一种电力现场作业视频数据提取异常行为的方法及装置制造方法及图纸

本发明专利技术提供了一种电力现场作业视频数据提取异常行为的方法及装置，通过对作业现场的视频图像数据进行获取及预处理，然后从经过预处理的作业视频图像中提取出运动目标区域；最后利用预先训练好的基于Catboost和Lasso的融合模型对运动目标区域进行异常行为识别。本发明专利技术由于实时分析监控视频数据，并对工作区域的人进行监测，跟踪正在带电区域做检查维修的工作人员正在处于什么样的运动状态，是否出现了异常状况以及触电倒下的情况，实时对其异常行为进行识别，从而能够及时报警，达到保护工作人员人身安全的目的。人员人身安全的目的。人员人身安全的目的。

【技术实现步骤摘要】
一种电力现场作业视频数据提取异常行为的方法及装置


[0001]本专利技术属于电力系统安全防护
，具体涉及一种电力现场作业视频数据提取异常行为的方法及装置。

技术介绍

[0002]随着电网规模的日益扩大，电力作业活动日趋频繁，传统的人工现场监督检查和事后回顾的管控方式，已很难满足新形势下供电企业精益化、现代化的管理要求。电力企业有迫切的需求建立电力作业现场可视化和智能化管控平台，对电力作业现场进行更高效和智能化协同的监督和管理。
[0003]目前视频监控技术已经在电力行业广泛地使用，但仍然停留在传统依靠人工监控视频的阶段。人工监控视频存在一些弊端，如视频监控由于监控画面多，信息量大，并且绝大多数视频数据是正常数据，监控人员依靠人眼监控识别的效率不高。由于监控画面多，监控时间长，监控人员极易产生视觉疲劳，往往会遗漏关键信息，导致紧急情况无法及时上报处理，错过了最佳的危机处理时间。

