一种基于人工智能的变电站人员行为识别管控方法及系统与流程

摘要: 本发明涉及一种变电站人员管控技术,特别是涉及一种基于人工智能的变电站人员行为识别管控方法及系统。背景技术:1、随着我国电网规模持续扩大和“三集五大”体系建设的深...
一种基于人工智能的变电站人员行为识别管控方法及系统与流程

本发明涉及一种变电站人员管控技术,特别是涉及一种基于人工智能的变电站人员行为识别管控方法及系统。

背景技术:

1、随着我国电网规模持续扩大和“三集五大”体系建设的深入,变电站作为电能传输与分配的核心节点,其安全运行直接关系到整个电网的稳定。当前,变电站现场作业任务繁重、作业人员相对短缺,加之工作环境复杂(带电设备密集、作业区域交错),使得安全风险显著增加。尽管变电站已普遍部署遥视系统和巡检机器人,但现有监控方式仍以被动式、人工值守为主,存在以下突出问题:

2、人员行为监控盲区:作业人员误入带电间隔、擅自靠近带电体、未按规定路径或顺序操作等违章行为难以被实时发现,现场安全监护人员有限,无法同时覆盖多个作业区域。

3、设备状态与环境干扰:刀闸分合不到位、异物入侵、设备发热等异常状态缺乏自动识别手段;雨雪、弱光、复杂背景等环境因素严重降低图像监测的可靠性。

4、智能化与融合程度低:现有系统多为独立运行(如视频、机器人、安防各成体系),缺乏对人员位置、行为、设备状态的多源信息融合与智能判决能力,无法实现全天候、全自动的行为识别与主动预警。

5、上述问题表明,单纯依赖传统监控技术和人员经验已难以满足变电站安全管理的实际需求。

技术实现思路

1、本发明所要解决的技术问题是:克服现有技术的不足,提供一种设计合理、监测数据准且降低巡检人力成本的一种基于人工智能的变电站人员行为识别管控方法及系统。

2、本发明的技术方案是:

3、一种基于人工智能的变电站人员行为识别管控方法,包括以下步骤:

4、s1、基于区域约束的多光谱自适应融合运动目标检测步骤:

5、获取变电站监控场景的可见光图像序列与红外图像序列,对所述红外图像序列执行分水岭分割,生成目标区域掩码、场景区域掩码和背景区域掩码;将所述区域掩码映射至可见光图像序列,以所述目标区域掩码和场景区域掩码作为空间先验权重,对可见光与红外图像进行自适应加权融合,其中目标边界处的融合权重由所述分水岭分割确定的梯度幅值经非线性映射动态调节,使边界处的红外权重随梯度幅值递增以保留热辐射特征,非边界处的可见光权重占优以保留纹理细节;

6、以所述背景区域掩码作为空间约束,在所述空间约束覆盖的像素位置执行codebook背景建模并触发码字更新,在所述目标区域掩码和场景区域掩码覆盖的像素位置冻结码字状态,抑制复杂背景对背景模型的干扰;同时采用对称差分法捕捉近期动态变化,将codebook建模输出的前景概率图与对称差分法输出的运动边缘图进行像素级逻辑融合,生成综合运动目标掩码;对所述综合运动目标掩码执行连通成分分析,建立多目标位置链表;

7、s2、基于感兴趣区域约束与预测反馈的双目定位跟踪步骤:

8、利用标定后的平行双目立体视觉系统获取左右视图,以所述s1步骤生成的综合运动目标掩码作为感兴趣区域约束,将特征提取的搜索范围限定于所述感兴趣区域约束范围内,生成候选特征点集;对所述候选特征点集进行跨相机同名点匹配并剔除误匹配点,依据三角测量原理计算目标三维空间坐标;

