王 凱，王小軍，馬 娜，張菊梅

（1.國網(wǎng)新源控股有限公司，北京市 100761；2.北京國電通網(wǎng)絡(luò)技術(shù)有限公司，北京市 100070）

0 引言

2019年國家電網(wǎng)公司提出打造“三型兩網(wǎng)，世界一流”的建設(shè)目標(biāo)，在建設(shè)堅(jiān)強(qiáng)智能電網(wǎng)基礎(chǔ)上，打造狀態(tài)全面感知、信息高效處理、應(yīng)用便捷靈活的泛在電力物聯(lián)網(wǎng)。抽水蓄能電站作為堅(jiān)強(qiáng)智能電網(wǎng)的重要組成部分，應(yīng)通過提升終端感知能力和分析能力，進(jìn)一步推動(dòng)基建智能管控系統(tǒng)建設(shè)。

本文通過研究抽水蓄能電站智慧安監(jiān)的圖像識(shí)別關(guān)鍵技術(shù)，利用機(jī)器視覺對(duì)現(xiàn)場作業(yè)情況進(jìn)行深度分析，有效應(yīng)用于施工現(xiàn)場中人臉識(shí)別、安全帽識(shí)別、危險(xiǎn)源識(shí)別和人員移動(dòng)、跨越等場景；同時(shí)結(jié)合歷史案例視頻庫、相近場景視頻、關(guān)聯(lián)場景視頻等信息對(duì)可能發(fā)生的風(fēng)險(xiǎn)進(jìn)行預(yù)判，并推送到相關(guān)參建單位，能有效彌補(bǔ)傳統(tǒng)方法和技術(shù)在監(jiān)管中的缺陷和不足，變傳統(tǒng)“監(jiān)督”為智慧“監(jiān)控”，真正體現(xiàn)安全第一、預(yù)防為主、綜合管理的理念[1]-[5]。

1 圖像識(shí)別技術(shù)

1.1 圖像識(shí)別概述

圖像識(shí)別是以智能設(shè)備采集的基礎(chǔ)元素圖像為前提，通過計(jì)算機(jī)進(jìn)行處理、分析和理解，對(duì)不同形式的目標(biāo)及對(duì)象進(jìn)行識(shí)別判斷的技術(shù)。圖像識(shí)別是模式識(shí)別技術(shù)在圖像領(lǐng)域中的具體應(yīng)用，過程主要包括信息的獲取、圖像預(yù)處理、圖像分割、特征抽取、判斷匹配、分類器設(shè)計(jì)和分類決策。圖像識(shí)別的核心就是通過借助計(jì)算機(jī)手段，達(dá)到人類認(rèn)知理解圖片內(nèi)容的效果。圖像識(shí)別技術(shù)在各領(lǐng)域的充分利用，可以幫助我們通過上傳采集的圖片更快地獲取有效信息，還可以利用圖像識(shí)別產(chǎn)生全新的信息交互方式，讓生活和工作更加智能地運(yùn)轉(zhuǎn)。隨著社會(huì)的進(jìn)步，人類的識(shí)別能力不斷提升，但是對(duì)于當(dāng)今高速發(fā)展的社會(huì)而言，人類本身識(shí)別能力的發(fā)展已經(jīng)遠(yuǎn)遠(yuǎn)無法滿足工作生活的需求，因此基于計(jì)算機(jī)的圖像識(shí)別技術(shù)應(yīng)需而生。