技术实现思路

[0004]有鉴于此，本专利技术旨在解决现有人工监控视频存在的可能遗漏关键信息，导致紧急情况下无法及时上报处理的问题。
[0005]为了解决上述技术问题，本专利技术提供以下技术方案：第一方面，本专利技术提出了一种电力现场作业视频数据提取异常行为的方法，包括：获取作业视频图像并对作业视频图像进行预处理；从经过预处理的作业视频图像中提取出运动目标区域；利用预先训练好的基于Catboost和Lasso的融合模型对运动目标区域进行异常行为识别。
[0006]进一步的，对作业视频图像进行预处理具体为：将作业视频图像利用中值滤波法进行降噪处理。
[0007]进一步的，从经过预处理的作业视频图像中提取出运动目标区域具体包括：对经过预处理的作业视频图像中的像素点分别建立背景模型和光流场，并利用背景模型和光流场分别提取出作业视频图像中的前景部分；将由背景模型得到的前景部分和由光流场得到的前景部分进行融合，得到作业视频图像中的运动目标区域。
[0008]进一步的，对经过预处理的作业视频图像中的像素点建立背景模型，并利用背景模型提取出作业视频图像中的前景部分具体包括：建立像素点的背景模型，背景模型的表达式如下：
式中，t代表作业视频图像帧序列，表示像素点(x,y)的邻域，(x
i
,y
i
)表示中的一个随机像素点，为像素点(x
i
,y
i
)的像素值，表示像素点(x,y)的背景模型；循环利用背景模型，为经过预处理的作业视频图像中的每个像素点均生成样本数相同的背景模型样本集；分别对每个像素点的背景模型样本集进行判断，若背景模型样本集中像素值大于第一前景阈值的样本的数量小于预设阈值时，则将当前像素点标记为前景像素点；根据标记后的前景像素点得到作业视频图像中的前景部分。
[0009]进一步的，对经过预处理的作业视频图像中的像素点建立光流场，并利用光流场提取出作业视频图像中的前景部分具体包括：利用光流法计算经过预处理的作业视频图像中像素点的光流值，并根据光流值得到作业视频图像的光流场；通过第二前景阈值对作业视频图像的光流场进行阈值分割，得到作业视频图像中的前景部分。
[0010]进一步的，基于Catboost和Lasso的融合模型的预先训练过程具体包括：收集电力作业现场中的作业人员行为图片训练样本，并对训练样本进行标记；利用PCA
‑
SURF特征提取法对标记后的训练样本中的图片进行特征提取，并将提取的特征压缩为25维；将25维特征作为Catboost模型的输入，设置运算参数中的迭代次数为30次，最大深度为3；根据运算参数进行迭代运算，得到480维特征；将480维特征作为Lasso模型的输入，对Lasso模型通过交叉验证进行模型超参数调优，得到基于Catboost和Lasso的融合模型。
[0011]进一步的，利用PCA
‑
SURF特征提取法对标记后的训练样本中的图片进行特征提取具体包括：利用Hessian矩阵对图像像素点进行判别求解，根据判定结果对像素点进行分类，以便确定图像中N个特征点的位置；在特征点区域范围内统计Haar小波特征，计算预设半径的扇形内所有特征点的水平和垂直Haar小波特征总和，以便确定特征点主方向；以特征点为中心取16
×
16的窗口，计算窗口中每个像素的梯度幅值与梯度方向；利用高斯窗口对每个像素的梯度幅值与梯度方向进行加权运算，并计算8个方向的梯度方向直方图，根据梯度方向直方图绘制每个梯度方向的累加值，以便得到512维的描述子向量；根据每个特征点对应的描述子向量构建N个特征点的N
×
512的描述子矩阵，计算N
×
512的描述子矩阵的N
×
N协方差矩阵；计算N
×
N协方差矩阵中前k个最大特征值所对应的特征向量，以便得到512
×
k的投影矩阵；将N
×
512的描述子矩阵与512
×
k的投影矩阵相乘，得到N
×
k的降维描述子矩阵。
[0012]第二方面，本专利技术提供了一种电力现场作业视频数据提取异常行为的装置，包括：预处理模块，用于获取作业视频图像并对作业视频图像进行预处理；运动区域检测模块，用于从经过预处理的作业视频图像中提取出运动目标区域；异常行为识别模块，用于利用预先训练好的基于Catboost和Lasso的融合模型对运动目标区域进行异常行为识别。
[0013]第三方面，本专利技术提供了一种电力现场作业视频数据提取异常行为的设备，设备包括处理器以及存储器：存储器用于存储计算机程序，并将计算机程序的指令发送至处理器；处理器根据计算机程序的指令执行如第一方面的一种电力现场作业视频数据提取异常行为的方法。
[0014]第四方面，本专利技术提供了一种计算机存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如第一方面的一种电力现场作业视频数据提取异常行为的方法。
[0015]综上，本专利技术提供了一种电力现场作业视频数据提取异常行为的方法及装置，通过对作业现场的视频图像数据进行获取及预处理，然后从经过预处理的作业视频图像中提取出运动目标区域；最后利用预先训练好的基于Catboost和Lasso的融合模型对运动目标区域进行异常行为识别。本专利技术由于实时分析监控视频数据，并对工作区域的人进行监测，跟踪正在带电区域做检查维修的工作人员正在处于什么样的运动状态，是否出现了异常状况以及触电倒下的情况，实时对其异常行为进行识别，从而能够及时报警，达到保护工作人员人身安全的目的。
附图说明
[0016]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
[0017]图1为本专利技术实施例提供的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电力现场作业视频数据提取异常行为的方法，其特征在于，包括：获取作业视频图像并对所述作业视频图像进行预处理；从经过预处理的所述作业视频图像中提取出运动目标区域；利用预先训练好的基于Catboost和Lasso的融合模型对所述运动目标区域进行异常行为识别。2.根据权利要求1所述的一种电力现场作业视频数据提取异常行为的方法，其特征在于，所述对所述作业视频图像进行预处理具体为：将所述作业视频图像利用中值滤波法进行降噪处理。3.根据权利要求1所述的一种电力现场作业视频数据提取异常行为的方法，其特征在于，所述从经过预处理的所述作业视频图像中提取出运动目标区域具体包括：对经过预处理的所述作业视频图像中的像素点分别建立背景模型和光流场，并利用所述背景模型和所述光流场分别提取出所述作业视频图像中的前景部分；将由所述背景模型得到的前景部分和由所述光流场得到的前景部分进行融合，得到所述作业视频图像中的运动目标区域。4.根据权利要求3所述的一种电力现场作业视频数据提取异常行为的方法，其特征在于，对经过预处理的所述作业视频图像中的像素点建立背景模型，并利用所述背景模型提取出所述作业视频图像中的前景部分具体包括：建立像素点的背景模型，所述背景模型的表达式如下：式中，t代表作业视频图像帧序列，表示像素点(x,y)的邻域，(x
i
,y
i
)表示中的一个随机像素点，为像素点(x
i
,y
i
)的像素值，表示像素点(x,y)的背景模型；循环利用所述背景模型，为经过预处理的所述作业视频图像中的每个像素点均生成样本数相同的背景模型样本集；分别对每个像素点的背景模型样本集进行判断，若所述背景模型样本集中像素值大于第一前景阈值的样本的数量小于预设阈值时，则将当前像素点标记为前景像素点；根据标记后的前景像素点得到所述作业视频图像中的前景部分。5.根据权利要求3所述的一种电力现场作业视频数据提取异常行为的方法，其特征在于，对经过预处理的所述作业视频图像中的像素点建立光流场，并利用所述光流场提取出所述作业视频图像中的前景部分具体包括：利用光流法计算经过预处理的所述作业视频图像中像素点的光流值，并根据所述光流值得到所述作业视频图像的光流场；通过第二前景阈值对所述作业视频图像的光流场进行阈值分割，得到所述作业视频图像中的前景部分。6.根据权利要求1所述的一种电力现场作业视频数据提取异常行为的方法，其特征在于，基于Catboost和Lasso的融合模型的预先训练过程具体包括：收集电力作业现场中的作业人员行为图片训练样本，并对所述训练样本进行标记；
利用PCA
‑
SURF特征提取法对标记后的所述训练样本中的图片进行特征提取，并将提取的特征压缩...

【专利技术属性】
技术研发人员：樊志伟，王天师，利雅琳，谭伟，张春梅，高杨，李明，刘惠华，吴金珠，熊伟，
申请(专利权)人：广东电网有限责任公司中山供电局，
类型：发明
国别省市：