一种电力作业现场物体安全特征识别系统的制作方法

本发明涉及电力作业现场安全技术领域，具体涉及一种电力作业现场物体安全特征识别系统。

背景技术：

当前我国电力设施建设正处于高速发展阶段，全国上下都加大了基础设施的建设，常常出现多个电力工程同时开工建设，造成安全监督不力，从而施工现场及施工质量存在安全隐患，例如施工作业人员没有按照要求佩戴安全帽；栅栏围蔽、脚手架等设备存在安全隐患。目前电力作业现场的安全监督主要靠人为检查，对于施工风险识别等方面还存在弊端。因此，自动识别电力作业现场物体安全特征，实现实时、规范、标准化、信息化的对电力施工现场进行管理非常重要。

技术实现要素：

针对上述问题，本发明旨在提供一种电力作业现场物体安全特征识别系统。

本发明的目的采用以下技术方案来实现：

一种电力作业现场物体安全特征识别系统，其特征是，包括移动终端、无线传输模块和后台服务器；其中，所述移动终端用于将电力作业现场物体图片通过无线传输模块上传至后台服务器，还用于接收所述后台服务器发送的电力作业现场物体安全判定结果，并根据电力作业现场物体安全判定结果进行相应地显示；所述后台服务器用于接收、存储和处理电力作业现场物体图片，生成电力作业现场物体安全判定结果并将电力作业现场物体安全判定结果通过无线传输模块反馈到所述移动终端。

本发明的有益效果：本发明克服了现有电力作业现场主要靠人为检查存在的弊端，通过采用移动终端和后台服务器的架构，对电力作业现场拍摄的照片进行图像识别处理，能够自动识别出照片中存在安全隐患的地方，并提醒安全监督人员，提高了安全风险隐患识别的精度和可靠性。

附图说明

图1是本发明的原理图；

图2是本发明后台服务器的框架结构图；

图3是本发明图像处理单元的框架结构图。

附图标记：

移动终端1、后台服务器2、无线传输模块3；图像处理单元21；特征提取单元22；特征识别单元23；安全特征数据库24；存储单元25；图像预处理模块210；图像增强模块211；图像分割模块212。

具体实施方式

结合以下应用场景对本发明作进一步描述。

参见图1，图2，一种电力作业现场物体安全特征识别系统，其特征是，包括移动终端1、无线传输模块3和后台服务器2；其中，所述移动终端1一方面用于将电力作业现场物体图片通过无线传输模块3上传至后台服务器2，另一方面可以接收所述后台服务器2发送的电力作业现场物体安全判定结果，并根据电力作业现场物体安全判定结果进行相应地显示；所述后台服务器2用于接收、存储和处理电力作业现场物体图片，生成电力作业现场物体安全判定结果并将电力作业现场物体安全判定结果通过无线传输模块3反馈到所述移动终端1；当电力作业现场物体安全判定结果为该物体存在安全隐患时，移动终端上显示“电力作业现场物体存在安全隐患”，当电力作业现场物体安全判定结果为该物体无安全隐患时，移动终端上显示“电力作业现场物体安全”。

优选地，所述移动终端1上安装有用于采集电力作业现场物体图片的并与后台服务器2进行信息交互的移动应用客户端，所述移动应用客户端通过调用移动终端1上内置摄像头完成对电力作业现场物体图片的采集工作。

优选地，所述后台服务器2包括图像处理单元21、特征提取单元22、特征识别单元23、安全特征数据库24和存储单元25；所述图像处理单元21用于对电力作业现场物体图片进行处理，得到电力作业现场物体图片的前景图像，所述特征提取单元22用于提取前景图像中的电力作业现场物体的细节特征，得到前景图像的特征图像，所述特征识别单元23用于将特征提取单元22得到的特征图像和安全特征数据24库中的安全特征图像进行匹配，判断采集到的电力作业现场物体图片是否存在安全风险隐患，生成电力作业现场物体安全判定结果并将该电力作业现场物体安全判定结果通过无线网络发送给移动应用客户端，所述安全特征数据库24中存储有电力作业现场物体的安全特征图像，所述存储单元25用于存储来自移动应用客户端的电力作业现场物体图片。

优选地，参见图3，所述图片处理单元21包括图像预处理模块210、图像增强模块211和图像分割模块212，其中，所述图像预处理模块210用于对电力作业现场物体图片进行去噪；所述图像增强模块211用于对去噪后电力作业现场物体图片进行图像增强处理，所述图像分割模块212用于提取经图像增强处理后的电力作业现场物体图片的前景图像。

优选地，脉冲耦合神经网络(PCNN)是仿照视觉神经系统运行机制建立的，该模型更接近生物视觉神经系统，较为逼真的仿照生物视觉系统的运行状态，不仅通过动态神经元构成神经系统，而且每个神经元都具有动态脉冲激发特性和非线性相乘的调制耦合特征；采用PCNN进行去噪是利用噪声与图像像素灰度值间差异判断神经元和它相邻神经元能否被点火输出脉冲序列，从而将噪声与图像像素进行区分，再采用相应去噪措施逐步修改噪声点的值，从而达到减少噪声，恢复图像质量的目的。

