薛磊 曹旌 褚海波 郭鐵峰 李堯 高耀宇

摘要：變電站是電網(wǎng)系統(tǒng)的重要組元之一，傳統(tǒng)變電站依賴(lài)人工，可靠性差，無(wú)法滿足電網(wǎng)系統(tǒng)的智能化要求。因此建立一個(gè)具有智能識(shí)別分析能力的現(xiàn)代化變電站，實(shí)現(xiàn)對(duì)電網(wǎng)系統(tǒng)的智能監(jiān)控和管理，保障電網(wǎng)系統(tǒng)運(yùn)行的安全性、可靠性，成為電力系統(tǒng)研究領(lǐng)域的一個(gè)重要課題。在調(diào)研了國(guó)內(nèi)外研究工作基礎(chǔ)上，闡述總結(jié)了智能監(jiān)控系統(tǒng)在現(xiàn)代變電站中的應(yīng)用。根據(jù)國(guó)內(nèi)變電站的實(shí)際情況，分別從設(shè)備儀表監(jiān)控、非法入侵監(jiān)控、作業(yè)人員行為規(guī)范監(jiān)控等方面進(jìn)行分類(lèi)討論，總結(jié)了智能視頻監(jiān)控技術(shù)在變電站中的應(yīng)用，提出了現(xiàn)代變電站建設(shè)的一個(gè)可行方式。

關(guān)鍵詞：智能識(shí)別;視頻監(jiān)控;儀表識(shí)別;現(xiàn)代變電站;智能電網(wǎng)

中圖分類(lèi)號(hào)：TG409

文獻(xiàn)標(biāo)志碼：A

ApplicationofVideoIdentificationTechnologyinSubstation

XUELei，CAOJing，CHUHaibo，GUOTiefeng，LIYao，GAOYaoyu

（DongliPowerSupplyBranch，StateGridTianjinElectricPowerCompany，Tianjin300300，China）

Abstract：Substationisanimportantpartinthepowergridsystem.Traditionalsubstationsrelyonmanuallaborandunreliable，hence，cannotmeettheintelligentrequirementsofpowergridsystem.Buildingamodernsubstationwiththeabilityofintelligentidentificationandanalysishasbecomeanimportantsubjectinthepowersystem.Thispapersummarizestheintelligentmonitoringsystemusedinmodernsubstations，anddiscussestheapplicationofintelligentidentificationtechnologyinintelligentsubstationfromthreeaspectsofequipmentandinstrumentmonitoring，illegalintrusionmonitoringandoperationpersonnelbehaviorstandardmonitoring.

Keywords：intelligentidentification;videomonitoring;instrumentidentification;modernsubstations;intelligencepowergridsystem

0引言

電網(wǎng)智能化建設(shè)是國(guó)家近幾年重點(diǎn)推行的項(xiàng)目，變電站作為電網(wǎng)系統(tǒng)中最關(guān)鍵的環(huán)節(jié)之一，隨著國(guó)家電網(wǎng)的全面升級(jí)，變電站的智能化升級(jí)建設(shè)勢(shì)在必行[1]。傳統(tǒng)變電站的監(jiān)控系統(tǒng)需要工作人員持續(xù)進(jìn)行觀察，遇到問(wèn)題需要人工干涉處理，無(wú)法實(shí)現(xiàn)電網(wǎng)的智能化管理[2]。基于此現(xiàn)狀，將視頻自動(dòng)識(shí)別技術(shù)和計(jì)算機(jī)信息處理技術(shù)納入現(xiàn)代電網(wǎng)監(jiān)控系統(tǒng)中，實(shí)現(xiàn)對(duì)電網(wǎng)的智能監(jiān)控和管理，是電網(wǎng)智能化建設(shè)的重要方向。該文對(duì)現(xiàn)代變電站所需視頻監(jiān)控系統(tǒng)的發(fā)展現(xiàn)狀和方向進(jìn)行分析，重點(diǎn)對(duì)國(guó)內(nèi)外現(xiàn)有視頻識(shí)別技術(shù)進(jìn)行對(duì)比討論，進(jìn)而對(duì)現(xiàn)代變電站的智能化建設(shè)方向進(jìn)行總結(jié)。

