一种应用于配网作业现场人员管控的AI识别系统的制作方法

一种应用于配网作业现场人员管控的ai识别系统
技术领域
1.本发明涉及配网作业现场管理的技术领域，具体涉及一种配网作业现场人员管控的ai识别系统。


背景技术：

2.苏州供电公司早在2013年开始实施网格化规划，将全市配网划分为1412个网格，以网格为基本单位，再通过规划储备项目实施，推进“一流”电网建设目标。在推进目标网架建设和项目实施过程中，项目建设实施环境普遍较为复杂，面广、点多、工期紧是普遍情况，加之参加单位多，施工单位资质和施工队伍素质参差不齐，对项目建设和安全管理的标准化、专业化、全面化提出更高要求。
3.从项目施工安全管理方面来看，在安全生产诸要素中，“人”属于最关键而又最活跃的因素，也是影响安全生产最主要的因素。施工人员流动性较大，缺乏安全责任意识，对安全工作规范、安全措施理解不到位、执行不到位，对违章行为监管不到位，成为现场安全管理提升的工作重点。
4.因此对配网作业现场人员管控显得尤为重要，而现有技术户外作业现场逐步开始应用移动视频监控装置，但需要各级督察人员通过实时观看回传视频或后期调取存储的历史视频进行反违章检查，虽然能发现一些异常情况，但耗费大量人力精力物力，人为判别可能存在的疏漏情况，且人为监控不能做到实时性，存在信息滞后的问题，因此，亟需一种方案可以对现场人员进行实时有效的管控，保证现场作业人员的安全。


技术实现要素：

5.本发明提供一种应用于配网作业现场人员管控的ai识别系统，用以解决现有技术中人为判别可能存在的疏漏情况，且人为监控不能做到实时性，存在信息滞后的问题。
6.本发明提供一种应用于配网作业现场人员管控的ai识别系统，该系统包括：人脸识别模块、作业现场管控平台、方便作业人员携带的移动端、信息采集模块和信息计算分析模块；
7.所述人脸识别模块设置于配网作业现场进出场位置，通过人脸识别技术判断进出场人员是否为相关作业人员；
8.所述信息采集模块采集所述配网作业现场的不同区域的图像信息；所述图像信息包括图片和视频；
9.所述信息采集模块将采集的图像信息传输至所述信息计算分析模块，所述信息计算分析模块基于边缘计算技术以及注意力机制的卷积网络模型对所述图像信息进行分析，根据分析结果确定所述配网作业现场的作业人员的着装不规范问题或违规操作行为；
10.所述信息计算分析模块将所述配网作业现场的作业人员的着装不规范问题或违规操作行为传输至作业现场管控平台，所述作业现场管控平台记录所述作业人员的着装不规范问题或违规操作行为，并将所述作业人员的着装不规范问题或违规操作行为的凭证以
警告的方式发送至发生着装不规范问题或违规操作行为的作业人员的移动端上，并将所述凭证通报至相关作业人员的上属领导以便于对作业人员的监督。
11.可选的，所述配网作业现场的不同区域分别设置不同的区域进入等级；
12.每个区域入口设置有区域入口管控模块；所述每个区域具有不同的区域进入等级；
13.所述区域入口管控模块包括：区域等级设定模块、人脸采集模块、人脸匹配模块、相关区域允许进入的作业人员信息的匹配数据库；
14.所述区域等级设定模块基于不同区域设定不同的区域进入等级；对应不同等级的区域，每个区域设定有允许进入的作业人员信息，针对每个区域允许进入的作业人员信息形成相应区域的匹配数据库；
15.所述人脸采集模块采集作业人员的人脸信息，所述人脸匹配模块将采集到的人脸信息与相应区域的匹配数据库中的作业人员信息进行人脸匹配，若匹配成功，则允许相应的作业人员进入相应区域，若匹配不成功则提示相应的作业人员不具有进入该区域的权限。
16.可选的，所述区域入口管控模块还包括闸口和闸口控制模块；
17.当某一区域的区域进入等级达到或超过预设值时，所述人脸匹配模块若判断采集到的人脸信息与相应区域的匹配数据库中的作业人员信息的人脸匹配成功时，所述人脸匹配模块向闸口控制模块发送开启闸口的指令，所述闸口根据指令开启允许作业人员进入；若匹配不成功则闸口不开启，禁止作业人员进入相应区域。
18.可选的，所述配网作业现场的危险区域设置有虚拟电子围栏；所有作业人员在配网作业规范的前提下都没有进入所述虚拟电子围栏内的权限；
19.在所述虚拟电子围栏的周围设置红外监控设备或智能识别设备；
20.所述红外监控设备通过红外监控技术监控所述虚拟电子围栏周围是否有人员存在，或是否有人员进入所述虚拟电子围栏内；
21.所述智能识别设备通过人工智能识别技术检测所述虚拟电子围栏周围是否有人员存在，或是否有人员进入所述虚拟电子围栏内；
22.若所述红外监控设备或智能识别设备检测到所述虚拟电子围栏周围有人员存在，或有人员进入所述虚拟电子围栏内，则向所述作业现场管控平台发送检测到的信息，所述作业现场管控平台对相应人员发送高级别警告。
