CN117636434A - 一种变电站人员跟踪方法、系统、设备及介质 - Google Patents
一种变电站人员跟踪方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN117636434A CN117636434A CN202311662484.1A CN202311662484A CN117636434A CN 117636434 A CN117636434 A CN 117636434A CN 202311662484 A CN202311662484 A CN 202311662484A CN 117636434 A CN117636434 A CN 117636434A
- Authority
- CN
- China
- Prior art keywords
- personnel
- patrol personnel
- substation
- patrol
- real
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 101000822805 Naja atra Cytotoxin A5 Proteins 0.000 claims description 25
- 101000822803 Naja kaouthia Cytotoxin homolog Proteins 0.000 claims description 25
- 101000783567 Naja naja Cytotoxin 1 Proteins 0.000 claims description 25
- 101000822819 Naja naja Cytotoxin-like basic protein Proteins 0.000 claims description 25
- 238000010276 construction Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 4
- 238000009434 installation Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 7
- 238000007689 inspection Methods 0.000 description 18
- 238000000605 extraction Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Landscapes
- Alarm Systems (AREA)
Abstract
本申请公开了一种变电站人员跟踪方法、系统、设备及介质,包括:S1、对构建的变电站三维数字模型进行区域划分,对划分的区域与变电站巡检人员的管理权限等级进行关联,并在划分的区域的边界处设立电子围栏;S2、当巡检人员进入变电站时对巡检人员进行人脸识别,根据识别结果获取巡检人员的管理权限等级;S3、根据巡检人员所佩戴的定位装置的实时定位信息,判断巡检人员是否在管理权限等级所对应的区域范围内,若是执行步骤S4,否则发出报警信号;S4、根据实时定位信息判断巡检人员与其管理权限等级不可以进入的区域对应的电子围栏的距离是否不大于距离阈值,若是判定巡检人员处于警示范围。从而提高了变电站现场的监测预警与管控能力。
Description
技术领域
本申请涉及变电站运维管理技术领域,尤其涉及一种变电站人员跟踪方法、系统、设备及介质。
背景技术
近年来,我国用电量逐渐递增,电力已成为人们生活中不可替代的能源,电力对推动社会经济发展所起到的作用越来越明显。随着人们生活水平的提高,全社会对电力安全可靠供应的要求也越来越高,可以说电力的安全稳定运行和可靠供电是当前电力企业服务社会的最基本要求。然而随着电网规模的扩大、接线的日益复杂以及自动化程度提升,无人值守变电站越来越多,输变电设备维护、检修工作量亦不断增加,现场工作复杂度越来越高,这就对安全管理工作提出了更高的要求。因此,亟需设计一种变电站人员跟踪方法。
发明内容
本申请提供了一种变电站人员跟踪方法、系统、设备及介质,用于提高变电站现场的监测预警与管控能力。
有鉴于此,本申请第一方面提供了一种变电站人员跟踪方法,所述方法包括:
S1、构建变电站的三维数字模型,对所述三维数字模型进行区域划分,同时对划分的区域与变电站巡检人员的管理权限等级进行关联,得到关联信息,并在划分的区域的边界处设立电子围栏;
