基于危险行为识别的线缆保护方法、装置、系统和介质与流程

1.本发明实施例涉及计算机数据处理技术，尤其涉及一种基于危险行为识别 的线缆保护方法、装置、系统和介质。


背景技术：

2.埋藏在地下的线缆是电力运输以及信息传导的重要媒介，仅靠地面较小的 警告标牌很难达到保护电缆的效果。而当大型施工设备进行挖掘活动时，很容 易对电缆造成破坏，给国民经济带来损失。
3.近年来电缆被盗挖误挖的现象时有发生，由于受地形条件限制及电缆巡检 人员有限，无法快速地对电缆情况巡检，导致某些地区的电力无法快速恢复， 造成严重的经济损失。


技术实现要素：

4.本发明实施例提供一种基于危险行为识别的线缆保护方法、装置、系统和 介质，以实现对线缆的有效、及时保护。
5.第一方面，本发明实施例提供了一种基于危险行为识别的线缆保护方法， 包括：
6.获取多个摄像头，从线缆布设现场采集到的实时监控视频；
7.基于深度机器学习模型，对所述实时监控视频中的监控图像进行主体对象 识别，其中，所述主体对象包括自然人和/或机械工程车；
8.对多个摄像头、各自在多个监控图像中识别出的自然人和/或机械工程车的 行为进行统计；
9.根据统计结果识别危险行为；
10.根据识别到的危险行为进行线缆保护报警。
11.第二方面，本发明实施例还提供了一种线缆保护装置，该线缆保护装置包 括：
12.视频获取模块，用于基于所述多个摄像头，从线缆布设现场采集实时监控 视频；
13.主体识别模块，用于基于深度机器学习模型，对所述实时监控视频中的监 控图像进行主体对象识别，其中，所述主体对象包括自然人和/或机械工程车；
14.危险行为统计模块，用于基于对所述多个摄像头、各自在多个监控图像中 识别出的自然人和/或机械工程车的行为进行统计；
15.危险行为识别模块，用于基于所述统计结果识别危险行为；
16.报警模块，用于基于所述识别到的危险行为进行线缆保护报警。
17.第三方面，本发明实施例还提供了一种线缆保护系统，该线缆保护系统包 括多个摄像头、服务器和报警器，所述摄像头和报警器设置在线缆布设现场， 所述服务器包括：
18.一个或多个处理器；
19.存储装置，用于存储一个或多个程序，
20.当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多 个处
理器实现如本发明实施例中任一所述的线缆保护方法。
21.第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有 计算机程序，该程序被处理器执行时实现如本发明实施例中任一所述的一种线 缆保护方法。
22.本发明实施例通过获取多个摄像头，从线缆布设现场采集到的实时监控视 频；基于深度机器学习模型，对实时监控视频中的监控图像进行主体对象识别， 主体对象包括自然人和/或机械工程车；对多个摄像头、各自在多个监控图像中 识别出的自然人和/或机械工程车的行为进行统计；根据统计结果识别危险行 为；根据识别到的危险行为进行线缆保护报警。解决了传统线缆保护受地形条 件限制及电缆巡检人员限制等问题，有效避免了线缆误挖盗挖现象的发生。
附图说明
23.图1为本发明实施例一中的一种基于危险行为识别的线缆保护方法的流程 图；
24.图2为本发明实施例二中的一种基于危险行为识别的线缆保护方法的流程 图；
25.图3为本发明实施例二中的一种基于危险行为识别的线缆保护方法中对实 时监控视频中的监控图像进行主体对象识别的实现流程图；
26.图4为本发明实施例三提供的一种线缆保护装置的结构图；
27.图5为本发明实施例四提供的一种线缆保护系统的结构示意图。
具体实施方式
28.下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此 处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需 要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结 构。
29.实施例一
30.图1为本发明实施例一提供的一种基于危险行为识别的线缆保护方法的流 程图，本实施例可适用于工程或野外等场地中，对线缆盗挖和破坏等行为进行 有效监测和保护的情况，该方法可以由线缆保护装置来执行，该装置可以采用 软件和/或硬件的方式来实现。该装置可配置于服务器中，该方法具体包括：
