人臉識別和人體檢測技術(shù)在無人值守變電站中的應(yīng)用與實現(xiàn).pdf

1、變電站在趨向于無人值守化的同時，對站場的安全要求也越來越高，“四遙”技術(shù)雖然能夠?qū)崿F(xiàn)對站內(nèi)設(shè)備和環(huán)境的監(jiān)控，但對其周界和門禁區(qū)域的防范還不夠完善，“遙視”的普及雖然能起到對變電站的全面監(jiān)控，但還主要用于記錄和保存站場當(dāng)時的工作狀況，總之，變電站的整體安防水平還并不能滿足無人值守化的需要，因此，本文打算借助于人臉識別和人體檢測技術(shù)去豐富遙視功能，進一步提升變電站的安防水平，具體工作內(nèi)容如下:
　　針對變電站中視頻監(jiān)控圖像會受到光照、

2、噪聲等因素的影響，采用灰度變換、噪聲濾波、圖像增強和尺度歸一化等操作對圖像進行預(yù)處理。
　　人臉識別算法在變電站門禁管理的應(yīng)用中，主要涉及到人臉的特征提取以及特征提取后的人臉分類識別算法。根據(jù)變電站工作環(huán)境的特點，論文對特征提取以及分類算法進行了分析和實現(xiàn)，找到符合變電站工作環(huán)境的人臉識別算法。在特征選擇上，對比了LBP、PCA和LDA三種特征提取方法的識別效果，在抗光性和識別率上，LBP表現(xiàn)較好;為降低噪聲影響，對LBP做了改進

3、處理;為提高識別效率，采用PCA做了降維處理。在分類器選擇上，對比了使用KNN、SVM和BP神經(jīng)網(wǎng)絡(luò)三種分類器的識別效果，在樣本類別和數(shù)量較少的情況下，KNN識別率較高，SVM效率較高。最后根據(jù)以上選擇的結(jié)果，采用基于改進LBP+KNN-SVM的人臉識別方法用于變電站門禁管理。
　　人體檢測算法在變電站工作區(qū)域異常人員活動監(jiān)控的應(yīng)用中，主要涉及到人體的特征提取、以及特征提取后的人體分類檢測算法。根據(jù)人體檢測用于變電站區(qū)域的功能和變

4、電站環(huán)境特點，論文從特征提取、分類器和檢測方式三個方面來選擇檢測效果較好的方法。在特征選擇上，對比了基于人體頭肩和整個人體HOG特征的檢測效果，在人體被遮擋和發(fā)生姿態(tài)變化時，基于人體頭肩的檢測效果較好。在分類器選擇上，對比了SVM，級聯(lián)Adaboost兩種分類器的檢測效果，在效率上，級聯(lián)Adaboost表現(xiàn)較好。在檢測方式上，采用圖像金子塔方式進行搜索實現(xiàn)多尺度空間檢測，更符合實際。最后根據(jù)以上選擇的結(jié)果，采用基于人體頭肩HOG+級聯(lián)A