【技术实现步骤摘要】
本专利技术涉及无人机和行为识别，特别是基于无人机的电力施工人员行为识别方法。
技术介绍
1、在电力施工行业，安全监控一直是重中之重。随着技术的发展，无人机已经成为一种新兴的监控工具，它能够在复杂的电力施工环境中进行高效的空中监控，实时采集施工现场的图像数据，为电力施工的安全管理提供了新的解决方案，尤其是在电力施工人员行为识别方面，无人机不仅能够覆盖广阔的监控范围，还能够提供立体的视角，为精确识别人员行为提供了可能，目前，基于无人机的行为识别技术主要集中在二维图像处理和分析上，通过图像识别和机器学习等技术实现对人员行为的分类和识别，然而，由于电力施工环境的复杂性和多变性，二维图像往往难以准确反映施工人员的空间位置和动作细节，难以实现对人员行为的立体识别和分析，从而影响行为识别的准确性和效率。
技术实现思路
1、鉴于上述现有的基于无人机的电力施工人员行为识别方法中存在的问题，提出了本专利技术。
2、因此，本专利技术所要解决的问题在于由于电力施工环境的复杂性和多变性，二维图像往往难以准确反映施工人员的空间位置和动作细节，难以实现对人员行为的立体识别和分析，从而影响行为识别的准确性和效率。
3、为解决上述技术问题，本专利技术提供如下技术方案：一种基于无人机的电力施工人员行为识别方法，其包括，使用无人机实时采集电力施工现场的立体图像数据；进行图像预处理后重建电力施工现场三维模型；在三维模型中进行人体检测和姿态估计提取动作特征；对提取的动作特征进行行为分类并分析电力施工
4、作为本专利技术所述基于无人机的电力施工人员行为识别方法的一种优选方案，其中：所述使用无人机实时采集电力施工现场的立体图像数据为在实际飞行前，对电力施工现场进行勘察，了解现场的具体布局和关键区域包括电力施工作业区和存放危险物品区域，根据勘察结果设计无人机的飞行路线和电力施工现场的特点调整无人机的飞行高度和摄像头角度，使用无人机搭载的双目立体摄像头进行飞行，通过gps定位系统获取无人机拍摄图像在整个电力施工区域中的具体位置，从不同角度和高度采集电力施工现场的图像数据，包括电力施工现场的景物、施工人员和设备的视觉信息，通过地面控制站实时监控图像传输，将采集到的图像数据实时传输回地面控制站并进行备份存储。
5、作为本专利技术所述基于无人机的电力施工人员行为识别方法的一种优选方案，其中：所述进行图像预处理后重建电力施工现场三维模型为使用中值滤波或高斯滤波算法对采集到的图像进行去噪处理，采用直方图均衡化技术对图像进行对比度增强，使用相机标定技术获得相机的内参和畸变参数，利用参数对于图像进行校正，将预处理后的图像数据作为输入重建电力施工现场三维模型：
6、
7、r(θi)＝ryaw(ψ)rpitch(θ)rroll(φ)
8、
9、
10、
11、其中，m是最终重建的三维模型，表示为一个在三维空间域ω内积分的结果，ω是三维空间域，表示整个三维模型的空间范围，n是预处理后的图像总数，表示参与三维重建过程的图像数量，g是相机的内参矩阵，包含焦距和主点坐标，d(p(ii))是从第i张预处理后的图像p(ii)中提取的深度信息，r(θi)是根据无人机的姿态参数θi计算得到的旋转矩阵，是一个权重函数，λ是一个正则化参数，x和x0分别是三维空间中的点和参考点，ryaw(ψ)，
