基于人工智能的防垂钓触电预警方法及系统与流程

1.本发明属于电力保护技术领域，尤其涉及一种基于人工智能的防垂钓触电预警方法及系统。


背景技术：

2.近年来，随着钓鱼人数不断增加，因垂钓而引发触电的事件数量也随之增长，其原因在于垂钓者使用的渔具，多以碳纤维为原料的钓鱼竿，这种材质的钓竿弹性好、坚硬，但是导电，钓鱼者将鱼线或者鱼竿甩到鱼塘、河流等水域附近的高压线上引发触电会造成人员烧伤甚至死亡，为此供电公司通过组织人员安全宣传、附近张贴禁止钓鱼的警示标志等方式来提高垂钓者安全意识，即便如此，垂钓触电事故频有发生。
3.由于人员安全宣传与张贴禁止钓鱼的警示标志的方式来针对垂钓现象所达到结果强差人意，还是频繁有垂钓触电事故发生，故而现在会采用监控系统监控湖面及周边区域，由监控人员实时观测监控画面并在出现垂钓者时通过前往现场或语音传递的方式来禁止垂钓活动，但此方式需要人员不停的保持观测作业，占用人力资源。


技术实现要素：

4.本发明的主要目的在于克服现有技术的缺点与不足，提供一种基于人工智能的防垂钓触电预警方法及系统，实现对垂钓者的自动识别，无需监控人员实时观测监控画面，节省了人力资源。
5.根据本发明的一个方面，本发明提供了一种基于人工智能的防垂钓触电预警方法，所述方法包括以下步骤：
6.s1：监控设备实时获取监控区域的图像，将所述图像传输至后台服务器；
7.s2：所述后台服务器利用卷积神经网络对所述图像进行识别，判断是否识别出渔具；
8.s3：若识别出渔具，则所述后台服务器确定垂钓者的位置参数，将所述位置参数发送给巡查人员终端设备，并向所述监控设备发送预警指令；
9.s4：所述监控设备接收到所述预警指令后，向所述垂钓者发出禁止垂钓的语音提示。
10.优选地，所述后台服务器利用卷积神经网络对所述图像进行识别，判断是否识别出渔具包括：
11.所述后台服务器采集渔具的图像样本，建立渔具样本库；
12.所述后台服务器利用卷积神经网络提取出渔具的特征，将其与所述渔具样本库进行匹配，判断是否识别出渔具；所述渔具的特征包括渔具的形状和颜色。
13.优选地，所述卷积神经网络包括卷积层、下采样层和全连接层；
14.所述卷积层：通过卷积运算提取出渔具图像的特征，对渔具的特征进行增强；
15.所述下采样层：对图像进行下采样，产生特征映射图；
16.所述全连接层：采用softmax全连接，得到激活值，即是卷积神经网络提取到的渔具特征。
17.优选地，所述后台服务器确定垂钓者的位置参数包括：
18.所述后台服务器利用卫星图获取湖塘及周边区域的平面图，并在平面图上绘制网格坐标轴。
19.优选地，所述网格坐标轴中的每个网格的边长与实际长度比例为1:100；将网格坐标轴中的每个网格四角部位的坐标参数与实际区域中的对应位置相关联，坐标参数与实际位置的图像相关联后储存至所述后台服务器中。
20.根据本发明的另一个方面，本发明还提供了一种基于人工智能的防垂钓触电预警系统，所述系统包括监控设备和后台服务器；
21.所述监控设备实时获取监控区域的图像，将所述图像传输至所述后台服务器；
22.所述后台服务器利用卷积神经网络对所述图像进行识别，判断是否识别出渔具；
23.若识别出渔具，则所述后台服务器确定垂钓者的位置参数，将所述位置参数发送给巡查人员终端设备，并向所述监控设备发送预警指令；
24.所述监控设备接收到所述预警指令后，向所述垂钓者发出禁止垂钓的语音提示。
25.优选地，所述后台服务器利用卷积神经网络对所述图像进行识别，判断是否识别出渔具包括：
26.所述后台服务器采集渔具的图像样本，建立渔具样本库；
27.所述后台服务器利用卷积神经网络提取出渔具的特征，将其与所述渔具样本库进行匹配，判断是否识别出渔具；所述渔具的特征包括渔具的形状和颜色。
28.优选地，所述卷积神经网络包括卷积层、下采样层和全连接层；
29.所述卷积层：通过卷积运算提取出渔具图像的特征，对渔具的特征进行增强；
30.所述下采样层：对图像进行下采样，产生特征映射图；
31.所述全连接层：采用softmax全连接，得到激活值，即是卷积神经网络提取到的渔具特征。