31.s110、获取多个摄像头，从线缆布设现场采集到的实时监控视频。
32.其中，所述摄像头按照布设规律安装在线缆布设现场，例如，每段线缆至 少安装两个摄像头分别从不同的采集角度采集实时监控视频。
33.其中，所述获取方式可以是通过无线或有线的远程通信技术，从所述线缆 布设现场多个摄像头传输获取所述实时监控视频。
34.s120、基于深度机器学习模型，对所述实时监控视频中的监控图像进行主 体对象识别，其中，所述主体对象包括自然人和/或机械工程车。
35.其中，所述监控图像是指从所述线缆布设现场摄像头获取的实时监控视频 中通过帧截取获得的图像。
36.其中，所述自然人是指出现在所述线缆布设现场为所述摄像头监控到的穿 着设定工服的自然人或未穿设定工服的自然人。
37.其中，所述机械工程车包括挖掘机械类工程车、铲土运输机械类、压实机 械类工
程车，但不限于此这些机械工程车。
38.本实施例中，可通过深度机器学习模型对监控图像中的主体进行识别，可 以根据每帧监控图像进行分别识别，也可以同时针对连续多帧监控图像的内容 一起进行识别。
39.s130、对多个摄像头、各自在多个监控图像中识别出的自然人和/或机械工 程车的行为进行统计。
40.其中，所述统计指对所述多个摄像头、各自在多个监控图像中识别出的自 然人和/或机械工程车的出现次数、持续出现时间以及出现位置与线缆位置的关 系等情况进行统计。
41.s140、根据统计结果识别危险行为。
42.上述统计结果可在一定程度上反映出是否存在潜在的危险行为。所述危险 行为例如是指在所述监控图像中识别出的未穿设定工服的自然人和机械工程车 的出现位置与线缆位置之间的距离小于预设阈值，并且出现的次数或者持续出 现的时间达到预设阈值，则判定出现危险行为。
43.s150、根据识别到的危险行为进行线缆保护报警。
44.其中，所述线缆保护报警方式包括派出人工巡查预警、在线缆布设地设置 报警装置、无人机预警，但不限于此这些方式。
45.具体的，通过上述各步骤判断所述线缆布设场地出现所述危险行为，可以 通过派出人工巡查预警、在线缆布设地设置报警装置或无人机预警等方式及时 制止对线缆误挖盗挖行为的发生，实现对线缆的保护。
46.本发明实施例提供一种基于危险行为识别的线缆保护方法，通过获取多个 摄像头从线缆布设现场采集到的实时监控视频；基于深度机器学习模型，对实 时监控视频中的监控图像进行主体对象识别，主体对象包括自然人和/或机械工 程车；对多个摄像头、各自在多个监控图像中识别出的自然人和/或机械工程车 的行为进行统计；根据统计结果识别危险行为；根据识别到的危险行为进行线 缆保护报警。通过从线缆布设现场摄像头传输的实时监控视频中采用帧截取等 技术手段获得监控图像，由此对监控图像中识别出的主体对象的行为进行统计， 通过识别监控图像中未穿设定工服的自然人和机械工程车的出现位置与线缆位 置之间的距离以及其出现的次数或者持续出现的时间是否到达预设阈值，从而 判断其行为是否为危险行为，有效避免了线缆误挖盗挖现象的发生。
47.实施例二
48.图2为本发明实施例二提供的一种基于危险行为识别的线缆保护方法的流 程图，本实施例的技术方案在上述技术方案的基础上进一步细化，具体主要包 括如下步骤：
49.s201、获取多个摄像头，从线缆布设现场采集到的实时监控视频。
50.s202、对所述主体对象的图像进行去雾化处理。
51.在本实施例中，监控图像具体可以理解为是从所述线缆布设现场摄像头获 取的实时监控视频中通过帧截取获得的图像。去雾化处理中所指的雾，是广义 的雾，包括雾、霾、沙尘或烟等一切导致视觉效果受限的物理现象。
52.具体的，图像去雾化处理是指通过一定的技术手段，去除图像噪声，提高 图像对比度，从而恢复出无雾清晰图像。
53.s203、对所述主体对象的图像进行空间标准化处理。
54.在本实施例中，通过将s202中所述去雾化处理之后的监控图像进行空间标 准化处理。
55.s204、将对所述主体对象的图像的rgb格式转换为hsv格式。
56.在本实施例中,hsv具体是指由色调(h)，饱和度(s)，明度(v)为主要 参数的一种颜色空间。
57.具体的，将所述rgb格式的主体对象的图像通过一定的技术手段转化为hvs 格式图像。
58.s205、基于深度机器学习模型，对所述实时监控视频中的监控图像进行主 体对象识别。
59.进一步地，图3提供了一种基于危险行为识别的线缆保护方法中对实时监 控视频中的监控图像进行主体对象识别的实现流程图。