12、rpitch(θ)和rroll(φ)分别是绕z、y、x轴的旋转矩阵，ψ，θ和φ分别是无人机的偏航角、俯仰角和翻滚角。
13、作为本专利技术所述基于无人机的电力施工人员行为识别方法的一种优选方案，其中：所述在三维模型中进行人体检测和姿态估计提取动作特征为在三维模型中识别电力施工人员的位置进行人体检测，对检测到的人体进行姿态估计，结合人体姿态和三维空间信息提取动作特征：
14、
15、
16、其中，f(b)为动作特征提取函数，v为检测到的人体部位数量，wl是第l个部位的权重，vl是第l个人体部位在三维空间中占据的体积，σ是高斯滤波函数的标准差，是概率密度函数中的标准差，d((x1,y1,z1),l)是点(x1,y1,z1)到最近人体部位l的欧氏距离，λ是正则化参数，中的x2，y2，z2代表三维空间中的坐标轴上的点，dx，dy和dz代表在三维空间中沿着x，y和z轴的无限小的变化或区间，s(hl,θ)是姿态估计函数，hl是第l个部位的关键点集合，k是关键点的数量，θk是第k个关键点在姿态估计中的权重，d(k,hl)是第k个关键点与其预期位置之间的欧氏距离，σk是控制第k个关键点位置精度的标准差。
17、作为本专利技术所述基于无人机的电力施工人员行为识别方法的一种优选方案，其中：所述对提取的动作特征进行行为分类为根据提取的特征，对电力施工人员的行为进行分类，包括走路、搬运物品和使用工具：
18、
19、其中，i(y＝a|a)是给定动作特征x下，行为被分类为类别a的概率，y是行为类别的标签，m是行为类别的总数减一，a是从f(b)提取的动作特征向量，βa0是类别a的截距项，βa是与类别a相关的特征权重向量，t是转置操作，使为向量的点积，βj0是与类别j相关的截距项，βj是与类别j相关的特征权重向量。
20、作为本专利技术所述基于无人机的电力施工人员行为识别方法的一种优选方案，其中：所述分析电力施工人员的行为模式为根据分类结果，分析施工人员的行为模式和工作效率：
21、
22、其中，s是总体行为分数，m是行为类别的总数减一，wa是与行为类别a相关的重要性权重，i(y＝a|a)是给定动作特征a下，行为被分类为类别a的概率。
23、作为本专利技术所述基于无人机的电力施工人员行为识别方法的一种优选方案，其中：所述实时监控检测异常行为进行安全预警为设定判断阈值q和e，且q<e，
24、若s≤q，则为正常或轻微异常行为，实施例行监督检查和即时反馈机制，通过定期的安全巡查和实时的行为监控系统，对电力施工现场进行全面的安全评估，若监测到轻微的偏离正常行为模式，通过无人机的通信系统向相关人员发送操作建议和安全提醒，提醒他们及时纠正不安全的行为；
25、若q<s≤e，则为中度异常行为，立即启动安全干预程序，安全监督员对异常行为进行现场评估，识别潜在的安全隐患，采取纠正措施，包括临时停止相关作业活动，重新安排作业计划或调整作业方法，记录异常事件，进行原因分析，召开安全技术交底会议，对所有电力施工人员进行安全教育和技术指导；
26、若s>e，则为重度异常行为，立即执行紧急响应计划，中断所有相关施工活动，撤离潜在危险区域的人员并启动应急预案，紧急情况管理团队迅速响应，评估现场安全状况，确定紧急措施并协调相关部门和救援团队进行紧急干预，调查重度异常产生原因，根据事故调查结果进行项目管理和安全管理体系的复审和改本文档来自技高网...
