精彩论文基于机器学习和图像识别的电力作业现场安全监督方法

Posted 2021-04-07 中国电力

戳蓝字“中国电力期刊”关注我们哦！

常政威

国网四川省电力公司电力科学研究院

引文信息

常政威, 彭倩, 陈缨. 基于机器学习和图像识别的电力作业现场安全监督方法[J]. 中国电力, 2020, 53(4): 155-160.

CHANG Zhengwei, PENG Qian, CHEN Ying. Safety supervision method for power operation site based on machine learning and image recognition[J]. Electric Power, 2020, 53(4): 155-160.

研究背景

在电力生产过程中，作业现场安全监督对于保证工作人员的安全具有重要意义。电力生产作业是相对比较复杂的工序，其中涉及很多的危险性工序。如对电力设备进行高压实验时，工作人员必须与设备保持安全距离。目前电力现场作业一般采用人工安全监护的方式，但监护人员和作业人员一样容易受到外界因素影响，注意力可能会不集中，继而可能引发安全事故。本文提出了一种利用机器人进行安全监督，保障电力作业现场工作人员安全的方法。

论文所解决的问题及意义

针对电力作业现场人员误入危险区域的安全管控问题，开展了人员闯入检测的方法研究。通过搭载在自主导航机器人上的视频监控设备采集作业现场图像，基于机器学习和图像识别技术，实时识别现场人员及其危险行为，发出告警信号。首先利用梯度方向直方图（Histogram of oriented gradient，HOG）和支持向量机（Support Vector Machine，SVM）进行完全帧的人员检测，然后利用基于OpenCV的图像处理技术判断人员是否闯入警戒区域的方法。实验结果表明，检测结果准确率达到92%，实现了电力作业现场安全监督自动化，显著提升了作业现场安全水平。

论文重点内容

本文对人员检测采用的方法是利用HOG特征，采用SVM方法进行分类识别。针对电力作业特点，在训练分类器时加入电力作业现场特定的样本集，使检测准确率显著提高。完成完全帧的人员检测后，利用图像处理技术划分警戒区域并提取警戒区域，判断人员是否闯入警戒区域。图1为人员闯入检测的流程。

图1 人员闯入检测的流程

人员闯入检测算法主要是利用基于OpenCV的图像处理技术。首先通过程序划分警戒区域，然后利用漫水填充算法获取同原视频帧相同像素尺寸参数的掩模图像，将警戒区域部分填充为白色，非警戒区域为黑色，以该掩模图像作为是否闯入的判断依据。综合考虑人员进入情况，通过判断识别点在掩模图像中同坐标点的像素取值，进而判断人员矩形框是否闯入警戒区域。如果该识别点的像素值为（0,0,0），则表示该点不在警戒区内；如果该识别点的像素值为（255,255,255），则表示该点闯入警戒区。图2为检测人员闯入示意。

图2 人员闯入示意

识别点的选取是在完全帧的背景下，检测出人员信息，并且将检测出来的人员用矩形框表示。因为检测出来的矩形框，比人的面积要大，所以取矩形框的长或宽的1/4，作为矩形框与真实人体大小的误差值。令矩形框长为 x，宽为 y。用如图3所示的4个识别点A，B，C，D来模拟人是否闯入警戒区。只要有其中一个识别点在警戒区内，则表示人员已经闯入。

图3人员检测矩形框

SVM分类器使用的训练集是INRIA样本集，其中包括正样本2416张图像，负样本1218张图像。SVM分类器训练流程如图4所示，其步骤为：（1）分别获取正样本和负样本，提取正样本HOG特征和负样本HOG特征，然后将其统一保存为HOG特征。（2）调整SVM参数，进行训练，得到SVM分类器。（3）载入待检测图像，利用新得到的分类器进行检测，如果准确率达到期望值，则保存结果；如果准确率没有达到期望值，则进行步骤（4）提取误检区域图像，将其作为负样本，再进行步骤（2）操作，重新训练分类器。（4）提取误检区域图像，将其作为负样本，再结合INRIA样本集进行训练，得到新的SVM分类器。  

图4 SVM分类器训练流程

研究结论

本文针对电力作业现场安全监督问题，为了实现作业人员闯入危险警戒区域图像实时识别， 提出了一种首先采用 HOG+SVM 进行人员检测，然后利用基于 OpenCV 图像处理技术检测人员是否闯入警戒区域的方法。本文方法只提取HOG作为描述特征，计算复杂度低，满足安全监督实时性和警告即时性的要求，且检测准确率达到了92%。

主要作者介绍

第一作者：常政威，男，高级工程师（教授级），博士，从事人工智能与图像处理研究。

E-mail：[e-mail]。

第二作者：彭倩，男，硕士，高级工程师，从事高电压技术和电力作业现场安全管控研究。

E-mail：pq8324 @163.com。

 往期回顾 

◀

◀

◀

◀

◀

◀

◀

◀

◀

编辑：杨彪

审核：蒋东方

声明

关于我们

        主办单位：国网能源研究院有限公司

                              中国电机工程学会

                     全球能源互联网研究院有限公司