60.s2051、对所述实时监控视频中的监控图像，采用包括卷积层的特征提取模 块进行图像特征提取。
61.s2052、将提取到的图像特征输入注意力机制单元，以基于注意力机制对主 体对象的图像特征进行权重调整。
62.s2053、根据权重调整后的图像特征，生成特征图。
63.s2054、对所述特征图进行分类，并对分类结果进行回归处理。
64.s2055、根据回归结果产生主体对象的识别结果。
65.s206、对多个摄像头、各自在多个监控图像中识别出的自然人和/或机械工 程车的行为进行统计。
66.s207、根据统计结果识别危险行为。
67.s208、根据识别到的危险行为进行线缆保护报警。
68.本发明实施例提供一种基于危险行为识别的线缆保护方法，通过获取多个 摄像头从线缆布设现场采集到的实时监控视频；基于深度机器学习模型，对实 时监控视频中的监控图像进行主体对象识别，主体对象包括自然人和/或机械工 程车；对多个摄像头、各自在多个监控图像中识别出的自然人和/或机械工程车 的行为进行统计；根据统计结果识别危险行为；根据识别到的危险行为进行线 缆保护报警。通过对所述主体对象的图像进行图像去雾化处理、图像空间标准 化处理和图像hsv格式转化，可以降低实现高精度图像识别与地位所需要的图 像质量；通过卷积层特征提取和注意力机制调整分配图像特征权重，对所生成 的特征图分类，对分类结果进行回归处理，根据回归结果产生对主体对象的识 别结果，提高了主体对象识别的准确率。
69.实施例三
70.图4为本发明实施例三提供的一种线缆保护装置的结构图，该装置包括： 视频获取模块41、主体识别模块42、危险行为统计模块43、危险行为识别模 块44和报警模块45。
71.在本实施例中，视频获取模块41用于获取多个摄像头从线缆布设现场采集 的实时监控视频；主体识别模块42用于基于深度机器学习模型，对所述实时监 控视频中的监控图像进行主体对象识别，其中，所述主体对象包括自然人和/ 或机械工程车；危险行为统计模块43用于基于对所述多个摄像头、各自在多个 监控图像中识别出的自然人和/或机械工程车的行为进行统计；险行为识别模块 44用于基于所述统计结果识别危险行为；报警模块
45用于基于所述识别到的 危险行为进行线缆保护报警。
72.本发明实施例提供一种基于危险行为识别的线缆保护装置，通过获取多个 摄像头从线缆布设现场采集到的实时监控视频；基于深度机器学习模型，对实 时监控视频中的监控图像进行主体对象识别，主体对象包括自然人和/或机械工 程车；对多个摄像头、各自在多个监控图像中识别出的自然人和/或机械工程车 的行为进行统计；根据统计结果识别危险行为；根据识别到的危险行为进行线 缆保护报警。通过从线缆布设现场摄像头传输的实时监控视频中采用帧截取等 技术手段获得监控图像，由此对监控图像中识别出的主体对象的行为进行统计， 通过识别监控图像中未穿设定工服的自然人和机械工程车的出现位置与线缆位 置之间的距离以及其出现的次数或者持续出现的时间是否到达预设阈值，从而 判断其行为是否为危险行为，有效避免了线缆误挖盗挖现象的发生。
73.进一步地，视频获取模块41包括：
74.图像去雾化处理单元，用于初步处理从所述主体对象的图像，去除图像噪 声，提高图像对比度，从而恢复出无雾清晰图像。
75.图像空间标准化处理单元，用于将所述去雾化处理的图像进行标准化处理。
76.hsv空间转换单元，用于将所述经过去雾化处理和空间标准化处理后的rgb 格式的监控图像转换为hsv图像格式。
77.进一步地，主体识别模块42包括：
78.卷积特征提取单元，用于对所述主体对象的图像的特征进行提取。
79.注意力机制单元，用于对所述主体对象的图像特征进行权重调整。
80.特征图生成单元，根据所述权重调整后的图像特征，生成特征图。
81.分类与回归单元，用于对所述特征图进行分类，并对分类结果进行回归处 理。
82.检测视频生成单元，根据所述回归结果产生主体对象的识别结果。
83.本发明实施例所提供的线缆保护装置可执行本发明任意实施例所提供的线 缆保护方法，具备执行方法相应的功能模块和有益效果。
84.实施例四
