電力生產中異常人體行為識別的研究.pdf

1、智能電網是目前國家對電網發(fā)展的主導方向,智能體現(xiàn)在生產的各個相關方面,其中包括智能安全預警。安全是電力生產的前提,目前僅僅依靠人為監(jiān)督生產的機制,往往對異常事件反應滯后。為扭轉這種局面,本文將使用計算機視覺手段對電力生產中異常人體行為進行研究。
　　 本文對異常行為識別過程中的關鍵技術進行探討和研究,包括運動前景提取、目標識別、目標跟蹤及行為識別分類。
　　 人體行為運動前景提取包括對圖像序列提取處理,去除運動背景,獲取

2、人體目標及其隨身物品的運動信息。本文首先使用對稱幀差法和背景減除法,結合背景更新策略,把二者的結果做“或”運算得到時序分割的結果;然后對時序前景區(qū)域使用改進的活動輪廓模型完善前景的邊界信息。本文針對傳統(tǒng)活動輪廓模型的分割速度慢和對邊界分割的空洞問題做出了改進,對于同質區(qū)域內分割時賦予高權值的加速因子,為避免加速分割的同時造成邊界的空洞,又引入了弱邊界牽引力。在圖像預處理后期依據HSV陰影模型,使用高斯分布對潛在的陰影噪聲消除。
　

3、　 尺度不變特征轉換算法能夠很好地解決模板匹配過程中的目標旋轉與縮放影響,缺點是實時性不夠。在目標識別和跟蹤階段,本文對尺度不變特征轉換算法的描述符選擇重新定義,越靠近特征點的特征子向量分配的權值越高,并采用了折半篩選策略搜尋匹配的特征向量,優(yōu)化目標匹配的實時性和準確性?？紤]到工作人員身上豐富的顏色特征如安全帽,工作服等,同時顏色特征在跟蹤過程中容易受光照影響效果,本文把顏色特征和梯度直方圖特征引入粒子濾波跟蹤。首先把RGB顏色的三個

4、分量分別量化至不同的灰度級,并作歸一化處理;然后使用中心正交梯度描述子,按分塊構造梯度直方圖。梯度特征描述正好彌補了顏色特征對形狀特征的表征缺失。
　　 針對本文研究的電力生產中人體異常行為,如摔倒,拳擊,摘帽、撐傘和脫工作服等行為,本文構思了相應的人體輪廓幾何模型,模型包括人體質心坐標、最小外接矩形、外接矩形密度、傾斜角度、外接矩形長寬比及其變化率、子外接矩形寬度及其變化率、質心與特定物體距離等信息。通過數學推導,求解以上模型