李太華 王迪

摘要：安全生產(chǎn)是變電站日常生產(chǎn)過程中最核心的要求。在變電站施工現(xiàn)場中，要面對高壓危險設(shè)備，施工人員進(jìn)入現(xiàn)場佩戴安全帽是必要的安全措施。 而且對于不同身份的人員，要求佩戴的安全帽顏色也不同。在變電站中，要求能夠?qū)崟r監(jiān)視生產(chǎn)過程中的施工方式是否符合安全生產(chǎn)的要求。該文提出了一種基于行人檢測和安全帽顏色識別的算法，實(shí)現(xiàn)了對監(jiān)控畫面中檢測到的人，識別其是否按照安全生產(chǎn)規(guī)范佩戴了安全帽，并且根據(jù)安全帽的顏色，進(jìn)一步確定進(jìn)站施工人員是否按照施工要求到位。該算法準(zhǔn)確率高，大大降低了人工一一排查監(jiān)控視頻數(shù)據(jù)的時間開銷，節(jié)省了人力，也提高了工作效率。

關(guān)鍵詞：智能變電站，行人檢測，安全帽，顏色識別

中圖分類號：TP311 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2014）05-1018-03

The Algorithm of Identity Authentication based on the Recognition of Safety Helmet Color that is used in Substation

LI Tai-hua， WANG Di

（State Grid Urumqi Electric Power Supply Company， Urumqi 830011， China）

Abstract： Safe production is the core requirement of the substation daily production process. In the substation construction site， to face the danger of high voltage equipment， construction workers shall wear a helmet to enter the scene. Different identities of personnel required to wear a helmet with different color. In the intelligent substation， Its necessary to have a real-time monitoring of the production process construction methods， in order to meet the safety requirements. This paper presents a helmet based pedestrian detection and color recognition algorithm， according to the detected people and identifying whether the people is wearing a helmet. And depending on the color of the helmet， It can be further determined whether who is absent in the place. The algorithm shows very high accuracy， which not only reduces the time cost of artificial investigation overhead the surveillance video data， saving manpower， but also improves work efficiency.

Key words： Intelligent Substation； Pedestrian Detection； Helmets； Color Recognition

1 概述

變電站是重點(diǎn)電力生產(chǎn)場所，須對其環(huán)境狀況、設(shè)備運(yùn)行、文明生產(chǎn)等各類情況加以監(jiān)視，特別要對安全生產(chǎn)構(gòu)成極大威脅的情況加以監(jiān)視，以防范火災(zāi)、爆炸、泄露、失竊及惡意破壞等。

在變電站施工現(xiàn)場中，要面對高壓危險設(shè)備，施工人員進(jìn)入現(xiàn)場佩戴安全帽是必要的安全措施。安全帽一般是質(zhì)地比較光滑顏色鮮艷的特殊帽子，而且佩戴的安全帽有嚴(yán)格的等級之分，在國電系統(tǒng)中，安全帽顏色按照視覺識別系統(tǒng)（VI）規(guī)定： 白色代表領(lǐng)導(dǎo)人員，藍(lán)色代表管理人員，黃色代表施工人員，紅色代表外來人員。在變電站的安全生產(chǎn)規(guī)范中，對進(jìn)入變電設(shè)備施工現(xiàn)場的要求非常嚴(yán)格，如不允許不佩戴帽子進(jìn)入現(xiàn)場，也不允許不同身份的人越界非法操作等。但違反安全規(guī)定不佩戴安全帽的情況也時有發(fā)生，帶來是安全隱患。如果可以通過監(jiān)控視頻直接對進(jìn)入施工現(xiàn)場的人員的安全帽進(jìn)行識別，那么就能及時的發(fā)現(xiàn)未戴安全帽或非法操作等現(xiàn)象的發(fā)生。

