(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210611470.6 (22)申请日 2022.05.31 (71)申请人 广州信诚信息科技有限公司 地址 510000 广东省广州市海珠区敦和路 195号之五自编3 03房 (72)发明人 余梅凤　 (74)专利代理 机构 广州海心联合专利代理事务 所(普通合伙) 44295 专利代理师 冼俊鹏 (51)Int.Cl. G06V 20/52(2022.01) G06V 10/44(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06Q 50/06(2012.01) (54)发明名称 一种基于电力作业现场 的人员装备态势识 别方法 (57)摘要 本发明公开了一种基于电力作业现场 的人 员装备态势识别方法， 具体涉及图像识别技术领 域， 包括图像搜集模块、 数据库格式化模块、 特征 提取模块、 训练验证模块， 具体的流程如下： 步骤 S1、 采集图像， 得到图像素材库； 步骤S2、 将采集 图像数据制作成tfrecord格式， 通过建立队列系 统， 列会自动实现数据随机或有序地进出栈， 并 且队列系统和模 型训练是独立进行的， 加速了一 种基于电力作业现场的人员装备态势识别方法 模型的读取和训练； 步骤S3、 基于图像特征提取 算法对所述tfrecord格式图像进行特征提取， 获 取图像中电力作业人员的安全穿戴特征， 通过判 断多个安全穿戴特征是否 符合预设值， 确定所述 人员的安全穿戴状况； 步骤S4、 对算法模型进行 训练和验证， 获得最佳模型。 权利要求书2页 说明书5页 附图1页 CN 114882442 A 2022.08.09 CN 114882442 A 1.一种基于电力作业现场的人员装备态 势识别方法， 其特 征在于， 包括具体流 程如下： 步骤S1、 采集图像， 通过图像采集设备收集一定数目的电力作业人员装备态势图像， 得 到图像素 材库； 步骤S2、 将采集图像数据制作成tfrecord格式， 得到tfrecord格式 的素材库， 通过建立 队列系统， 可以预先将tfrecord格式的数据加载进队列， 队列会自动实现数据随机或有序 地进出栈， 并且队列系统和模型训练是独立进行 的， 加速了一种基于电力作业现场的人员 装备态势识别方法模型的读取和训练； 步骤S3、 基于图像特征提取算法对所述tfrecord格式图像进行特征提取， 获取图像中 电力作业人员的安全穿戴特征， 通过判断多个安全穿戴特征是否符合预设值， 确定所述人 员的安全穿戴状况； 步骤S4、 对算法模型进行训练和验证， 获得最佳模型。 2.根据权利要求1所述的一种基于电力作业现场的人员装备态势识别方法， 其特征在 于： 所述步骤S1中图像采集设备为能够上传实时数据的照相 机， 图像采集设备根据红外线 感应到人体位置， 准确获得扫描 范围， 采集得到高清晰度的图像， 图像采集设备为监控摄像 头， 通过提取获取 的摄像中的关键帧图像完成图像采集工作， 并将关键帧图像发送给安全 穿戴检测设备。 3.根据权利要求1所述的一种基于电力作业现场的人员装备态势识别方法， 其特征在 于： 所述步骤S2中将采集图像数据制作成tfrecord格式， 具体步骤为： 将关键帧图像导入本 发明图像素材库， 获得了两组resize成224*224大小的商 标图像集； 定义tfrecord文件保存 路径、 tfrecord格 式文件名， Tf.p ython_io.TFRecordWriter存储数据； 将图像和标签一起 存储在tf.train.Ex ample中制作tfrecord格式， 图像经过读取以后转化成二进制格式,通 过writer写入数据到tfrecord中， 生成一个tfrecord文件。 4.根据权利要求1所述的一种基于电力作业现场的人员装备态势识别方法， 其特征在 于： 所述步骤S3中电力作业人员的安全穿戴特征包括： 安全帽、 防护面罩、 手环、 绝缘手套、 绝缘靴、 安全绳、 操作服中的一种或多种， 在系统中设定需要识别的穿戴防护工具的种类， 如， 设定识别面 罩、 绝缘手套、 以及操作服。 5.根据权利要求1所述的一种基于电力作业现场的人员装备态势识别方法， 其特征在 于： 所述步骤S 3中， 图像特征提取算法为卷积神经网络中的ResNet模 型执行图像特征提取， ResNet网络通过短路机制加 入了残差单元， 变化主要体现在 ResNet直接使用stri de＝2的 卷积做下采样， 并且用gl obal average pool层替换了全连接层。 6.根据权利要求1所述的一种基于电力作业现场的人员装备态势识别方法， 其特征在 于， 所述步骤S4中， 算法模型训练和验证的具体步骤如下： 步骤A1、 步骤A1、 首先是读取tfrecord格式图像数据， 通过分类标注功能， 用户在图像 数据上对检测的特 征做分类标注， 然后导入 对比数据库中； 步骤A2、 搭建网络环境进行训练， 使用ResNet_50， 即50层的网络训练， 定义损失函数和 优化器， 损失函数选择sigmoi d交叉熵， 优化器选择Adam， 定义准确率函数， tf.argmax函数 返回最大值所在位置， 最后构建Session， 让网络高速运转， 读取的预处理数据集并进行分 割， 分为训练集、 验证集和 测试集； 步骤A3、 验证训练模型， 使用tfrecord格式的素材库对训 练模型进行验证， 首先通过权　利　要　求　书 1/2 页 2 CN 114882442 A 2tf.TFRecordReader读取里面的数据， 并且还原数据类型， 对图像矩阵进行归一化处理， 完 成tfrecord输 出， 再调用apply_dl_classifier _batchwi se方法， 将已经训练的分类器应用 到测试集中， 并调用ev aluate_dl_classifier方法对测试集中的分类结果进行评估， 预测 类别与真实标签的匹配程度。权　利　要　求　书 2/2 页 3 CN 114882442 A 3