一种电力营销现场作业操作动态检测方法及装置制造方法及图纸

本发明专利技术公开了一种电力营销现场作业操作动态检测方法及装置，其方法包括：获取电力影响现场作业的当前时序场景图像；基于Retinex理论对当前时序场景图像进行预处理；基于预构建的动态检测模型对预处理后的当前时序场景图像进行关键数据提取；根据关键数据生成用于描述运动的几何特征；根据几何特征判断电力营销现场作业操作是否违规；本发明专利技术通过基于LSTM及知识蒸馏技术训练出轻量级的动态检测模型对电力营销现场作业的违规操作开展监测，能够有效解决当前检测模型中存在的检测时间延迟较久、模型精度不太够、模型部署费时费力等问题。题。题。

【技术实现步骤摘要】
一种电力营销现场作业操作动态检测方法及装置


[0001]本专利技术涉及一种电力营销现场作业操作动态检测方法及装置，属于作业安全


技术介绍

[0002]目前，电力行业大力推进信息技术与安全生产融合，并且积极采用智能安全工器具、视频监控、图像分析等先进技术，提升现场安全技防水平。然而，营销专业现场作业所处场景复杂，光线的大跨度与风雨雪等极端情况的干扰以及随着新型电力系统的推进各类新型设备的引入为营销现场多源信息的分析和作业安全管控带来巨大困难。
[0003]如何对复杂外部环境下的电力营销现场人员操作规范进行有效识别级预警是保证电力安全的重要一环，现有的监测方法，主要侧重于人员的穿戴，或者未考虑外部环境的动态变化，模型比较复杂，反应速度慢，无法应用真实环境。

