首页|基于机器学习和图像识别的电力作业现场安全监督方法

基于机器学习和图像识别的电力作业现场安全监督方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对电力作业现场人员误入危险区域的安全问题,开展人员闯入检测的研究,首先利用梯度方向直方图(histogram of oriented gradient,HOG)和支持向量机(support vector machine,SVM)进行完全帧的人员检测,然后利用基于OpenCV的图像处理技术判断人员是否闯入警戒区域.通过视频监控设备采集作业现场图像,采用上述方法实时识别现场人员及其危险行为,并发出告警信号.实验结果表明,检测结果准确率达到92％,实现了电力作业现场安全监督自动化,显著提升了作业现场安全水平.
Safety Supervision Method for Power Operation Site Based on Machine Learning and Image Recognition

常政威、彭倩、陈缨

展开 >

国网四川省电力公司电力科学研究院,四川成都 610094

国网四川综合能源服务有限公司,四川成都 610072

梯度方向直方图 支持向量机 人员闯入检测 电力作业现场 安全监督

四川省重点研发项目国网四川省电力公司科技项目

2017GZ006852199716002P

2020

中国电力
国网能源研究院 中国电机工程学会

中国电力

CSTPCDCSCD北大核心
影响因子：1.463
ISSN：1004-9649
年,卷(期)：2020.53(4)
  • 24
  • 6