基于人工智能的圖像識別技術(shù)在抽水蓄能電站中的應(yīng)用研究

王 凱，王小軍，馬 娜，張菊梅

（1.國網(wǎng)新源控股有限公司，北京市 100761；2.北京國電通網(wǎng)絡(luò)技術(shù)有限公司，北京市 100070）

0 引言

2019年國家電網(wǎng)公司提出打造“三型兩網(wǎng)，世界一流”的建設(shè)目標，在建設(shè)堅強智能電網(wǎng)基礎(chǔ)上，打造狀態(tài)全面感知、信息高效處理、應(yīng)用便捷靈活的泛在電力物聯(lián)網(wǎng)。抽水蓄能電站作為堅強智能電網(wǎng)的重要組成部分，應(yīng)通過提升終端感知能力和分析能力，進一步推動基建智能管控系統(tǒng)建設(shè)。

本文通過研究抽水蓄能電站智慧安監(jiān)的圖像識別關(guān)鍵技術(shù)，利用機器視覺對現(xiàn)場作業(yè)情況進行深度分析，有效應(yīng)用于施工現(xiàn)場中人臉識別、安全帽識別、危險源識別和人員移動、跨越等場景；同時結(jié)合歷史案例視頻庫、相近場景視頻、關(guān)聯(lián)場景視頻等信息對可能發(fā)生的風險進行預(yù)判，并推送到相關(guān)參建單位，能有效彌補傳統(tǒng)方法和技術(shù)在監(jiān)管中的缺陷和不足，變傳統(tǒng)“監(jiān)督”為智慧“監(jiān)控”，真正體現(xiàn)安全第一、預(yù)防為主、綜合管理的理念[1]-[5]。

1 圖像識別技術(shù)

1.1 圖像識別概述

圖像識別是以智能設(shè)備采集的基礎(chǔ)元素圖像為前提，通過計算機進行處理、分析和理解，對不同形式的目標及對象進行識別判斷的技術(shù)。圖像識別是模式識別技術(shù)在圖像領(lǐng)域中的具體應(yīng)用，過程主要包括信息的獲取、圖像預(yù)處理、圖像分割、特征抽取、判斷匹配、分類器設(shè)計和分類決策。圖像識別的核心就是通過借助計算機手段，達到人類認知理解圖片內(nèi)容的效果。圖像識別技術(shù)在各領(lǐng)域的充分利用，可以幫助我們通過上傳采集的圖片更快地獲取有效信息，還可以利用圖像識別產(chǎn)生全新的信息交互方式，讓生活和工作更加智能地運轉(zhuǎn)。隨著社會的進步，人類的識別能力不斷提升，但是對于當今高速發(fā)展的社會而言，人類本身識別能力的發(fā)展已經(jīng)遠遠無法滿足工作生活的需求，因此基于計算機的圖像識別技術(shù)應(yīng)需而生。

1.2 圖像識別原理

圖像識別技術(shù)原理主要是依托計算機來實現(xiàn)的，計算對圖像的識別技術(shù)和人類自身的圖像識別技術(shù)在原理上是相通的，只是計算機的圖像識別更為客觀，無感情及視覺的額外影響。人類對圖像識別是依靠圖像自身的特征先進行分類，然后通過理解和對比各個類別所具有的特征將圖像識別出來的。當我們看到一張圖片時會迅速在大腦中判斷是否見過相同或類似圖片。其實在“看到”與“判斷”的中間存在著一個快速識別過程，這個快速識別的過程和我們運用搜索引擎類似，我們的大腦會根據(jù)存儲記憶中已經(jīng)分好的類別進行識別比對，查看是否有與該圖像具有相同或類似特征的存儲記憶，從而識別出是否見過該圖像。而計算機的圖像識別技術(shù)也是如此，在獲取信息后進行自動分類并提取重要特征來進行識別圖像。計算機提取的特征通常是多樣的，既有關(guān)鍵性明顯特征，又有一般性普通特征，這點將在一定程度上影響計算機識別的準確率。總之，計算機的圖像識別，一般是利用圖像特征來描述圖像內(nèi)容。

2 基于圖像識別技術(shù)的視頻與安保監(jiān)控系統(tǒng)設(shè)計

抽水蓄能電站中視頻與安保監(jiān)控系統(tǒng)針對主要洞室出入口、上下庫區(qū)域、地下洞室群及主要施工區(qū)域?qū)崟r24h不間斷監(jiān)視，便于管理人員及時掌握各施工區(qū)域的安全情況和工程進度；對于重要區(qū)域利用人工智能圖像識別技術(shù)，可有效提升傳統(tǒng)的監(jiān)控功能，提升視頻識別過程中的準確率，變“被動監(jiān)控”為“主動預(yù)警”[6]。