23.可选的，所述作业现场管控平台记录着装不规范问题或违规操作行为的作业人员的违规行为及违规次数，所述作业现场管控平台根据违规次数对相应的违规人员设定违规等级，在设定的安全违规等级范围内，所述违规等级越高，信息采集模块对该违规人员的信息采集的次数越多。
24.可选的，所述信息采集模块包括：智能布控球、智能安全帽、智能无人机；
25.当所述信息采集模块包括智能无人机时，无人机根据作业人员的位置自行设定移动行程，并自动采集不同角度的作业人员以及作业人员的操作行为；所述智能无人机将采集的信息实时传输至所述信息计算分析模块，所述信息计算分析模块对采集的信息进行实时分析，若初步判断有作业人员的着装不规范问题或违规操作行为，则向智能无人机反馈分析结果，所述智能无人机分级所述反馈的分析结果进一步确认相关作业人员的具体着装
及行为，并将进一步确认的信息发送至所述信息计算分析模块，所述信息计算分析模块根据进一步确认的信息形成所述作业人员的着装不规范问题或违规操作行为的凭证，并将所述凭证传输至所述作业现场管控平台。
26.可选的，所述作业现场管控平台包括信息自动发送模块；
27.所述信息自动发送模块被触发的情况下，所述作业现场管控平台将自动发送所述作业人员的着装不规范问题或违规操作行为的凭证至发生着装不规范问题或违规操作行为的作业人员的移动端上，并自动将所述凭证通报至相关作业人员的上属领导以便于对作业人员的监督；所述自动发送模块触发后，所述作业现场管控平台自动发送模式将不能被人为干预。
28.可选的，所述作业人员的着装不规范问题或违规操作行为的凭证为视频或图像；所述作业现场管控平台还包括：视频处理模块、图像处理模块和信息整合模块；
29.所述视频处理模块通过对凭证视频进行处理，提取视频中着装不规范问题或违规操作行为的片段，再通过视频处理模块中的视频转换模块将提取到的片段基于深度神经网络模型进行编码处理并转换为文字信息，将所述文字信息作为最终传输至移动端的凭证经由所述视频处理模块的输出端输出；
30.所述图像处理模块通过对凭证图片进行处理，提取图片中着装不规范问题或违规操作行为的部分，再通过图片处理模块中图片转换模块将提取到的部分基于深度神经网络模型进行编码处理并转换为文字信息，将所述文字信息作为最终传输至移动端的凭证；将所述文字信息作为最终传输至移动端的凭证经由所述图像处理模块的输出端输出；
31.所述信息整合模块将所述视频处理模块和所述图像处理模块输出的文字信息基于文字整合模块进行文字的整合输出。
32.可选的，所述信息计算分析模块包括边缘计算模块；所述边缘计算模块基于边缘计算技术对所述图像信息进行分析；
33.所述边缘计算模块是通过对视频图像进行预处理，去除冗余信息，使部分或全部视频分析迁移到边缘处，降低对云中心计算、存储和网络带宽的需求，提高视频分析速度。
34.可选的，所述人脸识别模块包括证据采集模块、证据存储模块和采集时间记录模块，当所述人脸识别模块通过人脸识别技术判断进出场人员为非相关作业人员时，所述证据采集模块采集现场的人脸照片，通过所述采集时间记录模块记录采集人脸照片的时间，所述证据采集模块将采集到的人脸照片传输至所述证据存储模块；当事后查证需求时，从所述证据存储模块中调取所述人脸照片以及从所述采集时间记录模块中调取采集人脸照片的时间，以进行查证。
35.本发明提供了一种应用于配网作业现场人员管控的ai识别系统，本发明采用的方案将实现对现场作业状态、人员作业行为、安全文明施工进行实时管控，对现场作业过程进行智能评价，建立数字考评档案，全方位提升安全生产管控效率和施工作业的精益化管理水平。因此，采用本发明供的方案可以对现场人员进行实时有效的管控，保证现场作业人员的安全。
36.本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
37.下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
38.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
39.图1为本发明实施例中一种应用于配网作业现场人员管控的ai识别系统的结构示意图；
40.图2为本发明实施例中基于边缘计算功能的监控设备的违规行为的整体流程图；
41.图3为本发明实施例中人脸识别的流程图。
具体实施方式
42.以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
43.实施例1：