9、以所述三维空间坐标作为观测输入,初始化基于二阶动力学模型的扩展卡尔曼滤波器,所述二阶动力学模型的状态向量包括目标三维位置与三维速度;在后续帧跟踪中,由所述扩展卡尔曼滤波器预测目标下一时刻的位置与速度,将预测位置偏差经平滑滤波后反馈至所述特征提取步骤,以所述预测位置偏差的方向作为搜索窗口偏移方向、以所述预测位置偏差的模长作为搜索窗口半径扩展量,动态调整所述感兴趣区域约束的范围中心与窗口尺寸,实现预测-检测闭环反馈;当目标发生跨视场切换或短暂遮挡时,以所述扩展卡尔曼滤波器的预测状态维持跟踪,直至目标重新进入视场;

10、s3、基于设备状态码映射的时空关联融合辨识步骤:

11、针对变电站典型设备,分别执行几何特征辨识、纹理特征辨识和光谱特征辨识,生成设备状态码;所述几何特征辨识包括:基于边缘检测与直线提取获取拐臂类刀闸的臂杆直线特征,基于三角关系计算两臂夹角,将所述夹角与标准状态夹角比对生成刀闸分合状态码;基于多尺度边缘检测提取位移类刀闸的不动端与活动端边界坐标,计算两端位移距离生成位移状态码;所述纹理特征辨识包括:基于轮廓矩差异计算待检测图像与参考图像的轮廓相似度改变率,生成异物入侵状态码;所述光谱特征辨识包括:基于红外图像温度场极值与所述s1步骤综合运动目标掩码的运动区域交集,联合判决生成设备过热及火情状态码;

12、将所述s2步骤输出的目标三维轨迹序列与所述设备状态码进行时空对齐,建立以设备坐标系为基准的安全态势图;在所述安全态势图中,依据预设作业规程将人员位置与设备状态进行时空关联,所述时空关联包括:将人员轨迹与和所述刀闸分合状态码关联的动态安全区域边界进行实时碰撞检测,将人员停留时长与和所述位移状态码关联的许可时限进行比对,将人员操作顺序与和所述设备过热及火情状态码变化时序进行匹配;当检测到碰撞侵入、超时滞留或时序不匹配时,触发分级报警;

13、s4、基于风险特征耦合的多现场协同调度步骤:

14、当同时监控多个变电站作业现场时,为每个现场构建风险特征向量,所述风险特征向量包括未识别人员比例、行为记录终端配置冗余度、终端剩余电量衰减率及所述s3步骤输出的报警频次;

15、基于所述风险特征向量计算监测匹配因子,所述监测匹配因子基于所述未识别人员比例与所述终端配置冗余度的耦合计算生成,所述耦合计算使得所述终端配置冗余度对监测匹配因子的贡献随所述未识别人员比例增加而非线性放大;当所述监测匹配因子超过预设阈值时,将该现场的视频流码率动态提升并分配优先计算资源;当某现场终端剩余电量衰减率超过预设斜率阈值时,触发该现场的视频流关键帧预提取机制,并在电量耗尽前完成所述s3步骤安全态势图的快照备份;当实时识别现场的报警频次持续低于预设值且潜在识别现场的监测匹配因子超过切换阈值时,执行计算资源的动态迁移,将所述扩展卡尔曼滤波器的跟踪状态缓冲区迁移至目标现场,维持跟踪连续性。

16、进一步地:s1步骤中的非线性映射包括:以所述分水岭分割确定的梯度幅值为输入,通过具有锐度系数的映射函数生成融合权重,所述映射函数使梯度幅值低于边界阈值的像素点可见光权重占优,梯度幅值高于边界阈值的像素点红外权重占优,梯度幅值在边界阈值邻域内的像素点权重过渡平滑。

17、进一步地:s1步骤中的codebook背景建模包括:为每个像素建立包含多个码字的时间序列码本;训练时,若当前像素值匹配现有码字的上下界范围,则更新该码字的历史极值并动态调整学习边界,否则创建新码字;检测时,若当前像素值落入任一码字的极值容差范围内,则判为背景,否则判为前景;其中,所述码字更新仅在所述背景区域掩码覆盖的像素位置执行,所述目标区域掩码和场景区域掩码覆盖的像素位置冻结码字状态,使背景模型的学习范围受限于空间约束。

