高峰，楊瑩，馬瑋娜

（1.國網(wǎng)河南省電力公司信息通信公司，河南鄭州 450052；2.河南九域騰龍信息工程有限公司，河南鄭州 450000）

隨著信息技術(shù)的快速發(fā)展，智能電網(wǎng)成為我國相關(guān)建設(shè)的重點內(nèi)容及方向，同時也為進一步推動電力信息通信系統(tǒng)的建設(shè)提供了契機[1]。當(dāng)前各地電網(wǎng)企業(yè)已初步建立了電力運營監(jiān)控與信息管理平臺，通過對運維數(shù)據(jù)的采集、分析來優(yōu)化電力通信運維體系，從而提升智能電網(wǎng)的水平[2]。但由于信息系統(tǒng)的檢修存在管理流程、網(wǎng)絡(luò)環(huán)境、涉及人員及遠程操作均較為復(fù)雜的特點，因此對相關(guān)操作進行審計仍是檢修管理中的難點[3-5]。人工智能（Artificial Intelligence，AI）的崛起，使得計算機視覺技術(shù)被廣泛應(yīng)用于醫(yī)療、工業(yè)、教育等領(lǐng)域[6-8]，實現(xiàn)了對視頻圖像數(shù)據(jù)進行分類、檢測、識別和分割等任務(wù)。而應(yīng)用該技術(shù)對機房的視頻監(jiān)控數(shù)據(jù)進行實時采集與分析，可獲取現(xiàn)場檢修時間、人員和位置等信息；再將其與遠程檢修審計信息進行對比分析，可以找出不符合檢修計劃、無票檢修等一系列問題，從而及時發(fā)現(xiàn)并審計違規(guī)行為。其中的關(guān)鍵技術(shù)是實現(xiàn)對監(jiān)控視頻圖像中檢修人員的檢測，即人員目標(biāo)檢測。通過利用目標(biāo)檢測模型對機房視頻幀圖片進行計算識別，以此判斷各個信息機房中人員出現(xiàn)的時間及位置信息。文中基于深度學(xué)習(xí)（Deep Learning，DL）算法，設(shè)計了一種針對機房檢修人員的檢測模型。

1 理論分析

1.1 目標(biāo)檢測

目前主流的目標(biāo)檢測方法主要采用深度學(xué)習(xí)算法[9-11]，通?？煞譃閮煞N：兩階段檢測與單階段檢測。兩階段檢測使用多個固定的滑動窗口對整個圖像進行掃描，以產(chǎn)生多個候選框，再從中篩選出正樣本并進行二次修正后得到最終效果[13]。而單階段檢測提前劃分單元格，再將實例對象放入其中，最后不斷對錨框進行分類與位置修正并得到最終的效果。

1.2 YOLOv4算法

YOLO 系列算法是單階段檢測模型，其優(yōu)點是能顯著提升計算速度，故可滿足實時性要求較高的場景。該模型的核心思想是將目標(biāo)檢測看作一個回歸問題，并把輸入圖片劃分成若干網(wǎng)格；再用卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，CNN）對圖片進行特征提取；當(dāng)檢測到目標(biāo)時，根據(jù)當(dāng)前網(wǎng)格的先驗框得出預(yù)測框，進而實現(xiàn)對圖像類別及位置的判別。

YOLOv4 模型[14]相比于傳統(tǒng)的YOLO 系列算法，可大幅提高檢測速度和準(zhǔn)確性。該模型從數(shù)據(jù)預(yù)處理、主干網(wǎng)絡(luò)、激活函數(shù)與損失函數(shù)多個部分進行優(yōu)化。改進模型主要有三個貢獻：1）構(gòu)建一個低門檻、高性能的目標(biāo)檢測模型，即使用較低的GPU 就能訓(xùn)練出一個快速且準(zhǔn)確的目標(biāo)檢測器；2）驗證了兩種先進Bag-of-Freebies 和Bag-of-Specials 方法對于模型訓(xùn)練的影響；3）引入了交叉迭代歸一化（Cross Iteration Batch Normalization，CBN）、特征融合PAN、空間注意力機制SAM 等技術(shù)。

2 基于改進YOLOv4的運維人員檢測模型

2.1 總體架構(gòu)設(shè)計

由于對機房監(jiān)控視頻處理的實時性要求較高，且還需保證能夠準(zhǔn)確識別和定位人員信息，所以文中以YOLOv4 作為基礎(chǔ)模型。整個模型包含輸入端、主干網(wǎng)絡(luò)、頸部網(wǎng)絡(luò)及輸出端四部分。首先，將機房運維監(jiān)控的視頻幀圖像作為網(wǎng)絡(luò)的輸入；然后，使用主干網(wǎng)絡(luò)對圖像特征加以提??；再利用頸部網(wǎng)絡(luò)將獲得的特征做進一步提取，并對不同尺度特征圖的信息進行融合；最終輸出檢測結(jié)果。改進YOLOv4 框架結(jié)構(gòu)如圖1 所示。

