变电站智能化运维与巡检是智能电网发展的迫切需求,也是降低人力成本、提高巡维效率的有效途径。变电站人员监控,尤其是人员的定位与跟踪是变电站智能化运维的核心环节。本文以视频目标分割算法为基础解决变电站人员定位与跟踪的问题,从理论研究与工程应用两个层面进行了深入分析,提出了一种新型的视频目标分割算法,并在变电站监控系统中进行了实际应用。本文取得的主要研究成果如下:(1)针对变电站人员定位与跟踪任务对算法精度和速度的双重要求,从理论研究出发,提出了一种基于状态评估与反馈的视频目标分割算法—“状态自适应跟踪器”。该算法创新性地提出一种基于状态评估与反馈的自适应调整机制,根据当前帧的具体状态对跟踪与分割的策略进行自适应调整,同时利用视频前序帧的信息对模型进行动态增强。状态自适应跟踪器可以快速对不限类别的目标进行跟踪,并且得到精准的位置掩膜,在各个开源数据集上展示出了优于其他前沿算法的精度与速度。(2)针对当监控人员动作姿态幅度较大时定位算法难以给出鲁棒的预测结果的问题,利用人体关键点位置信息和人体关节连接结构的先验信息增强状态自适应跟踪器对特定类别目标—“人”的定位性能。本文提出关键点引导的人像分割模块,通过注意力引导和特征融合的方法利用关键点信息提升模型性能,在得到更加精准的掩膜的同时获取人体关键点的精确定位信息。(3)在工程运用方面,根据变电站监控摄像头较远、帧率较低并且由于设备密集容易发生遮挡的实际情况,通过设计新型训练策略以及遮挡场景自适应策略对状态自适应跟踪器和关键点引导的人像分割模块进行针对性调整,使得算法满足变电站视频监控的实际需求。此外,本文基于人员定位与跟踪建立了变电站人员监控系统的基础框架,利用人员跟踪与分割的结果以及人体关键点信息完成变电站监控中的一系列任务,比如:入侵检测,违规路径检测,危险动作报警,违规穿着报警等。