2.1 系統(tǒng)架構(gòu)

視頻與安保監(jiān)控系統(tǒng)由前端采集設(shè)備、傳輸網(wǎng)絡(luò)和中心控制設(shè)備組成，中心控制設(shè)備包括存儲、中心管理控制和大屏顯示3部分的內(nèi)容（見圖1）。其中前端采集層位于電站內(nèi)洞室出入口、上下庫等主要施工區(qū)域，用于采集、識別入場施工人員、施工作業(yè)的圖像信息；網(wǎng)絡(luò)層基于TCP/IP協(xié)議，通過以太網(wǎng)為傳輸媒介，考慮傳輸過程中的信息安全，一般采用有線方式連接至監(jiān)控中心。中心管理控制和大屏展示是整個系統(tǒng)架構(gòu)的核心，基于圖像識別技術(shù)，可實現(xiàn)視頻監(jiān)控過程中的人臉識別、物體識別、數(shù)據(jù)分析等功能，并通過平臺進行風險及隱患的主動告警。

2.2 功能模塊設(shè)計

作為智慧安監(jiān)的視頻與安保監(jiān)控系統(tǒng)在功能上可以劃分為五個層面，即圖像的采集、處理、分析和理解以及智能決策（見圖2）。

2.2.1 圖像采集模塊

圖像采集是圖像識別過程中的最初環(huán)節(jié)，通過電站現(xiàn)場的前端攝像機對施工人員及施工環(huán)境進行數(shù)據(jù)采集，利用計算機對采集的圖像或視頻數(shù)據(jù)進行分析，獲取關(guān)鍵性特征。如人臉識別需要通過攝像機對人員進行面部數(shù)據(jù)采集，且需采集多種面部姿態(tài)以降低圖像識別過程中的處理難度，提高面部識別的運算速度和準確率；再如危險源識別，需對施工現(xiàn)場進行多種危險因素采集，豐富圖像識別的學習庫以提高風險識別的準確率。

圖1 視頻與安保監(jiān)控系統(tǒng)架構(gòu)圖Figure 1 Video and Security Monitoring System Architecture

2.2.2 圖像處理模塊

圖像處理主要是運用計算機進行圖像轉(zhuǎn)換、圖像分割、區(qū)域形態(tài)學處理等手段，使圖像達到所需的結(jié)果。如由于電站地下洞室群環(huán)境惡劣，由于施工、噪聲、光照、運動等諸多因素的影響，采集的原始圖像很可能存在模糊、暗淡等質(zhì)量不高現(xiàn)象，通過圖像處理模塊可以改變原始圖像的亮度、顏色、輪廓等，從而強化圖像質(zhì)量，為后期圖像分析、圖像理解提供可靠保障。

2.2.3 圖像分析模塊

圖像分析主要是對經(jīng)過預(yù)處理的圖像進行圖像分割、圖像編碼、圖像濾波等因素的研究，側(cè)重于研究圖像本身的內(nèi)容，利用數(shù)學模型結(jié)合圖像處理提取來分析圖像內(nèi)容的特征及因素，具有一定智能性。如在針對施工現(xiàn)場中的車輛，會根據(jù)采集的車輛圖片信息分析出車輛的外形、類別、顏色等信息。

圖2 圖像識別的過程Figure 2 The Process of Image Recognition

2.2.4 圖像理解模塊

圖像理解就是在圖像分析的基礎(chǔ)上對圖像進行語義的理解，即計算機學習和推理的過程，通過研究目標圖像的內(nèi)容、性質(zhì)、相互關(guān)系等，得出對圖像內(nèi)容的解釋，從而為智能決策提供依據(jù)。圖像理解模塊中涉及面較廣，需建立強大的知識庫作為支撐。如在電站環(huán)境中，通過圖像分析可得到車輛的外形、顏色等信息，但是通過圖像理解就可以得到車輛的用途及是否違規(guī)操作等。

2.2.5 智能決策模塊

智能決策模塊是視頻與安保監(jiān)系統(tǒng)中的核心功能，基于圖像的采集、處理、分析、理解，通過邏輯推理及判斷解決事件存在的問題，綜合得出最優(yōu)處理建議，協(xié)助管理人員快速響應(yīng)處理。如電站施工人員在執(zhí)行工作期間，由于未按規(guī)定佩戴響應(yīng)的防護裝備，通過前端抓拍、分析后，智能決策模塊就可以快速做出判斷，在平臺做出響應(yīng)提示，并記錄不合規(guī)作業(yè)情況，作為決策依據(jù)。