智能視頻監(jiān)控技術(shù)作為現(xiàn)代變電站的主要監(jiān)控手段，取代傳統(tǒng)工作人員值守方式對(duì)變電站實(shí)施監(jiān)控，不僅節(jié)省人工，降低工人勞動(dòng)強(qiáng)度，同時(shí)也有效提高監(jiān)視的實(shí)時(shí)性和精確性，進(jìn)而提高現(xiàn)代變電站的安全系數(shù)。作為智能監(jiān)控系統(tǒng)的核心部分，視頻智能識(shí)別技術(shù)近幾年發(fā)展迅速，在國(guó)外許多技術(shù)已開(kāi)始由概念化轉(zhuǎn)為實(shí)際應(yīng)用，相應(yīng)的產(chǎn)業(yè)鏈逐漸開(kāi)始形成[3]。國(guó)內(nèi)智能視頻識(shí)別技術(shù)也已經(jīng)成為電網(wǎng)智能化建設(shè)的熱點(diǎn)之一，許多大型科研機(jī)構(gòu)，如清華大學(xué)、中科院自動(dòng)化所、合肥工業(yè)大學(xué)等，已經(jīng)在該領(lǐng)域進(jìn)行了廣泛深入地研究[4]。該文從設(shè)備儀表狀態(tài)監(jiān)控、外來(lái)人員和小動(dòng)物管控、作業(yè)人員行為規(guī)范監(jiān)控等三方面對(duì)國(guó)內(nèi)外智能視頻監(jiān)控、數(shù)字儀表識(shí)別、運(yùn)動(dòng)目標(biāo)檢測(cè)及視頻識(shí)別的應(yīng)用現(xiàn)狀進(jìn)行分析討論。

1設(shè)備儀表狀態(tài)監(jiān)控識(shí)別

變電站中設(shè)備儀表數(shù)量龐大，僅憑人工識(shí)別不僅無(wú)法實(shí)時(shí)監(jiān)控，還容易造成遺漏和判斷失誤。現(xiàn)代變電站中設(shè)備的主要為表盤(pán)指針或數(shù)顯文字，儀表智能識(shí)別的核心為圖像數(shù)字識(shí)別處理。不論是數(shù)字還是指針圖像，其識(shí)別技術(shù)已經(jīng)十分成熟，國(guó)內(nèi)的多所企業(yè)院校都已經(jīng)有相關(guān)的成熟產(chǎn)品應(yīng)用于市場(chǎng)：中科院漢王公司的漢王眼，印刷體數(shù)字的識(shí)別就有獨(dú)立的4個(gè)以上的識(shí)別引擎，誤識(shí)率只有0.5%;上海交通研究出的識(shí)別系統(tǒng)可以識(shí)別漢字、字符和字母，對(duì)于理想圖像的識(shí)別率達(dá)到96%。將數(shù)字儀表識(shí)別算法應(yīng)用到現(xiàn)代變電站中，節(jié)省人力，增強(qiáng)了設(shè)備的預(yù)警能力，顯著提高了電網(wǎng)運(yùn)行過(guò)程中的安全性和可靠性[5]。

設(shè)備儀表智能圖像識(shí)別技術(shù)實(shí)現(xiàn)的主要流程如下：儀表圖像信息拾取、采集的圖像信息篩選處理、有效圖像信息選取、有效圖像信息識(shí)別等。其中最關(guān)鍵的步驟為采集的圖像信息篩選和有效圖像信息選取。

采集的圖像信息篩選處理的作用主要是把采集到的圖像信息中無(wú)效信息去除，有價(jià)值的部分保留并統(tǒng)一存放，并按照需要對(duì)某些特征進(jìn)行強(qiáng)化，對(duì)固定背景進(jìn)行弱化，以減少后面的信息選取的工作量。圖像信息篩選的方法有很多，不同地區(qū)的變電站，外界環(huán)境不同，光度、噪聲等也不同，甚至作業(yè)人員膚色、體征不同，具體篩選方法也不相同。

有效信息選取是指按照設(shè)定的信息特征對(duì)篩選處理后的信息進(jìn)行重新歸類(lèi)，將篩選處理后的信息作為整體信息庫(kù)，選擇一種或幾種信息特證作為信息提取要求，通過(guò)多次重復(fù)計(jì)算，最終得出的特征信息，然后通過(guò)系統(tǒng)分類(lèi)器進(jìn)行分類(lèi)并分組存放。該方法要求統(tǒng)計(jì)特征具備特征顯著，識(shí)別簡(jiǎn)單和易于篩選等特點(diǎn)，一般常見(jiàn)分類(lèi)特征有圖像外形，圖像投影，拓?fù)渫庑蔚取?/p>