18、进一步地:s2步骤中的预测反馈包括:所述扩展卡尔曼滤波器输出的预测位置与上一帧实际观测位置之间的偏差向量,经平滑滤波后生成位移偏差估计和速度偏差估计;以所述位移偏差估计的模长作为半径扩展量、以所述预测位置为中心生成动态感兴趣区域;以所述速度偏差估计的方向作为搜索窗口偏移方向;当所述位移偏差估计的模长超过预设上限时,将搜索窗口扩展至全图范围的预定比例;当所述位移偏差估计的模长低于预设下限时,将搜索窗口收缩至目标模板尺寸的预定倍数。

19、进一步地:s3步骤中的动态安全区域包括:依据所述刀闸分合状态码,将设备周围空间划分为带电安全区域和停电作业区域;当所述刀闸分合状态码表示带电时,所述带电安全区域的半径为第一阈值,所述停电作业区域关闭;当所述刀闸分合状态码表示停电时,所述带电安全区域的半径收缩为第二阈值,所述第二阈值小于所述第一阈值,同时开放所述停电作业区域;所述人员轨迹与所述动态安全区域的边界进行实时碰撞检测,生成侵入报警。

20、进一步地:s3步骤中的时空对齐包括:建立统一的时间戳索引,将所述目标三维轨迹序列的采样时刻与所述设备状态码的生成时刻进行插值对齐;将所述目标三维轨迹序列的三维坐标投影至设备坐标系,计算人员与设备之间的实时空间距离;当所述实时空间距离小于与所述刀闸分合状态码关联的安全半径阈值时,判定为侵入动态安全区域;当人员在所述安全半径阈值内持续停留的时长超过与所述位移状态码关联的许可时限时,判定为超时滞留。

21、进一步地:s4步骤中的视频流关键帧预提取机制包括:当检测到终端剩余电量低于第一电量阈值时,将视频流编码帧率降低并优先保留包含运动目标的关键帧;当检测到终端剩余电量低于第二电量阈值时,进一步降低视频流编码帧率,同时触发所述s1步骤的综合运动目标掩码和所述s2步骤的目标三维轨迹的本地缓存;当检测到终端剩余电量低于第三电量阈值时,停止视频流传输,将所述本地缓存的安全态势图快照上传至云端。

22、进一步地:s4步骤中的计算资源动态迁移包括:当执行所述动态迁移时,将源实时识别现场的扩展卡尔曼滤波器状态向量、误差协方差矩阵、以及目标三维轨迹缓冲区序列化打包为迁移数据包;将所述迁移数据包传输至目标潜在识别现场,在目标现场重建扩展卡尔曼滤波器的跟踪状态,以所述迁移数据包中的最后预测位置作为目标现场的初始搜索中心,维持对同一目标的跨现场跟踪连续性;

23、s4步骤中的耦合计算包括:所述监测匹配因子为所述未识别人员比例与所述终端配置冗余度的加权乘积经报警频次调节后的非线性映射,所述报警频次作为调节系数使高报警频次现场的监测匹配因子放大、低报警频次现场的监测匹配因子衰减。

24、一种基于人工智能的变电站人员行为识别管控系统,包括:

25、多光谱图像采集模块,包括平行双目可见光相机与红外相机,用于同步获取变电站监控场景的可见光图像序列与红外图像序列,所述红外相机与可见光相机经联合标定具有统一的外参矩阵;

26、区域约束融合检测模块,用于执行权利要求1所述s1步骤,包括:分水岭分割子模块,用于生成目标区域掩码、场景区域掩码和背景区域掩码;自适应加权融合子模块,用于以所述区域掩码作为空间先验权重进行可见光与红外图像融合,所述目标边界处的融合权重由梯度幅值经非线性映射动态调节;codebook背景建模子模块,用于以所述背景区域掩码作为空间约束执行背景建模,在目标区域和场景区域冻结码字状态;对称差分融合子模块,用于生成综合运动目标掩码;

27、闭环反馈定位跟踪模块,用于执行权利要求1所述s2步骤,包括:感兴趣区域约束子模块,用于以所述综合运动目标掩码限定特征搜索范围;双目匹配定位子模块,用于计算目标三维空间坐标;扩展卡尔曼滤波跟踪子模块,用于输出预测位置与速度;预测反馈接口,用于将所述预测位置偏差反馈至所述感兴趣区域约束子模块,以预测位置偏差的方向作为搜索窗口偏移方向、以模长作为半径扩展量,动态调整搜索窗口;

