CN115546837B - 变电站进出综合管理*** - Google Patents

变电站进出综合管理*** Download PDF

Info

Publication number
CN115546837B
CN115546837B CN202211263638.5A CN202211263638A CN115546837B CN 115546837 B CN115546837 B CN 115546837B CN 202211263638 A CN202211263638 A CN 202211263638A CN 115546837 B CN115546837 B CN 115546837B
Authority
CN
China
Prior art keywords
image
brightness
reflective
reflective clothing
detection task
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202211263638.5A
Other languages
English (en)
Other versions
CN115546837A (zh
Inventor
靖一洲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Three Gorges University CTGU
Original Assignee
China Three Gorges University CTGU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Three Gorges University CTGU filed Critical China Three Gorges University CTGU
Priority to CN202211263638.5A priority Critical patent/CN115546837B/zh
Publication of CN115546837A publication Critical patent/CN115546837A/zh
Application granted granted Critical
Publication of CN115546837B publication Critical patent/CN115546837B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/24—Reminder alarms, e.g. anti-loss alarms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了一种变电站进出综合管理***，涉及图像处理技术，摄像头，用于拍摄图像；处理器，用于根据拍摄的图像执行人脸识别任务和穿戴检测任务，其中，所述穿戴检测任务包括检测入场人员是否佩戴头盔，以及包括根据人脸识别任务所识别的结果，判断是否需要在穿戴检测任务中判断所述进场人员是否需要佩戴反光衣；当入场人员未佩戴头盔或者未正确佩戴反光衣，则控制报警器进行报警，并且将所述违规信息记录到***中。

