论文部分内容阅读
变电站和高压变电房等都是高压带电操作的工作场所,人为责任的事故原因有:工作人员误进入带电工作区,误触碰带电体,造成触电。以及检修人员还在维修操作,却人为误送电,造成触电死亡事故。为了保证工作人员的人身安全以及设备的安全,视频监控已经广泛应用到该领域。但所拍摄的视频,仍然需要专人去识别,工作繁重并且效率不高。随着时代和技术的发展,电网系统的信息化、智能化、无人化已成发展的一个方向。论文重点在变电房中工作人员的检测跟踪,以及对其异常行为进行识别研究。围绕变电房工作人员的状况进行智能监控,取得以下成果:1.为了实现变电房工作人员的检测,本文提出了基于ViBe(Visual background extractor)背景建模、背景差分法和形态学综合的检测方法。该检测方法首先用ViBe算法进行建模,然后对目标进行检测分割,再使用膨胀算子进行形态学处理,最后用矩形框进行坐标点标记。2.为了实现变电房工作人员的跟踪,本文提出了KCF(Kernel Correlation Filter)的跟踪算法。通过实验对比Mean shift跟踪算法、卡尔曼滤波跟踪算法和KCF跟踪算法,进行实时性和准确性的对比,最终选用KCF跟踪算法实现变电房工作人员的实时跟踪。3.为了实现变电房工作人员的行为识别,本文提出了基于HOG(Histogram of Orientation Gradient)+SVM(support vector machine)的方法判断运动目标行走、蹲下、跌倒多个状态。若运动目标跌倒,情况异常,立刻报警,保护工作人员生命安全。4.基于上述内容,本文使用GUI图形化界面,设计了可视化交互的计算机辅助变电房工作人员检测和异常行为检测报警的监控系统。介绍了该系统设计思路、整体的架构的模块、功能和技术,从而实现更好的人机交互模式。基于上述研究,该变电房监控系统能够对工作人员进行检测跟踪,并对其行为进行判断,可靠性较高,能够取代传统的单单是记录保存视频,还需要人工日夜监视方式,实现智能识别。