44.本发明实施例提供了一种应用于配网作业现场人员管控的ai识别系统，图1为本发明实施例中一种应用于配网作业现场人员管控的ai识别系统的结构示意图，请参照图1，该系统包括以下几个部分：
45.人脸识别模块、作业现场管控平台、方便作业人员携带的移动端、信息采集模块和信息计算分析模块；
46.所述人脸识别模块设置于配网作业现场进出场位置，通过人脸识别技术判断进出场人员是否为相关作业人员；
47.所述信息采集模块采集所述配网作业现场的不同区域的图像信息；所述图像信息包括图片和视频；
48.所述信息采集模块将采集的图像信息传输至所述信息计算分析模块，所述信息计算分析模块基于边缘计算技术以及注意力机制的卷积网络模型对所述图像信息进行分析，根据分析结果确定所述配网作业现场的作业人员的着装不规范问题或违规操作行为；
49.所述信息计算分析模块将所述配网作业现场的作业人员的着装不规范问题或违规操作行为传输至作业现场管控平台，所述作业现场管控平台记录所述作业人员的着装不规范问题或违规操作行为，并将所述作业人员的着装不规范问题或违规操作行为的凭证以警告的方式发送至发生着装不规范问题或违规操作行为的作业人员的移动端上，并将所述凭证通报至相关作业人员的上属领导以便于对作业人员的监督。
50.上述技术方案的工作原理为：本实施例采用的方案是通过设置人脸识别模块、作业现场管控平台、方便作业人员携带的移动端、信息采集模块和信息计算分析模块；所述人脸识别模块设置于配网作业现场进出场位置，通过人脸识别技术判断进出场人员是否为相关作业人员；所述信息采集模块采集所述配网作业现场的不同区域的图像信息；所述图像信息包括图片和视频；所述信息采集模块将采集的图像信息传输至所述信息计算分析模块，所述信息计算分析模块基于边缘计算技术以及注意力机制的卷积网络模型对所述图像信息进行分析，根据分析结果确定所述配网作业现场的作业人员的着装不规范问题或违规操作行为；所述信息计算分析模块将所述配网作业现场的作业人员的着装不规范问题或违
规操作行为传输至作业现场管控平台，所述作业现场管控平台记录所述作业人员的着装不规范问题或违规操作行为，并将所述作业人员的着装不规范问题或违规操作行为的凭证以警告的方式发送至发生着装不规范问题或违规操作行为的作业人员的移动端上，并将所述凭证通报至相关作业人员的上属领导以便于对作业人员的监督。
51.需要说明的是，按照“建设标准化、管理规范化、队伍专业化、协作团队化”的要求，融贯现有pms生产业务系统、业务外包安全管控系统、安全生产作业风险管控系统，在现有作业现场视频监控系统基础上，应用最新的人工智能图像识别技术、视觉感知边缘计算技术、单目视觉测距技术，将实现对现场作业状态、人员作业行为、安全文明施工进行实时管控，全方位提升安全生产管控效率和施工作业的精益化管理水平。
52.本项目对作业现场违章行为识别的边缘计算系统，通过将计算平台边缘化，将深度学习智能识别算法部署到作业现场端。当前端视觉分析装置识别到违章行为时，将识别结果传输到后端服务器，实现由被动监控向主动预警的转变，并极大地减轻网络带宽和后端服务器的压力。同时，针对视频监控摄像头功耗大、存量不足等问题，将边缘计算模块部署于常规布控球、智能安全帽等，从而在对存量监控设备再利用的基础上实现违章识别，避免了设备资源的浪费。
53.具体的，基于边缘计算装置的实现违章识别，实现电网作业现场典型违章行为图像识别；前端识别装置的检测结果在后端进行精细化测试与自主预警，实现端到端识别服务，减轻带宽与后端服务器的压力。
54.基于注意力机制的卷积网络模型实现规范着装识别，项目实施的工作量主要集中在应用深度学习卷积神经网络自学习技术，实施违章行为检测模块上。基于深度学习的动作识别技术，克服作业人员视角和衣着的动态变化，准确定位电网作业视频关键帧的人体行为。
55.基于违章识别服务器的快速推送整改与实时干预双结合。本发明利用边缘计算现场违章行为识别的结果，在后端服务器中推送整改信息至现场人员手机中，使物联网技术在电网行业作业安全施工中得到了实时干预，期间的相应时间只需1分钟，做到早发现早处理。
56.利用无人机ai边缘计算实现大面积自动化作业和违章识别。无人机自动巡航监察技术，对无人机执行程序设计的飞行模式进行开发与测试，实现无人机通过已有数据生成飞行路径，自动执行巡检监察计划；利用自动无人机场和实时流媒体传输协议，将无人机采集的电网作业现场视频实时传输到后端智能分析检测系统。
57.图2为本发明实施例中基于边缘计算功能的监控设备的违规行为的整体流程图，请参照图2，以边缘计算装置作为连接工程施工现场与违章管控平台的核心处理器，将存量视频监控设备(存量枪机、存量球机、存量布控球)，视频安全帽及无人机等，获取到的现场监控图片/视频数据传输至边缘计算装置进行处理，从而建立一套前端视频分析系统；再通过apn/有线公网/无线公网将前端分析结果传输至后端分析服务器，实现精细化测试与自主预警，最终将上述重要预警数据上传至后端服务器或者违章管控平台。
