人臉識(shí)別和人體檢測(cè)技術(shù)在無(wú)人值守變電站中的應(yīng)用與實(shí)現(xiàn).pdf

1、變電站在趨向于無(wú)人值守化的同時(shí)，對(duì)站場(chǎng)的安全要求也越來(lái)越高，“四遙”技術(shù)雖然能夠?qū)崿F(xiàn)對(duì)站內(nèi)設(shè)備和環(huán)境的監(jiān)控，但對(duì)其周界和門禁區(qū)域的防范還不夠完善，“遙視”的普及雖然能起到對(duì)變電站的全面監(jiān)控，但還主要用于記錄和保存站場(chǎng)當(dāng)時(shí)的工作狀況，總之，變電站的整體安防水平還并不能滿足無(wú)人值守化的需要，因此，本文打算借助于人臉識(shí)別和人體檢測(cè)技術(shù)去豐富遙視功能，進(jìn)一步提升變電站的安防水平，具體工作內(nèi)容如下:
　　針對(duì)變電站中視頻監(jiān)控圖像會(huì)受到光照、

2、噪聲等因素的影響，采用灰度變換、噪聲濾波、圖像增強(qiáng)和尺度歸一化等操作對(duì)圖像進(jìn)行預(yù)處理。
　　人臉識(shí)別算法在變電站門禁管理的應(yīng)用中，主要涉及到人臉的特征提取以及特征提取后的人臉?lè)诸愖R(shí)別算法。根據(jù)變電站工作環(huán)境的特點(diǎn)，論文對(duì)特征提取以及分類算法進(jìn)行了分析和實(shí)現(xiàn)，找到符合變電站工作環(huán)境的人臉識(shí)別算法。在特征選擇上，對(duì)比了LBP、PCA和LDA三種特征提取方法的識(shí)別效果，在抗光性和識(shí)別率上，LBP表現(xiàn)較好;為降低噪聲影響，對(duì)LBP做了改進(jìn)

3、處理;為提高識(shí)別效率，采用PCA做了降維處理。在分類器選擇上，對(duì)比了使用KNN、SVM和BP神經(jīng)網(wǎng)絡(luò)三種分類器的識(shí)別效果，在樣本類別和數(shù)量較少的情況下，KNN識(shí)別率較高，SVM效率較高。最后根據(jù)以上選擇的結(jié)果，采用基于改進(jìn)LBP+KNN-SVM的人臉識(shí)別方法用于變電站門禁管理。
　　人體檢測(cè)算法在變電站工作區(qū)域異常人員活動(dòng)監(jiān)控的應(yīng)用中，主要涉及到人體的特征提取、以及特征提取后的人體分類檢測(cè)算法。根據(jù)人體檢測(cè)用于變電站區(qū)域的功能和變

4、電站環(huán)境特點(diǎn)，論文從特征提取、分類器和檢測(cè)方式三個(gè)方面來(lái)選擇檢測(cè)效果較好的方法。在特征選擇上，對(duì)比了基于人體頭肩和整個(gè)人體HOG特征的檢測(cè)效果，在人體被遮擋和發(fā)生姿態(tài)變化時(shí)，基于人體頭肩的檢測(cè)效果較好。在分類器選擇上，對(duì)比了SVM，級(jí)聯(lián)Adaboost兩種分類器的檢測(cè)效果，在效率上，級(jí)聯(lián)Adaboost表現(xiàn)較好。在檢測(cè)方式上，采用圖像金子塔方式進(jìn)行搜索實(shí)現(xiàn)多尺度空間檢測(cè)，更符合實(shí)際。最后根據(jù)以上選擇的結(jié)果，采用基于人體頭肩HOG+級(jí)聯(lián)A