電力生產(chǎn)中異常人體行為識別的研究.pdf

1、智能電網(wǎng)是目前國家對電網(wǎng)發(fā)展的主導(dǎo)方向,智能體現(xiàn)在生產(chǎn)的各個相關(guān)方面,其中包括智能安全預(yù)警。安全是電力生產(chǎn)的前提,目前僅僅依靠人為監(jiān)督生產(chǎn)的機制,往往對異常事件反應(yīng)滯后。為扭轉(zhuǎn)這種局面,本文將使用計算機視覺手段對電力生產(chǎn)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(guān)鍵技術(shù)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(jié)合背景更新策略,把二者的結(jié)果做“或”運算得到時序分割的結(jié)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(zhì)區(qū)域內(nèi)分割時賦予高權(quán)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(yù)處理后期依據(jù)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(zhuǎn)換算法能夠很好地解決模板匹配過程中的目標旋轉(zhuǎn)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(zhuǎn)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(quán)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(gòu)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(chǎn)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(gòu)思了相應(yīng)的人體輪廓幾何模型,模型包括人體質(zhì)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(zhì)心與特定物體距離等信息。通過數(shù)學推導(dǎo),求解以上模型