技术实现思路

[0004]本专利技术的目的在于克服现有技术中的不足，提供一种电力营销现场作业操作动态检测方法及装置，解决当前检测模型中存在的检测时间延迟较久、模型精度不太够、模型部署费时费力等技术问题。
[0005]为达到上述目的，本专利技术是采用下述技术方案实现的：
[0006]第一方面，本专利技术提供了一种电力营销现场作业操作动态检测方法，包括：
[0007]获取电力影响现场作业的当前时序场景图像；
[0008]基于Retinex理论对当前时序场景图像进行预处理；
[0009]基于预构建的动态检测模型对预处理后的当前时序场景图像进行关键数据提取；
[0010]根据关键数据生成用于描述运动的几何特征；
[0011]根据几何特征判断电力营销现场作业操作是否违规。
[0012]可选的，所述预处理包括：
[0013]构建场景图像：
[0014]S(x,y)＝R(x,y)
·
L(x,y)
[0015]式中，S(x,y)为场景图像，R(x,y)为反射图像，L(x,y)为光照图像，x,y为坐标点；
[0016]采用高斯中心环绕函数估测光照图像L(x,y)：
[0017][0018]式中，γ、c为高斯中心环绕函数的参数；
[0019]对场景图像S(x,y)、反射图像R(x,y)、光照图像L(x,y)由实数域转换到对数域：
[0020]s(x,y)＝logS(x,y)；r(x,y)＝logR(x,y)；l(x,y)＝logL(x,y)
[0021]计算获取对数域的反射图像r(x,y)：
[0022][0023]将反射图像r(x,y)由对数域转换到实数域：
[0024][0025]将最终获取的反射图像R(x,y)作为预处理结果。
[0026]可选的，所述关键数据包括头、面部、脖子、左肩、右肩、左手、右手、左臂和右臂的坐标位置。
[0027]可选的，所述动态检测模型的构建包括：
[0028]获取电力影响现场作业的历史时序场景图像；
[0029]基于Retinex理论对历史时序场景图像进行预处理；
[0030]对预处理后的历史时序场景图像添加标注信息并生成训练样本集；
[0031]初始化LSTM网络模型并输入训练样本集进行训练，根据模型输出与标注信息计算损失，并基于损失更新LSTM网络模型的模型参数，直至损失收敛；
[0032]将训练好的LSTM网络模型作为教师模型，通过知识蒸馏法训练出学生模型，将训练出的学生模型作为动态检测模型。
[0033]可选的，所述初始化LSTM网络模型并输入训练样本集进行训练还包括引入空域注意力和时域注意力方法；
[0034]所述空域注意力方法包括通过一个LSTM子网络自动学习和获知时序序列中不同帧场景图像的重要性；
[0035]所述时域注意力方法包括通过一个LSTM子网络根据时序序列的中不同帧场景图像获取不同的关键数据的重要性。
[0036]可选的，所述通过知识蒸馏法训练出学生模型包括：
[0037]将训练样本集输入教师模型和学生模型，教师模型的softmax作为softtarget；
[0038]学生模型在相同温度系数T下的softmax输出和softtarget的交叉熵记为L
soft
；
[0039]学生模型在相同温度系数T＝1下的softmax输出和标注的交叉熵记为L
hard
；构建知识蒸馏法的目标函数：
[0040]L＝αL
soft
+βL
hard
[0041]式中，α、β为系数常数；
[0042]基于损失更新学习模型的模型参数，直至目标函数结果收敛。
[0043]第二方面，本专利技术提供了一种电力营销现场作业操作动态检测装置，所述装置包括：
[0044]采集模块，用于获取电力影响现场作业的当前时序场景图像；
[0045]预处理模块，用于基于Retinex理论对当前时序场景图像进行预处理；
[0046]提取模块，用于基于预构建的动态检测模型对预处理后的当前时序场景图像进行关键数据提取；
[0047]特征模块，用于根据关键数据生成用于描述运动的几何特征；
[0048]判断模块，用于根据几何特征判断电力营销现场作业操作是否违规。
[0049]第三方面，本专利技术提供了一种电力营销现场作业操作动态检测装置，包括处理器及存储介质；
[0050]所述存储介质用于存储指令；
[0051]所述处理器用于根据所述指令进行操作以执行根据上述方法的步骤。
[0052]第四方面，本专利技术提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。
[0053]与现有技术相比，本专利技术所达到的有益效果：
[0054]本专利技术提供了一种电力营销现场作业操作动态检测方法及装置，采用Retinex理论实现对采集图像的增强、去噪、恢复等操作，通过基于LSTM及知识蒸馏技术训练出轻量级的动态检测模型对电力营销现场作业的违规操作开展监测；并通过引入时域和空域注意力模型动态调整关节点重要性的分配，保证了模型的准确性和最优化的结果。
附图说明
[0055]图1是本专利技术实施例提供了一种电力营销现场作业操作动态检测方法的流程图；
[0056]图2是本专利技术实施例提供了动态检测模型的构建过程的流程图。
具体实施方式
[0057]下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。
[0058]实施例一：
[0059]如图1所示，本专利技术实施例提供了一种电力营销现场作业操作动态检测方法，包括以下步骤：
[0060]1、获取电力影响现场作业的当前时序场景图像；
[0061]场景图像主要包括电能表安装、电能表拆卸、互感器安装、互感器拆卸等营销现场常规动作。
[0062]2、基于Retinex理论对当前时序场景图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电力营销现场作业操作动态检测方法，其特征在于，包括：获取电力影响现场作业的当前时序场景图像；基于Retinex理论对当前时序场景图像进行预处理；基于预构建的动态检测模型对预处理后的当前时序场景图像进行关键数据提取；根据关键数据生成用于描述运动的几何特征；根据几何特征判断电力营销现场作业操作是否违规。2.根据权利要求1所述的一种电力营销现场作业操作动态检测方法，其特征在于，所述预处理包括：构建场景图像：S(x，y)＝R(x，y)
·
L(x，y)式中，S(x，y)为场景图像，R(x，y)为反射图像，L(x，y)为光照图像，x，y为坐标点；采用高斯中心环绕函数估测光照图像L(x，y)：式中，γ、c为高斯中心环绕函数的参数；对场景图像S(x，y)、反射图像R(x，y)、光照图像L(x，y)由实数域转换到对数域：s(x，y)＝logS(x，y)；r(x，y)＝logR(x，y)；l(x，y)＝logL(x，y)计算获取对数域的反射图像r(x，y)：将反射图像r(x，y)由对数域转换到实数域：将最终获取的反射图像R(x，y)作为预处理结果。3.根据权利要求1所述的一种电力营销现场作业操作动态检测方法，其特征在于，所述关键数据包括头、面部、脖子、左肩、右肩、左手、右手、左臂和右臂的坐标位置。4.根据权利要求1所述的一种电力营销现场作业操作动态检测方法，其特征在于，所述动态检测模型的构建包括：获取电力影响现场作业的历史时序场景图像；基于Retinex理论对历史时序场景图像进行预处理；对预处理后的历史时序场景图像添加标注信息并生成训练样本集；初始化LSTM网络模型并输入训练样本集进行训练，根据模型输出与标注信息计算损失，并基于损失更新LSTM网络模型的模型参数，直至损失收敛；将训练好的LSTM网络模型作为教师模型，通过知识蒸馏法训练出学生模型，将训练出的学生模型作为动态检测模型。5.根据权利要求4所述的一种电力营销现场作业操作动态检测方法...

【专利技术属性】
技术研发人员：朱东升，彭楚宁，叶剑斌，葛得辉，汪亮，杜新纲，宋剑，李捷，汪锐，艾臻，储鹏飞，管振华，王彩霞，
申请(专利权)人：国电南瑞南京控制系统有限公司国家电网有限公司，
类型：发明
国别省市：