1.2 圖像識(shí)別原理

圖像識(shí)別技術(shù)原理主要是依托計(jì)算機(jī)來實(shí)現(xiàn)的，計(jì)算對(duì)圖像的識(shí)別技術(shù)和人類自身的圖像識(shí)別技術(shù)在原理上是相通的，只是計(jì)算機(jī)的圖像識(shí)別更為客觀，無感情及視覺的額外影響。人類對(duì)圖像識(shí)別是依靠圖像自身的特征先進(jìn)行分類，然后通過理解和對(duì)比各個(gè)類別所具有的特征將圖像識(shí)別出來的。當(dāng)我們看到一張圖片時(shí)會(huì)迅速在大腦中判斷是否見過相同或類似圖片。其實(shí)在“看到”與“判斷”的中間存在著一個(gè)快速識(shí)別過程，這個(gè)快速識(shí)別的過程和我們運(yùn)用搜索引擎類似，我們的大腦會(huì)根據(jù)存儲(chǔ)記憶中已經(jīng)分好的類別進(jìn)行識(shí)別比對(duì)，查看是否有與該圖像具有相同或類似特征的存儲(chǔ)記憶，從而識(shí)別出是否見過該圖像。而計(jì)算機(jī)的圖像識(shí)別技術(shù)也是如此，在獲取信息后進(jìn)行自動(dòng)分類并提取重要特征來進(jìn)行識(shí)別圖像。計(jì)算機(jī)提取的特征通常是多樣的，既有關(guān)鍵性明顯特征，又有一般性普通特征，這點(diǎn)將在一定程度上影響計(jì)算機(jī)識(shí)別的準(zhǔn)確率?？傊?jì)算機(jī)的圖像識(shí)別，一般是利用圖像特征來描述圖像內(nèi)容。

2 基于圖像識(shí)別技術(shù)的視頻與安保監(jiān)控系統(tǒng)設(shè)計(jì)

抽水蓄能電站中視頻與安保監(jiān)控系統(tǒng)針對(duì)主要洞室出入口、上下庫區(qū)域、地下洞室群及主要施工區(qū)域?qū)崟r(shí)24h不間斷監(jiān)視，便于管理人員及時(shí)掌握各施工區(qū)域的安全情況和工程進(jìn)度；對(duì)于重要區(qū)域利用人工智能圖像識(shí)別技術(shù)，可有效提升傳統(tǒng)的監(jiān)控功能，提升視頻識(shí)別過程中的準(zhǔn)確率，變“被動(dòng)監(jiān)控”為“主動(dòng)預(yù)警”[6]。

2.1 系統(tǒng)架構(gòu)

視頻與安保監(jiān)控系統(tǒng)由前端采集設(shè)備、傳輸網(wǎng)絡(luò)和中心控制設(shè)備組成，中心控制設(shè)備包括存儲(chǔ)、中心管理控制和大屏顯示3部分的內(nèi)容（見圖1）。其中前端采集層位于電站內(nèi)洞室出入口、上下庫等主要施工區(qū)域，用于采集、識(shí)別入場施工人員、施工作業(yè)的圖像信息；網(wǎng)絡(luò)層基于TCP/IP協(xié)議，通過以太網(wǎng)為傳輸媒介，考慮傳輸過程中的信息安全，一般采用有線方式連接至監(jiān)控中心。中心管理控制和大屏展示是整個(gè)系統(tǒng)架構(gòu)的核心，基于圖像識(shí)別技術(shù)，可實(shí)現(xiàn)視頻監(jiān)控過程中的人臉識(shí)別、物體識(shí)別、數(shù)據(jù)分析等功能，并通過平臺(tái)進(jìn)行風(fēng)險(xiǎn)及隱患的主動(dòng)告警。

2.2 功能模塊設(shè)計(jì)

作為智慧安監(jiān)的視頻與安保監(jiān)控系統(tǒng)在功能上可以劃分為五個(gè)層面，即圖像的采集、處理、分析和理解以及智能決策（見圖2）。

2.2.1 圖像采集模塊

圖像采集是圖像識(shí)別過程中的最初環(huán)節(jié)，通過電站現(xiàn)場的前端攝像機(jī)對(duì)施工人員及施工環(huán)境進(jìn)行數(shù)據(jù)采集，利用計(jì)算機(jī)對(duì)采集的圖像或視頻數(shù)據(jù)進(jìn)行分析，獲取關(guān)鍵性特征。如人臉識(shí)別需要通過攝像機(jī)對(duì)人員進(jìn)行面部數(shù)據(jù)采集，且需采集多種面部姿態(tài)以降低圖像識(shí)別過程中的處理難度，提高面部識(shí)別的運(yùn)算速度和準(zhǔn)確率；再如危險(xiǎn)源識(shí)別，需對(duì)施工現(xiàn)場進(jìn)行多種危險(xiǎn)因素采集，豐富圖像識(shí)別的學(xué)習(xí)庫以提高風(fēng)險(xiǎn)識(shí)別的準(zhǔn)確率。

圖1 視頻與安保監(jiān)控系統(tǒng)架構(gòu)圖Figure 1 Video and Security Monitoring System Architecture

