（安徽南瑞继远电网技术有限公司 安徽合肥 230001）
摘要：针对变电站视频监控系统人工监视容易产生疏漏、浪费大量人力的问题，研究在变电站场景下基于智能视频分析技术的作业行为自动识别管控技术。系统通过工作票关联（PMS）、安全帽识别、人脸识别、攀高检测、工作区域判别等技术，实现对作业行为合规性监督，实时检测作业违章行为，及时发出告警，从而将变电站安全生产监管和安全防范水平提升到一个新的高度。
关键词：智能视频分析；PMS；安全帽识别；人脸识别；攀高检测
1 引言
随着我国电力行业的迅猛发展，电力系统自动化水平的不断提高，为了提高经济效益和劳动生产率，大量的变电站采用无人值守模式，电力部门通过建立视频监控系统，实现对所属变电站的远程实时视频监控、远程故障和意外情况告警接收处理。但受技术发展的局限，现有变电站视频监控系统大多仅能提供现场环境监视等简单功能，缺乏对变电站工作人员巡视、检修等现场作业行为管理监控，对一些作业危险点缺乏事前预警、事中处理、事后分析，无形中降低了视频监控系统的效力。基于此，公司提出开展电网作业行为管理研究，目标是实现作业过程的全面管控。
2 系统功能概述
如果把摄像机看作人的眼睛，本作业现场行为管理系统则可以看作人的大脑。系统借助计算机强大的数据处理功能，对视频画面中的海量数据进行高速分析，过滤掉用户不关心的信息，仅仅为用户提供有用的关键信息。
作业行为管控的思路是针对工作票进行全生命周期管理。每一项具体的电力作业过程通过关联工作票号形成一个卷宗，它完整的记录了整个作业过程。工作流程如下图1所示：
图1 系统工作流程
系统实时或定时获取PMS系统中的工作票信息，通过数据挖掘技术对工作票内容中的关键信息进行自动提取，包括变电站信息及间隔信息，通过利用变电站智能多维辅助综合监控系统的数据仓库，挖掘出工作票任务对应的场地、场景及对应的摄像头信息，并自动调用现场摄像机、红外对射、温湿度传感器等安防资源对工作区域进行模块化布防。系统进入行为管控工作模式：变电站作业前，系统通过人脸识别、人数统计、安全帽识别等技术，确认进入工作区域的人员符合工作票和安规要求—事前预警；作业过程中，通过攀高检测、带电设备安全距离检查等检测技术，保证作业人员的安全—事中处理；作业结束，通过视频浓缩、工作票关联等技术，对作业过程进行自动分析，整理成卷宗—事后分析。
3 系统设计
3.1 系统物理架构
系统物理架构采用典型的两级平台，三级架构模式构建，面向省级、地市级区域范围内的辅助系统主站应用进行设计，满足省级主控中心、市级分控中心、站端接入层对作业行为管控的要求。
两级平台和三级架构皆采用IP通信网作为数据传输通道，满足电力客户需求，以省调为一级主站平台，市调为二级主站说明，变电站现场数据通过网络上传市调，市调通过网络对现场数据实时监控，市调又通过网络上传省调，同时省调通过市调对变电站现场进行监控。
3.2 软件架构
系统采用分层式、模块化设计，以不同用户需求、不同规模接入为应用目标设计。系统分为数据接入层、数据处理层和用户界面层。
数据接入层，参照国家电网公司颁布的企业标准《Q/GDW 517.1- 2010视频监控系统及接口》，在该标准接口B部分的基础上，为满足变电站辅助综合监控系统的功能要求，进行一些必要的扩展，从而可以接入变电站的安防系统、消防系统、动力环境动力环境系统、灯光和空调控制系统。
数据处理层提供包括数据分析、数据检索、事件处理、实时智能分析、录像智能分析、信息存储管理等功能在内的数据处理模块。平台模块为开发面向具体应用逻辑的用户界面层提供统一、可靠、易用的接口，并可以通过配置及脚本语言，根据不同工程要求进行逻辑组合。
用户界面层由处理具体业务逻辑的软件模块组成，各模块相互独立，提供相应子系统的业务配置和展示功能。
4 智能分析功能设计