通過變電站現(xiàn)行的工業(yè)電視監(jiān)控系統(tǒng)[1]可以有效的監(jiān)控到各個設(shè)備間的施工狀況，保安人員可以通過視頻直接觀察到施工人員是否佩戴安全帽，或者有違法操作。但是由于一個變電站的監(jiān)控畫面一般都在20個以上，采用人工的方式來巡查畫面，會大大降低監(jiān)控的有效性。研究表明，當(dāng)一個人同時觀察兩個監(jiān)控畫面時，10分鐘會錯過45%的有用信息，22分鐘會錯過95%的有用信息，同時觀察多個監(jiān)控畫面則注意力更加分散。因此迫切需要一個能夠自動對工業(yè)電視監(jiān)控系統(tǒng)進(jìn)行分析的系統(tǒng)和軟件，這樣可以主動地、智能地、全面地監(jiān)控整個變電站的施工人員安全帽佩戴情況和是否有非法操作行為發(fā)生，并呈遞給相關(guān)人員，以保證變電站現(xiàn)場施工的安全。

2 智能視頻分析技術(shù)綜述

監(jiān)控的目的，在于它能夠使用戶從監(jiān)控設(shè)備的圖像或視頻（連續(xù)圖像）中獲取特定的行為信息，從而進(jìn)行相應(yīng)的判斷和應(yīng)對。對于智能監(jiān)控而言，就是使用機(jī)器來代替人的主要功能，完成對監(jiān)控目標(biāo)（人）的動作分析。人運(yùn)動的視覺分析[2]是近年來計(jì)算機(jī)視覺領(lǐng)域中備受關(guān)注的前沿方向，它包含了從視頻序列中檢測人的目標(biāo)、對目標(biāo)進(jìn)行分類跟蹤、進(jìn)而分析識別人的行為，屬于圖像分析的范疇。從技術(shù)角度而言，人的運(yùn)動分析的研究內(nèi)容相當(dāng)豐富，主要涉及到模式識別、圖像處理、計(jì)算機(jī)視覺、人工智能等學(xué)科知識；同時，動態(tài)場景中運(yùn)動的快速分割、人體的非剛性運(yùn)動、人體自遮擋和目標(biāo)之間互遮擋的處理等也為人的運(yùn)動分析研究帶來了一定的挑戰(zhàn)。

對人運(yùn)動進(jìn)行視覺分析是指在視頻序列中檢測出人的目標(biāo)，并對目標(biāo)的行為進(jìn)行分析，它通常包括運(yùn)動檢測、目標(biāo)分類、目標(biāo)跟蹤及行為分析四個過程。視覺分析的處理框架如圖1所示。其中，運(yùn)動檢測、目標(biāo)分類和目標(biāo)跟蹤屬于中低級視覺處理部分，這部分一般使用數(shù)學(xué)性較強(qiáng)的算法來實(shí)現(xiàn)。而行為分析則屬于高級處理部分。行為分析一般是人針對不同動作設(shè)置的策略性判定條件（組），故行為分析有著較強(qiáng)的主觀性。當(dāng)然，它們之間也可能存在交叉（比如有時跟蹤過程中運(yùn)動檢測的使用）。

圖1 人運(yùn)動與行為檢測與分析一般流程

3 基于安全帽識別的人員身份識別算法設(shè)計(jì)

本文根據(jù)安全帽的顏色對應(yīng)不同的行人身份，設(shè)計(jì)在人員檢測的基礎(chǔ)上，定位人員的頭部，然后提取頭部上半部分的顏色特征，計(jì)算其最近的顏色值，然后根據(jù)顏色值來判斷目標(biāo)相應(yīng)的身份。

3.1 人員檢測

人員檢測的第一步是要檢測出畫面的運(yùn)動區(qū)域[3][4]，我們使用最經(jīng)典和穩(wěn)定的算法即幀差法來檢測畫面運(yùn)動區(qū)域。

基于運(yùn)動目標(biāo)檢測方法檢測人員的方法很多，各有利弊，性能不一，但共同的一個不足是只能對運(yùn)動的人員進(jìn)行檢測，若人員目標(biāo)處于靜止?fàn)顟B(tài)時，運(yùn)動特征消失，從而導(dǎo)致這些方法的失效，因此，產(chǎn)生了基于人體特征的分割方法。

