基于机器学习和图像识别的电力作业现场安全监督方法

• 作者: 常政威 彭倩 陈缨
• 来源期刊: 中国电力
• 关键词: 梯度方向直方图 支持向量机 人员闯入检测 电力作业现场 安全监督
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 信息与通信
• 页码范围: 155-160
• 页数: 6页
• 字数: 2913字
• 语种: 中文
• DOI: 10.11930/j.issn.1004-9649.201811057

摘要

针对电力作业现场人员误入危险区域的安全问题,开展人员闯入检测的研究,首先利用梯度方向直方图(histogram of oriented gradient,HOG)和支持向量机(support vector machine,SVM)进行完全帧的人员检测,然后利用基于OpenCV的图像处理技术判断人员是否闯入警戒区域.通过视频监控设备采集作业现场图像,采用上述方法实时识别现场人员及其危险行为,并发出告警信号.实验结果表明,检测结果准确率达到92％,实现了电力作业现场安全监督自动化,显著提升了作业现场安全水平.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭倩	国网四川省电力公司电力科学研究院	10	93	5.0	9.0
2	陈缨		18	33	4.0	4.0
3	常政威	国网四川省电力公司电力科学研究院	12	16	3.0	3.0