S2、当巡检人员进入变电站时,采用CLBP算法对巡检人员进行人脸识别,根据识别结果获取巡检人员的管理权限等级;
S3、根据巡检人员所佩戴的定位装置的实时定位信息,并基于所述关联信息,判断巡检人员是否在管理权限等级所对应的区域范围内,若是,执行步骤S4,否则发出报警信号;
S4、根据所述实时定位信息判断巡检人员与其管理权限等级不可以进入的区域对应的电子围栏的距离是否不大于预设距离阈值,若是,判定巡检人员处于警示范围内,并发出报警提醒信号。
可选地,所述构建变电站的三维数字模型,包括:
通过三维激光雷达扫描采集仪,采集变电工程的实际建设、安装以及运行信息输入到三维建模系统中,输出三维数字化模型。
可选地,所述判定巡检人员处于警示范围内,之后还包括:
根据巡检人员所佩戴的UWB标签,获取UWB定位结果,并结合所述三维数字模型、所述实时定位信息以及UWB定位结果,确定巡检人员的精确动态信息。
可选地,所述采用CLBP算法对巡检人员进行人脸识别,包括:
采集巡检人员的人脸图像,提取所述人脸图像的CLBP直方图特征,将所述CLBP直方图特征输入到稀疏表示分类器进行识别。
可选地,步骤S3,之后还包括:
根据所述实时定位信息与巡检人员预设的任务轨迹进行比对,当巡检人员巡检人员的实时轨迹发生偏离时,发出报警提醒信号。
本申请第二方面提供一种变电站人员跟踪系统,所述系统包括:
构建单元,用于构建变电站的三维数字模型,对所述三维数字模型进行区域划分,同时对划分的区域与变电站巡检人员的管理权限等级进行关联,得到关联信息,并在划分的区域的边界处设立电子围栏;
识别单元,用于当巡检人员进入变电站时,采用CLBP算法对巡检人员进行人脸识别,根据识别结果获取巡检人员的管理权限等级;
第一分析单元,用于根据巡检人员所佩戴的定位装置的实时定位信息,并基于所述关联信息,判断巡检人员是否在管理权限等级所对应的区域范围内,若是,触发第二分析单元,否则发出报警信号;
第二分析单元,用于根据所述实时定位信息判断巡检人员与其管理权限等级不可以进入的区域对应的电子围栏的距离是否不大于预设距离阈值,若是,判定巡检人员处于警示范围内,并发出报警提醒信号。
可选地,还包括:定位单元;
所述定位单元,用于根据巡检人员所佩戴的UWB标签,获取UWB定位结果,并结合所述三维数字模型、所述实时定位信息以及UWB定位结果,确定巡检人员的精确动态信息。
可选地,还包括:第三分析单元;
所述第三分析单元,用于根据所述实时定位信息与巡检人员预设的任务轨迹进行比对,当巡检人员巡检人员的实时轨迹发生偏离时,发出报警提醒信号。
本申请第三方面提供一种变电站人员跟踪设备,所述设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令,执行如上述第一方面所述的变电站人员跟踪的方法的步骤。
本申请第四方面提供一种计算机可读存储介质,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行上述第一方面所述的变电站人员跟踪方法。
从以上技术方案可以看出,本申请具有以下优点:
本申请提供了一种变电站人员跟踪方法,包括:S1、构建变电站的三维数字模型,对三维数字模型进行区域划分,同时对划分的区域与变电站巡检人员的管理权限等级进行关联,得到关联信息,并在划分的区域的边界处设立电子围栏;S2、当巡检人员进入变电站时,采用CLBP算法对巡检人员进行人脸识别,根据识别结果获取巡检人员的管理权限等级;S3、根据巡检人员所佩戴的定位装置的实时定位信息,并基于关联信息,判断巡检人员是否在管理权限等级所对应的区域范围内,若是,执行步骤S4,否则发出报警信号;S4、根据实时定位信息判断巡检人员与其管理权限等级不可以进入的区域对应的电子围栏的距离是否不大于预设距离阈值,若是,判定巡检人员处于警示范围内,并发出报警提醒信号。从而提高了变电站现场的监测预警与管控能力。
附图说明
图1为本申请实施例中提供的一种变电站人员跟踪方法的流程示意图;
图2为本申请实施例中提供的一种变电站人员跟踪系统的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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他实施例,都属于本申请保护的范围。
请参阅图1,本申请实施例中提供的一种变电站人员跟踪方法,包括:
步骤101、构建变电站的三维数字模型,对三维数字模型进行区域划分,同时对划分的区域与变电站巡检人员的管理权限等级进行关联,得到关联信息,并在划分的区域的边界处设立电子围栏。
需要说明的是,首先通过三维激光雷达扫描采集仪,采集变电工程的实际建设、安装以及运行信息输入到三维建模系统中,输出三维数字化模型,其中三维建模系统本领域技术人员可以根据实际情况进行选取,如Unity,在此不做赘述。然后,根据变电站的管理规范,在三维数字模型上进行区域划分,所划分的区域与进入变电站的人员的管理权限等级相关,并在这些区域的边界处分别设立电子围栏,其中,电子围栏在三维数字模型上的设立并不限数量,进一步地,监控中心还可以对电子围栏设定人数限定,对处于电子围栏中的人员进行统计,当出现超员时,发出报警提醒。
步骤102、当巡检人员进入变电站时,采用CLBP算法对巡检人员进行人脸识别,根据识别结果获取巡检人员的管理权限等级。
需要说明的是,当巡检人员进入变电站时,对进入变电站的巡检人员进行人脸识别,识别成功后,获取其管理权限等级。
本实施例人脸识别采用CLBP算法,人脸识别算法分为三个部分:人脸检测、特征提取、人脸验证。人脸特征提取在全部人脸识别过程当中相当关键它决定人脸验证结果的优劣。本实施例中,为使人脸特征的提取更加充分,选择了CLBP算法,CLBP提取的特征比较全面且具有较强的鉴别能力。CLBP算法是LBP算法的改进,在CLBP特征提取中,人脸图像的一个局部区域用它的中心像素点和局部符合-模差异转化,CLBP特征提取能更好充分利用人脸图片的局部性特征。然后将提取出的CLBP直方图特征输入稀疏表示(SRC)分类器中,充分利用SRC算法的训练字典分块结构性,有效地提高了人脸识别效果。
需要说明的是,在传统LBP算法中,LBP特征提取步骤如下:
(1)将样本图像划分成N*N的小区域;
(2)分别对每个小区域进行LBP编码,得到每个区域的LBP编码图;
(3)分别对每个区域的LBP编码图进行直方图统计,即统计每个LBP编码值的频率,得到对应的直方图统计特征向量,并作归一化处理;
(4)将所有区域的直方图统计特征向量串联得到整幅样本图像的LBP特征矩阵;
(5)将得到的LBP特征矩阵输入SRC算法模型中进行分类识别。
与传统LBP算法不同,CLBP具有3个描述子:中心描述子(CLBP-Center,CLBP_C)、正负二值描述子(CLBP-Sign,CLBP_S)和幅度描述子(CLBP-Magnitude,CLBP_M)。描述子CLBP_S和原始的LBP编码是一致的,只是将编码值“0”变成了“-1”。描述子CLBP_M通过两像素点的灰度值差异幅值与全局灰度差异幅值的均值比较,描述了局部窗口的梯度差异信息,作为CLBP_S的互补信息。描述子CLBP_C反应中心像素点的灰度信息。相较传统LBP,CLBP算法将三个描述子进行联合,使得对纹理的描述更加精细,对识别的准确率有了大幅的提升。
在具体分类时,CLBP的三个描述子,可以采用串联或是联合的方式。串联即为CLBP_S/M/C,形成三维的联合直方图。联合则是采用串联和并行的联合结构将CLBP_S、CLBP_M和CLBP_C描述子结合使用,诸如CLBP_SM/C、CLBP_S/MC等。不同的联合结构所能够达到的识别效果不尽相同,再具体实施时可以根据识别需求进行选择。
步骤103、根据巡检人员所佩戴的定位装置的实时定位信息,并基于关联信息,判断巡检人员是否在管理权限等级所对应的区域范围内,若是,执行步骤104,否则发出报警信号。
需要说明的是,变电站的巡检人员在进行变电站巡检工作时需要佩戴定位装置以便监控中心获取实时动态信息,因此根据巡检人员所佩戴的定位装置的实时定位信息,并基于步骤101得到的区域与变电站巡检人员的管理权限等级进行关联信息,判断巡检人员是否在管理权限等级所对应的区域范围内,若是,执行步骤104,否则发出报警信号。
其中,本实施例的定位装置包括:北斗穿戴式设备以及摄像头,用于获取巡检人员的位置信息以及作业时所处的环境影像。
进一步地,在一个实施例中,还可以:根据定位装置上摄像头采集的作业时所处的环境影像,还可以根据其中的标志点与三维数字模型上对应的标志点进行比对,通过摄像头图像对目标进行辨识,可以更进一步对巡检人员进行跟踪。同时,还可以进一步比对辨识结果以及巡检任务,判断巡检人员是否偏离目标,若偏离目标,监控中心即可发出警报。
进一步地,在一个实施例中,根据实时定位信息与巡检人员预设的任务轨迹进行比对,当巡检人员巡检人员的实时轨迹发生偏离时,发出报警提醒信号。