2.2.2 圖像處理模塊

圖像處理主要是運(yùn)用計(jì)算機(jī)進(jìn)行圖像轉(zhuǎn)換、圖像分割、區(qū)域形態(tài)學(xué)處理等手段，使圖像達(dá)到所需的結(jié)果。如由于電站地下洞室群環(huán)境惡劣，由于施工、噪聲、光照、運(yùn)動(dòng)等諸多因素的影響，采集的原始圖像很可能存在模糊、暗淡等質(zhì)量不高現(xiàn)象，通過圖像處理模塊可以改變原始圖像的亮度、顏色、輪廓等，從而強(qiáng)化圖像質(zhì)量，為后期圖像分析、圖像理解提供可靠保障。

2.2.3 圖像分析模塊

圖像分析主要是對(duì)經(jīng)過預(yù)處理的圖像進(jìn)行圖像分割、圖像編碼、圖像濾波等因素的研究，側(cè)重于研究圖像本身的內(nèi)容，利用數(shù)學(xué)模型結(jié)合圖像處理提取來分析圖像內(nèi)容的特征及因素，具有一定智能性。如在針對(duì)施工現(xiàn)場中的車輛，會(huì)根據(jù)采集的車輛圖片信息分析出車輛的外形、類別、顏色等信息。

圖2 圖像識(shí)別的過程Figure 2 The Process of Image Recognition

2.2.4 圖像理解模塊

圖像理解就是在圖像分析的基礎(chǔ)上對(duì)圖像進(jìn)行語義的理解，即計(jì)算機(jī)學(xué)習(xí)和推理的過程，通過研究目標(biāo)圖像的內(nèi)容、性質(zhì)、相互關(guān)系等，得出對(duì)圖像內(nèi)容的解釋，從而為智能決策提供依據(jù)。圖像理解模塊中涉及面較廣，需建立強(qiáng)大的知識(shí)庫作為支撐。如在電站環(huán)境中，通過圖像分析可得到車輛的外形、顏色等信息，但是通過圖像理解就可以得到車輛的用途及是否違規(guī)操作等。

2.2.5 智能決策模塊

智能決策模塊是視頻與安保監(jiān)系統(tǒng)中的核心功能，基于圖像的采集、處理、分析、理解，通過邏輯推理及判斷解決事件存在的問題，綜合得出最優(yōu)處理建議，協(xié)助管理人員快速響應(yīng)處理。如電站施工人員在執(zhí)行工作期間，由于未按規(guī)定佩戴響應(yīng)的防護(hù)裝備，通過前端抓拍、分析后，智能決策模塊就可以快速做出判斷，在平臺(tái)做出響應(yīng)提示，并記錄不合規(guī)作業(yè)情況，作為決策依據(jù)。

3 業(yè)務(wù)應(yīng)用

圖形智慧分析和預(yù)警作為視頻與安保監(jiān)控系統(tǒng)的深度應(yīng)用，主要是通過圖像識(shí)別技術(shù)，識(shí)別抽水蓄能電站施工現(xiàn)場的違章作業(yè)和安全隱患，并作出快速預(yù)警。主要業(yè)務(wù)應(yīng)用體現(xiàn)為人臉識(shí)別、安全帽（帶）佩戴檢測、危險(xiǎn)源識(shí)別和人員移動(dòng)/跨越等常見場景[7]。

3.1 人臉識(shí)別

利用安裝在電站洞室出入口等關(guān)鍵區(qū)域的攝像機(jī)采集施工人員的面部圖像，系統(tǒng)對(duì)獲取到的圖像進(jìn)行必要的預(yù)處理，通過建立人臉黑白名單庫，將獲取的人臉圖像與人臉數(shù)據(jù)庫進(jìn)行比對(duì)及數(shù)據(jù)計(jì)算，當(dāng)比對(duì)結(jié)果為合理值時(shí)，即為白名單人員系統(tǒng)準(zhǔn)許通行；當(dāng)比對(duì)結(jié)果超過合理值則系統(tǒng)鎖定此人，即為黑名單人員，對(duì)非授權(quán)人員進(jìn)行告警和記錄，并將告警信息推送至系統(tǒng)，需通過人工復(fù)合后才能解除禁止。此外還可通過對(duì)進(jìn)場人員的身份驗(yàn)證確保到崗人員的真實(shí)性以及作業(yè)票的人票符合性等問題，從而有效解決洞室的出入口、豎井/斜井的進(jìn)出口、施工變電站等重點(diǎn)區(qū)域內(nèi)人員管理問題。

