的工作人员。
2.根据权利要求1所述的安全区域的识别方法，其特征在于，获取电力作业现场的视频帧数据，包括：
获取所述电力作业现场的视频流数据；
对所述视频流数据进行编码和压缩，得到所述视频帧数据。
3.根据权利要求1所述的安全区域的识别方法，其特征在于，基于所述视频帧数据中所有工作人员的坐标，计算得到所述工作人员的核心坐标数据，包括：
基于所述视频帧数据，进行人体识别，得到人员识别结果；
对所述人员识别结果中工作人员的坐标进行计算，得到所述工作人员的核心坐标数据。
4.根据权利要求3所述的安全区域的识别方法，其特征在于，利用图细分割法，分析所述视频帧数据的工作区域，得到安全工作区域的完整标识图和分辨因子，包括：
利用所述图细分割法，对所述视频帧数据进行工作区域提取，得到所述安全工作区域的详细信息；所述详细信息包括边界点坐标信息和区域轮廓线图；
根据所述边界点坐标信息，计算得到所述安全工作区域的分辨因子；
基于所述边界点坐标信息和所述区域轮廓线图，结合所述视频帧数据，绘制得到所述安全工作区域的完整标识图。
5.根据权利要求1-4任一所述的安全区域的识别方法，其特征在于，对所述视频帧数据进行工作区域提取，得到安全工作区域的详细信息；所述详细信息包括边界点坐标信息和区域轮廓线图，包括：
对所述视频帧数据进行工作区域提取，得到所述安全工作区域的框架参数数据；
利用所述图细分割法，计算所述框架参数数据，得到所述安全工作区域的详细信息。
6.一种安全区域的识别装置，其特征在于，包括：
获取模块，用于获取电力作业现场的视频帧数据；
坐标模块，用于基于所述视频帧数据中所有工作人员的坐标，计算得到所述工作人员的核心坐标数据；
区域模块，用于利用图细分割法，分析所述视频帧数据的工作区域，得到安全工作区域的完整标识图和分辨因子；
判断模块，用于根据所述核心坐标数据、所述完整标识图和所述分辨因子，判断所述视频帧数据中所有工作人员是否越界；若否，则确定没有越界的工作人员处于所述安全工作区域；若是，则在所述完整标识图上标记并警告越界的工作人员。
7.根据权利要求6所述的安全区域的识别装置，其特征在于，所述获取模块包括：
获取子模块，用于获取所述电力作业现场的视频流数据；
压缩子模块，用于对所述视频流数据进行编码和压缩，得到所述视频帧数据。
8.根据权利要求6所述的安全区域的识别装置，其特征在于，所述坐标模块包括：
识别子模块，用于基于所述视频帧数据，进行人体识别，得到人员识别结果；
坐标子模块，用于对所述人员识别结果中工作人员的坐标进行计算，得到所述工作人员的核心坐标数据。
9.根据权利要求8所述的安全区域的识别装置，其特征在于，所述区域模块包括：
详细子模块，用于利用所述图细分割法，对所述视频帧数据进行工作区域提取，得到所述安全工作区域的详细信息；所述详细信息包括边界点坐标信息和区域轮廓线图；
因子子模块，用于根据所述边界点坐标信息，计算得到所述安全工作区域的分辨因子；
标识子模块，用于基于所述边界点坐标信息和所述区域轮廓线图，结合所述视频帧数据，绘制得到所述安全工作区域的完整标识图。
10.根据权利要求6-9任一所述的安全区域的识别装置，其特征在于，所述详细子模块包括：
框架单元，用于对所述视频帧数据进行工作区域提取，得到所述安全工作区域的框架参数数据；
详细单元，用于利用所述图细分割法，计算所述框架参数数据，得到所述安全工作区域的详细信息。
CN202111163550.1A 2021-09-30 2021-09-30 一种安全区域的识别方法及装置 Pending CN113869245A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111163550.1A CN113869245A (zh) 2021-09-30 2021-09-30 一种安全区域的识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111163550.1A CN113869245A (zh) 2021-09-30 2021-09-30 一种安全区域的识别方法及装置

Publications (1)

Publication Number Publication Date
CN113869245A true CN113869245A (zh) 2021-12-31

