基于視覺感知與空間定位融合技術的變電站作業現場安全管控系統的研究

丁銀梅

摘 ?要：基于視覺感知與空間定位融合技術的變電站作業現場安全管控系統的研究，主要是在目前智能化變電站輔助系統綜合監控平臺的基礎上，通過對視覺感知與空間定位融合技術的應用，實現對進入變電站到處變電站整個過程的全方位實時監控，有效的保證人員安全。

關鍵詞：UWB技術;視覺感知技術;空間定位技術;智能變電站

中圖分類號：TM63 ???文獻標識碼：A?????文章編號：1671-2064（2019）17-0000-00

0 引言

變電站作為電網樞紐，在電力系統中有著重要的地位和作用，實現變電站的無人值守運行是當今電力系統的發展趨勢。為保障變電站的正常運行，對變電站的日常運維不可避免。另一方面，隨著電網的高速發展，變電站的新建和擴建也越來越多。如何保證在變電站內作業及運維人員的人身安全和變電站設備安全成了一個日益突出的問題。

1 國內外研究水平的現狀

目前國內變電站已經建設的變電站輔助綜合監控系統主要從變電站的安全出發，用于安防、消防、環境的監視;或從運檢、調度的需求出發，實現對變電站一次設備的監視及冷備用遙控操作視頻聯動等，還未實現對變電站內作業的安全管控功能。

另外在變電站人員定位方面，在變電站上采用較多的是藍牙定位、紅外線定位、RFID射頻技術等方案。通過上述技術方案分析，可知道這些技術最大的缺陷是在定位精度上不精確。限于變電站對高壓帶電設備安全距離的考慮，這些技術方案都不能很好的滿足電力對人員作業高精確度的定位需求。我們此次將才用高精度的UWB技術進行人員定位。另外，隨著視覺感知技術和人員定位技術的快速發展和常熟，國內外學者也在做將這方面的技術應用變電站的研究。

完善現有智能變電站輔助系統綜合監控平臺，將基于深度學習的視覺感知技術和基于UWB的人員定位技術相結合，應該到變電站現場作業安全風險管控和違章行為智能預警等方面，來避免人員安全事故和提高工作效率。

2 主要研究內容

目前智能變電站輔助系統綜合監控平臺在日常運營中獲取了大量的視頻圖像數據。這些大量的原始數據還沒有經過充分的數據分析和數據挖掘，運維人員被動的淹沒在海量的數據中。在監控中心，上千路圖像在大屏幕上輪詢顯示，視頻圖像完全依靠人工肉眼去發現變電站現場作業的違章行。另，常態檢修監視和非常態安全事件也完全依靠人工發現，工作強度大，工作效率低。通過基于深度學習的視覺感知技術的應用，在海量的數據信息中提取出現場作業的違章行為，并通過計算機系統智能判斷出作業安全風險，就顯得非常迫切和重要。

變電站作業現場安全管控系統是在普通視頻監控的基礎上，補充必要的信息設備，利用視覺感知和空間定位融合技術實現對變電站內作業人員的全方位實時監控，有效保證作業安全。主要的研究內容包括：

（1）研究基于深度學習的視覺感知技術。利用變電站現有的攝像機采集變電站內實時視頻，研究通過基于深度學習的視覺感知技術，實現對未戴安全帽、未穿紅馬甲、違章登高等典型的作業違章現象進行自動識別。

（2）研究UWB人員定位技術在變電站的智能化應用。研究UWB（無載波通信技術）人員定位技術，實現對變電站內作業人員靠近高壓帶電設備，或進入非作業帶電區域主動預警。同時實現作業人員在變電站內行動軌跡的實時監控，對可能出現的違章進行預警。

（3）研究視覺感知和空間定位技術的融合技術。研究視覺感知和空間定位技術的融合技術，實現更精確的定位和更準確的行為判別，從而更加有效的保證作業安全。

（4）研究視頻圖像車牌識別、人臉識別、人員抓拍等技術在變電站的智能化應用。研究視頻圖像車牌識別、人臉識別、人員抓拍等技術及遠程控制變電站大門技術，實現進出變電站人員抓拍及車牌識別功能，進一步實現通過進站人臉識別或車牌識別判斷有權限人員和車輛自動開啟變電站大門功能，從而實現從進入變電站大門開始到出變電站大門整個過程的安全管控。

通過以上內容的研究，本文設計的變電站作業現場安全管控系統可以達到下列技術指標：1）視頻的分辨率為1080P，幀率為25幀/秒，碼流率為4Mb/s。2）人臉識別在10人范圍內，1秒內識別出來。3）通過視頻識別進行人數統計，在100人范圍內，2秒內統計完成。4）UWB定位，工作溫度-20～70℃，覆蓋范圍50m，定位精度0.1米。5）車牌識別準確率白天≥99.8%，晚上≥99.6%，適應車速0-80公里/小時，最佳拍攝范圍3-10米。

3 關鍵技術及難點

3.1 基于深度學習的視覺感知技術

對視頻圖像的智能分析技術，特別是對人行為分析技術已經廣泛應用，譬如：人臉識別、人數統計、越界、進入等。本項目擬采用基于深度學習的圖像識別技術，實現對人員未戴安全帽、未穿紅馬甲等違章行為的識別分析;采用運動跟蹤及識別技術，實現對人員的運動行為進行分析，進而實現對人員登高作業等違章行為的識別分析。

雙目視覺實際上是基于兩路視頻的視差，就是左眼與右眼對于同一個目標所形成的圖像像素點的差異，像素點的差異通過基線，就是兩個攝像頭之間的間距關系。基線的距離，視差加上焦距，就可以換算出來你與我之間的距離，實際上就是一個三角關系。

基于深度學習的圖像識別技術，主要對變電站作業現場內的人員運動行為進行跟蹤、識別以及分析，以減少違章違規行為，實現現場的安全管控。變電站作業現場內的人員運動行為，主要是人員未戴安全帽和未穿紅馬甲行為。如圖1所示，在整個檢測過程中，先對區域內的人員進行整體建模，再對未戴安全帽和未穿紅馬甲行為進行檢測。