一种在营销现场的作业人员的识别方法和系统与流程

本发明属于图像识别，尤其涉及一种在营销现场的作业人员的识别方法和系统。

背景技术：

1、电网企业现场作业的安全监督办法虽然较为完善，但仍需相关安全管理人员人为执行，因此并不能保证百分之百的落到实处。特别是针对营销领域现场作业范围广、作业数量多、时效性要求高、部分作业在用户侧、主业人员和项目外单位人员兼有等问题，更难以保证监督人员对所有营销作业过程进行实时监控与风险预警信息实时反馈。

2、视频监控系统为安全监督提供了有效辅助，但实际的监控任务仍需要较多的人工工作来完成，监控图像的内容分析仍需依靠人工实时观看、手动调阅。并且现有的视频监控系统所提供的信息是没有经过任何分析的视频裸数据，监控系统通常只是录制视频图像，用作事后取证，这就不能充分发挥监控系统应有的实时主动的监督作用，整个系统在安全性和实用性方面仍然没有达到人们期望。

技术实现思路

1、为了解决或者改善上述问题，本发明提供了在营销现场的作业人员的识别方法和系统，具体技术方案如下：

2、本发明提供一种在营销现场的作业人员的识别方法，包括：采用帧间差分法对监控视频进行快速运动目标检测；基于yolo算法对运动目标进行辨识，并标记作业人员；识别当前视频的作业环节和/或作业场景，以确定对应的风险点；根据所述风险点和所述作业人员，追踪并识别人员行为。

3、优选的，所述采用帧间差分法对变电站监控视频进行快速运动目标检测，包括：取两帧图像，根据帧间差分法计算其差分结果，并计算差分图像的直方图；根据预先设置好的阈值，对差分图像进行阈值分割，并根据分割结果，分别计算前景区域和背景区域的平均灰度及两者之间的比值；若比值大于指定阈值，则视频帧中存在运动目标，反之则认为不存在运动目标。

4、优选的，通过均值漂移聚类改进所述帧间差分法。

5、优选的，所述基于yolo算法对运动目标进行辨识，并标记作业人员，包括：以运动目标作为中心点，截取图片区域并均分为若干小区域，在所述小区域的中心点设置有若干不同尺寸的先验锚框；进行图像特征进行提取，并以作业人员作为目标对所述小区域进行目标预测，得到预测结果矩阵；基于非极大值抑制对所述预测结果矩阵进行筛选去重，得到监控视频图像中作业人员的识别存在结果和位置信息。

6、优选的，所述根据所述风险点和所述作业人员，追踪并识别人员行为，包括：基于融合hog特征与颜色特征的改进型kcf算法，实现图像中目标人员的追踪；基于surf算法的多视角画面匹配实现主-从相机协同追踪目标人员。

7、本发明提供一种在营销现场的作业人员的识别系统，包括：第一模块，用于采用帧间差分法对监控视频进行快速运动目标检测；第二模块，用于基于yolo算法对运动目标进行辨识，并标记作业人员；第三模块，用识别当前视频的作业环节和/或作业场景，以确定对应的风险点；第四模块，用根据所述风险点和所述作业人员，追踪并识别人员行为。

8、优选的，所述采用帧间差分法对变电站监控视频进行快速运动目标检测，包括：取两帧图像，根据帧间差分法计算其差分结果，并计算差分图像的直方图；根据预先设置好的阈值，对差分图像进行阈值分割，并根据分割结果，分别计算前景区域和背景区域的平均灰度及两者之间的比值；若比值大于指定阈值，则视频帧中存在运动目标，反之则认为不存在运动目标。

9、优选的，通过均值漂移聚类改进所述帧间差分法。

10、优选的，所述基于yolo算法对运动目标进行辨识，并标记作业人员，包括：以运动目标作为中心点，截取图片区域并均分为若干小区域，在所述小区域的中心点设置有若干不同尺寸的先验锚框；进行图像特征进行提取，并以作业人员作为目标对所述小区域进行目标预测，得到预测结果矩阵；基于非极大值抑制对所述预测结果矩阵进行筛选去重，得到监控视频图像中作业人员的识别存在结果和位置信息。

11、优选的，所述根据所述风险点和所述作业人员，追踪并识别人员行为，包括：基于融合hog特征与颜色特征的改进型kcf算法，实现图像中目标人员的追踪；基于surf算法的多视角画面匹配实现主-从相机协同追踪目标人员。

12、本发明的有益效果为：采用帧间差分法对监控视频进行快速运动目标检测；基于yolo算法对运动目标进行辨识，并标记作业人员；识别当前视频的作业环节和/或作业场景，以确定对应的风险点；根据所述风险点和所述作业人员，追踪并识别人员行为，能有效的针对运动物体进行检测并识别出对应的作业人员，通过结合现场的风险点，可以明确作业人员的监视重点，提高监测的效率和准确性。

技术特征：

1.一种在营销现场的作业人员的识别方法，其特征在于，包括：

2.根据权利要求1所述在营销现场的作业人员的识别方法，其特征在于，所述采用帧间差分法对变电站监控视频进行快速运动目标检测，包括：

3.根据权利要求2所述在营销现场的作业人员的识别方法，其特征在于，通过均值漂移聚类改进所述帧间差分法。

4.根据权利要求3所述在营销现场的作业人员的识别方法，其特征在于，所述基于yolo算法对运动目标进行辨识，并标记作业人员，包括：

5.根据权利要求4所述在营销现场的作业人员的识别方法，其特征在于，所述根据所述风险点和所述作业人员，追踪并识别人员行为，包括：

6.一种在营销现场的作业人员的识别系统，其特征在于，包括：

7.根据权利要求6所述在营销现场的作业人员的识别系统，其特征在于，所述采用帧间差分法对变电站监控视频进行快速运动目标检测，包括：

8.根据权利要求7所述在营销现场的作业人员的识别系统，其特征在于，通过均值漂移聚类改进所述帧间差分法。

9.根据权利要求8所述在营销现场的作业人员的识别系统，其特征在于，所述基于yolo算法对运动目标进行辨识，并标记作业人员，包括：

10.根据权利要求9所述在营销现场的作业人员的识别系统，其特征在于，所述根据所述风险点和所述作业人员，追踪并识别人员行为，包括：

技术总结
本发明属于图像识别技术领域，尤其涉及在营销现场的作业人员的识别方法和系统，方法包括采用帧间差分法对监控视频进行快速运动目标检测；基于YOLO算法对运动目标进行辨识，并标记作业人员；识别当前视频的作业环节和/或作业场景，以确定对应的风险点；根据风险点和作业人员，追踪并识别人员行为。采用帧间差分法对监控视频进行快速运动目标检测；基于YOLO算法对运动目标进行辨识，并标记作业人员；识别当前视频的作业环节和/或作业场景，以确定对应的风险点；根据风险点和作业人员，追踪并识别人员行为，能有效的针对运动物体进行检测并识别出对应的作业人员，通过结合现场的风险点，可以明确作业人员的监视重点，提高监测的效率和准确性。

技术研发人员：李金灿,黄嘉宁,黄冬生,廖银玲,沙沛东,代颖,秦洁露,刘祥吉,张君,梁坚
受保护的技术使用者：广西电网有限责任公司
技术研发日：
技术公布日：2024/1/5