85.图5为本发明实施例四提供的一种线缆保护系统中服务器的结构示意图， 如图5所示，所述线缆保护系统包括多个摄像头、服务器和报警器，所述摄像 头和报警器设置在线缆布设现场。服务器包括处理器610、存储器620、输入装 置630和输出装置640；服务器中处理器610的数量可以是一个或多个，图5 中以一个处理器610为例；所述线缆保护系统服务器中的处理器610、存储器 620、输入装置630和输出装置640可以通过总线或其他方式连接，图5中以通 过总线连接为例。
86.处理器610，用于对所述主体对象的图像进行处理。
87.存储器620，存储器620作为一种计算机可读存储介质，可用于存储软件 程序、计算机可执行程序以及模块。
88.存储器620可主要包括存储程序区和存储数据区，其中，存储程序区可存 储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使 用所创建的数据等。此外，存储器620可以包括高速随机存取存储器，还可以 包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失 性固态存储器件。在一些实例中，存储器620可进一步包括相对于处理器610 远程设置的存储器，这些远程存储器可以通过网络连
接至服务器。上述网络的 实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
89.输入装置630可用于接收输入的数字或字符信息，以及产生与服务器的用 户设置以及功能控制有关的键信号输入。输出装置53可包括显示屏等显示设备。
90.实施例五
91.本发明实施例五还提供一种包含计算机可执行指令的存储介质，所述计算 机可执行指令在由计算机处理器执行时用于执行一种基于危险行为识别的线缆 保护方法，该方法包括：
92.获取多个摄像头，从线缆布设现场采集到的实时监控视频；
93.基于深度机器学习模型，对所述实时监控视频中的监控图像进行主体对象 识别，其中，所述主体对象包括自然人和/或机械工程车；
94.对多个摄像头、各自在多个监控图像中识别出的自然人和/或机械工程车的 行为进行统计；
95.根据统计结果识别危险行为；
96.根据识别到的危险行为进行线缆保护报警。
97.当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计 算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所 提供的线缆保护方法中的相关操作。
98.通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到， 本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很 多情况下前者是更佳的实施方式。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可以以软件产品的形式体现出来，该计算机 软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器 (read
‑
only memory,rom)、随机存取存储器(random access memory,ram)、 闪存(flash)、硬盘或光盘等，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的方法。
99.值得注意的是，上述线缆保护装置的实施例中，所包括的各个单元和模块 只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应 的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用 于限制本发明的保护范围。
100.注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员 会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进 行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽 然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以 上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例， 而本发明的范围由所附的权利要求范围决定。