Description

变电站进出综合管理***
技术领域
本申请涉及图像处理技术，特别是一种变电站进出综合管理***。
背景技术
在重要的设施或者作业场所中，如石化储存站，重要的电力设施，如变电站或者施工场所要求进场人员佩戴头盔和穿着正规的反光衣。但是实际运作中，所有的员工或者访客进出这些场所都可能通过相同的通道，对于不同作业区域的人员在穿戴要求上存在一定的差异，然而，目前***只能统一设置检测任务，对于无需进行特定穿戴的人员产生误报警，灵活性不足。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种变电站进出综合管理***，以提升进出入管理***的灵活性。
一方面，本申请实施例提供了一种变电站进出综合管理***，包括：
摄像头，用于拍摄图像，数量为一个或多个；
处理器，用于根据拍摄的图像执行人脸识别任务和穿戴检测任务，其中，所述穿戴检测任务包括检测入场人员是否佩戴头盔，以及包括根据人脸识别任务所识别的结果，判断是否需要在穿戴检测任务中判断所述进场人员是否需要佩戴反光衣；当入场人员未佩戴头盔或者未正确佩戴反光衣，则控制报警器进行报警，并且将所述违规信息记录到***中。
在一些实施例中，根据人脸识别任务所识别的结果，判断是否需要在穿戴检测任务中判断所述进场人员是否需要佩戴反光衣，具体是：
根据人脸识别任务所识别的结果确定进场人员身份，根据所述进场人员身份获取其活动区域，根据所述活动区域的穿戴要求，判断是否需要执行反光衣检测任务。
在一些实施例中，执行佩戴头盔检测任务时，与执行反光衣检测任务中共用至少部分图像。
在一些实施例中，在执行反光衣检测任务中包括以下步骤：包括：
获取第一图像和第二图像，其中，所述第一图像和第二图像是在相同位置且在不同光线环境下拍摄的包含目标人物的图像；
计算第一图像的每个像素点的亮度值，得到第一亮度图，计算第二图像的每个像素点的亮度值，得到第二亮度图；
根据第一亮度图和第二亮度图之间的差值图进行阈值分割，得到亮度增强点的二值分布图；
从第一图像或者第二图像中识别反光衣区域，判断所述反光衣区域中亮度增强点的像素占比是否大于第一阈值，当亮度增强点的像素占比大于第一阈值时，判定所述反光衣区域中的是反光衣。
在一些实施例中，所述第一图像和第二图像由摄像头采集，所述摄像头连接安检门，所述安检门在检测到人员通过时，触发所述第一图像的拍摄，在完成第一图像拍摄后，启动补光灯对环境进行补光，并且触发所述第二图像的拍摄。
在一些实施例中，从第一图像或者第二图像中识别反光衣区域，具体包括以下步骤：
通过yolo模型检测所述第一图像或者第二图像中的目标对象区域；
将所述目标对象区域进行裁剪后，变换为一定尺寸的输入图像；
将所述输入图像输入到反光衣分类模型中，得到分类结果。
在一些实施例中，还包括分割阈值校准步骤,该步骤包括：
拍摄包含穿有反光衣的目标对象的第三图像和第四图像，其中，所述第三图像和第四图像是在相同位置且在不同光线环境下拍摄的包含目标人物的图像；
根据所述第三图像的每个像素点的亮度值，得到第三亮度图，根据所述第四图像的每个像素点的亮度值，得到第四亮度图；
显示根据所述第三亮度图和第四亮度图之间的差值图进行阈值分割后得到的亮度增强点的二值分布图，在二值分布图中显示根据第三图像或者第四图像识别的反光衣区域，显示分割比例调节组件，所述调节组件用于调节分割后亮度增强点的比例，当所述调节组件被调节后，根据调节组件的当前对应的比例调整差值图中亮度增强点的显示。
在一些实施例中，还包括以下步骤：
进入屏蔽区域选择模式，根据用户第一指令，屏蔽所述二值分布图中的区域。
在一些实施例中，还包括以下步骤：
在屏蔽区域选择模式下，显示第三图像或者第四图像，将所述二值分布图中被屏蔽的区域在第三图像或者第四图像中示出。
在一些实施例中，还包括以下步骤，
根据用户的第二指令，调节所述第一阈值。