58.对于存量的布控球设备，施工、检修现场部署的布控球通过wifi链接到智能边缘计算装置，智能边缘计算装置对采集到的图像进行智能识别分析，对现场有违章告警的图片经过南瑞或普华加密芯片，通过4g发送到后端平台。
59.对于存量的变电站内部署的枪机或者球机，通过变电站局域网网络机柜通过以太网接入智能边缘计算装置，采集到的图像进行智能识别分析，对现场有违章告警的图片通过内网发送到后端平台。
60.优化管理模式，提升管控效率。配网作业现场违章的ai识别系统通过整合现有pms生产业务系统、业务外包安全管控系统、安全生产作业风险管控系统和作业现场视频监控系统管理功能，将由以往的公司对项目管理部门，项目管理部门对作业点层层监督、一级指导一级的链条式管理状态，转变为公司、项目管理部门在同一时间、不同地点同时对同一作业现场进行线性管理，大大提高管理效率。
61.另外，本发明基于人脸识别模块可以实现智能识别人员，提高入场安全。ai识别系统结合智能图像分析和人脸识别技术，通过现场视频装置采集作业人员现场信息，将实现作业人员出入场人脸识别身份认证，增加入场前人员安全帽和着装规范识别，对不在名单库中人员以及安全帽和着装不满足规范要求的，由系统自动实时发出报警。
62.上述技术方案的有益效果为：本实施例采用的方案将实现对现场作业状态、人员作业行为、安全文明施工进行实时管控，对现场作业过程进行智能评价，建立数字考评档案，全方位提升安全生产管控效率和施工作业的精益化管理水平。因此，采用本实施例提供的方案可以对现场人员进行实时有效的管控，保证现场作业人员的安全。
63.在另一实施例中，所述配网作业现场的不同区域分别设置不同的区域进入等级；
64.每个区域入口设置有区域入口管控模块；所述每个区域具有不同的区域进入等级；
65.所述区域入口管控模块包括：区域等级设定模块、人脸采集模块、人脸匹配模块、相关区域允许进入的作业人员信息的匹配数据库；
66.所述区域等级设定模块基于不同区域设定不同的区域进入等级；对应不同等级的区域，每个区域设定有允许进入的作业人员信息，针对每个区域允许进入的作业人员信息形成相应区域的匹配数据库；
67.所述人脸采集模块采集作业人员的人脸信息，所述人脸匹配模块将采集到的人脸信息与相应区域的匹配数据库中的作业人员信息进行人脸匹配，若匹配成功，则允许相应的作业人员进入相应区域，若匹配不成功则提示相应的作业人员不具有进入该区域的权限。
68.上述技术方案的工作原理为：本实施例采用的方案是所述配网作业现场的不同区域分别设置不同的区域进入等级；每个区域入口设置有区域入口管控模块；所述每个区域具有不同的区域进入等级；所述区域入口管控模块包括：区域等级设定模块、人脸采集模块、人脸匹配模块、相关区域允许进入的作业人员信息的匹配数据库；所述区域等级设定模块基于不同区域设定不同的区域进入等级；对应不同等级的区域，每个区域设定有允许进入的作业人员信息，针对每个区域允许进入的作业人员信息形成相应区域的匹配数据库；所述人脸采集模块采集作业人员的人脸信息，所述人脸匹配模块将采集到的人脸信息与相应区域的匹配数据库中的作业人员信息进行人脸匹配，若匹配成功，则允许相应的作业人员进入相应区域，若匹配不成功则提示相应的作业人员不具有进入该区域的权限。
69.具体的，通过设置进入不同区域的权限，进一步对作业人员进行系统规范的管控，以保证现场人员的规范性和安全性。
70.图3为本发明实施例中人脸识别的流程图，请参照图3，通过人脸检测、人脸检测定位、特征提取、三维建模、模型对比，最终完成进行人脸匹配。
71.上述技术方案的有益效果为：本实施例采用的方案将实现对现场作业状态、人员作业行为、安全文明施工进行实时管控，对现场作业过程进行智能评价，建立数字考评档案，全方位提升安全生产管控效率和施工作业的精益化管理水平。因此，采用本实施例提供的方案可以对现场人员进行实时有效的管控，保证现场作业人员的安全。
72.在另一实施例中，所述区域入口管控模块还包括闸口和闸口控制模块；
73.当某一区域的区域进入等级达到或超过预设值时，所述人脸匹配模块若判断采集到的人脸信息与相应区域的匹配数据库中的作业人员信息的人脸匹配成功时，所述人脸匹配模块向闸口控制模块发送开启闸口的指令，所述闸口根据指令开启允许作业人员进入；若匹配不成功则闸口不开启，禁止作业人员进入相应区域。
