(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210773204.3 (22)申请日 2022.07.01 (71)申请人 宁海县雁苍 山电力建 设有限公司 地址 315600 浙江省宁波市宁海县金 水西 路26号 (72)发明人 朱刚　袁天霖　刘佳杰　周龙伟　 田斌　丁鸿博　 (74)专利代理 机构 杭州华鼎知识产权代理事务 所(普通合伙) 33217 专利代理师 王旭峰 (51)Int.Cl. G06V 20/40(2022.01) G06V 20/52(2022.01) G06V 10/82(2022.01) (54)发明名称 一种基于高位监控的电力行为识别预警方 法、 系统及设备 (57)摘要 本申请提供了一种基于高位监控的电力行 为识别预警方法、 系统及设备， 本申请通过同时 获取多个待识别的高位监控视频流及其所属监 控区域； 根据监控区域分别确定各高位监控视频 流的监控行为类别及与监控行为类别对应的目 标电力行为识别神经网络模型； 对多个高位监控 视频流分别进行预处理得到与其对应的各视频 图像集； 将各视频图像集分别输入到对应的目标 电力行为识别神经网络模型中得到各识别结果； 对各识别结果通过低通滤波器进行滤波处理， 以 剔除异常识别结果； 根据过滤后的识别结果生成 对应的预警信息； 将预警信息发送给目标终端。 本申请能够满足同时识别不同的电力行为， 并根 据识别结果进行预警， 不仅提高了巡检效率， 且 降低了危险系数。 权利要求书2页 说明书7页 附图2页 CN 115223078 A 2022.10.21 CN 115223078 A 1.一种基于高位 监控的电力行为识别预警方法， 其特 征在于， 所述方法包括： 同时获取多个待识别的高位监控视频流及其所属监控区域； 其中所述监控区域包括电 力巡线区域、 电线杆密集区域、 鱼塘/河道区域、 候鸟区域、 农田密集区域和森林区域； 根据所述监控区域分别确定各高位监控视频流的监控行为类别及与所述监控行为类 别对应的目标电力行为识别神经网络模 型； 其中， 所述监控行为类别包括外破行为类别、 电 线漂浮物行为类别、 人员入侵行为类别、 人员捕捉候鸟行为类别、 焚烧秸秆/垃圾行为类别、 森林着火行为类别， 对应的， 所述 目标电力行为识别神经网络模型包括外破识别神经网络 模型、 电线漂浮物识别神经网络模型、 人员入侵识别神经网络模型、 捕捉候鸟识别神经网络 模型、 焚烧秸秆/垃圾识别神经网络模型、 森林着火识别神经网络模型； 对所述多个高位 监控视频流分别进行 预处理得到与其对应的各视频图像集； 将所述各视频图像集分别输入到对应的目标电力行为识别神经网络模型中得到各识 别结果； 对所述各识别结果 通过低通滤波器进行 滤波处理， 以剔除异常识别结果； 根据过滤后的所述识别结果 生成对应的预警信息； 将所述预警信息发送给目标终端。 2.根据权利要求1所述的基于 高位监控的电力行为识别预警方法， 其特征在于， 所述同 时获取多个待识别的高位 监控视频流及其所属监控区域包括： 同时获取多个监控设备发送的待识别的视频 数据包； 解析所述视频 数据包得到各监控设备采集的高位 监控视频流及监控设备的位置信息； 根据所述 位置信息及预设的位置与区域对应关系确定所述 监控设备的监控区域。 3.