設(shè)備儀表智能識(shí)別目前流行的算法主要有以下幾種：模板匹配法、神經(jīng)網(wǎng)絡(luò)法和穿線識(shí)別法等。其中，模板匹配法是將所有的數(shù)字設(shè)定出標(biāo)準(zhǔn)化模板，把識(shí)別出的圖像跟每一個(gè)模板相匹配，進(jìn)而進(jìn)行識(shí)別。該算法的優(yōu)點(diǎn)是實(shí)現(xiàn)容易、準(zhǔn)確度高、受環(huán)境影響小，但是計(jì)算量過(guò)大，導(dǎo)致接收到的信息延遲較高;神經(jīng)網(wǎng)絡(luò)法是將經(jīng)過(guò)篩選處理的信息傳輸至特定網(wǎng)絡(luò)，通過(guò)相應(yīng)的自適應(yīng)公式，不斷計(jì)算得出新的權(quán)值和閥值，最終通過(guò)新舊誤差的大小比較對(duì)信息數(shù)據(jù)進(jìn)行識(shí)別。該方法在識(shí)別手寫(xiě)漢字等方面有優(yōu)勢(shì)，但在數(shù)字儀表識(shí)別方面適用性較差;穿線識(shí)別法從某種意義上是模板匹配法的升級(jí)，主要適用于由七段數(shù)碼管組成的智能數(shù)字儀表，但是對(duì)指針和其他儀表適用性差。

針對(duì)以上各種算法的優(yōu)缺點(diǎn)，李丹[6]等提出了一種改進(jìn)的基于交點(diǎn)特征提取的數(shù)字識(shí)別方法，對(duì)以上三種算法進(jìn)行優(yōu)化改進(jìn)，通過(guò)對(duì)分割得到的數(shù)字區(qū)域從外接圖形的面積、高度和等方面進(jìn)行限制，采用直線和字符交點(diǎn)數(shù)來(lái)構(gòu)造信息特征，對(duì)數(shù)字進(jìn)行識(shí)別。該算法從字符的識(shí)別特征入手，對(duì)現(xiàn)有識(shí)別方法進(jìn)行改進(jìn)，并提出數(shù)字分割后得到的區(qū)域進(jìn)行篩選后再識(shí)別，實(shí)現(xiàn)了效果比較好的儀表數(shù)字實(shí)時(shí)識(shí)別系統(tǒng)，在確保準(zhǔn)確率和抗干擾性的前提下，大大的降低了計(jì)算量。數(shù)據(jù)表明，該方法識(shí)別率超過(guò)97%，對(duì)數(shù)字儀表識(shí)別時(shí)間在90ms以?xún)?nèi)，有效保證數(shù)據(jù)信息的實(shí)時(shí)性、準(zhǔn)確性，滿足當(dāng)前智能化變電站建設(shè)的要求。

2外來(lái)人員和小動(dòng)物管控

變電站作為電網(wǎng)系統(tǒng)的樞紐，任何突發(fā)的變化都有可能對(duì)電網(wǎng)造成不可估計(jì)的損失。一旦有可疑外來(lái)人員或小動(dòng)物侵入，如果無(wú)法迅速作出示警和報(bào)警，變電站的安全將無(wú)法得到保證。因此，對(duì)外來(lái)人員和小動(dòng)物的管控是智能變電站智能識(shí)別系統(tǒng)重要的作用。外來(lái)人員和小動(dòng)物管控在視頻監(jiān)控系統(tǒng)中均可歸結(jié)為運(yùn)動(dòng)目標(biāo)監(jiān)控技術(shù)，國(guó)外對(duì)視頻監(jiān)控技術(shù)中的運(yùn)動(dòng)目標(biāo)入侵識(shí)別監(jiān)控技術(shù)研究比較早，技術(shù)已經(jīng)成熟。美國(guó)已實(shí)現(xiàn)在復(fù)雜環(huán)境下對(duì)多個(gè)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)、定位以及跟蹤，在部分遮擋環(huán)境下可持續(xù)對(duì)多個(gè)物體的跟蹤定位，并對(duì)運(yùn)動(dòng)目標(biāo)的行為進(jìn)行識(shí)別分析[7]。

目前對(duì)于運(yùn)動(dòng)物體的智能檢測(cè)主流的方法大致分為以下三種：光流法、圖像序列差分法和背景減除法。光流法是利用固定攝像機(jī)對(duì)穩(wěn)定靜止背景中的圖像進(jìn)行識(shí)別，對(duì)突然出現(xiàn)的物體進(jìn)行跟蹤。該方法對(duì)背景不是很敏感，但是其信息處理受周?chē)h(huán)境的影響較大;幀間差分法基本原理是利用圖像灰度來(lái)確定圖像中變化的部分，進(jìn)而確定有無(wú)入侵生物。該方法用少量簡(jiǎn)單程序就能較好的滿足實(shí)時(shí)監(jiān)控的要求，但其對(duì)勻速或慢速運(yùn)動(dòng)目標(biāo)的監(jiān)控經(jīng)常出現(xiàn)遺漏;背景減除法的主要原理利用當(dāng)前幀和背景幀作差分來(lái)檢測(cè)出運(yùn)動(dòng)目標(biāo)。它能夠提取出相對(duì)完整的運(yùn)動(dòng)區(qū)域信息，提供完整的特征數(shù)據(jù)，但對(duì)氣候、光照、噪聲等干擾特別敏感。

由于以上幾種方法均存在其優(yōu)點(diǎn)和不足，如果對(duì)上述方法的兩種或三種組合改進(jìn)應(yīng)用，如把背景減除法和二幀差分法結(jié)合起來(lái)對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)，將會(huì)有明顯的改善效果。該方法主要是對(duì)二幀差分法進(jìn)行了改進(jìn)，把其中的差值運(yùn)算僅應(yīng)用于相鄰兩幀圖像件，通過(guò)和背景減除法做與運(yùn)算，避免運(yùn)動(dòng)目標(biāo)過(guò)大造成誤差，從而對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行識(shí)別。該方法克服了光線變化對(duì)背景減除法的影響，避免了二幀差分法帶來(lái)的“重影”現(xiàn)象，計(jì)算簡(jiǎn)單，實(shí)現(xiàn)容易，能夠較好的適應(yīng)變電站的復(fù)雜環(huán)境，滿足現(xiàn)代變電站建設(shè)的需求。

3作業(yè)人員行為規(guī)范監(jiān)控

現(xiàn)代變電站仍需要作業(yè)人員對(duì)設(shè)備進(jìn)行日常維護(hù)、點(diǎn)檢，為保障作業(yè)人員安全和設(shè)備穩(wěn)定運(yùn)行，需對(duì)變電站核心區(qū)域的作業(yè)人員進(jìn)行實(shí)時(shí)監(jiān)控，以確保其行為規(guī)范性和操作安全性。由于變電站作業(yè)人員衣著規(guī)范，特征顯著，具有較強(qiáng)的辨識(shí)度，本文對(duì)變電站人員所戴安全帽、所穿防護(hù)服等特征衣著進(jìn)行組合監(jiān)控，通過(guò)視頻識(shí)別技術(shù)進(jìn)行智能分析監(jiān)測(cè)，對(duì)作業(yè)人員活動(dòng)區(qū)域及操作過(guò)程特征動(dòng)作的規(guī)范性進(jìn)行實(shí)時(shí)監(jiān)控，對(duì)違規(guī)操作進(jìn)行警示。

電工安全帽是變電站工作人員必須佩戴的安全防護(hù)用品，對(duì)安全帽佩戴狀態(tài)的自動(dòng)識(shí)別，可以識(shí)別作業(yè)人員的佩戴規(guī)范，還能跟蹤識(shí)別作業(yè)人員面部特征，判斷作業(yè)人員與現(xiàn)場(chǎng)袖標(biāo)信息是否一致，更能對(duì)其活動(dòng)區(qū)域和行為規(guī)范作出更準(zhǔn)確判斷，從而作為作業(yè)人員行為安全規(guī)范的重要依據(jù)。