需要说明的是,将巡检人员的北斗定位结果与任务轨迹上的轨迹点进行匹配,包括:计算北斗定位结果与各轨迹点之间的欧式距离,确定欧式最小时对应的轨迹点作为与巡检人员的北斗定位结果匹配的轨迹点。根据巡检人员的北斗定位结果和与其匹配的轨迹点之间的欧式距离,将其与设定阈值进行比较,判断巡检人员是否偏离任务轨迹。
步骤104、根据实时定位信息判断巡检人员与其管理权限等级不可以进入的区域对应的电子围栏的距离是否不大于预设距离阈值,若是,判定巡检人员处于警示范围内,并发出报警提醒信号。
需要说明的是,根据该巡检人员所佩戴的定位装置,对其在变电站内的活动进行跟踪,并判断其定位是否处于权限范围内可以进入的区域,以及与其权限范围内不可以进入的区域对应电子围栏之间的距离,当处于警示范围内时,监控中心发出报警提醒信号。
进一步地,在一个实施例中,还包括:根据巡检人员所佩戴的UWB标签,获取UWB定位结果,并结合三维数字模型、实时定位信息以及UWB定位结果,确定巡检人员的精确动态信息。
需要说明的是,当巡检人员的定位处于警示范围内时,监控中心判断巡检人员可能处于危险位置,则启动UWB结算,根据巡检人员佩戴的UWB标签,获取其UWB定位结果,结合三维数字模型、北斗穿戴式设备获取的位置信息以及UWB定位结果,确定巡检人员的精确动态信息。
在上述实现过程中,通过对巡检人员配备北斗穿戴式设备,通过北斗导航定位技术,精确计算人员坐标、路线、速度等动态信息,实现人员位置及行动路径的实时在线监管。进而通过与变电站的三维数字模型的集成和融合,结合位置监控、行迹跟踪、视频监控、电子围栏等关键技术,实现变电站现场巡检人员的轨迹跟踪与监控,实现报警提示功能。进一步地,结合UWB技术进一步有效提高变电站现场的监测预警与管控能力。
以上为本申请实施例中提供的一种变电站人员跟踪方法,以下为本申请实施例中提供的一种变电站人员跟踪系统。
请参阅图2,本申请实施例中提供的一种变电站人员跟踪系统,包括:
构建单元201,用于构建变电站的三维数字模型,对三维数字模型进行区域划分,同时对划分的区域与变电站巡检人员的管理权限等级进行关联,得到关联信息,并在划分的区域的边界处设立电子围栏;
识别单元202,用于当巡检人员进入变电站时,采用CLBP算法对巡检人员进行人脸识别,根据识别结果获取巡检人员的管理权限等级;
第一分析单元203,用于根据巡检人员所佩戴的定位装置的实时定位信息,并基于关联信息,判断巡检人员是否在管理权限等级所对应的区域范围内,若是,触发第二分析单元,否则发出报警信号;
第二分析单元204,用于根据实时定位信息判断巡检人员与其管理权限等级不可以进入的区域对应的电子围栏的距离是否不大于预设距离阈值,若是,判定巡检人员处于警示范围内,并发出报警提醒信号。
进一步地,本申请实施例中还提供了一种变电站人员跟踪设备,所述设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令,执行如上述方法实施例所述的变电站人员跟踪方法的步骤。
进一步地,本申请实施例中还提供了计算机可读存储介质,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行上述方法实施例所述的变电站人员跟踪方法。
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。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,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,在本申请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存储介质中。基于这样的理解,本申请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)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文全称:Read-OnlyMemory,英文缩写:ROM)、随机存取存储器(英文全称:Random Access Memory,英文缩写:RAM)、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申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围。