在圖像或視頻中，形狀是一種很好的描述子，在區(qū)別人和其他物體時，形狀起很大的作用；在缺乏關(guān)于諸如顏色紋理等人物外形信息時，形狀是一種穩(wěn)定可靠的描述子。因此，形狀信息被廣泛地直接或間接應(yīng)用于人員檢測算法中。

在檢測出運(yùn)動區(qū)域以后，怎么判定是人員，我們進(jìn)行了大量的線下觀察和采用統(tǒng)計(jì)機(jī)器學(xué)習(xí)的方式進(jìn)行特征的篩選。根據(jù)人員的一些特性我們依據(jù)以上的思想總結(jié)了人員運(yùn)動區(qū)域的一些特征：

A. 人員的靜態(tài)特征

1. 靜態(tài)區(qū)域像素點(diǎn)面積

人員區(qū)域一定占用一定的像素點(diǎn)面積，面積過小或者過大都是不合理的，這樣的區(qū)域可以作為噪聲去除。

根據(jù)我們對實(shí)際現(xiàn)場的統(tǒng)計(jì)，站立姿勢的概率大致是70%以上，從而達(dá)到70%以上響應(yīng)長寬比的區(qū)域可以作為人員區(qū)域備選。

2. 頭肩曲線特征

從備選區(qū)域中抽取形狀特征，采用幾何形狀特征抽取方法做抽取比對先驗(yàn)頭肩曲線特征從而精確判定人員。

B. 人員動態(tài)區(qū)域特征

人運(yùn)動起來，上身基本不動，下邊的兩條腿運(yùn)動相對交大。體現(xiàn)在運(yùn)動區(qū)域上就是，上邊的運(yùn)動區(qū)域成整體運(yùn)動，運(yùn)動面積交大，下半部分成多個區(qū)域。所以一旦發(fā)現(xiàn)這樣的運(yùn)動區(qū)域，即上邊面積大，下邊有若干面積較小的運(yùn)動區(qū)域，并且最大外接矩形符合人身長寬比既可以預(yù)判定為人員。人員進(jìn)入算法具體的實(shí)現(xiàn)如下：

a. 對輸入的圖像進(jìn)行逐幀或者隔幀采集；

b. 待運(yùn)算相減圖像灰度化處理；

c. 兩幀想減并按照閾值二值化圖像，濾波消除噪聲，得到運(yùn)動區(qū)域；

d. 根據(jù)先驗(yàn)知識，抽取運(yùn)動區(qū)域形狀特征；

e. 根據(jù)形狀特征抽取結(jié)果判斷是否是人員。

3.2 人員安全帽佩戴識別

為了實(shí)現(xiàn)上述監(jiān)控變電站的施工人員安全帽佩戴情況和是否有非法操作行為發(fā)生，通過對安全帽檢測和顏色識別的算法，來實(shí)現(xiàn)對施工人員是否佩戴安全帽的判斷以及對施工人員身份的識別，具體實(shí)現(xiàn)主按以下過程進(jìn)行：