74.上述技术方案的工作原理为：本实施例采用的方案是所述区域入口管控模块还包括闸口和闸口控制模块；当某一区域的区域进入等级达到或超过预设值时，所述人脸匹配模块若判断采集到的人脸信息与相应区域的匹配数据库中的作业人员信息的人脸匹配成功时，所述人脸匹配模块向闸口控制模块发送开启闸口的指令，所述闸口根据指令开启允许作业人员进入；若匹配不成功则闸口不开启，禁止作业人员进入相应区域。
75.因此，通过闸口的设置采用硬件设备对某些区域进行严格现场人员的管控，保证规范性和安全性。
76.上述技术方案的有益效果为：本实施例采用的方案将实现对现场作业状态、人员作业行为、安全文明施工进行实时管控，对现场作业过程进行智能评价，建立数字考评档案，全方位提升安全生产管控效率和施工作业的精益化管理水平。因此，采用本实施例提供的方案可以对现场人员进行实时有效的管控，保证现场作业人员的安全。
77.在另一实施例中，所述配网作业现场的危险区域设置有虚拟电子围栏；所有作业人员在配网作业规范的前提下都没有进入所述虚拟电子围栏内的权限；
78.在所述虚拟电子围栏的周围设置红外监控设备或智能识别设备；
79.所述红外监控设备通过红外监控技术监控所述虚拟电子围栏周围是否有人员存在，或是否有人员进入所述虚拟电子围栏内；
80.所述智能识别设备通过人工智能识别技术检测所述虚拟电子围栏周围是否有人员存在，或是否有人员进入所述虚拟电子围栏内；
81.若所述红外监控设备或智能识别设备检测到所述虚拟电子围栏周围有人员存在，或有人员进入所述虚拟电子围栏内，则向所述作业现场管控平台发送检测到的信息，所述作业现场管控平台对相应人员发送高级别警告。
82.上述技术方案的工作原理为：本实施例采用的方案是所述配网作业现场的危险区域设置有虚拟电子围栏；所有作业人员在配网作业规范的前提下都没有进入所述虚拟电子围栏内的权限；在所述虚拟电子围栏的周围设置红外监控设备或智能识别设备；所述红外监控设备通过红外监控技术监控所述虚拟电子围栏周围是否有人员存在，或是否有人员进入所述虚拟电子围栏内；所述智能识别设备通过人工智能识别技术检测所述虚拟电子围栏周围是否有人员存在，或是否有人员进入所述虚拟电子围栏内；若所述红外监控设备或智能识别设备检测到所述虚拟电子围栏周围有人员存在，或有人员进入所述虚拟电子围栏
内，则向所述作业现场管控平台发送检测到的信息，所述作业现场管控平台对相应人员发送高级别警告。
83.具体的，基于视频图像智能分析技术，将在视频画面中建立虚拟电子围栏，防止工作人员误入周围的带电危险区、误触带电设备，以及外部人员接近施工作业区域。
84.通过前端识别违规行为，加大管控现场。ai识别系统将采用视频布控球和视频安全帽的融合应用，不仅大大增加了作业现场监控范围，而且新增的人工智ai能边缘计算模块，对安全帽、人员着装、安全带、安全措施类的典型违章行为进行前端实时识别判断、实时报警，提升违章识别时效。前端识别能有效减少冗余视频传输和存储空间，大大降低对云中心计算、存储和网络带宽需求，提高视频分析速度。
85.智能综合考评，规范作业行为。项目搭载的智慧考评系统，将实时记录发现的违章行为，通过与生产管理、作业计划、风险管控、外包人员管理等业务管理系统的数据比对，将违章行为和施工人员、施工单位进行识别挂钩，为公司及施工管理部门及时掌握、了解现场作业安全状况，对施工单位进行综合评价考核提供强有力的依据。
86.最终利用边缘计算现场违章行为识别的结果，在后端服务器中推送整改信息至现场人员手机中，使物联网技术在电网行业作业安全施工中得到了实时干预。
87.上述技术方案的有益效果为：本实施例采用的方案将实现对现场作业状态、人员作业行为、安全文明施工进行实时管控，对现场作业过程进行智能评价，建立数字考评档案，全方位提升安全生产管控效率和施工作业的精益化管理水平。因此，采用本实施例提供的方案可以对现场人员进行实时有效的管控，保证现场作业人员的安全。
88.在另一实施例中，所述作业现场管控平台记录着装不规范问题或违规操作行为的作业人员的违规行为及违规次数，所述作业现场管控平台根据违规次数对相应的违规人员设定违规等级，在设定的安全违规等级范围内，所述违规等级越高，信息采集模块对该违规人员的信息采集的次数越多。
89.上述技术方案的工作原理为：本实施例采用的方案是所述作业现场管控平台记录着装不规范问题或违规操作行为的作业人员的违规行为及违规次数，所述作业现场管控平台根据违规次数对相应的违规人员设定违规等级，在设定的安全违规等级范围内，所述违规等级越高，信息采集模块对该违规人员的信息采集的次数越多。
90.因此，采用本方案按照作业人员违规行为和违规次数，对某些容易出现违规操作的人员进行重点管控和监管，相比于对所有作业人员采用同一级别的管控，本实施例通过具有针对性的设计，对违规次数较多的作业人员进行重点监管，以达到高效杜绝违规操作的行为。
