简介:摘要:杆塔是保证输电线路工作开展的前提,能够直接影响输电效果,电力线路的抱杆组塔作业是电力施工作业中最辛苦也是最危险的工作之一。在数十米甚至上百米的高处移动或作业,安全一不到位就有可能造成高空坠落事故,带来严重的人身伤害。因此对抱杆组塔安全措施研究具有重要意义。
简介:摘 要 : 针对于当今监控系统大多只起拍摄作用而无智能监控手段的问题,提出了基于目标检测算法的智能监控系统。在运用目标检测算法与人脸检测算法的基础之上,利用这些算法实现了能够检测移动目标并进行图像之中人脸的检测与提取,从而当陌生人进入时系统能够精确识别。实现了智能化监控,极大提升了监控的准确性与安全性。 关键词:目标检测、人脸检测、 智能监控 引言 智能视频监控系统无需监控人员持续地盯着屏幕,减轻了工作人员的负担,并具有主动性和实时性的优势。智能视频监控系统的主要职责是利用计算机视觉技术从视频图像中检测、跟踪、识别人脸,并对该主体的行为进行理解。 一、系统设计原理 该系统在原视频系统的监控功能基础上,还增加了以下功能: 包括固定传感器布控预警、华为云平台 Atlas200DK智能摄像头、数据处理系统、可视化一体平台。其中可视化一体平台包括人员属性检测采集系统和视频结构化回溯系统实现人脸信息采集的智能化分析及预警。 ( 1)视频监控系统具有人脸识别能力。要求系统能够自动捕捉出入监控范围的人员脸部图像与数据库信息进行比对 , 并自动识别判断是否为可疑人员上传至数据库处理系统。数据处理系统通过算法模型进行人脸识别并与云数据库中的信息比对,若信息不匹配,则智能启动无人机,无人机将进行目标追踪。 ( 2)系统会将收集到的信息上传至可视化一体平台。固定摄像头拍摄图像信息上传到数据处理系统,数据处理系统通过数据处理算法和可视化数据分析上传至可视化一体平台。无人机拍摄可疑人员后自行处理并上传至可视化一体平台呈现给用户。 二、算法分析 2.1目标检测算法( YOLO v3) YOLO v3采用帧间差分法进行图像提取,且采用多个 scale融合的方式做预测。原来的 YOLO v2有一个层叫: passthrough layer,假设最后提取的 feature map的 size是 13*13,那么这个层的作用就是将前面一层的 26*26的 feature map和本层的 13*13的 feature map进行连接,有点像 ResNet。当时这么操作也是为了加强 YOLO算法对小目标检测的精确度。这个思想在 YOLO v3中得到了进一步加强,在 YOLO v3中采用类似 FPN的 upsample和融合做法(最后融合了 3个 scale,其他两个 scale的大小分别是 26*26和 52*52),在多个 scale的 feature map上做检测,对于小目标的检测效果提升还是比较明显的。 YOLO v3中对前面两层得到的 feature map进行上采样 2倍,将更之前得到的 feature map与经过上采样得到的 feature map进行连接,这种方法可以让我们获得上采样层的语义信息以及更之前层的细粒度信息,将合并得到的 feature map经过几个卷积层处理最终得到一个之前层两倍大小的张量。 图 1 帧间差分法算法流程图
2.2人脸检测算法 (MTCNN) 所谓人脸检测,就是给定一张图像,找到其中是否存在一个或多个人脸,并返回人脸置信度和人脸框位置。它是从待识别图像上获取有用信息的第一步,是实现实时、高精度人脸识别系统的前提和基础。网络实现人脸检测(人脸分类、边框回归)和关键点定位分为三个阶段: 第一阶段:由 P-Net获得了人脸区域的候选窗口和边界框的回归向量,并用该边界框做回归,对候选窗口进行校准,然后通过非极大值抑制( NMS)来合并高度重叠的候选框 第二阶段: P-Net得出的候选框作为输入,输入到 R-Net,网络最后选用全连接的方式进行训练,利用边界框向量微调候选窗体,再利用 NMS去除重叠窗体。 第三阶段:使用更加强大的 CNN( O-Net),网络结构比 R-Net多一层卷积,功能与 R-Net作用一样,只是在去除重叠候选窗口的同时,显示五个人脸关键点定位。 ONet 是网络的最后输出。 图 2 人脸检测阶段流程图 三、系统结构设计 ( 1)数据输入层。本部分通过采集或导入已有人脸数据库,为系统提供待测人脸数据及人脸比对基础库。涵盖一切提供数据源的前端及数据库。 ( 2)算法引擎层。人脸识别平台系统是人脸识别系统的核心 ,主要包括人脸数据的建模,比对分析和存储。 ( 3) 平台服务层。平台服务层向下对接算法引擎,向上提供业务数据接口。主要包括接受客户提出的任务,调用相关底层算法引擎,对算法层反馈的结果进行分析,并提供相关的业务服务。 ( 4)大数据业务层。大数据业务层主要负责数据仓储及数据检索服务。数据仓储及数据检索服务。数据仓储指将系统中产生的人脸图片、人脸特征数据、告警推送信息,包括目标数据库的相关数据进行结构化存储;数据检索服务指与平台服务对接,提供结构化的快速检索,与安防业务相结合,实现对数据时间、空间信息的充分利用,且平台业务功能可在庞大的数据库中快速反馈检索结果。 固定摄像头拍摄图像上传至数据处理系统,数据处理系统通过目标检测算法、人脸检测算法、人脸识别算法将图像中的人脸识别出来并与数据库中的信息进行比对,并根据比对结果决定是否报警,同时将处理后的数据上传至可视化一体平台。更为重要的一点,可以对监拍对象进行数据提取分析,形成对象分析报告,高效准确地将其信息提供给客户。 图 3 系统结构流程图 小结 随着科学技术的不断提高,人脸实时识别监控系统在使用时,依据人面像本身所固有的生理特征 ,利用目标检测算法、人脸检测算法和人脸识别算法来达到身份验证和识别的目的。 参考文献 [1]严杰支持人脸检测的智能视频监控系统的设计与实现 [D].重庆大学 . [2]李苗在,谷海红 .人脸识别研究综述 [J].电脑知识与技术 :学术交流 ,2011,07(8X):5992-5994.简介:摘 要:由于我国西南、西北以及新疆特殊的地形,高原机场和航线十分复杂,一旦发生特情将极大的危险航空安全。飞机在空中发动机空中停车或者座舱释压就是典型的空中特情,如何通过有效的信息手段及时处理,在特情情况下给予机组的支持是航空运行保障人员不断探究的课题。本文通过对运行监控中飞机在空中一发失效以及座舱释压的特情,将专业的性能分析与实际的需求结合起来,通过系统支持第一时间让机组掌握相关信息,尽最大努力保障航班安全。
简介:摘要:人口密度的扩增导致电力行业信息化系统建设规模、数量不断加快,其中,系统网络运行的环境风险也越来越多,信息化系统内所包含的网元需要合理的网络环境才能充分发挥其性能水平,如通信网络、数据库、软硬件设备、中间件、关键应用等,目前,如何建设一个信息化管理系统已经成为企业迫不及待需要解决的事情,这有助于实现电力企业更多扩展业务的开展以及对当前所具备的服务器、主机通信网络等的实时运行监控,其中监控系统的智能化建设已经得到了较为广泛的应用,相对于传统落后的电力信息化监控手段,智能化监控技术具备更为精确的现场数据采集、人性化的界面分析,且其使用成本更为低廉;同样,智能化电力监控系统还能够实现低能耗、高环保,最终促进电网运行的可靠稳定安全。
简介:摘要:煤炭是我国的基础能源和重要原料,煤炭工业是关系国家经济命脉和能源安全的重要基础产业。 随着社会经济的发展 ,煤炭安全取得了长足进步,但 是 发展过程不平衡、不协调等问题依然突出,安全生产形势依然严峻。煤矿地质条件复杂、水、瓦斯、地压等灾害频发,煤矿安全风险加剧。随着我国科技水平的不断提高,利用物联网 以及 大数据等技术,推进煤矿安全监控系统升级改造,构建煤矿作业场所的事故预防及应急处置系统,成为改善我国煤矿安全现状的一项重要措施,建立信息化煤矿安全监控系统成为煤矿安全与科技信息发展相互协调的必然产物。本文通过分析现有煤矿安全监测系统存在的问题,以及现代化煤矿安全生产对安全监控系统提出的信息化要求,阐述了信息化煤矿安全监控系统的概念,以及系统构建框架 , 旨在为现代化煤矿安全生产提供相关理论参考。
简介:摘要: 随着计算机技术、网络技术和通信技术的不断进步,油井远程监控系统得到了极大的发展。油田早期生产没有远程监测系统,人工监测费时费力,数据采集不及时。随着工业自动化的发展,油田远程监控系统应运而生,使油田的生产和管理更加高效、可靠。目前,现有的现场总线技术广泛应用于工业控制领域。然而,油井可以分布在油田内,并分散在不同的位置。如果数据通过电线传输,需要铺设很长的电缆,这是非常昂贵的,而且电缆容易老化和损坏。为解决上述问题,油井远程监控系统采用无线通信技术进行数据传输。 ZigBee 技术以其功耗低、成本低、可靠性高、网络容量大等特点,在众多无线通信技术中脱颖而出。