Family

ID=79001283

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111163550.1A Pending CN113869245A (zh) 2021-09-30 2021-09-30 一种安全区域的识别方法及装置

Country Status (1)

Country Link
CN (1) CN113869245A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114727063A (zh) * 2022-04-02 2022-07-08 清华大学 施工现场的路径安全监测系统、方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112257556A (zh) * 2020-10-20 2021-01-22 国网吉林省电力有限公司电力科学研究院 一种基于多边形内外点判断的电力作业安全区域界定方法
CN112560745A (zh) * 2020-12-23 2021-03-26 南方电网电力科技股份有限公司 一种电力作业现场人员甄别方法及相关装置
CN112613452A (zh) * 2020-12-29 2021-04-06 广东电网有限责任公司清远供电局 人员越线识别方法、装置、设备及存储介质
WO2021071118A1 (ko) * 2019-10-10 2021-04-15 주식회사 신세계아이앤씨 전경 분리 장치 및 방법
CN112752216A (zh) * 2020-12-23 2021-05-04 北京东土拓明科技有限公司 一种基于电子围栏的监控方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021071118A1 (ko) * 2019-10-10 2021-04-15 주식회사 신세계아이앤씨 전경 분리 장치 및 방법
CN112257556A (zh) * 2020-10-20 2021-01-22 国网吉林省电力有限公司电力科学研究院 一种基于多边形内外点判断的电力作业安全区域界定方法
CN112560745A (zh) * 2020-12-23 2021-03-26 南方电网电力科技股份有限公司 一种电力作业现场人员甄别方法及相关装置
CN112752216A (zh) * 2020-12-23 2021-05-04 北京东土拓明科技有限公司 一种基于电子围栏的监控方法和装置
CN112613452A (zh) * 2020-12-29 2021-04-06 广东电网有限责任公司清远供电局 人员越线识别方法、装置、设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114727063A (zh) * 2022-04-02 2022-07-08 清华大学 施工现场的路径安全监测系统、方法及装置
CN114727063B (zh) * 2022-04-02 2022-11-25 清华大学 施工现场的路径安全监测系统、方法及装置

Similar Documents

Publication Publication Date Title
Huang et al. Detection algorithm of safety helmet wearing based on deep learning
CN110544258B (zh) 图像分割的方法、装置、电子设备和存储介质
CN109409238B (zh) 一种障碍物检测方法、装置及终端设备
CN111292321B (zh) 一种输电线路绝缘子缺陷图像识别方法
CN106096603A (zh) 一种融合多特征的动态火焰检测方法及装置
CN108665464A (zh) 一种基于形态学的高压电塔及高压电线的异物检测方法
CN116109954B (zh) 房屋安全隐患识别方法、装置及存储介质
CN113240623A (zh) 一种路面病害检测方法及装置
CN113449639A (zh) 一种物联网网关对仪表的无接触数据采集方法
CN113869245A (zh) 一种安全区域的识别方法及装置
CN108900895B (zh) 一种对视频流的目标区域的屏蔽方法及其装置
CN117351409A (zh) 混凝土坝面作业风险智能识别方法
CN112464765A (zh) 一种基于单像素特征放大的安全帽检测算法及其应用
CN117037082A (zh) 一种停车行为的识别方法及系统
CN117041484A (zh) 基于物联网的人流密集区域监控方法及系统
CN116524428A (zh) 基于目标检测及场景融合的电力作业安全风险识别方法
CN114627463B (zh) 一种基于机器识别的非接触式配电数据识别方法
CN113920535B (zh) 一种基于YOLOv5的电子区域检测方法
CN115761580A (zh) 一种水面漂浮物的检测方法、边缘计算终端及存储介质
CN114998889A (zh) 一种沉浸式三维影像的智能识别方法及系统
CN114463168A (zh) 数据脱敏处理的方法、装置和电子设备
CN112613452B (zh) 人员越线识别方法、装置、设备及存储介质
CN112634382B (zh) 一种非自然对象的图像识别、替换方法和装置
CN114449362A (zh) 视频封面的选取方法、装置、设备及存储介质
CN112633142A (zh) 一种输电线路违章建筑物识别方法及相关装置

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20211231

RJ01 Rejection of invention patent application after publication