复杂场景下基于人工智能的变电站内异常行为识别与检测方法.pdf

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 111339883 A (43)申请公布日 2020.06.26 (21)申请号 202010102771.7 G06K 9/32(2006.01) G06N 3/04(2006.01) (22)申请日 2020.02.19 G06N 3/08(2006.01) (71)申请人 国网浙江省电力有限公司 地址 310000 浙江省杭州市黄龙路8号 申请人 山东大学　 智洋创新科技股份有限公司　 国网浙江省电力有限公司衢州供电 公司 (72)发明人 姚一杨　聂礼强　战新刚　郑晓云　 尹建华　张新星　 (74)专利代理机构 济南竹森知识产权代理事务 所(普通合伙) 37270 代理人 吕利敏　孙宪维 (51)Int.Cl. G06K 9/00(2006.01) 权利要求书2页 说明书7页 附图4页 (54)发明名称 复杂场景下基于人工智能的变电站内异常 行为识别与检测方法 (57)摘要 一种复杂场景下基于人工智能的变电站内 异常行为识别与检测方法，包括：对监控视频处 理得到静态图；使用基于深度学习的目标检测算 法FPN网络检测人体区域；将待识别图像进行预 处理操作，产生二值化图像；将所述二值化图像 作为CPN网络的输入进行人体骨架的关键点检 测；将人体骨架关键点图像与RGB单帧静态图融 合，输入到LSTM网络进行分类识别，判断是否为 异常行为。本发明实现了在复杂场景下对变电站 工作区域的异常行为的自动检测和识别任务，并 具有良好的准确率、稳定性与实时性，可满足变 A 电站实际应用需求。 3 8 8 9 3 3 1 1 1 N C CN 111339883 A 权　利　要　求　书 1/2页 1.一种复杂场景下基于人工智能的变电站内异常行为识别与检测方法，其特征在于， 该检测方法包括以下步骤： S1：对监控视频进行预处理，得到静态图； S2：使用基于深度学习的目标检测算法FPN网络检测人体区域：利用候选框将人体区域 标识出来，并对原图像进行裁剪处理作为待识别图像； S3：将待识别图像进行预处理操作，产生二值化图像； S4：将所述二值化图像作为CPN网络的输入进行人体骨架的关键点检测：生成人体骨架 关键点图像； S5：将人体骨架关键点图像与步骤S1得到RGB单帧静态图融合，输入到LSTM网络进行分 类识别，判断是否为异常行为。 2.根据权利要求1所述的一种复杂场景下基于人工智能的变电站内异常行为识别与检 测方法，其特征在于，所述步骤S1对视频预处理的过程具体包括：提取视频中的每帧图像， 得到RGB单帧静态图。 3.根据权利要求1所述的一种复杂场景下基于人工智能的变电站内异常行为识别与检 测方法，其特征在于，在所述步骤S2对人体检测之前还包括对网络进行训练： 使用COCO人体检测的数据集，并过滤重复、模糊数据后作为FPN网络的训练集。 4.根据权利要求3所述的一种复杂场景下基于人工智能的变电站内异常行为识别与检 测方法，其特征在于，所述步骤S2对人体检测的过程具体包括： S21：使用Mask RCNN中的ROI A