【技术保护点】
1.基于无人机的电力施工人员行为识别方法，其特征在于：包括，
2.如权利要求1所述的基于无人机的电力施工人员行为识别方法，其特征在于：所述实时采集电力施工现场的立体图像数据包括，在实际飞行前，对电力施工现场进行勘察，了解现场的具体布局和关键区域，包括电力施工作业区和存放危险物品区域，根据勘察结果设计无人机的飞行路线和电力施工现场的特点调整无人机的飞行高度和摄像头角度，使用无人机搭载的双目立体摄像头进行飞行，通过GPS定位系统获取无人机拍摄图像在整个电力施工区域中的具体位置，从不同角度和高度采集电力施工现场的图像数据，包括电力施工现场的景物、施工人员和设备的视觉信息，通过地面控制站实时监控图像传输，将采集到的图像数据实时传输回地面控制站并进行备份存储。
3.如权利要求2所述的基于无人机的电力施工人员行为识别方法，其特征在于：所述重建电力施工现场三维模型为使用中值滤波或高斯滤波算法对采集到的图像进行去噪处理，采用直方图均衡化技术对图像进行对比度增强，使用相机标定技术获得相机的内参和畸变参数，利用参数对于图像进行校正，将预处理后的图像数据作为输入重建电力施工现场
4.如权利要求3所述的基于无人机的电力施工人员行为识别方法，其特征在于：所述在三维模型中进行人体检测和姿态估计提取动作特征为在三维模型中识别电力施工人员的位置进行人体检测，对检测到的人体进行姿态估计，结合人体姿态和三维空间信息提取动作特征：
5.如权利要求4所述的基于无人机的电力施工人员行为识别方法，其特征在于：所述对提取的动作特征进行行为分类为根据提取的特征，对电力施工人员的行为进行分类，包括走路、搬运物品和使用工具：
6.如权利要求5所述的基于无人机的电力施工人员行为识别方法，其特征在于：所述分析电力施工人员的行为模式为根据分类结果，分析施工人员的行为模式和工作效率：
7.如权利要求6所述的基于无人机的电力施工人员行为识别方法，其特征在于：所述实时监控检测异常行为进行安全预警为设定判断阈值Q和E，且Q<E，
8.如权利要求7所述的基于无人机的电力施工人员行为识别方法，其特征在于：所述存储数据为将采集到的数据，包括图像数据、深度数据、位置数据华和姿态数据根据数据类型、采集时间和施工区域的属性进行分类和标记，按照时间顺序将数据存储进数据库中，建立数据备份机制，定期将数据备份到不同的存储介质或云存储平台上并定期进行数据检测。
9.一种计算机设备，包括：存储器和处理器；所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
...【技术特征摘要】
1.基于无人机的电力施工人员行为识别方法，其特征在于：包括，
2.如权利要求1所述的基于无人机的电力施工人员行为识别方法，其特征在于：所述实时采集电力施工现场的立体图像数据包括，在实际飞行前，对电力施工现场进行勘察，了解现场的具体布局和关键区域，包括电力施工作业区和存放危险物品区域，根据勘察结果设计无人机的飞行路线和电力施工现场的特点调整无人机的飞行高度和摄像头角度，使用无人机搭载的双目立体摄像头进行飞行，通过gps定位系统获取无人机拍摄图像在整个电力施工区域中的具体位置，从不同角度和高度采集电力施工现场的图像数据，包括电力施工现场的景物、施工人员和设备的视觉信息，通过地面控制站实时监控图像传输，将采集到的图像数据实时传输回地面控制站并进行备份存储。
3.如权利要求2所述的基于无人机的电力施工人员行为识别方法，其特征在于：所述重建电力施工现场三维模型为使用中值滤波或高斯滤波算法对采集到的图像进行去噪处理，采用直方图均衡化技术对图像进行对比度增强，使用相机标定技术获得相机的内参和畸变参数，利用参数对于图像进行校正，将预处理后的图像数据作为输入重建电力施工现场三维模型：
4.如权利要求3所述的基于无人机的电力施工人员行为识别方法，其特征在于：所述在三维模型中进行人体检测和姿态估计提取动作特征为在三维模型中识别电力施工人员的位置进行人体检测，对检测到的人体进行姿态估计...
【专利技术属性】
技术研发人员：冉志红，周力，申溥婷，邓凯锋，吴国英，蒲阳，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。