Claims (10)
1.一种变电站人员跟踪方法,其特征在于,包括:
S1、构建变电站的三维数字模型,对所述三维数字模型进行区域划分,同时对划分的区域与变电站巡检人员的管理权限等级进行关联,得到关联信息,并在划分的区域的边界处设立电子围栏;
S2、当巡检人员进入变电站时,采用CLBP算法对巡检人员进行人脸识别,根据识别结果获取巡检人员的管理权限等级;
S3、根据巡检人员所佩戴的定位装置的实时定位信息,并基于所述关联信息,判断巡检人员是否在管理权限等级所对应的区域范围内,若是,执行步骤S4,否则发出报警信号;
S4、根据所述实时定位信息判断巡检人员与其管理权限等级不可以进入的区域对应的电子围栏的距离是否不大于预设距离阈值,若是,判定巡检人员处于警示范围内,并发出报警提醒信号。
2.根据权利要求1所述的变电站人员跟踪方法,其特征在于,所述构建变电站的三维数字模型,包括:
通过三维激光雷达扫描采集仪,采集变电工程的实际建设、安装以及运行信息输入到三维建模系统中,输出三维数字化模型。
3.根据权利要求1所述的变电站人员跟踪方法,其特征在于,所述判定巡检人员处于警示范围内,之后还包括:
根据巡检人员所佩戴的UWB标签,获取UWB定位结果,并结合所述三维数字模型、所述实时定位信息以及UWB定位结果,确定巡检人员的精确动态信息。
4.根据权利要求1所述的变电站人员跟踪方法,其特征在于,所述采用CLBP算法对巡检人员进行人脸识别,包括:
采集巡检人员的人脸图像,提取所述人脸图像的CLBP直方图特征,将所述CLBP直方图特征输入到稀疏表示分类器进行识别。
5.根据权利要求1所述的变电站人员跟踪方法,其特征在于,步骤S3,之后还包括:
根据所述实时定位信息与巡检人员预设的任务轨迹进行比对,当巡检人员巡检人员的实时轨迹发生偏离时,发出报警提醒信号。
6.一种变电站人员跟踪系统,其特征在于,包括:
构建单元,用于构建变电站的三维数字模型,对所述三维数字模型进行区域划分,同时对划分的区域与变电站巡检人员的管理权限等级进行关联,得到关联信息,并在划分的区域的边界处设立电子围栏;
识别单元,用于当巡检人员进入变电站时,采用CLBP算法对巡检人员进行人脸识别,根据识别结果获取巡检人员的管理权限等级;
第一分析单元,用于根据巡检人员所佩戴的定位装置的实时定位信息,并基于所述关联信息,判断巡检人员是否在管理权限等级所对应的区域范围内,若是,触发第二分析单元,否则发出报警信号;
第二分析单元,用于根据所述实时定位信息判断巡检人员与其管理权限等级不可以进入的区域对应的电子围栏的距离是否不大于预设距离阈值,若是,判定巡检人员处于警示范围内,并发出报警提醒信号。
7.根据权利要求6所述的变电站人员跟踪系统,其特征在于,还包括:定位单元;
所述定位单元,用于根据巡检人员所佩戴的UWB标签,获取UWB定位结果,并结合所述三维数字模型、所述实时定位信息以及UWB定位结果,确定巡检人员的精确动态信息。
8.根据权利要求6所述的变电站人员跟踪系统,其特征在于,还包括:第三分析单元;
所述第三分析单元,用于根据所述实时定位信息与巡检人员预设的任务轨迹进行比对,当巡检人员巡检人员的实时轨迹发生偏离时,发出报警提醒信号。
9.一种变电站人员跟踪设备,其特征在于,所述设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行权利要求1-5任一项所述的变电站人员跟踪方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行权利要求1-5任一项所述的变电站人员跟踪方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311662484.1A CN117636434A (zh) | 2023-12-05 | 2023-12-05 | 一种变电站人员跟踪方法、系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311662484.1A CN117636434A (zh) | 2023-12-05 | 2023-12-05 | 一种变电站人员跟踪方法、系统、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117636434A true CN117636434A (zh) | 2024-03-01 |