91.上述技术方案的有益效果为：本实施例采用的方案将实现对现场作业状态、人员作业行为、安全文明施工进行实时管控，对现场作业过程进行智能评价，建立数字考评档案，全方位提升安全生产管控效率和施工作业的精益化管理水平。因此，采用本实施例提供的方案可以对现场人员进行实时有效的管控，保证现场作业人员的安全。
92.在另一实施例中，所述信息采集模块包括：智能布控球、智能安全帽、智能无人机；
93.当所述信息采集模块包括智能无人机时，无人机根据作业人员的位置自行设定移动行程，并自动采集不同角度的作业人员以及作业人员的操作行为；所述智能无人机将采集的信息实时传输至所述信息计算分析模块，所述信息计算分析模块对采集的信息进行实
时分析，若初步判断有作业人员的着装不规范问题或违规操作行为，则向智能无人机反馈分析结果，所述智能无人机分级所述反馈的分析结果进一步确认相关作业人员的具体着装及行为，并将进一步确认的信息发送至所述信息计算分析模块，所述信息计算分析模块根据进一步确认的信息形成所述作业人员的着装不规范问题或违规操作行为的凭证，并将所述凭证传输至所述作业现场管控平台。
94.上述技术方案的工作原理为：本实施例采用的方案是所述信息采集模块包括：智能布控球、智能安全帽、智能无人机；当所述信息采集模块包括智能无人机时，无人机根据作业人员的位置自行设定移动行程，并自动采集不同角度的作业人员以及作业人员的操作行为；所述智能无人机将采集的信息实时传输至所述信息计算分析模块，所述信息计算分析模块对采集的信息进行实时分析，若初步判断有作业人员的着装不规范问题或违规操作行为，则向智能无人机反馈分析结果，所述智能无人机分级所述反馈的分析结果进一步确认相关作业人员的具体着装及行为，并将进一步确认的信息发送至所述信息计算分析模块，所述信息计算分析模块根据进一步确认的信息形成所述作业人员的着装不规范问题或违规操作行为的凭证，并将所述凭证传输至所述作业现场管控平台。
95.具体的，智能安全帽，具备人工智能边缘计算模块的一体化4g单兵安全帽装置，可实现现场视频图像采集，通过空间定位感知、人工智能等分析处理技术，智能识别现场的不安全因素和违章行为并实时反馈上传后端服务器，及时提示风险。
96.智能布控球，具备人工智能边缘计算模块的一体化布控球装置，可实现现场视频图像采集，通过空间定位感知、人工智能等分析处理技术，智能识别现场的不安全因素和违章行为并实时反馈上传后端服务器，及时提示风险。
97.智能无人机，具备人工智能边缘计算(地面站)模块的无人机，可实现作业现场远程视频安全监察、违章识别，并实时反馈上传后端服务器，及时提示风险。
98.另外，本方案中利用无人机ai边缘计算对大面积作业现场违章行为识别应用研究，使智能无人机技术在电网行业作业安全施工违章识别领域的应用得到了进一步扩展，对大面积施工作业现场多角度远程无干扰式的违章检测，提升了检测效率。
99.上述技术方案的有益效果为：本实施例采用的方案将实现对现场作业状态、人员作业行为、安全文明施工进行实时管控，对现场作业过程进行智能评价，建立数字考评档案，全方位提升安全生产管控效率和施工作业的精益化管理水平。因此，采用本实施例提供的方案可以对现场人员进行实时有效的管控，保证现场作业人员的安全。
100.在另一实施例中，所述作业现场管控平台包括信息自动发送模块；
101.所述信息自动发送模块被触发的情况下，所述作业现场管控平台将自动发送所述作业人员的着装不规范问题或违规操作行为的凭证至发生着装不规范问题或违规操作行为的作业人员的移动端上，并自动将所述凭证通报至相关作业人员的上属领导以便于对作业人员的监督；所述自动发送模块触发后，所述作业现场管控平台自动发送模式将不能被人为干预。
102.上述技术方案的工作原理为：本实施例采用的方案是所述作业现场管控平台包括信息自动发送模块；所述信息自动发送模块被触发的情况下，所述作业现场管控平台将自动发送所述作业人员的着装不规范问题或违规操作行为的凭证至发生着装不规范问题或违规操作行为的作业人员的移动端上，并自动将所述凭证通报至相关作业人员的上属领导
以便于对作业人员的监督；所述自动发送模块触发后，所述作业现场管控平台自动发送模式将不能被人为干预。
