电厂人员行为识别分析系统 变电站安全违规行为识别

       燧机电厂人员行为识别分析系统包括未佩戴安全帽、未穿工作服、吸烟、翻越安全围栏、攀爬扶梯、倒地、越线、区域入侵、人群计数等。根据实际应用情况，燧机电厂人员行为识别分析系统需要满足以下要求：变电站人员可自由走动的特点使得人体区域在视频图像中的像素面积变化范围很大，小尺寸的人体区域增加了算法识别的难度。

       变电站安全管控水平直接影响安全事故发生的概率，一旦发生，将造成难以想象的后果和损失。现有的安全管控体系包括各种安全作业规章制度、安全风险管控平台、视频监控系统等。然而，上述方式严重依赖于工作人员自身的安全意识和监管人员的监管力度，存在效率低、人力成本高、主观性强等不足。视频监控系统、智能巡检机器人和无人机的普及，提供了大量视频图像数据，极大推动了变电站安全违规行为识别算法的研究与应用。

       人体动态行为识别技术近年来飞速发展。燧机电厂人员行为识别分析系统在电力作业场景中也十分的实用。在进行关键操作时，可以对电力工人的动态行为进行识别，不仅可以识别工人的操作是否有误，进行及时的提醒，还可以根据工人当前正在完成的工作，引导工人的下一步的正确操作。基于更加智能，更加安全的考虑，系统可以加上人体动态行为识别这一技术。

       关于电厂安全智能运维的保障，特别是在新型数字化电厂、智能电厂的趋势下，以工业互联网平台为基础，将定位技术与电厂的视频监控、门禁、车辆/人员出入、风险预警等安全风险管控结合。使电厂在安全生产全生命周期内都处于安全性高、经济性好的良好运营状态。

       随着行人数据集的大规模发展，燧机电厂人员行为识别分析系统基于深度学习的行人检测技术已相对成熟。在此基础上，越线、区域入侵和人群计数任务不依赖于进一步的图像特征提取，可以通过空间位置判断和数学统计等方式实现。然而，安全帽、工作服、吸烟等图像特征的准确提取和翻越安全围栏、攀爬扶梯、倒地等人体姿态特征的表征方式，直接影响算法的识别性能。现有安全帽、工作服识别算法大多根据人体结构比例来粗略定位人体头部、上半身和下半身区域，主要适用于人体站立的情况，但无法应对弯腰、下蹲、攀爬等大姿态情况。

       目标检测技术，只需要提供图像中物体的类别和物体的具体位置。语义分割需要预测出输入网络图像的每一个像素点的类别。而实例分割在目标检测和语义分割的基础上，不仅需要判断出像素点的类别，还需要分割出同一类物体中的不同个体在图像中的位置。在电力作业场景中，会有不同身份的工作人员，例如有专责监护人，工作负责人和普通作业人员，他们分别完成自己相应的工作，实例分割的方法，可以识别出每个工作人员的身份，监督他们完成各自的工作，在现场出现异常行为时，可以直接针对做出违规行为的工作人员进行警告，提醒到具体的个体，可以起到更强的警示和提醒作用。

了解已有算法，请点击：算法中心