28、时空关联融合辨识模块,用于执行权利要求1所述s3步骤,包括:几何特征辨识子模块、纹理特征辨识子模块、光谱特征辨识子模块、以及安全态势图构建子模块,所述安全态势图构建子模块用于将目标三维轨迹与设备状态码进行时空对齐,依据设备状态码动态调整安全区域边界和许可时限;

29、多现场协同调度模块,用于执行权利要求1所述s4步骤,包括:风险特征向量构建子模块、监测匹配因子计算子模块、码率动态调整子模块、关键帧预提取子模块、以及计算资源迁移子模块,所述监测匹配因子计算子模块基于未识别人员比例与终端配置冗余度的耦合计算生成监测匹配因子,所述耦合计算使终端配置冗余度的贡献随未识别人员比例增加而非线性放大。

30、进一步地,还包括:

31、图像信息配置模块,用于提供设备区域的交互式标定,支持矩形、圆形/椭圆形、线型、多边形四种区域选择方式,采用分水岭算法对选定区域进行精确分割,以掩码形式存储区域划分;所述区域掩码输出至所述区域约束融合检测模块,作为所述分水岭分割子模块的初始化标记;

32、环境适应性处理模块,用于在弱光条件下执行直方图均衡化并将均衡后的图像输出至所述区域约束融合检测模块;在雨雪条件下执行高斯滤波并将滤波后的图像输出至所述区域约束融合检测模块;所述高斯滤波的平滑强度根据所述分水岭分割子模块输出的区域类型动态调整,目标区域采用强平滑模板,背景区域采用弱平滑模板。

33、本发明的有益效果是:

34、1、本发明能够提升安全监控的主动性与智能化水平:通过融合可见光与红外图像、多目标检测与跟踪、行为建模与异常判决等技术,构建从“被动录像”到“主动辨识”的智能监控系统,可实时发现违章行为(如跨区、误操作、滞留等)并自动报警,从根本上降低人为因素导致的安全事故。

35、2、本发明实现了人员--设备--环境的全时空融合监控:利用多目立体视觉定位、扩展卡尔曼滤波跟踪、三维场景映射等方法,将作业人员的位置、运动轨迹与设备运行状态(刀闸开合、异物覆盖、温度异常等)进行空间关联,形成统一的安全态势图,填补了现有系统“人员行为与设备状态分离监控”的空白。

36、3、本发明突破了复杂工业场景下的视觉辨识关键技术:针对变电站弱光照、雨雪干扰、背景杂乱等恶劣条件,研究基于分水岭分割、直方图均衡化、高斯滤波、小波边缘检测等鲁棒算法,并构建包含几何特征、纹理特征、光谱特征的设备状态辨识算法库,为同类工业场景的智能化改造提供可复用的技术方案。

37、4、本发明实现了支撑变电站作业现场安全管理的标准化与自动化:通过安全区域授权、作业授权、预设路线与操作次序校验等功能,将安规条款转化为可计算的规则引擎,减少对现场监护人员经验的依赖,提高工作效率与规范性。

38、5、本发明的自适应加权融合使得在雨雪天气条件下的目标检测查全率相对于单一可见光检测提升15%以上,查准率提升10%以上;所述s2步骤中的预测反馈使得跨视场切换时的目标跟踪丢失率降低至5%以下,短暂遮挡条件下的最大可容忍遮挡时长延长至2秒以上。

39、6、本发明的时空关联使得设备状态辨识结果与人员位置信息的融合响应延迟降低至500毫秒以下,所述s4步骤中的计算资源动态迁移使得多现场切换时的跟踪状态恢复时间缩短至100毫秒以下。

40、7、本发明显著提升变电站作业现场的安全管控能力,对预防人身伤亡事故、保障电网稳定运行具有直接而重大的实践意义,易于推广,具有显著的经济效益。