103.具体的，针对电网作业现场违章识别行为，以边缘计算与人工智能为核心装置。可接入传统的固定或者移动摄像头，在现场前端实现人工智能边缘计算，智能识别现场的不安全因素和违章行为，并实时反馈上传后端服务器和自动预警；边缘计算装置、视频安全帽等装置，可实现现场视频图像采集，通过空间定位感知、人工智能等分析处理技术，智能识别现场的不安全因素和违章行为并实时反馈上传后端服务器，及时提示风险。基于图像深度学习算法，通过边缘计算，实现“画面中无人员、未佩戴安全帽、未正确佩戴安全帽、未正确着装(穿着短袖)、未系安全带、安全带低挂高用”等违章行为自动抓拍、比对、告警和推送功能。智能无人机。具备人工智能边缘计算(地面站)模块的无人机，可实现作业现场远程视频安全监察、违章识别，并实时反馈上传后端服务器，及时提示风险。
104.上述技术方案的有益效果为：本实施例采用的方案将实现对现场作业状态、人员作业行为、安全文明施工进行实时管控，对现场作业过程进行智能评价，建立数字考评档案，全方位提升安全生产管控效率和施工作业的精益化管理水平。因此，采用本实施例提供的方案可以对现场人员进行实时有效的管控，保证现场作业人员的安全。
105.在另一实施例中，所述作业人员的着装不规范问题或违规操作行为的凭证为视频或图像；所述作业现场管控平台还包括：视频处理模块、图像处理模块和信息整合模块；
106.所述视频处理模块通过对凭证视频进行处理，提取视频中着装不规范问题或违规操作行为的片段，再通过视频处理模块中的视频转换模块将提取到的片段基于深度神经网络模型进行编码处理并转换为文字信息，将所述文字信息作为最终传输至移动端的凭证经由所述视频处理模块的输出端输出；
107.所述图像处理模块通过对凭证图片进行处理，提取图片中着装不规范问题或违规操作行为的部分，再通过图片处理模块中图片转换模块将提取到的部分基于深度神经网络模型进行编码处理并转换为文字信息，将所述文字信息作为最终传输至移动端的凭证；将所述文字信息作为最终传输至移动端的凭证经由所述图像处理模块的输出端输出；
108.所述信息整合模块将所述视频处理模块和所述图像处理模块输出的文字信息基于文字整合模块进行文字的整合输出。
109.上述技术方案的工作原理为：本实施例采用的方案是所述作业人员的着装不规范问题或违规操作行为的凭证为视频或图像；所述作业现场管控平台还包括：视频处理模块、图像处理模块和信息整合模块；所述视频处理模块通过对凭证视频进行处理，提取视频中着装不规范问题或违规操作行为的片段，再通过视频处理模块中的视频转换模块将提取到的片段基于深度神经网络模型进行编码处理并转换为文字信息，将所述文字信息作为最终传输至移动端的凭证经由所述视频处理模块的输出端输出；所述图像处理模块通过对凭证图片进行处理，提取图片中着装不规范问题或违规操作行为的部分，再通过图片处理模块中图片转换模块将提取到的部分基于深度神经网络模型进行编码处理并转换为文字信息，将所述文字信息作为最终传输至移动端的凭证；将所述文字信息作为最终传输至移动端的凭证经由所述图像处理模块的输出端输出；所述信息整合模块将所述视频处理模块和所述图像处理模块输出的文字信息基于文字整合模块进行文字的整合输出。
110.具体的，当没有网络或网络信号较差时，视频或图像的传输较慢或无法传输的情
况下，通过对视频或图像进行编码转换，并基于深度神经网络模型进行编码转换，转换为与所述视频或图像相匹配的文字信息，而将所述文字信息作为凭证，将以文字信息显示的凭证进行传输，由于文字信息在传输过程中较为方便和快捷，在没有网络或网络信号较大时，可以通过各种方式将文字信息进行传输。因此，通过本方案可以保证信息传输的时效性。
111.上述技术方案的有益效果为：本实施例采用的方案将实现对现场作业状态、人员作业行为、安全文明施工进行实时管控，对现场作业过程进行智能评价，建立数字考评档案，全方位提升安全生产管控效率和施工作业的精益化管理水平。因此，采用本实施例提供的方案可以对现场人员进行实时有效的管控，保证现场作业人员的安全。
112.在另一实施例中，所述信息计算分析模块包括边缘计算模块；所述边缘计算模块基于边缘计算技术对所述图像信息进行分析；
113.所述边缘计算模块是通过对视频图像进行预处理，去除冗余信息，使部分或全部视频分析迁移到边缘处，降低对云中心计算、存储和网络带宽的需求，提高视频分析速度。
114.上述技术方案的工作原理为：本实施例采用的方案是所述信息计算分析模块包括边缘计算模块；所述边缘计算模块基于边缘计算技术对所述图像信息进行分析；所述边缘计算模块是通过对视频图像进行预处理，去除冗余信息，使部分或全部视频分析迁移到边缘处，降低对云中心计算、存储和网络带宽的需求，提高视频分析速度。
115.具体的，本系统中在传统的固定摄像头，移动布控球和4g单兵安全帽设备中加入人工智能边缘计算模块，成为了固定视觉分析装置和移动视觉分析装置，可以直接进行现场违章行为的识别判断，主动上报后端平台系统。
