-
公开(公告)号：CN112183317A
公开(公告)日：2021-01-05
申请号：CN202011030511.X
申请日：2020-09-27
申请人： 武汉大学
摘要： 本发明涉及一种基于时空图卷积神经网络的带电作业现场违章行为检测方法，该方法包括如下步骤：(1)采集带电作业监控视频；(2)总结带电作业过程中常见的违章行为，并提取对应的视频片段，对违章行为片段中的作业人员进行标记；(3)采用时空图卷积神经网络进行训练学习；(4)使用训练好的模型对带电作业现场的监控视频自动进行违章行为检测，作业人员存在违章行为时报警。本发明通过人员姿态识别等深度视觉技术，提取带电作业人员的行为信息，当作业人员出现违章操作时，及时发出警告。该方法可以大大减少电力安全监管的工作量，保障电力作业的安全。
-
公开(公告)号：CN112419091B
公开(公告)日：2022-07-08
申请号：CN202011348251.0
申请日：2020-11-26
申请人： 武汉大学
摘要： 本发明公开了一种知识图谱驱动的配电网现场作业视频智能安全管控方法，首先构建电力作业安全管控知识图谱，旨在分解作业任务中的对象、流程、注意事项及其他语义信息，使作业更加直观可视化，并为后续人员信息安全的匹配、技能点的动作匹配和动态评价建立基础；然后划分配电网作业现场区域和视频智能管控类别；最后利用深度学习算法，并结合了作业现场各区域的监控视频，实时全过程地对作业人员进行安全管控，改以往被动的现场作业人工监督为主动智能的自动化监控，为现场作业安全风险的事前预警提供支持，从而降低现场作业人员的风险，减少事故发生概率，对提高配电网现场作业安全管控水平具有重要意义。
-
公开(公告)号：CN112419091A
公开(公告)日：2021-02-26
申请号：CN202011348251.0
申请日：2020-11-26
申请人： 武汉大学
摘要： 本发明公开了一种知识图谱驱动的配电网现场作业视频智能安全管控方法，首先构建电力作业安全管控知识图谱，旨在分解作业任务中的对象、流程、注意事项及其他语义信息，使作业更加直观可视化，并为后续人员信息安全的匹配、技能点的动作匹配和动态评价建立基础；然后划分配电网作业现场区域和视频智能管控类别；最后利用深度学习算法，并结合了作业现场各区域的监控视频，实时全过程地对作业人员进行安全管控，改以往被动的现场作业人工监督为主动智能的自动化监控，为现场作业安全风险的事前预警提供支持，从而降低现场作业人员的风险，减少事故发生概率，对提高配电网现场作业安全管控水平具有重要意义。
-
公开(公告)号：CN112200030A
公开(公告)日：2021-01-08
申请号：CN202011033289.9
申请日：2020-09-27
申请人： 武汉大学
摘要： 本发明涉及一种电力系统现场作业人员动态动作风险识别方法，该方法通过利用人体姿态估计方法提取电力系统现场作业人员的骨骼信息，从而将视频信息转化成包含骨架信息的无向图，然后利用时空图卷积网络实现对现场作业人员的动作识别。本发明能够实现现场作业人员动态行为的风险识别，能够实时的识别出现场作业人员的动态违章行为和风险，从而为电力生产现场安全风险预警与管控提供技术手段，从而降低电力系统事故发生概率，提高电力生产的本质安全水平。
-
-
-
搜索结果
24 条记录 (耗时 0.076 秒)