Family
ID=90016097
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311662484.1A Pending CN117636434A (zh) | 2023-12-05 | 2023-12-05 | 一种变电站人员跟踪方法、系统、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117636434A (zh) |
-
2023
- 2023-12-05 CN CN202311662484.1A patent/CN117636434A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102811343B (zh) | 一种基于行为识别的智能视频监控系统 | |
CN109765539A (zh) | 室内用户行为监测方法和装置、电器设备和家居监控系统 | |
CN112396658B (zh) | 一种基于视频的室内人员定位方法及定位系统 | |
CN109714324B (zh) | 基于机器学习算法的用户网络异常行为发现方法及系统 | |
CN111860230A (zh) | 一种基于视频监控人员未佩戴口罩行为的自动检测系统及方法 | |
CN112560745B (zh) | 一种电力作业现场人员甄别方法及相关装置 | |
CN115600513B (zh) | 一种岩溶塌陷监测预警及防控一体化信息化模拟研判系统 | |
CN102254394A (zh) | 一种基于视频差异分析的输电线路杆塔防盗监控方法 | |
CN116468392A (zh) | 一种电网工程项目进度监控方法、装置、设备及存储介质 | |
CN113505704B (zh) | 图像识别的人员安全侦测方法、系统、设备及存储介质 | |
CN117172984A (zh) | 基于设备检修数字孪生场景的安全风险识别方法及系统 | |
CN117636434A (zh) | 一种变电站人员跟踪方法、系统、设备及介质 | |
CN115953815A (zh) | 基建现场的监测方法及装置 | |
Nussbaum et al. | Feature recognition in the context of automated object-oriented analysis of remote sensing data monitoring the Iranian nuclear sites | |
CN111695404B (zh) | 行人跌倒检测方法、装置、电子设备及存储介质 | |
CN114898287A (zh) | 用于餐盘检测预警的方法、装置、电子设备、存储介质 | |
CN117830961B (zh) | 一种基于图像分析的环保设备运维行为分析方法及系统 | |
CN117274564B (zh) | 基于图文语义差异的机场跑道异物检测方法及系统 | |
CN117828309B (zh) | 一种多源数据融合测距的变电站安全预警方法 | |
CN112966885B (zh) | 坡面破坏模式概率预测方法、装置、设备及可读存储介质 | |
Miraclin et al. | Population Density Estimation using Single Shot Detection Algorithm | |
Yao et al. | The Application of Underground Power Cable Anti-breakage Device based on Biological Perception | |
Li et al. | FALLNET: A Deep Learning Model for Fall Detection using improved CNN-Attention-LSTM | |
Shen et al. | Kalman filter-based Detection and Tracking Method for Substation Moving Targets | |
CN114241540A (zh) | 一种基于步态识别的多模态追踪方法及装置 |
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 |