116.边缘计算具有低时延、安全、灵活性强、不依赖于云端和网络的特点。在视频监控终端完成人工智能ai识别边缘计算，弥补了云计算响应不及时、功耗高的问题。
117.边缘计算 视频监控最主要的变化是把被动监控变为主动分析与预警，因而解决了需要人工处理海量监控数据的问题。边缘计算通过对视频图像进行预处理，去除冗余信息，使部分或全部视频分析迁移到边缘处，由此降低对云中心计算、存储和网络带宽需求，提高视频分析速度。
118.同时，既减少无效视频存储，降低存储空间，大大降低了对高清视频网络传输带宽的大量占有，又最大化存储“事中”证据类视频数据，增强证据信息可信度，提高视频数据存储空间利用率。
119.上述技术方案的有益效果为：本实施例采用的方案将实现对现场作业状态、人员作业行为、安全文明施工进行实时管控，对现场作业过程进行智能评价，建立数字考评档案，全方位提升安全生产管控效率和施工作业的精益化管理水平。因此，采用本实施例提供的方案可以对现场人员进行实时有效的管控，保证现场作业人员的安全。
120.在另一实施例中，所述人脸识别模块包括证据采集模块、证据存储模块和采集时间记录模块，当所述人脸识别模块通过人脸识别技术判断进出场人员为非相关作业人员时，所述证据采集模块采集现场的人脸照片，通过所述采集时间记录模块记录采集人脸照片的时间，所述证据采集模块将采集到的人脸照片传输至所述证据存储模块；当事后查证需求时，从所述证据存储模块中调取所述人脸照片以及从所述采集时间记录模块中调取采集人脸照片的时间，以进行查证。
121.上述技术方案的工作原理为：本实施例采用的方案是所述人脸识别模块包括证据
采集模块、证据存储模块和采集时间记录模块，当所述人脸识别模块通过人脸识别技术判断进出场人员为非相关作业人员时，所述证据采集模块采集现场的人脸照片，通过所述采集时间记录模块记录采集人脸照片的时间，所述证据采集模块将采集到的人脸照片传输至所述证据存储模块；当事后查证需求时，从所述证据存储模块中调取所述人脸照片以及从所述采集时间记录模块中调取采集人脸照片的时间，以进行查证。
122.结合系统实际业务需求和现场工作环境要求，利用智能图像分析和人脸识别技术，实现生产作业人员出入场人员人脸识别身份认证以及安全帽和着装违章识别，进场时增加了人脸识别，对人脸识别不匹配的人员在后台推送报警，并采集现场人脸照片，便于事后查证，杜绝了替打卡、冒名顶替等常见作弊行为，进一步加强施工项目的质量安全管理。对未正确佩戴安全帽等不规范着装人员给予语音报警。
123.在另一实施例中，还包括声纹识别模块和声纹闸口，所述声纹识别模块通过对进入现场的作业人员的语音唤醒信号进行识别匹配，判断其是否有进入相应现场区域的权限，若有权限，则声纹闸口自动开启；
124.具体的，所述声纹识别模块的处理过程如下：获取唤醒语音信号的特征参数；所述特征参数的计算公式如下：
[0125][0126]
其中，t为特征参数，x(t)为唤醒语音信号，h
m
(k)为滤波器的频谱；k为h
m
(k)的频谱参数，0≤k≤n
‑
1；m＝0，1，2...n
‑
1，m为滤波器的个数，通常取22—26；n为唤醒语音信号的采样点个数，t为唤醒语音信号作为输入信号的参数变量，0≤t≤n
‑
1；n＝1，2...l，l通常取12—16；
[0127]
基于所述特征参数获取开启条件的最终参数；所述最终参数的计算公式如下：
[0128][0129]
其中，z为最终参数，t为特征参数，x(t)为唤醒语音信号，h
m
(k)为滤波器的频谱；k为h
m
(k)的频谱参数，0≤k≤n
‑
1；m＝0，1，2...n
‑
1，n为唤醒语音信号的采样点个数，t为唤醒语音信号作为输入信号的参数变量，0≤t≤n
‑
1；i＝
‑
z，
‑
z 1，...z
‑
1，z，z为1到12的整数；
[0130]
将所述最终参数进行归一化处理，获得开启指标；将所述开启指标作为判断所述唤醒语音信号是否满足开启声纹闸口的依据。
[0131]
上述技术方案的工作原理为：通过在现场进出门位置设置声纹闸口，实现通过声纹识别技术开启声纹闸口的效果，声纹识别和人脸识别相结合，保障进出现场的作业人员均为具有相应权限的人员，而非相关人员则不可进入现场。
[0132]
上述技术方案的有益效果为：本实施例采用的方案将实现对现场作业状态、人员作业行为、安全文明施工进行实时管控，对现场作业过程进行智能评价，建立数字考评档案，全方位提升安全生产管控效率和施工作业的精益化管理水平。因此，采用本实施例提供
的方案可以对现场人员进行实时有效的管控，保证现场作业人员的安全。
[0133]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。