作业行为管理系系统通过工作票关联、安全帽识别、人脸识别、攀高检测、工作区域判别等技术，实现变电站现场作业人员行为的管控。
4.1 工作票关联技术
系统设计采用数据挖掘技术，对工作票内容中的关键信息进行自动提取，包括变电站信息及间隔信息，通过利用变电站智能多维辅助综合监控系统的数据仓库，挖掘出工作票任务对应的场地、场景及对应的摄像头信息，并自动将对应摄像头的录像与工作票进行关联，用户可通过工作票信息直接打开对应的工作任务录像。
作业行为管理系统定时获取并分析工作票信息的频率暂定为每分钟1次。
4.2 安全帽识别技术
安全帽检测识别流程如下图所示：
1、前景分离：前景检测模块使用混合高斯（MOG）模型对监控场景中的背景信息建模，从而分离出运动前景目标。
2、人体检测及定位：该模块在检测到的前景区域提取人体特征并使用AdaBoost和滑窗法搜索人体并进而定位人体区域。通过结合金字塔方法可实现不同尺度的人体检测。
3、头部区域定位：由于头部区域同人体躯干部分相位位置固定，头部区域可在人体检测和定位的结果上获得。我们将头部区域宽度和高度定义为人体区域宽度的1/3。
4、头部区域安全帽检测：在头部区域确定后，首先从原始图像中截取局部头部区域图像并进行归一化；其次，计算头部区域的颜色、纹理和形状特征矢量；最后使用支持向量机（SVM）对提取的头部特征矢量进行有和无安全帽的二分类判断。
4.3 人脸识别技术
人脸识别流程如下图所示：
1、人脸捕获：在图像或视频流的一帧中检测出人像并将人像从背景中分离出来，并自动地将其保存。
2、人脸的建模：将登记入库的人像数据进行建模提取人脸的特征，并将其生成人脸模板（人脸特征文件）保存到数据库中。
3、识别对比：将捕获得到的人像或是指定的人像与数据库中已登记的某一对像作比对核实确定其是否为同一人。
4.4 攀高超限检测技术
攀高超限检测流程如下图所示：
1、静态图像的处理：视频是由一系列静态图像组成的动态图像序列，对于静态图像的处理是视频处理和行为分析的基本前提。静态图像的处理主要包括，图像增强（对于强弱光照的处理）、图像分割、特征提取等。
2、运动物体的检测、定位与跟踪是视频行为分析的基础。这部分主要包括：基于视频的运动物体检测和分割、目标定位和识别、刚体和非刚体跟踪、场景恢复与表示等。在变电站这个特定场景下，入侵物体主要为行人、动物等。
3、行为识别：视频行为识别与报警过程是攀高检测模块的关键步骤，有了先前的背景静态图像处理、运动检测、运动定位与分析等过程，行为识别利用以上过程的结果，根据目标出现的时间、位置、大小、高度等因素，并结合设定的规则，实现攀爬高度识别报警的处理。
5 结论
本文对基于高清视频的智能视频分析技术进行研究，将智能视频分析技术引入到了作业行为管控领域，初步实现了作业行为管理系统的开发。
本作业行为管理系统利用智能分析技术，通过工作票关联、安全帽识别、人脸识别、攀高检测、工作区域判别等技术，实现对作业行为合规性监督，实时检测作业违章行为，及时发出告警，将风险扼杀在摇篮里，防范于未然，保证作业人员的安全，实现“零违章”、“零事故”，提高安全生产效益。
参考文献：
[1]董宏辉，葛大伟等.基于智能视频分析的铁路入侵检测技术研究.中国铁道科学，2010，31（2）：121-125.
[2]袁熙，李强．基于移动互联的智慧健康社区系统的研发．计算机应用，2015，35（1）：239-242．
作者简介：
马玲官（1984—），男，合肥人，硕士研究生，中级工程师，2010年毕业于上海理工大学，从事系统集成的技术研究。
论文作者:马玲官,李强,孙明利
论文发表刊物:《电力设备》2017年第25期
论文发表时间:2017/12/30
标签：作业论文; 变电站论文; 工作论文; 区域论文; 系统论文; 视频论文; 安全帽论文; 《电力设备》2017年第25期论文;