本申请实施例通过根据拍摄的图像执行人脸识别任务和穿戴检测任务，其中，所述穿戴检测任务包括检测入场人员是否佩戴头盔，以及包括根据人脸识别任务所识别的结果，判断是否需要在穿戴检测任务中判断所述进场人员是否需要佩戴反光衣；当入场人员未佩戴头盔或者未正确佩戴反光衣，则控制报警器进行报警，并且将所述违规信息记录到***中，本方案通过这样的方式可以结合人脸检测确定进场人员的活动区域，从而确定其是否需要穿戴反光衣，上述方案的任务设置更加灵活，不会导致无需要进行特定穿戴的人员进场时产生误报警。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图做一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种变电站进出综合管理***的模块框图；
图2是本申请实施例提供的一种反光衣识别方法的流程图；
图3是本申请实施例提供的一种分割阈值调节界面示意图；
图4是本申请实施例提供的一种区域屏蔽界面的示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，以下将参照本申请实施例中的附图，通过实施方式清楚、完整地描述本申请的技术方案，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
参照图1，一种变电站进出综合管理***，包括：
摄像头，用于拍摄图像，数量为一个或多个；例如，进行穿戴检测任务的摄像头和人脸识别任务的摄像头是不同的。
安检门，用于对进场人员进行金属检测，以及检测是否有人员通过，安检门可以通过红外检测管检测是否有人通过。安检门作为本实施例中的构成部分，其作用除了自身功能以外，还用于输出人员通过的信号以此获取图像。
处理器，用于根据拍摄的图像执行人脸识别任务和穿戴检测任务，其中，所述穿戴检测任务包括检测入场人员是否佩戴头盔，以及包括根据人脸识别任务所识别的结果，判断是否需要在穿戴检测任务中判断所述进场人员是否需要佩戴反光衣；当入场人员未佩戴头盔或者未正确佩戴反光衣，则控制报警器进行报警，并且将所述违规信息记录到***中。具体地，处理器在执行穿戴检测任务的时候，会根据安检门检测的信号来进行拍摄，当有人通过的时候，会控制摄像头按照一定的次序采集图像。具体地，决定是否要执行反光衣检测任务的是：根据人脸识别任务所识别的结果确定进场人员身份，根据所述进场人员身份获取其活动区域，根据所述活动区域的穿戴要求，判断是否需要执行反光衣检测任务。例如，部分访客，仅要求佩戴头盔，不要求其进行特定的穿着，而在部分危险区域的人员则不光要求佩戴头盔，还要求穿着反光衣。需要理解的是是否佩戴头盔和是否穿戴反光衣的检测中，一般都是拍摄全身图像，因此图像是可以复用的，但是在本实施例中拍摄的张数可能不同，因此，执行佩戴头盔检测任务时，与执行反光衣检测任务中共用至少部分图像。
为了改善反光衣的识别，本实施例还设置了补光灯，补光灯用于在进行反光衣识别的时候在图像抓拍的时间之间进行不光，使得前后抓拍的图片光线不同。
报警器，可以利用安检门上原本的报警设置进行报警，包括喇叭和报警灯。
针对反光衣的检测，发明人在现有技术的基础上进行了进一步的改进，发明人认为：随着技术发展，基于神经网络的图像识别技术已经可以替代人工对人员是否穿着反光衣进行检测。但是目前基于神经网络学习的模型仍然有不足，因为训练样本往往是静态图片，模型可能学习到的是反光衣的形状、图案和颜色，在识别过程中，会和类似颜色和条纹图案的服装混淆。
参照图2，本申请实施例提供了一种完成反光衣检测任务的反光衣检测方法，本方案主要解决在反光衣识别时模型只学习到反光衣的颜色和形状特征，而无法区分类似衣服的问题，本方案利用本方案利用反光衣材质的反光特性普遍强于其他材料的特点采用补光的方式判别光线明显增加的位置是否和反光衣重合，从而实现高准确度的检测，本实施例包括以下步骤：