3 業(yè)務(wù)應(yīng)用

圖形智慧分析和預(yù)警作為視頻與安保監(jiān)控系統(tǒng)的深度應(yīng)用，主要是通過圖像識別技術(shù)，識別抽水蓄能電站施工現(xiàn)場的違章作業(yè)和安全隱患，并作出快速預(yù)警。主要業(yè)務(wù)應(yīng)用體現(xiàn)為人臉識別、安全帽（帶）佩戴檢測、危險源識別和人員移動/跨越等常見場景[7]。

3.1 人臉識別

利用安裝在電站洞室出入口等關(guān)鍵區(qū)域的攝像機采集施工人員的面部圖像，系統(tǒng)對獲取到的圖像進行必要的預(yù)處理，通過建立人臉黑白名單庫，將獲取的人臉圖像與人臉數(shù)據(jù)庫進行比對及數(shù)據(jù)計算，當比對結(jié)果為合理值時，即為白名單人員系統(tǒng)準許通行；當比對結(jié)果超過合理值則系統(tǒng)鎖定此人，即為黑名單人員，對非授權(quán)人員進行告警和記錄，并將告警信息推送至系統(tǒng)，需通過人工復(fù)合后才能解除禁止。此外還可通過對進場人員的身份驗證確保到崗人員的真實性以及作業(yè)票的人票符合性等問題，從而有效解決洞室的出入口、豎井/斜井的進出口、施工變電站等重點區(qū)域內(nèi)人員管理問題。

3.2 安全帽（帶）佩戴檢測

通過應(yīng)用圖像識別模塊能夠自動調(diào)取像素點的直方圖通過數(shù)學模型自動計算出安全帽（帶）佩戴形態(tài)分析，從而判斷是否穿戴安全帽（帶）等勞保用品，對電站施工人員、監(jiān)理人員和業(yè)主人員進行實時分析識別、跟蹤和報警，對未佩戴安全帽的危險行為進行預(yù)警，并將報警截圖和視頻保存到數(shù)據(jù)庫形成報表，同時將報警信息推送給相關(guān)管理人員。

3.3 危險源識別

危險源識別可利用攝像機的點位布設(shè)全面覆蓋電站施工現(xiàn)場，通過圖像的處理及智能分析對電站施工現(xiàn)場發(fā)生的事件如山火、物品違規(guī)存放等加以判斷，有效捕捉施工過程中的風險因素，并將危險信息發(fā)送至平臺，對施工區(qū)存在的危害或可能產(chǎn)生的風險提前預(yù)警，時刻保證電站施工的穩(wěn)定和安全。

3.4 人員移動/跨越識別

在電站帶電區(qū)和重點風險實施管理區(qū)域內(nèi)可進行圍欄式電子監(jiān)控，根據(jù)實際情況形成警戒區(qū)域地圖，在區(qū)域內(nèi)設(shè)置人員及物體禁令，當攝像機檢測到有人員移動、跨越或其他違規(guī)動作時，通過圖像識別及分析將自動識別告警，并推動至系統(tǒng)管理人員，可有效提升對危險區(qū)域的人員管控。

4 結(jié)束語

基于人工智能的圖像識別技術(shù)在抽水蓄能電站中有很好的運用空間和使用價值，特別是隨著國家電網(wǎng)公司“三型兩網(wǎng)”的推進和人工智能向深度發(fā)展，代表了抽水蓄能電站智慧安監(jiān)的未來趨勢和發(fā)展方向。在看到優(yōu)勢的同時更需要正視圖像識別技術(shù)在視頻與安保監(jiān)控系統(tǒng)應(yīng)用中存在的問題：一是圖像識別基于數(shù)據(jù)模型庫的反復(fù)訓(xùn)練，目前抽水蓄能電站的模型庫尚需強化及完善，只有學習訓(xùn)練準確率提升，才能有效降低圖像識別的誤差；二是具有智能操作系統(tǒng)的物聯(lián)終端對信息安全有較高要求，一旦遭遇黑客攻擊將直接影響整個系統(tǒng)甚至電站的正常運行，如何解決信息安全問題是重中之重。

總之，基于人工智能的圖像識別技術(shù)在抽水蓄能電站中的應(yīng)用代表了未來數(shù)字化電站智慧安監(jiān)的發(fā)展方向，也是“五系統(tǒng)一中心”功能優(yōu)化提升的主要方向。隨著科學技術(shù)的不斷進步，圖像識別技術(shù)將在抽水蓄能電站智慧安監(jiān)中得到廣泛應(yīng)用，在提升工程本質(zhì)安全方面將發(fā)揮出巨大作用。