與傳統(tǒng)的YOLOv4 相比，文中進行了如下改進：首先，用DenseNet 替換傳統(tǒng)模型主干網(wǎng)絡(luò)中的Cspdarketnet53，原因是DenseNet 網(wǎng)絡(luò)可增強層與層之間的密度，并提高特征的傳播及融合，從而減少梯度消失的問題且降低了參數(shù)的數(shù)量與計算負(fù)荷；其次，提出人員特征提取模塊PM 來改進空間金字塔池化，該模塊能夠?qū)Σ煌叨鹊臋C房運維人員特征進行有效提?。淮送?，CBL 模塊則是由卷積Conv、批量歸一化BN 以及Leaky ReLU 激活函數(shù)組成。

2.2 DenseNet模塊

由于文中將損失函數(shù)變?yōu)長eaky ReLU，促進了特征的重用和融合，因此，改進模型通過使用DenseNet模塊來提高層間的密度，使網(wǎng)絡(luò)結(jié)構(gòu)變得更為復(fù)雜，從而更有效地對人員信息進行檢測。

DenseNet[15]主要思想是通過特征重用和旁路設(shè)置來解決梯度消失與模型退化的問題，同時還大幅減少了參數(shù)的數(shù)量。其網(wǎng)絡(luò)結(jié)構(gòu)也是基于ResNet 網(wǎng)絡(luò)[16]，不同之處在于DenseNet 中建立了所有前層及后層間的密集連接，并同時重用了該特性。密集網(wǎng)模型由密集塊與中間區(qū)間模塊過渡層組成。在同一個密集塊中，特征層的寬度和高度并未改變，而通道的數(shù)量則會發(fā)生相應(yīng)變化。過渡層是一個連接不同密集塊的模塊，其結(jié)合了密集塊的特性以減少前一個密集塊的寬度及高度。在模塊被堆疊后，功能也會連續(xù)堆疊，由此使得各層間的連接更為緊密。DenseNet 網(wǎng)絡(luò)結(jié)構(gòu)如圖2 所示。

圖2 DenseNet網(wǎng)絡(luò)結(jié)構(gòu)

傳統(tǒng)的網(wǎng)絡(luò)經(jīng)過第n層后的輸出結(jié)果為：

而在DenseNet 中，其會連接前面所有層作為輸入，由此得到的結(jié)果為：

式中，Hn(·) 表示非線性轉(zhuǎn)化函數(shù)，包括歸一化、激活函數(shù)、池化和卷積操作；n層與n-1 層之間實際包含多個卷積層。

2.3 人員特征提取模塊PM

由于室內(nèi)檢修人員的目標(biāo)尺度大小不同，使用單一尺度的特征提取效果通常并不理想。而提取多尺度特征信息的關(guān)鍵，是對目標(biāo)的每種尺度均進行充分利用，因此文中利用先驗的人員長寬比信息加入SPP 結(jié)構(gòu)進行改進，以獲取不同尺度的人員感受野，進而有效對檢修人員的多尺度特征加以提取。

SPP 網(wǎng)絡(luò)使用的感受野均為正方形，但這樣會覆蓋諸多除人員以外的無效背景，導(dǎo)致圖像噪聲較多，進而干擾人員多尺度信息的提取。因此文中采用更寬的網(wǎng)絡(luò)加入人員的長寬比先驗信息，形成了一個新的人員特征提取模塊PM，其結(jié)構(gòu)如圖3所示。

圖3 PM結(jié)構(gòu)圖

人員特征提取模塊采用3×1、3×2 和3×3 共3 種大小不同的感受野來進行特征提取。為了能夠擬合人員的寬高比，對3×2 與3×3 的卷積核在高度上使用擴張率為1、2 的空洞卷積；同時借助1×1 的卷積對輸入通道進行壓縮，以減少計算量；最后，再使用1×1的卷積進行通道變換。

2.4 GIoU損失函數(shù)

在目標(biāo)檢測中，僅基于距離的損失函數(shù)無法進行準(zhǔn)確度量，因此文中采用GIoU 作為損失函數(shù)，其能夠?qū)︻A(yù)測邊框與實際標(biāo)注邊框進行對比，從而計算損失。

GIoU 損失函數(shù)可用公式表示為：

其中，LGIoU表示GIoU 的損失值；LIoU代表實際真實框與預(yù)測框的交并比；d表示兩個框中心點之間的歐式距離；c表示兩個框最小閉包區(qū)域的對角線長度；v表示兩個框?qū)捀弑纫恢滦缘膮?shù)；wgt和hgt、w及h分別表示真實框、預(yù)測框的寬度及高度；α表示長寬比一致的權(quán)衡函數(shù)。

3 實驗與數(shù)據(jù)分析

3.1 樣本數(shù)據(jù)集

由于設(shè)備檢修工作人員均在室內(nèi)工作，故攝像頭在采集數(shù)據(jù)時易受到多種因素的影響。為了提高模型的檢測效果，選用曠視科技的CrowdHuman 數(shù)據(jù)集為基礎(chǔ)數(shù)據(jù)集來進行實驗，該數(shù)據(jù)集內(nèi)包含有各種人員在不同背景環(huán)境下的24 370 張圖片。實驗將其中15 000 張作為訓(xùn)練集，另外的5 000 張作為測試集，剩余的4 370 張則為驗證集。

3.2 實驗環(huán)境和模型訓(xùn)練

實驗采用的深度學(xué)習(xí)框架為PyTorch1.0 版本，使用的編程語言為Python，操作系統(tǒng)為Linux，處理器為Intel Core i7-5960，內(nèi)存為32 GB，顯卡為RTX2080。

在訓(xùn)練時將最小批次大小設(shè)置為128 張，并采用隨機梯度下降法作為模型訓(xùn)練的優(yōu)化策略。初始學(xué)習(xí)速率設(shè)置為0.001，動量設(shè)置為0.9，其余參數(shù)設(shè)置與YOLOv4 模型相同且保持不變。

3.3 評價指標(biāo)

在目標(biāo)檢測時，通常使用評價指標(biāo)來判別模型的優(yōu)劣。文中采用的指標(biāo)除了常見的準(zhǔn)確率、召回率、F1 值外，還需增加檢測速度。每秒幀率（FPS）是最常用的平均指標(biāo)，即在硬件環(huán)境相同的情況下，模型1 s 內(nèi)處理圖片的幀數(shù)，F(xiàn)PS 值越大，說明模型的檢測速度越快，且性能越優(yōu)。

根據(jù)人員目標(biāo)檢測的真實情況和預(yù)測情況可以分為四類：1）TP，人員檢測框的真實情況是正類，預(yù)測也為正類；2）TN，人員檢測框的真實情況為負(fù)類，預(yù)測也為負(fù)類；3）FP，人員檢測框的真實情況是負(fù)類，預(yù)測是正類；4）FN，人員檢測框的真實情況是正類，預(yù)測是負(fù)類。

準(zhǔn)確率、召回率以及F1 值的計算方式如下：

3.4 結(jié)果與分析

將數(shù)據(jù)集輸入訓(xùn)練模型，經(jīng)過800 次的迭代訓(xùn)練后，整個模型取得了良好的結(jié)果，圖4 顯示了準(zhǔn)確率與迭代次數(shù)的關(guān)系曲線。從圖中可以看到，迭代800 次后的訓(xùn)練集、測試集和驗證集準(zhǔn)確率基本不變，且模型趨于穩(wěn)定，精度逐漸達峰。表1 是模型不同評價指標(biāo)的最終結(jié)果，可看到模型的準(zhǔn)確率為87.9%，召回率為80.1%，F(xiàn)1 值為88.7%，F(xiàn)PS 為73，總體取得了較好的結(jié)果。

表1 改進YOLOv4模型評價指標(biāo)

圖4 準(zhǔn)確率與迭代次數(shù)關(guān)系圖

為了驗證文中所提出模型的性能，將檢測結(jié)果與主流的目標(biāo)檢測模型進行對比，結(jié)果如表2 所示。從表中可以看出，該文模型的準(zhǔn)確率相比SSD、YOLO 以及YOLOv4 模型分別提高了25.8%、19.2%和7.3%；召回率比SSD 模型提高了21.4%，但相比于YOLOv4 模型略低；F1 值則比YOLOv4 模型提高了9.2%；同時FPS 也達到了73，較其他模型能夠更快處理視頻圖像數(shù)據(jù)。

表2 不同算法模型的評價指標(biāo)對比結(jié)果

4 結(jié)束語

在電力運維的過程中，傳統(tǒng)信息系統(tǒng)檢修操作過程需要依靠人工監(jiān)護及審計，監(jiān)護人員需要全程跟蹤操作過程，事后審計也需要耗費大量精力進行數(shù)據(jù)回溯，審計效率低，且在多操作同時開展時，難以兼顧所有的操作細(xì)節(jié)。為了解決上述問題，文中提出了基于YOLOv4 的改進模型來對檢修人員進行定位檢測。該模型用DenseNet 網(wǎng)絡(luò)替換原有YOLOv4 中的主干網(wǎng)絡(luò)，從而減少了梯度消失，且使參數(shù)的數(shù)量和計算負(fù)荷均有所降低。同時還提出了人員特征提取模塊PM，對不同尺度的機房運維人員特征進行有效提取。在公開數(shù)據(jù)集上進行的實驗驗證結(jié)果表明，所提出的模型準(zhǔn)確率達到了87.9%，召回率為80.1%，F(xiàn)1 值則達到88.7%，F(xiàn)PS 為73，優(yōu)于目前大部分主流模型的效果。因此該模型可以有效處理電力運維視頻圖像數(shù)據(jù)，實現(xiàn)對電力運維檢修人員的智能化審計。然而模型仍存在一定的不足，后續(xù)可以進一步對模型加以改進，從而提高模型的準(zhǔn)確率，同時優(yōu)化模型計算效率。