S1、获取第一图像和第二图像，其中，所述第一图像和第二图像是在相同位置且在不同光线环境下拍摄的包含目标人物的图像。具体地，可以将摄像头设置在正对安检门的位置。目标人物经过安检门时，通常正对摄像头，这样，摄像头不仅可以用于识别穿戴的任务，也可以完成人脸识别的任务。在本申请中，可以利用安检门的特性检测是否有人通过，然后在比较短的时间内进行第一图像的抓拍，然后启动补光灯，在进行第二图像的抓拍。在较短内(如0.5秒)完成上述动作，可以保证用户未完全通过安检门，反光衣区域基本不会变化。当然，时间可以控制得更短，时间越短，两个图像的差异越小，识别更加准确。可以理解的是补光灯可以是一个或者多个闪光灯，对于补光灯的要求是光源尽量均匀，这样可以使得环境和目标所接收的光源强度基本相同，当然，补光灯应该使得光源可以经过反射后进入摄像头。可以理解的是，第一图像是未补光前的图像，第二图像是补光后的图像，两者相反亦可。
S2、计算第一图像的每个像素点的亮度值，得到第一亮度图，计算第二图像的每个像素点的亮度值，得到第二亮度图。在本实施例中，图像中的亮度可以采用一般的亮度公式计算，也可以根据实际情况调整亮度的计算方式。一般的亮度公式是将RGB值按比例相加,亮度＝R*0.299+G*0.587+B*0.114。
S3、根据第一亮度图和第二亮度图之间的差值图进行阈值分割，得到亮度增强点的二值分布图。本实施例所指的差值图是第二亮度图和第一亮度图中每个像素点对应相减得到的一个尺寸和第一亮度图、第二亮度图尺寸相同的图像，实际上，差值图是两个亮度图之间的亮度差异，在第一图像和第二图像拍摄时间较短时，假设两个图像中内容基本一致，此时，亮度差异反映的是图像中各部分对补光反射的程度，因此，高反光的部分所显示出的亮度会更高，此时，只需要通过阈值分割的方式就可以的到亮度增加比较多的像素点。在本实施例中，可以按照比例进行阈值分割，例如，分割出亮度最大的30％的点，或者可以按照平均亮度值作为分割阈值进行分割。在计算差值图的时候，可以用补光后图像对应的亮度图像减去未补光前图像对一个的亮度图像，即，用第二亮度图像减去第一亮度图像后进行阈值分割。当然，反过来也是可以的，在进行阈值分割的时候，只需要用绝对值进行计算即可。阈值分割后，变成一个二值图，二值图中标有亮度增强点和非亮度增强点。
S4、从第一图像或者第二图像中识别反光衣区域，判断所述反光衣区域中亮度增强点的像素占比是否大于第一阈值，当亮度增强点的像素占比大于第一阈值时，判定所述反光衣区域中的是反光衣。在本步骤中，可以在拍摄的图像中利用现有的目标检测模型检测反光衣，在上述检测中，模型已经可以达到一定的检出率，而在本方案中，进一步利用补光的方式来增强检测效果，以确定检出目标的反光特性。考虑到现场反光的物品可能不止反光衣，因此，本申请在做判定时，考虑反光衣目标区域中的亮度增强点所占像素的比例，当达到一定比例，则可以判定识别到的“反光衣”具备反光功能。这一方式，实际上利用到材料反光特性进行检测，可以检测实质的反光特点。此外，需要理解的是亮度增强点，可以是差值图中亮度绝对值大于分割阈值的点，也可以是亮度绝对值排名处于分割比例范围内的点。
本申请实施例通过对现场图像进行抓拍，并且获取正常状态下拍摄的第一图像以及补光状态下拍摄的第二图像，然后将第一图像转换成第一亮度图像，再将第二图像转换成第二亮度图像，对两个亮度图像作差，在补光状态下拍摄的图像亮度更高，并且在照片中，由于反光衣的材质相较于其他位置的反光特性更强，因此在反光衣区域的亮度增加程度相对于其他区域更高，通过阈值分割的方式，将较亮的像素点分离出来，考虑到现场反光的物品可能还有其他物品，因此，本申请根据检测框中是否包含一定比例的亮度增强点作为检出对象是否反光衣的判定条件，本申请利用了反光材料的特点，采用补光的方式把静态图片无法学习的特征作为判断条件，增加了反光衣的检出准确率。
在一些实施例中，所述第一图像和第二图像由摄像头采集，所述摄像头连接安检门，所述安检门在检测到人员通过时，触发所述第一图像的拍摄，在完成第一图像拍摄后，启动补光灯对环境进行补光，并且触发所述第二图像的拍摄。一般，摄像头可以持续采集图像，并在安检门检测到人通过的时候启动补光灯，只需要记录补光灯的启动时间和补光灯的延迟，并在补光灯实际启动的前后获取图像帧作为第一图像和第二图像。本方案主要部署在特定场所入口处，因此，可以利用现场本身的安检门摄像头等设施，与诸如人脸识别***等共用硬件设备。