32.优选地，所述后台服务器确定垂钓者的位置参数包括：
33.所述后台服务器利用卫星图获取湖塘及周边区域的平面图，并在平面图上绘制网格坐标轴。
34.优选地，所述网格坐标轴中的每个网格的边长与实际长度比例为1:100；将网格坐标轴中的每个网格四角部位的坐标参数与实际区域中的对应位置相关联，坐标参数与实际位置的图像相关联后储存至所述后台服务器中。
35.有益效果：本发明通过在湖塘区域布设监控设备，利用卷积云神经网络提取各类渔具特征并储存，并同时对监控画面的内容进行智能识别，在出现渔具时以及时向巡查人员和预要垂钓人员进行警示，以起到预警作用，无需监控人员实时观测监控画面，而且通过实现获取湖塘区域的平面图并绘制网格坐标轴，并将坐标参数与实际位置相关联，使得监控设备在发现垂钓者时将垂钓者所处位置的坐标参数发送给巡查人员，有利于使得巡查人员快速到达垂钓者位置。
36.通过参照以下附图及对本发明的具体实施方式的详细描述，本发明的特征及优点将会变得清楚。
附图说明
37.图1是基于人工智能的防垂钓触电预警方法流程图；
38.图2是平面图示意图；
39.图3是网格坐标轴示意图；
40.图4是基于人工智能的防垂钓触电预警系统示意图。
具体实施方式
41.下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
42.实施例1
43.图1是基于人工智能的防垂钓触电预警方法流程图。如图1所示，本实施例提供了一种基于人工智能的防垂钓触电预警方法，所述方法包括以下步骤：
44.s1：监控设备实时获取监控区域的图像，将所述图像传输至后台服务器。
45.具体地，搭建监控设备，监控设备之间无监控死角，且监控设备的监控范围覆盖整个平面图；监控设备实时获取监控区域的图像后，可以通过有线、无线的方式将所述图像传输至后台服务器，所述无线的方式包括但不限于wifi、zigbee等。
46.s2：所述后台服务器利用卷积神经网络对所述图像进行识别，判断是否识别出渔具。
47.优选地，所述后台服务器利用卷积神经网络对所述图像进行识别，判断是否识别出渔具包括：
48.所述后台服务器采集渔具的图像样本，建立渔具样本库；
49.所述后台服务器利用卷积神经网络提取出渔具的特征，将其与所述渔具样本库进行匹配，判断是否识别出渔具；所述渔具的特征包括渔具的形状和颜色。
50.优选地，所述卷积神经网络包括卷积层、下采样层和全连接层；
51.所述卷积层：通过卷积运算提取出渔具图像的特征，对渔具的特征进行增强；
52.所述下采样层：对图像进行下采样，产生特征映射图；
53.所述全连接层：采用softmax全连接，得到激活值，即是卷积神经网络提取到的渔具特征。
54.具体地，利用卷积云神经网络实现对渔具的智能识别，卷积云神经网络包括卷积层、下采样层和全连接层，其中：
55.卷积层：通过卷积运算提取出渔具图像的特征，通过卷积运算可使得渔具的特征增强，再用一个可训练的滤波器fx去卷积一个输入的图像，其中第一阶段是输入的图像，后面的阶段就是卷积特征map了，然后加一个偏置bx，得到卷积层cx，渔具的特征包括渔具形状、颜色；
56.下采样层：因为对图像进行下采样，可以减少数据处理量同时保留有用信息，采样可以混淆特征的具体位置，因为某个特征找出来之后，它的位置已经不重要了，我们只需要这个特征和其他特征的相对位置，可以应对形变和扭曲带来的同类物体的变化，而图像中
每邻域四个像素求和变为一个像素，然后通过标量wx+1加权，再增加偏置bx+1，然后通过一个sigmoid激活函数，产生一个大概缩小四倍的特征映射图sx+1；
57.全连接层：采用softmax全连接，得到的激活值即卷积神经网络提取到的图片特征。
58.优选地，所述后台服务器确定垂钓者的位置参数包括：
59.所述后台服务器利用卫星图获取湖塘及周边区域的平面图，并在平面图上绘制网格坐标轴。
60.具体地，参考图2，利用卫星图获取湖塘及周边区域的平面图，并在平面图上绘制网格坐标轴，平面图所含范围是以湖塘区域为中心向周边辐射10-20米的区域面积。