根据权利要求1所述的基于 高位监控的电力行为识别预警方法， 其特征在于， 所述根 据所述监控区域确定监控行为类别及与所述监控行为类别对应的目标电力行为识别神经 网络模型包括： 若所述监控区域为电力巡线区域， 则确定监控行为类别为外破行为类别， 确定目标电 力行为识别神经网络模型为外破识别神经网络模型； 若所述监控区域为电线杆密集区域， 则确定监控行为类别为电线漂浮物行为类别， 确 定目标电力行为识别神经网络模型为电线漂浮物 识别神经网络模型； 若所述监控区域为鱼塘/河道区域， 则确定监控行为类别为人员入侵行为类别， 确定目 标电力行为识别神经网络模型为人员入侵识别神经网络模型； 若所述监控区域为候鸟 区域， 则确定监控行为类别为人员捕捉候鸟行为类别， 确定目 标电力行为识别神经网络模型为捕捉 候鸟识别神经网络模型； 若所述监控区域为农田密集区域， 则确定监控行为类别为焚烧秸秆/垃圾行为类别， 确 定目标电力行为识别神经网络模型为焚烧秸秆/垃圾识别神经网络模型； 若所述监控区域为森林区域， 则确定监控行为类别为森林着火行为类别， 确定目标电 力行为识别神经网络模型为森林着火识别神经网络模型。 4.根据权利要求3所述的基于 高位监控的电力行为识别预警方法， 其特征在于， 所述焚 烧秸秆/垃圾识别神经网络模型和 森林着火识别神经网络模型均采用tiny  Darknet网络， 所述外破识别神经网络模型、 电线漂浮物识别神经网络模型、 人员入侵识别神经网络模型 均采用ti ny Yolov3网络。权　利　要　求　书 1/2 页 2 CN 115223078 A 25.根据权利要求3所述的基于 高位监控的电力行为识别预警方法， 其特征在于， 所述捕 捉候鸟识别神经网络模型包括ti ny Yolov3网络、 ti ny Darknet网络和融合层： 所述tiny Yolov3网络用于对视频图像进行 人员目标检测； 所述tiny Darknet网络用于对视频图像进行捕鸟动作识别； 所述融合层用于 融合所述人员目标检测结果和捕鸟动作识别结果， 以输出最终识别结 果。 6.根据权利要求1所述的基于 高位监控的电力行为识别预警方法， 其特征在于， 所述对 所述高位 监控视频流进行 预处理得到视频图像集包括： 以预设时间 间隔对所述高位 监控视频流进行切分得到多个视频片段； 在每个视频片段中随机提取 预设数量的视频图像； 对所述视频图像进行图像增强处 理得到视频图像集。 7.根据权利要求1所述的基于 高位监控的电力行为识别预警方法， 其特征在于， 所述根 据过滤后的所述识别结果 生成对应的预警信息包括： 根据过滤后的识别结果 查找与该识别结果对应的监控设备的位置信息； 根据所述过滤后的识别结果及所述位置信 息生成初步预警信 息； 所述初步预警信 息包 括发生的事 件名称、 地 点、 事件详细； 根据所述初步预警信息生成语音预警信息和文字预警信息； 对应地， 所述将所述预警信息发送给目标终端包括： 将所述语音预警信 息发送给安装在监控区域内的音频终端， 将所述文字预警信 息发送 至工作人员的移动终端中。 8.一种基于高位 监控的电力行为识别预警系统， 其特 征在于， 所述系统包括： 获取单元， 用于同时获取多个待识别的高位 监控视频流及其所属监控区域； 确定单元， 用于根据 所述监控区域分别确定各高位监控视频流的监控行为类别及与 所 述监控行为类别对应的目标电力行为识别神经网络模型； 预处理单元， 用于对所述多个 高位监控视频流分别进行预处理得到与其对应的各视频 图像集； 识别单元， 用于将所述各视频图像集分别 输入到对应的目标电力行为识别神经网络模 型中得到各识别结果； 过滤单元， 用于对所述各识别结果通过低通滤波器进行滤波处理， 以剔除异常识别结 果； 生成单元， 用于根据所述识别结果调用对应的预警信息； 发送单元， 用于将所述预警信息发送给目标终端。 9.一种电子设备， 其特征在于， 包括处理器、 通信接口、 存储器和通信总线， 其中， 处理 器， 通信接口， 存 储器通过通信总线完成相互间的通信； 存储器， 用于存放计算机程序； 处理器， 用于执 行存储器上所存放的程序时， 实现权利要求1 ‑7任一所述的方法步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质内存储有计算机 程序， 所述计算机程序被处 理器执行时实现权利要求1 ‑7任一所述的方法步骤。权　利　要　求　书 2/2 页 3 CN 115223078 A 3