在一些实施例中，从第一图像或者第二图像中识别反光衣区域，具体包括以下步骤：
S41、通过yolo模型检测所述第一图像或者第二图像中的目标对象区域。Yolov4模型在目标检测中性能比较有优秀，有现成的模型可以对图像中的人所在区域进行识别。在进行识别后，在送到已经训练好的卷积神经网络分类模型即可得到图像是否穿有反光衣的分类结果。
S42、将所述目标对象区域进行裁剪后，变换为一定尺寸的输入图像。通常分类模型对输入的图像尺寸有所要求，因此可以通过填白或者裁剪的方式调整输入图像的尺寸。
S43、将所述输入图像输入到反光衣分类模型中，得到分类结果。本步骤所采用的反光衣分类模型，由卷积神经网络模型训练而来。
在一些实施例中，考虑到现场部署环境存在一定的差异，为了提高检出率，会设置一个分割阈值校准的步骤，从而克服环境的差异，在这些实施例中，还包括分割阈值校准步骤,该步骤包括：
S51、拍摄包含穿有反光衣的目标对象的第三图像和第四图像，其中，所述第三图像和第四图像是在相同位置且在不同光线环境下拍摄的包含目标人物的图像。第三图像和第四图像实质上与第一图像和第二图像是相对应的，采集方式也是相同的。
S52、根据所述第三图像的每个像素点的亮度值，得到第三亮度图，根据所述第四图像的每个像素点的亮度值，得到第四亮度图。进行与步骤S2的处理，分别计算两个图像各像素点的亮度值。
S53、显示根据所述第三亮度图和第四亮度图之间的差值图进行阈值分割后得到的亮度增强点的二值分布图，在二值分布图中显示根据第三图像或者第四图像识别的反光衣区域，显示分割比例调节组件，所述调节组件用于调节分割后亮度增强点的比例，当所述调节组件被调节后，根据调节组件的当前对应的比例调整差值图中亮度增强点的显示。
参照图3，在本实施例中，差值图进行阈值分割之后转换成二值分布图，在本实施例中，显示上述二值分布图，二值分布图中白点表示亮度增强点，随着用户对分割比例调节组件的调节，亮度增强点的数量会增加或者减少。可以理解的是该组件调节的是最终剩下的亮度较大的亮度增强点的数量比例。此时，用户只需要在调节阈值的时候，确保在本场景下，反光衣的区域中亮度增强点满足判定阈值要求即可。即，尽可能地使得反光衣区域内的亮度增强点较多，反光区域外的亮度增强点较少。本方案提供可视化的图像分割阈值调整方式，使得方案可以适应场景的需要。如图3所示，通过调节分割比例调节组件201，二值分布图中的亮点分布会产生变化，当分割的亮度增强点比例变少的时候，亮度增强点集中在强反光的区域，其中，原始图像202和二值分布图203中均显示出识别到的反光衣的位置。
在一些实施例中，如图4所示，为了减少现场反光物品的影响，还包括以下步骤：
进入屏蔽区域选择模式，根据用户第一指令，屏蔽所述二值分布图中的用户选中的区域，在剔除被屏蔽区域中的像素点后更新二值分布图，即重新根据分割阈值重新计算一次哪些点是亮度增强点。一般，通过屏蔽图像中反光程度更甚于反光衣的区域，这些区域可能是镜子，光滑金属等位置。被屏蔽的区域将不参与阈值分割。被屏蔽的像素点的参数不参与处理。如图4所示，在图4中用户可以选择任意区域，例如对区域303进行屏蔽，屏蔽的区域会在二值分布图301和图像302中同步显示，用户可以基于亮度实质对应的物品进行屏蔽，通常屏蔽一些反光的固定物品。通过这一方式可以增加部署的灵活性。
在一些实施例中，还包括以下步骤：
在屏蔽区域选择模式下，显示第三图像或者第四图像，将所述二值分布图中被屏蔽的区域在第三图像或者第四图像中示出。通过同时显示正常图像和二值分布图，用户可以从中识别出反光源，通过屏蔽或者移动现场反光源的方式解决反光分布的问题。
在一些实施例中，还包括以下步骤，
根据用户的第二指令，调节所述第一阈值。当然，可以理解的是，对于判定是否反光衣时，亮度增强点所占的像素点比例也是可调的，这样可以实现灵敏度的调整。
注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由所附的权利要求范围决定。