本发明的有益效果：克服了现有电力作业现场主要靠人为检查存在的弊端，通过采用移动终端上的移动应用客户端和后台服务器的架构，对电力作业现场拍摄的照片进行图像识别处理，能够自动识别出照片中存在安全隐患的地方，并提醒安全监督人员，提高了安全风险隐患识别的精度和可靠性。

优选地，所述图像预处理模块210用于对电力作业现场物体图片进行去噪，具体包括：

(1)根据PCNN神经元同步脉冲发放特性确定电力作业现场物体图片噪声点的位置，若像素点(i,j)不是噪声点，则直接输出像素点(i,j)的灰度值；否则，以噪声点(i,j)为中心，选取一个大小为P×P(其中P为奇数)的滑动窗口，计算滑动窗口中所有像素点的灰度值并进行统计排序，从已排序的像素点灰度值中选取该滑动窗口中像素点的灰度中值Mmed；

(2)将滑动窗口中剩余像素点(m,n)的灰度值分别与Mmed进行比较，并计算像素点(m,n)处的加权系数W(m,n)，其加权系数的计算公式为：

式中，r＝{1,2，…,(P-1)/2}；W(m,n)为像素点(m,n)的加权系数；R(m,n)为像素点(m,n)的灰度值，Mmed为滑动窗口中像素点的灰度中值；

(3)利用下式计算中心像素点灰度值：

式中，I(i,j)为中心像素点(i,j)的灰度值，W(m,n)为像素点(m,n)的加权系数，R(m,n)为像素点(m,n)的灰度值；

(4)遍历电力作业现场物体图片中所有像素点，全体像素点的灰度值构成的集合为去噪后电力作业现场物体图片。

本实施例采用此方法对电力作业现场物体图片进行过滤操作，通过PCNN模型确认电力作业现场物体图片中的噪声点和非噪声点，并对噪声点进行过滤处理，该方法能够降低滤波器的工作量，提高了工作效率，同时在消除噪声的同时，也保护了电力作业现场物体图片的细节信息。

优选地，所述图像增强模块211用于对去噪后电力作业现场物体图片进行图像增强处理，具体为：

(1)采用模糊隶属函数将去噪后电力作业现场物体图片由空间域变换到模糊域，其模糊隶属函数为：

其中，xab是去噪后电力作业现场物体图片中像素点(a,b)处的灰度值，XT是自设的阈值，Xmax是去噪后电力作业现场物体图片的最大灰度值，是去噪后电力作业现场物体图片中像素点(a,b)在模糊域中的隶属度值；

遍历去噪后电力作业现场物体图片中所有像素点，得到去噪后电力作业现场物体图片中所有像素点的隶属度值；

(2)利用模糊算子对得到的所有像素点的隶属度值进行模糊增强处理：其模糊算子为：

其中，是经过模糊增强处理后得到的模糊隶属度值，Ug为自定义的模糊隶属度阈值，是一个映射函数；

(3)利用下式将经过步骤(2)处理过的去噪后电力作业现场物体图片由模糊域变换到空间域：

其中，xab′是经处理后得到的像素点(a,b)在空间域的灰度值；

遍历模糊域中所有像素点，全体xab′组成的集合即为增强处理后的电力作业现场物体图片。

本实施例中采用模糊隶属度函数对去噪后电力作业现场物体图片进行处理时，以XT为分界线，对去噪后电力作业现场物体图片中所有像素点进行分区域处理，使得将去噪后电力作业现场物体图片由空间域变换到模糊域中时，能够减小去噪后电力作业现场物体图片中低灰度值的像素点处的像素信息损失，同时也能够确保后续采用模糊算子对模糊域中的去噪后电力作业现场物体图片进行增强处理时的增强效果。

优选地，所述图像分割模块212用于对增强处理后的电力作业现场物体图片进行分割处理，具体为：

(1)将增强处理后的电力作业现场物体图片划分为成多个大小为M×N的子图像块；

(2)对每个子图像块进行阈值分割，其子图像块的阈值计算公式为：

当Tef(c,d)＞Tc,d，该像素点为前景像素点，反之，该像素点为背景像素点；

式中，Tc，d为第e行第f列的子图像块的最优阈值，g(c,d)为子图像块中第c行第d列处像素点的灰度值，σef为第e行第f列子图像块的灰度值的方差，σ为增强处理后的电力作业现场物体图片灰度值方差，uef为第e行第f列子图像块的灰度值均值，u为增强处理后的电力作业现场物体图片灰度值均值，k1，k2为权重系数；

(3)获取所有前景像素点，前景像素点构成的集合即为前景图像。

本实施例中将增强处理后的电力作业现场物体图片划分成多个子图像块，并选择不同的阈值对各个子图像块进行分割处理，该算法更加灵活，自适应强，且该阈值由子图像块的灰度值和增强处理后的电力作业现场物体图片的灰度值共同决定，能够不受被识别图像的歪斜、脏污或者光照干扰等外来条件的干扰，提高了图像分割的精确度。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。