安全帽識(shí)別最重要的指標(biāo)是檢出準(zhǔn)確率，傳統(tǒng)的模式識(shí)別方式由于誤報(bào)漏報(bào)率高，不能滿足現(xiàn)代變電站的要求。此次研究方向，基于深度學(xué)習(xí)技術(shù)的安全帽檢測(cè)算法。深度學(xué)習(xí)的框架概念很早就被提出，因?yàn)楫?dāng)時(shí)缺少平臺(tái)支持和樣板數(shù)據(jù)，只訓(xùn)練出了三層神經(jīng)網(wǎng)絡(luò)。隨著GPU芯片的發(fā)展，工業(yè)繁榮期，深度學(xué)習(xí)技術(shù)得到了飛速發(fā)展，不斷在突破。基于深度學(xué)習(xí)的算法也不斷在發(fā)布，如基于深度學(xué)習(xí)的人臉識(shí)別技術(shù)、基于深度學(xué)習(xí)的煙火識(shí)別技術(shù)、基于深度學(xué)習(xí)的車(chē)牌識(shí)別技術(shù)等。

本文案例通過(guò)BP神經(jīng)網(wǎng)絡(luò)和小波變換算法，利用深度學(xué)習(xí)特性，實(shí)現(xiàn)對(duì)安全帽進(jìn)行智能感知。主要識(shí)別流程如下。

（1）對(duì)人體進(jìn)行定位識(shí)別。通過(guò)骨架分析，對(duì)人體骨架進(jìn)行感知，定位人員的結(jié)構(gòu)，聚焦人體頭部位置，如圖1所示。

（2）根據(jù)人體比例模型，對(duì)頭部目標(biāo)進(jìn)行重點(diǎn)掃描，并放大，進(jìn)行特征提取，如圖2所示。

（3）通過(guò)小波變換算法對(duì)安全帽圖像進(jìn)行處理，完成圖像的去噪、增強(qiáng)、分割、壓縮等處理。

（4）對(duì)圖像邊沿進(jìn)行特征提取，識(shí)別安全帽特征形態(tài)。

（5）通過(guò)神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建和訓(xùn)練，提升安全帽識(shí)別率。

經(jīng)過(guò)現(xiàn)場(chǎng)測(cè)試，采用該方式安全帽智能感知識(shí)別率可滿足以下條件：安全帽智能感知分析識(shí)別算法庫(kù)識(shí)別顏色準(zhǔn)確率應(yīng)滿足90%以上（6000次穿越分析指標(biāo)精確度），安全帽形態(tài)學(xué)分析佩戴正確性檢測(cè)指標(biāo)應(yīng)滿足70%以上（6000次穿越分析指標(biāo)精確度）。系統(tǒng)應(yīng)集成多元智慧感知機(jī)器學(xué)習(xí)庫(kù)，能夠自動(dòng)調(diào)校模式識(shí)別分析方式對(duì)不同頭部進(jìn)行特征學(xué)習(xí)，當(dāng)數(shù)據(jù)元累積量達(dá)到1000枚時(shí)，精確率指標(biāo)應(yīng)自動(dòng)提升3%，機(jī)器學(xué)習(xí)分析算法庫(kù)趨勢(shì)計(jì)算容量應(yīng)大于200萬(wàn)枚結(jié)構(gòu)化數(shù)據(jù)特征分析。

通過(guò)對(duì)作業(yè)人員進(jìn)行HOG特征提取，并進(jìn)行視頻圖像智能識(shí)別，從而判斷作業(yè)人員與袖標(biāo)信息是否一致，作業(yè)人員安全帽是否佩戴規(guī)范，如檢測(cè)到作業(yè)人員與袖標(biāo)信息不一致，沒(méi)有佩戴安全帽，或佩戴不規(guī)范，系統(tǒng)主動(dòng)向后臺(tái)預(yù)警，并實(shí)時(shí)向作業(yè)人員進(jìn)行語(yǔ)音提示，責(zé)令其停止作業(yè)，提高作業(yè)過(guò)程的規(guī)范性和安全性。