Claims (6)

1.一种变电站进出综合管理***，其特征在于，包括：
摄像头，用于拍摄图像，数量为一个或多个；
安检门，用于对进场人员进行金属检测，以及检测是否有人员通过；
处理器，用于根据拍摄的图像执行人脸识别任务和穿戴检测任务，其中，所述穿戴检测任务包括检测入场人员是否佩戴头盔，以及包括根据人脸识别任务所识别的结果，判断是否需要在穿戴检测任务中判断所述进场人员是否需要佩戴反光衣；当入场人员未佩戴头盔或者未正确佩戴反光衣，则控制报警器进行报警，并且将违规信息记录到***中；
在执行反光衣检测任务时包括以下步骤：
获取第一图像和第二图像，其中，所述第一图像和第二图像是在相同位置且在不同光线环境下拍摄的包含目标人物的图像；
计算第一图像的每个像素点的亮度值，得到第一亮度图，计算第二图像的每个像素点的亮度值，得到第二亮度图；
根据第一亮度图和第二亮度图之间的差值图进行阈值分割，得到亮度增强点的二值分布图，阈值分割时采取比例分割；
通过基于神经网络的图像识别技术从第一图像或者第二图像中识别反光衣区域，判断所述反光衣区域中亮度增强点的像素占比是否大于第一阈值，当亮度增强点的像素占比大于第一阈值时，判定所述反光衣区域中的是反光衣；
从第一图像或者第二图像中识别反光衣区域，具体包括以下步骤：
通过yolo模型检测所述第一图像或者第二图像中的目标对象区域；
将所述目标对象区域进行裁剪后，变换为一定尺寸的输入图像；
将所述输入图像输入到反光衣分类模型中，得到分类结果；
在执行反光衣检测任务时还包括分割阈值校准步骤,该步骤包括：
拍摄包含穿有反光衣的目标对象的第三图像和第四图像，其中，所述第三图像和第四图像是在相同位置且在不同光线环境下拍摄的包含目标人物的图像；
根据所述第三图像的每个像素点的亮度值，得到第三亮度图，根据所述第四图像的每个像素点的亮度值，得到第四亮度图；
显示根据所述第三亮度图和第四亮度图之间的差值图进行阈值分割后得到的亮度增强点的二值分布图，在二值分布图中显示根据第三图像或者第四图像识别的反光衣区域，显示分割比例调节组件，所述调节组件用于调节分割后亮度增强点的比例，当所述调节组件被调节后，根据调节组件的当前对应的比例调整差值图中亮度增强点的显示；
执行反光衣检测任务时还包括以下步骤：
进入屏蔽区域选择模式，根据用户第一指令，屏蔽所述二值分布图中的区域，在剔除被屏蔽区域中的像素点后更新二值分布图。
2.根据权利要求1所述的一种变电站进出综合管理***，其特征在于，根据人脸识别任务所识别的结果，判断是否需要在穿戴检测任务中判断所述进场人员是否需要佩戴反光衣，具体是：
根据人脸识别任务所识别的结果确定进场人员身份，根据所述进场人员身份获取其活动区域，根据所述活动区域的穿戴要求，判断是否需要执行反光衣检测任务。
3.根据权利要求1所述的一种变电站进出综合管理***，其特征在于，执行佩戴头盔检测任务时，与执行反光衣检测任务中共用至少部分图像。
4.根据权利要求1所述的变电站进出综合管理***，其特征在于，所述第一图像和第二图像由摄像头采集，所述摄像头连接安检门，所述安检门在检测到人员通过时，触发所述第一图像的拍摄，在完成第一图像拍摄后，启动补光灯对环境进行补光，并且触发所述第二图像的拍摄。
5.根据权利要求1所述的变电站进出综合管理***，其特征在于，在执行反光衣检测任务时还包括以下步骤：
在屏蔽区域选择模式下，显示第三图像或者第四图像，将所述二值分布图中被屏蔽的区域在第三图像或者第四图像中示出。
6.根据权利要求1所述的变电站进出综合管理***，其特征在于，在执行反光衣检测任务时还包括以下步骤，
根据用户的第二指令，调节所述第一阈值。
CN202211263638.5A 2022-10-16 2022-10-16 变电站进出综合管理*** Active CN115546837B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211263638.5A CN115546837B (zh) 2022-10-16 2022-10-16 变电站进出综合管理***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211263638.5A CN115546837B (zh) 2022-10-16 2022-10-16 变电站进出综合管理***