a. 對畫面中的行人進(jìn)行檢測與跟蹤，分割出行人目標(biāo)；

b. 對分割出來的行人目標(biāo)，尋找其幾何質(zhì)心；

c. 確定行人目標(biāo)的軸線；

d. 以質(zhì)心為出發(fā)，分別向左上方和右上方引出與軸線角度為α的頭部區(qū)域限制線；

e. 從行人目標(biāo)從上往下掃描，確定在頭部區(qū)域限制線范圍內(nèi)的上輪廓為帽子區(qū)域的上邊界，封閉上邊界形成帽子區(qū)域；

f. 計(jì)算帽子區(qū)域中每個像素屬于最接近的顏色（紅，藍(lán)，綠，白，橙）；

g. 統(tǒng)計(jì)帽子區(qū)域中每個像素3×3鄰域，用該鄰域中最多的顏色來替換當(dāng)前像素的顏色值；

h. 統(tǒng)計(jì)帽子區(qū)域所有像素點(diǎn)的直方圖，直方圖中取值最大的對應(yīng)的顏色值作為改帽子區(qū)域的顏色值；

i. 根據(jù)顏色值，如果為黑色，則判定為未佩戴帽子，否則根據(jù)不同顏色值輸出相應(yīng)的身份。

圖3 安全帽識別流程

4 結(jié)論

本文提出一種基于安全帽顏色識別的算法，來解決在智能監(jiān)控中如何判斷畫面人員身份的問題。該算法在行人檢測算法的基礎(chǔ)上，識別檢測出來的行人的頭部，并根據(jù)頭部的顏色值，得到該行人所佩戴安全帽的顏色，然后根據(jù)生產(chǎn)規(guī)范中得到對應(yīng)人的身份。

這種算法在正確檢測行人的前提下，能夠很好的定位到頭部，而且識別顏色的準(zhǔn)確率達(dá)90%以上。然而，在實(shí)際場景中，存在遮擋或者行人非站立狀態(tài)下，頭部定位的準(zhǔn)確率會大大下降，從而影響了安全帽的顏色識別。

后續(xù)的工作將進(jìn)一步考慮采用模式識別的方式，直接對頭部進(jìn)行特征表達(dá)，然后通過訓(xùn)練的方式，學(xué)習(xí)得到不同類別安全帽的特征表達(dá)。這樣就可以不依賴于行人檢測進(jìn)行頭部的檢測和安全帽的顏色識別，能夠進(jìn)一步提高了系統(tǒng)的準(zhǔn)確率。

參考文獻(xiàn)：

[1] 胡珊，顧其威.無人值守變電站智能化遠(yuǎn)程圖像監(jiān)控系統(tǒng) [J].計(jì)算機(jī)工程，2003（2）：218-220.

[2] 王亮，胡衛(wèi)明，譚鐵牛.人運(yùn)動的視覺分析綜述 [J] .計(jì)算機(jī)學(xué)報(bào)，2002，（3）：225-237.

[3] Haritaoglu I.， Harwood D. W4： Real-time Surveillance of People and Their Activities [J]. IEEE Trans. on PAMI， 2000， 22（8）： 809- 830.

[4] 王小平，張麗杰，常佶.基于單高斯背景模型運(yùn)動目標(biāo)檢測方法的改進(jìn) [J].計(jì)算機(jī)工程與應(yīng)用，2009，45（21）：118-120.

[5] 張敏敏. 復(fù)雜環(huán)境下的人頭定位技術(shù)研究與實(shí)現(xiàn) [D]. 南京理工大學(xué)碩士學(xué)位論文， 2008.

[6] 蔡利梅.基于視頻的煤礦井下人員目標(biāo)檢測與跟蹤研究 [D].中國礦業(yè)大學(xué)博士學(xué)位論文，2010.

[7] 潘鋒， 王宣銀， 王全強(qiáng)，等. 智能監(jiān)控中基于頭肩特征的人體檢測方法研究 [J]. 浙江大學(xué)學(xué)報(bào)（工學(xué)版）， 2004， 38（4）： 397-401.

[8] 程廣濤， 陳雪， 郭照莊，等. 基于HOG特征的行人視覺檢測方法 [J]. 傳感器與微系統(tǒng)， 2011， 30（7）： 68-70.

[9] 徐春梅， 王春耀， 劉躍，等. 基于機(jī)器視覺系統(tǒng)的顏色識別 [J]. 機(jī)械設(shè)計(jì)與制造， 2011， （8）： 257-258.

[10] 何揚(yáng)名， 戴曙光. 利用輪廓特征進(jìn)行人頭識別的方法 [J]. 計(jì)算機(jī)工程與應(yīng)用， 2010， 46（29）： 164-166.

[11] 孫棣華， 閆川， 趙敏等. 結(jié)合梯度與彩色直方圖的人頭識別 [J]. 重慶工學(xué)院學(xué)報(bào)（自然科學(xué)版）， 2007， 21（12）： 1-5.