61.优选地，所述网格坐标轴中的每个网格的边长与实际长度比例为1:100；将网格坐标轴中的每个网格四角部位的坐标参数与实际区域中的对应位置相关联，坐标参数与实际位置的图像相关联后储存至所述后台服务器中。
62.具体地，参考图3，网格坐标轴中的每个网格的边长与实际长度比例为1厘米:100厘米，还将网格坐标轴中的每个网格四角部位的坐标参数与实际区域中的对应位置相联系，坐标参数与实际位置的图像相关联后储存至服务器中。
63.s3：若识别出渔具，则所述后台服务器确定垂钓者的位置参数，将所述位置参数发送给巡查人员终端设备，并向所述监控设备发送预警指令。
64.具体地，垂钓者到达湖塘区域后会被纳入监控范围内，此时后台服务器基于监控画面智能识别是否存在有渔具，若识别通过即识别出有渔具时，则判断该垂钓者准备进行垂钓活动，此时根据平面图和网络坐标确定垂钓者的位置参数，同时基于垂钓者所处位置的图像与网格坐标轴内的对应坐标参数相关联，将该位置参数发送给巡查人员的终端设备，巡查人员快速到达垂钓者的所处位置对垂钓者进行劝离，防止因垂钓发生触电事故。
65.s4：所述监控设备接收到所述预警指令后，向所述垂钓者发出禁止垂钓的语音提示。
66.所述监控设备利用其集成的语音播报功能向垂钓者发出禁止垂钓的语音提示，循环播报直至垂钓者离开后停止播报。
67.本实施例通过在湖塘区域布设监控设备，利用卷积云神经网络提取各类渔具特征并储存，并同时对监控画面的内容进行智能识别，在出现渔具时以及时向巡查人员和预要垂钓人员进行警示，以起到预警作用，无需监控人员实时观测监控画面，节省了人力资源。而且通过实现获取湖塘区域的平面图并绘制网格坐标轴，并将坐标参数与实际位置相关联，使得监控设备在发现垂钓者时将垂钓者所处位置的坐标参数发送给巡查人员，有利于使得巡查人员快速到达垂钓者位置。
68.实施例2
69.图4是基于人工智能的防垂钓触电预警系统示意图。如图4所示，本实施例还提供了一种基于人工智能的防垂钓触电预警系统，所述系统包括监控设备和后台服务器；
70.所述监控设备实时获取监控区域的图像，将所述图像传输至所述后台服务器；
71.所述后台服务器利用卷积神经网络对所述图像进行识别，判断是否识别出渔具；
72.若识别出渔具，则所述后台服务器确定垂钓者的位置参数，将所述位置参数发送给巡查人员终端设备，并向所述监控设备发送预警指令；
73.所述监控设备接收到所述预警指令后，向所述垂钓者发出禁止垂钓的语音提示。
74.优选地，所述后台服务器利用卷积神经网络对所述图像进行识别，判断是否识别出渔具包括：
75.所述后台服务器采集渔具的图像样本，建立渔具样本库；
76.所述后台服务器利用卷积神经网络提取出渔具的特征，将其与所述渔具样本库进行匹配，判断是否识别出渔具；所述渔具的特征包括渔具的形状和颜色。
77.优选地，所述卷积神经网络包括卷积层、下采样层和全连接层；
78.所述卷积层：通过卷积运算提取出渔具图像的特征，对渔具的特征进行增强；
79.所述下采样层：对图像进行下采样，产生特征映射图；
80.所述全连接层：采用softmax全连接，得到激活值，即是卷积神经网络提取到的渔具特征。
81.优选地，所述后台服务器确定垂钓者的位置参数包括：
82.所述后台服务器利用卫星图获取湖塘及周边区域的平面图，并在平面图上绘制网格坐标轴。
83.优选地，所述网格坐标轴中的每个网格的边长与实际长度比例为1:100；将网格坐标轴中的每个网格四角部位的坐标参数与实际区域中的对应位置相关联，坐标参数与实际位置的图像相关联后储存至所述后台服务器中。
84.本实施例2中监控设备和后台服务器所实现的功能的具体实施过程与实施例1中的实施过程相同，在此不再赘述。
85.以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是在本发明的构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。