3.2 安全帽（帶）佩戴檢測

通過應(yīng)用圖像識(shí)別模塊能夠自動(dòng)調(diào)取像素點(diǎn)的直方圖通過數(shù)學(xué)模型自動(dòng)計(jì)算出安全帽（帶）佩戴形態(tài)分析，從而判斷是否穿戴安全帽（帶）等勞保用品，對(duì)電站施工人員、監(jiān)理人員和業(yè)主人員進(jìn)行實(shí)時(shí)分析識(shí)別、跟蹤和報(bào)警，對(duì)未佩戴安全帽的危險(xiǎn)行為進(jìn)行預(yù)警，并將報(bào)警截圖和視頻保存到數(shù)據(jù)庫形成報(bào)表，同時(shí)將報(bào)警信息推送給相關(guān)管理人員。

3.3 危險(xiǎn)源識(shí)別

危險(xiǎn)源識(shí)別可利用攝像機(jī)的點(diǎn)位布設(shè)全面覆蓋電站施工現(xiàn)場，通過圖像的處理及智能分析對(duì)電站施工現(xiàn)場發(fā)生的事件如山火、物品違規(guī)存放等加以判斷，有效捕捉施工過程中的風(fēng)險(xiǎn)因素，并將危險(xiǎn)信息發(fā)送至平臺(tái)，對(duì)施工區(qū)存在的危害或可能產(chǎn)生的風(fēng)險(xiǎn)提前預(yù)警，時(shí)刻保證電站施工的穩(wěn)定和安全。

3.4 人員移動(dòng)/跨越識(shí)別

在電站帶電區(qū)和重點(diǎn)風(fēng)險(xiǎn)實(shí)施管理區(qū)域內(nèi)可進(jìn)行圍欄式電子監(jiān)控，根據(jù)實(shí)際情況形成警戒區(qū)域地圖，在區(qū)域內(nèi)設(shè)置人員及物體禁令，當(dāng)攝像機(jī)檢測到有人員移動(dòng)、跨越或其他違規(guī)動(dòng)作時(shí)，通過圖像識(shí)別及分析將自動(dòng)識(shí)別告警，并推動(dòng)至系統(tǒng)管理人員，可有效提升對(duì)危險(xiǎn)區(qū)域的人員管控。

4 結(jié)束語

基于人工智能的圖像識(shí)別技術(shù)在抽水蓄能電站中有很好的運(yùn)用空間和使用價(jià)值，特別是隨著國家電網(wǎng)公司“三型兩網(wǎng)”的推進(jìn)和人工智能向深度發(fā)展，代表了抽水蓄能電站智慧安監(jiān)的未來趨勢和發(fā)展方向。在看到優(yōu)勢的同時(shí)更需要正視圖像識(shí)別技術(shù)在視頻與安保監(jiān)控系統(tǒng)應(yīng)用中存在的問題：一是圖像識(shí)別基于數(shù)據(jù)模型庫的反復(fù)訓(xùn)練，目前抽水蓄能電站的模型庫尚需強(qiáng)化及完善，只有學(xué)習(xí)訓(xùn)練準(zhǔn)確率提升，才能有效降低圖像識(shí)別的誤差；二是具有智能操作系統(tǒng)的物聯(lián)終端對(duì)信息安全有較高要求，一旦遭遇黑客攻擊將直接影響整個(gè)系統(tǒng)甚至電站的正常運(yùn)行，如何解決信息安全問題是重中之重。

總之，基于人工智能的圖像識(shí)別技術(shù)在抽水蓄能電站中的應(yīng)用代表了未來數(shù)字化電站智慧安監(jiān)的發(fā)展方向，也是“五系統(tǒng)一中心”功能優(yōu)化提升的主要方向。隨著科學(xué)技術(shù)的不斷進(jìn)步，圖像識(shí)別技術(shù)將在抽水蓄能電站智慧安監(jiān)中得到廣泛應(yīng)用，在提升工程本質(zhì)安全方面將發(fā)揮出巨大作用。