防護(hù)服同樣為變電站作業(yè)人員必須穿著的防護(hù)措施。由于不同作業(yè)人員的防護(hù)服類(lèi)型、款式及大小都不同，防護(hù)服智能識(shí)別技術(shù)一般采用可變形部件模型進(jìn)行數(shù)據(jù)采集。該模型最早由PedroFelzenszwalb等提出[8]，是一種基于可變形部件、HOG特征、滑動(dòng)窗口機(jī)制的目標(biāo)檢測(cè)算法。國(guó)內(nèi)李聰?shù)纫矊?duì)作業(yè)人員著裝的視頻識(shí)別算法進(jìn)行了研究[9]。它對(duì)作業(yè)人員防護(hù)服不同部分，按照特征構(gòu)建成一個(gè)多部件組合的可變形模型，該方法檢測(cè)精準(zhǔn)度非常高，可滿足變電站視頻工況下智能識(shí)別系統(tǒng)的精準(zhǔn)度要求。目前變電站復(fù)雜運(yùn)動(dòng)目標(biāo)的智能監(jiān)控系統(tǒng)多采用該技術(shù)算法進(jìn)行識(shí)別。[10]對(duì)防護(hù)服的智能監(jiān)控識(shí)別，對(duì)作業(yè)人員行為規(guī)范性進(jìn)行監(jiān)控，通過(guò)對(duì)危險(xiǎn)行為進(jìn)行特征動(dòng)作模型建模存檔，當(dāng)作業(yè)人員出現(xiàn)類(lèi)似行為時(shí)，立即向作業(yè)人員示警，可有效提高作業(yè)過(guò)程安全系數(shù)。

綜上所述，通過(guò)本文所述智能識(shí)別系統(tǒng)對(duì)變電站作業(yè)人員所佩戴安全帽和穿著防護(hù)服等特征防護(hù)措施進(jìn)行監(jiān)控，可以確保作業(yè)人員行為規(guī)范性，保障作業(yè)人員的人身安全，提高變電站運(yùn)行的安全性、可靠性。

4總結(jié)

現(xiàn)代變電站是電網(wǎng)智能化建設(shè)安全、可靠運(yùn)行的關(guān)鍵，智能監(jiān)控系統(tǒng)在現(xiàn)代變電站中所起的作用十分重要，通過(guò)視頻識(shí)別分析這一技術(shù)功能，使智能變電站的監(jiān)控技術(shù)更加完善。本文以現(xiàn)代變電站所用智能監(jiān)控系統(tǒng)為對(duì)象，對(duì)國(guó)內(nèi)外研究現(xiàn)狀進(jìn)行了討論，從設(shè)備儀表監(jiān)控、外來(lái)人員和小動(dòng)物管控、作業(yè)人員行為規(guī)范監(jiān)控三方面進(jìn)行分類(lèi)分析，對(duì)以上三方面智能識(shí)別分析中主流計(jì)算方法進(jìn)行比較，總結(jié)了智能監(jiān)控系統(tǒng)在現(xiàn)代變電站中的應(yīng)用，為現(xiàn)代變電站的輔助監(jiān)控系統(tǒng)建設(shè)提供了參考方向。

參考文獻(xiàn)

[1]吳哲慧，王光增，鐘偉，等.配電網(wǎng)發(fā)展與投資決策動(dòng)態(tài)評(píng)估方法[J].廣東電力，2017，30（4）：1114.

[2]張勇軍，劉斯亮，江金群，等.低壓智能配電網(wǎng)技術(shù)研究綜述[J].廣東電力，2019，32（1）：112.

[3]Cheng，Y.MeanShift，ModeSeekingandClustering[J].IEEETransactionsonPatternAnalysisandMachineIntelligence，2015，17（8）：790799.

[4]于月平，臧海洋，李寧寧，等.基于人工智能的無(wú)人值班變電站遠(yuǎn)方監(jiān)控“四遙”信息的調(diào)試與配置[J].微型電腦應(yīng)用，2019，35（11）：5256.

[5]李丹.變電站視頻智能監(jiān)控系統(tǒng)設(shè)計(jì)[D].鄭州：鄭州大學(xué)，2016.

[6]李丹.視頻識(shí)別技術(shù)在變電站中的應(yīng)用研究[D].北京：華北電力大學(xué)，2017.

[7]GilmoreJF，GarrenDA.AirborneVideoSurveillance[J].SPIEProceedingsofAutomaticTargetRecognition，2008，33（71）：210.

[8]PFelzenszwalb，RGrishick，DMcAllester，etal.ObjectDetectionwithDiscriminativelyTrainedpartBasedModels[J].PAMI，2010，32（9）：16271645.

[9]李聰，胡金磊，周俊煌，等.基于SRBFNN的變電作業(yè)人員著裝圖像識(shí)別算法[J].廣東電力，2019，32（9）：124130.

[10]王勇，韓少曉，尚力，等.智能變電站監(jiān)控系統(tǒng)新型體系架構(gòu)研究與實(shí)踐[J].電力系統(tǒng)保護(hù)與控制，2019，47（8）：145151.

（收稿日期：2020.02.25）