Publications (2)

Publication Number Publication Date
CN115546837A CN115546837A (zh) 2022-12-30
CN115546837B true CN115546837B (zh) 2023-06-23

Family

ID=84736504

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211263638.5A Active CN115546837B (zh) 2022-10-16 2022-10-16 变电站进出综合管理***

Country Status (1)

Country Link
CN (1) CN115546837B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002044512A (ja) * 2000-07-24 2002-02-08 Olympus Optical Co Ltd 電子カメラ
JP2007025758A (ja) * 2005-07-12 2007-02-01 Gen Tec:Kk 人の顔画像抽出方法及び同装置
JP2018093359A (ja) * 2016-12-02 2018-06-14 キヤノン株式会社 画像処理装置、画像処理方法、およびプログラム
CN109255798A (zh) * 2018-09-18 2019-01-22 中国矿业大学 一种安全生产用监控报警方法
CN111582005A (zh) * 2019-02-18 2020-08-25 Oppo广东移动通信有限公司 图像处理方法、装置、计算机可读介质及电子设备
WO2020235462A1 (ja) * 2019-05-23 2020-11-26 日立オートモティブシステムズ株式会社 物体認識装置
CN112417934A (zh) * 2019-08-23 2021-02-26 华为技术有限公司 一种图像检测方法及相关设备
CN113196297A (zh) * 2019-01-08 2021-07-30 杭州他若定位科技有限公司 使用基于图像的对象跟踪确定对象的感兴趣区域
CN115063921A (zh) * 2022-06-01 2022-09-16 河海大学 一种工地智能闸机***及搭建方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009302747A (ja) * 2008-06-11 2009-12-24 Sony Corp 撮像装置、画像処理装置およびプログラム
US8693731B2 (en) * 2012-01-17 2014-04-08 Leap Motion, Inc. Enhanced contrast for object detection and characterization by optical imaging
CN109712159A (zh) * 2018-12-25 2019-05-03 合肥锟特奇科技有限公司 一种抗环境光照干扰的逆反射体图像检测方法及***
CN111325150A (zh) * 2020-02-20 2020-06-23 中科智云科技有限公司 着装检测装置、方法及存储介质
CN112347989A (zh) * 2020-11-30 2021-02-09 广联达科技股份有限公司 反光衣识别方法、装置、计算机设备和可读存储介质
CN113343854A (zh) * 2021-06-09 2021-09-03 北京容联易通信息技术有限公司 一种基于视频监控的动火作业流程合规性检测方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002044512A (ja) * 2000-07-24 2002-02-08 Olympus Optical Co Ltd 電子カメラ
JP2007025758A (ja) * 2005-07-12 2007-02-01 Gen Tec:Kk 人の顔画像抽出方法及び同装置
JP2018093359A (ja) * 2016-12-02 2018-06-14 キヤノン株式会社 画像処理装置、画像処理方法、およびプログラム
CN109255798A (zh) * 2018-09-18 2019-01-22 中国矿业大学 一种安全生产用监控报警方法
CN113196297A (zh) * 2019-01-08 2021-07-30 杭州他若定位科技有限公司 使用基于图像的对象跟踪确定对象的感兴趣区域
CN111582005A (zh) * 2019-02-18 2020-08-25 Oppo广东移动通信有限公司 图像处理方法、装置、计算机可读介质及电子设备
WO2020235462A1 (ja) * 2019-05-23 2020-11-26 日立オートモティブシステムズ株式会社 物体認識装置
CN112417934A (zh) * 2019-08-23 2021-02-26 华为技术有限公司 一种图像检测方法及相关设备
CN115063921A (zh) * 2022-06-01 2022-09-16 河海大学 一种工地智能闸机***及搭建方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
Night Time Image Enhancement by Improved Nonlinear Model;Yao Zhang et al.;《Machine Learning and Intelligent Communications》;第304-315页 *
Ultra-short-term power forecast of photovoltaic power station based on VMD–LSTM model optimised by SSA;Jing Yizhou et al.;《Applied Mathematics and Nonlinear Sciences》;第1-12页 *
Vision-based People Detection Utilizing Reflective Vests for Autonomous Transportation Applications;Henrik Andreasson et al.;《IROS Workshop on Metrics and Methodologies for Autonomous Robot Teams in Logistics (MMART-LOG)》;第1-6页 *
变电站现场佩戴安全帽智能监控预警***研究;朱明增;《中国新技术新产品》(第24期);第178-179页 *
基于卷积神经网络的建筑施工人员不安全行为预警研究;王岩彬;《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》(第1期);第21-40页 *
室内导航图像中反光区域的检测与分割算法;许晗等;《天津工业大学学报》;第32卷(第6期);第59-62页 *

Also Published As

Publication number Publication date
CN115546837A (zh) 2022-12-30

Similar Documents

Publication Publication Date Title
JP3123587B2 (ja) 背景差分による動物体領域抽出方法
US6504942B1 (en) Method of and apparatus for detecting a face-like region and observer tracking display
US9648285B2 (en) Monitoring method and camera
CN105354563B (zh) 结合深度和彩色图像的遮挡人脸检测预警装置及实现方法
US20040146184A1 (en) Object detection
JP6553624B2 (ja) 計測機器、及びシステム
JPH07313459A (ja) まぶたの開度検出装置
JPH1141589A (ja) 移動物体の監視方法および装置
CN113222973B (zh) 图像处理方法及装置、处理器、电子设备及存储介质
JP2018169831A (ja) 画像比較装置
CN113808087A (zh) 钢板表面的缺陷管控方法、装置及计算机可读存储介质
JPH0844874A (ja) 画像変化検出装置
CN115546837B (zh) 变电站进出综合管理***
CN111160299A (zh) 活体识别方法及装置
CN115984973A (zh) 一种用于防偷窥屏幕的人体异常行为监测方法
JP7092616B2 (ja) 物体検出装置、物体検出方法、及び物体検出プログラム
KR102299250B1 (ko) 복합 영상 데이터를 이용한 입출력 인원 계수 장치 및 방법
JPS62147888A (ja) 画像監視方式
CN111985331B (zh) 预防商业秘密被窃照的检测方法及装置
JP7194534B2 (ja) 対象検知装置、画像処理装置、対象検知方法、画像処理方法、及びプログラム
JP2004208209A (ja) 移動体監視装置および移動体監視方法
JP3532769B2 (ja) 画像監視装置
JPH05300516A (ja) 動画処理装置
JP3567114B2 (ja) 画像監視装置及び画像監視方法
JPH0737064A (ja) 侵入物体検出方法および検出装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant