(12)發(fā)明專利(10)授權(quán)公告號CN1146628(65)同一申請的已公布的文獻(xiàn)號(73)專利權(quán)人國網(wǎng)新疆電力有限公司信息通信公司地址830001新疆維吾爾自治區(qū)烏魯木齊市天山區(qū)建設(shè)路123號8、14-20層(72)發(fā)明人楊霞茍亮馬倩迪力尼亞·迪力夏提劉嵩陳天宇馬為真劉璐璐馬占軍薛高倩王平李坤源(74)專利代理機(jī)構(gòu)合肥維可專利代理事務(wù)所(普通合伙)34135GO6V20/52(2022.01)基于人工智能的班組作業(yè)智慧化管控方法及系統(tǒng)本發(fā)明公開了一種基于人工智能的班組作業(yè)智慧化管控方法及系統(tǒng)，該方法包括：接收多個分散部署的獨(dú)立作業(yè)信息系統(tǒng)的業(yè)務(wù)數(shù)據(jù)，進(jìn)行數(shù)據(jù)關(guān)聯(lián)合并和規(guī)范化處理，獲取作業(yè)計(jì)劃集；接收第一監(jiān)控視頻數(shù)據(jù)，基于第一監(jiān)控視頻數(shù)據(jù)識別第一異?，F(xiàn)象，所述第一異常現(xiàn)象表征電力場景靜態(tài)異?，F(xiàn)象；基于作業(yè)計(jì)劃調(diào)取第二監(jiān)控視頻數(shù)據(jù)，基于第二監(jiān)控視頻數(shù)據(jù)識別作業(yè)計(jì)劃的執(zhí)行進(jìn)度、第一異?，F(xiàn)象和第二異常現(xiàn)象，所述第二異?，F(xiàn)象表征與作業(yè)執(zhí)行過程關(guān)聯(lián)的異?，F(xiàn)象。本發(fā)明實(shí)現(xiàn)了對各類系統(tǒng)中涉及的作業(yè)計(jì)劃信息進(jìn)行統(tǒng)一管理，避免班組作業(yè)計(jì)劃數(shù)據(jù)重復(fù)錄入的問題，同時實(shí)現(xiàn)了對作業(yè)現(xiàn)場違21.基于人工智能的班組作業(yè)智慧化管控方法，其特征在于，包括：S1:接收多個分散部署的獨(dú)立作業(yè)信息系統(tǒng)的業(yè)務(wù)數(shù)據(jù)，進(jìn)行數(shù)據(jù)關(guān)聯(lián)合并和規(guī)范化S2:接收第一預(yù)設(shè)監(jiān)控點(diǎn)的第一監(jiān)控視頻數(shù)據(jù)，基于第一監(jiān)控視頻數(shù)據(jù)識別第一異?，F(xiàn)象，所述第一異?，F(xiàn)象表征電力場景靜態(tài)異?，F(xiàn)象；S3:基于作業(yè)計(jì)劃調(diào)取第二監(jiān)控點(diǎn)的第二監(jiān)控視頻數(shù)據(jù)，基于第二監(jiān)控視頻數(shù)據(jù)識別作業(yè)計(jì)劃的執(zhí)行進(jìn)度、第一異?，F(xiàn)象和第二異?，F(xiàn)象，所述第二異?，F(xiàn)象表征與作業(yè)執(zhí)行過程關(guān)聯(lián)的異常現(xiàn)象；所述步驟S2中，包括：基于第一預(yù)設(shè)監(jiān)控點(diǎn)的場景圖像，獲取場景圖像中的第一特征像素點(diǎn)，所述第一特征像素點(diǎn)與場景圖像中目標(biāo)相對應(yīng)；基于所述第一特征像素點(diǎn)和預(yù)設(shè)第一分析算法，識別所述第一特征像素點(diǎn)對應(yīng)的目標(biāo)是否存在異常；所述基于所述第一特征像素點(diǎn)和預(yù)設(shè)第一分析算法，識別所述第一特征像素點(diǎn)對應(yīng)的目標(biāo)是否存在異常，包括：獲取預(yù)設(shè)的目標(biāo)區(qū)域生成算法，結(jié)合所述目標(biāo)區(qū)域生成算法和所述第一特征像素點(diǎn)得到第一特征像素點(diǎn)對應(yīng)的場景圖像目標(biāo)區(qū)域；基于預(yù)設(shè)第二分析算法和所述場景圖像目標(biāo)區(qū)域，確定所述目標(biāo)區(qū)域出現(xiàn)所述目標(biāo)是否存在異常或者基于所述目標(biāo)類型確定所述目標(biāo)區(qū)域的目標(biāo)是否存在異常；所述第一特征像素點(diǎn)的獲取方法，包括：(1)在第一預(yù)設(shè)監(jiān)控點(diǎn)場景圖像中選擇一個候選第一特征像素點(diǎn)位置；(2)以所述候選第一特征像素點(diǎn)位置為中心，向外圍搜索獲取像素點(diǎn)，判斷外圍像素點(diǎn)與所述候選第一特征像素點(diǎn)的關(guān)聯(lián)關(guān)系大小，直至搜索到所述關(guān)聯(lián)關(guān)系小于預(yù)設(shè)關(guān)聯(lián)閾值的外圍像素點(diǎn)停止；(3)判斷是否存在未被搜索到的像素點(diǎn)，若是，則在未被搜索到的像素點(diǎn)中選擇一個候選第一特征像素點(diǎn)位置；(4)重復(fù)步驟(2)和(3),直至第一預(yù)設(shè)監(jiān)控點(diǎn)場景圖像所有像素點(diǎn)都被搜索，基于所有候選第一特征像素點(diǎn)獲取第一特征像素點(diǎn)；獲取所述第一特征像素點(diǎn)時，包括：對候選第一特征像素點(diǎn)的鄰域像素進(jìn)行分析，比較鄰域像素的像素點(diǎn)特征與所述候選第一特征像素點(diǎn)的像素點(diǎn)特征，若所述第一特征像素點(diǎn)與鄰域像素的對比結(jié)果分布差異大于預(yù)設(shè)閾值，則在鄰域像素中選擇一個像素點(diǎn)作為新的候選第一特征像素點(diǎn)，若所述對比結(jié)果分布差異小于等于預(yù)設(shè)閾值，則確定保留所述候選第一特征像素點(diǎn)；所述基于預(yù)設(shè)第二分析算法和所述場景圖像目標(biāo)區(qū)域，確定所述目標(biāo)區(qū)域出現(xiàn)所述目標(biāo)是否存在異?；蛘呋谒瞿繕?biāo)類型確定所述目標(biāo)區(qū)域的目標(biāo)是否存在異常，包括：基于所述場景圖像目標(biāo)區(qū)域，確定所述目標(biāo)區(qū)域的目標(biāo)類型；基于目標(biāo)區(qū)域的目標(biāo)類型和目標(biāo)區(qū)域的目標(biāo)地理位置相互距離關(guān)系，確定目標(biāo)區(qū)域出現(xiàn)所述目標(biāo)是否存在異?；蛘呋谒瞿繕?biāo)類型確定所述目標(biāo)區(qū)域的目標(biāo)是否存在異常；所述步驟S3中，包括：基于第二監(jiān)控點(diǎn)的第二監(jiān)控視頻數(shù)據(jù)，獲取連續(xù)的圖像幀；基于連續(xù)圖像幀從空間和時間上分別進(jìn)行圖像分析，確定單個圖像幀中的靜態(tài)異?，F(xiàn)象和連續(xù)圖像幀中的動態(tài)異?，F(xiàn)象；所述基于連續(xù)圖像幀從空間和時間上分別進(jìn)行圖像分析，確定單個圖像幀中的靜態(tài)異?，F(xiàn)象和連續(xù)圖像幀中的動態(tài)異?，F(xiàn)象，包括：對作業(yè)場景圖像中的作業(yè)人員進(jìn)行作業(yè)區(qū)域定位和區(qū)域人員數(shù)量確定；根據(jù)作業(yè)計(jì)劃判定作業(yè)區(qū)域中待檢測的違章行為類型；基于所述待檢測違章行為類型確定對作業(yè)區(qū)域內(nèi)每個作業(yè)人員的圖像分析區(qū)域；對于同一類型的待檢測違章行為對應(yīng)的每個作業(yè)人員的待分析圖像子區(qū)域進(jìn)行匯總分析，根據(jù)匯總結(jié)果確定異?，F(xiàn)象是否發(fā)生以及發(fā)生異常現(xiàn)象的作業(yè)人員；所述對于同3一類型的待檢測違章行為對應(yīng)的每個作業(yè)人員的待分析圖像子區(qū)域進(jìn)行匯總分析，包括：基于同一類型的待檢測違章行為獲取的每個作業(yè)人員的待分析圖像子區(qū)域提取第一特征參數(shù)，所述第一特征參數(shù)表征所述圖像子區(qū)域中的像素分布特征；基于每個第一特征參數(shù)進(jìn)行聚類，獲取表征圖像子區(qū)域中出現(xiàn)違章行為的第一特征參數(shù)類別中對應(yīng)的候選違章作業(yè)人員。2.基于人工智能的班組作業(yè)智慧化管控系統(tǒng)，其特征在于，包括：作業(yè)計(jì)劃關(guān)聯(lián)合并模塊，用于接收多個分散部署的獨(dú)立作業(yè)信息系統(tǒng)的業(yè)務(wù)數(shù)據(jù)，進(jìn)行數(shù)據(jù)關(guān)聯(lián)合并和規(guī)范化處理，獲取作業(yè)計(jì)劃集；第一異?，F(xiàn)象監(jiān)測模塊，用于接收第一預(yù)設(shè)監(jiān)控點(diǎn)的第一監(jiān)控視頻數(shù)據(jù)，基于第一監(jiān)控視頻數(shù)據(jù)識別第一異?，F(xiàn)象，所述第一異?，F(xiàn)象表征電力場景靜態(tài)異?，F(xiàn)象；第二異?，F(xiàn)象監(jiān)測模塊，用于基于作業(yè)計(jì)劃調(diào)取第二監(jiān)控點(diǎn)的第二監(jiān)控視頻數(shù)據(jù)，基于第二監(jiān)控視頻數(shù)據(jù)識別作業(yè)計(jì)劃的執(zhí)行進(jìn)度、第一異?，F(xiàn)象和第二異?，F(xiàn)象，所述第二異?，F(xiàn)象表征與作業(yè)執(zhí)行過程關(guān)聯(lián)的異?，F(xiàn)象；所述第一異常現(xiàn)象監(jiān)測模塊中，執(zhí)行步驟包括：基于第一預(yù)設(shè)監(jiān)控點(diǎn)的場景圖像，獲取場景圖像中的第一特征像素點(diǎn)，所述第一特征像素點(diǎn)與場景圖像中目標(biāo)相對應(yīng)；基于所述第一特征像素點(diǎn)和預(yù)設(shè)第一分析算法，識別所述第一特征像素點(diǎn)對應(yīng)的目標(biāo)是否存在異常；所述基于所述第一特征像素點(diǎn)和預(yù)設(shè)第一分析算法，識別所述第一特征像素點(diǎn)對應(yīng)的目標(biāo)是否存在異常，包括：獲取預(yù)設(shè)的目標(biāo)區(qū)域生成算法，結(jié)合所述目標(biāo)區(qū)域生成算法和所述第一特征像素點(diǎn)得到第一特征像素點(diǎn)對應(yīng)的場景圖像目標(biāo)區(qū)域；基于預(yù)設(shè)第二分析算法和所述場景圖像目標(biāo)區(qū)域，確定所述目標(biāo)區(qū)域出現(xiàn)所述目標(biāo)是否存在異常或者基于所述目標(biāo)類型確定所述目標(biāo)區(qū)域的目標(biāo)是否存在異常；所述第一特征像素點(diǎn)的獲取方法，包括：(1)在第一預(yù)設(shè)監(jiān)控點(diǎn)場景圖像中選擇一個候選第一特征像素點(diǎn)位置；(2)以所述候選第一特征像素點(diǎn)位置為中心，向外圍搜索獲取像素點(diǎn)，判斷外圍像素點(diǎn)與所述候選第一特征像素點(diǎn)的關(guān)聯(lián)關(guān)系大小，直至搜索到所述關(guān)聯(lián)關(guān)系小于預(yù)設(shè)關(guān)聯(lián)閾值的外圍像素點(diǎn)停止；(3)判斷是否存在未被搜索到的像素點(diǎn)，若是，則在未被搜索到的像素點(diǎn)中選擇一個候選第一特征像素點(diǎn)位置；(4)重復(fù)步驟(2)和(3),直至第一預(yù)設(shè)監(jiān)控點(diǎn)場景圖像所有像素點(diǎn)都被搜索，基于所有候選第一特征像素點(diǎn)獲取第一特征像素點(diǎn)；獲取所述第一特征像素點(diǎn)時，包括：對候選第一特征像素點(diǎn)的鄰域像素進(jìn)行分析，比較鄰域像素的像素點(diǎn)特征與所述候選第一特征像素點(diǎn)的像素點(diǎn)特征，若所述第一特征像素點(diǎn)與鄰域像素的對比結(jié)果分布差異大于預(yù)設(shè)閾值，則在鄰域像素中選擇一個像素點(diǎn)作為新的候選第一特征像素點(diǎn)，若所述對比結(jié)果分布差異小于等于預(yù)設(shè)閾值，則確定保留所述候選第一特征像素點(diǎn)；所述基于預(yù)設(shè)第二分析算法和所述場景圖像目標(biāo)區(qū)域，確定所述目標(biāo)區(qū)域出現(xiàn)所述目標(biāo)是否存在異?；蛘呋谒瞿繕?biāo)類型確定所述目標(biāo)區(qū)域的目標(biāo)是否存在異常，包括：基于所述場景圖像目標(biāo)區(qū)域，確定所述目標(biāo)區(qū)域的目標(biāo)類型；基于目標(biāo)區(qū)域的目標(biāo)類型和目標(biāo)區(qū)域的目標(biāo)地理位置相互距離關(guān)系，確定目標(biāo)區(qū)域出現(xiàn)所述目標(biāo)是否存在異?；蛘呋谒瞿繕?biāo)類型確定所述目標(biāo)區(qū)域的目標(biāo)是否存在異常；所述第二異?，F(xiàn)象監(jiān)測模塊中，執(zhí)行步驟包括：基于第二監(jiān)控點(diǎn)的第二監(jiān)控視頻數(shù)據(jù)，獲取連續(xù)的圖像幀；基于連續(xù)圖像幀從空間和時間上分別進(jìn)行圖像分析，確定單個圖像幀中的靜態(tài)異?，F(xiàn)象和連續(xù)圖像幀中的動態(tài)異?，F(xiàn)象；所述基于連續(xù)圖像幀從空間和時間上4分別進(jìn)行圖像分析，確定單個圖像幀中的靜態(tài)異?，F(xiàn)象和連續(xù)圖像幀中的動態(tài)異?，F(xiàn)象，包括：對作業(yè)場景圖像中的作業(yè)人員進(jìn)行作業(yè)區(qū)域定位和區(qū)域人員數(shù)量確定；根據(jù)作業(yè)計(jì)劃判定作業(yè)區(qū)域中待檢測的違章行為類型；基于所述待檢測違章行為類型確定對作業(yè)區(qū)域內(nèi)每個作業(yè)人員的圖像分析區(qū)域；對于同一類型的待檢測違章行為對應(yīng)的每個作業(yè)人員的待分析圖像子區(qū)域進(jìn)行匯總分析，根據(jù)匯總結(jié)果確定異?，F(xiàn)象是否發(fā)生以及發(fā)生異?，F(xiàn)象的作業(yè)人員；所述對于同一類型的待檢測違章行為對應(yīng)的每個作業(yè)人員的待分析圖像子區(qū)域進(jìn)行匯總分析，包括：基于同一類型的待檢測違章行為獲取的每個作業(yè)人員的待分析圖像子區(qū)域提取第一特征參數(shù)，所述第一特征參數(shù)表征所述圖像子區(qū)域中的像素分布特征；基于每個第一特征參數(shù)進(jìn)行聚類，獲取表征圖像子區(qū)域中出現(xiàn)違章行為的第一特征參數(shù)類別中對應(yīng)的候選違章作業(yè)人員。5技術(shù)領(lǐng)域[0001]本發(fā)明涉及電力作業(yè)管理技術(shù)領(lǐng)域，具體涉及基于人工智能的班組作業(yè)智慧化管控方法及系統(tǒng)。背景技術(shù)方式及管理模式變革帶來新的契機(jī)，為推動電力行業(yè)技術(shù)變革和創(chuàng)新發(fā)展提供了條件。但在實(shí)現(xiàn)安監(jiān)班組作業(yè)線上化、數(shù)據(jù)共享化、支撐智能化的最終目標(biāo)方面，仍然存在一定差要求各異，導(dǎo)致作業(yè)計(jì)劃存在多套業(yè)務(wù)系統(tǒng)重復(fù)錄入的情況，進(jìn)一步導(dǎo)致不能有效根據(jù)作業(yè)計(jì)劃需求進(jìn)行作業(yè)現(xiàn)場安全管控。發(fā)明內(nèi)容[0003]針對上述現(xiàn)有技術(shù)存在的問題，本發(fā)明提供了一種基于人工智能的班組作業(yè)智慧化管控方法及系統(tǒng)，對各類系統(tǒng)中涉及的作業(yè)計(jì)劃信息進(jìn)行統(tǒng)一管理，實(shí)現(xiàn)了對作業(yè)現(xiàn)場的安全隱患的智能識別，宏觀把控作業(yè)現(xiàn)場的安全。該技術(shù)方案如下：[0004]第一方面，本發(fā)明提供了一種基于人工智能的班組作業(yè)智慧化管控方法，包括如[0005]S1:接收多個分散部署的獨(dú)立作業(yè)信息系統(tǒng)的業(yè)務(wù)數(shù)據(jù)，進(jìn)行數(shù)據(jù)關(guān)聯(lián)合并和規(guī)[0006]S2:接收第一預(yù)設(shè)監(jiān)控點(diǎn)的第一監(jiān)控視頻數(shù)據(jù)，基于第一監(jiān)控視頻數(shù)據(jù)識別第一異常現(xiàn)象，所述第一異?，F(xiàn)象表征電力場景靜態(tài)異常現(xiàn)象；[0007]S3:基于作業(yè)計(jì)劃調(diào)取第二監(jiān)控點(diǎn)的第二監(jiān)控視頻數(shù)據(jù)，基于第二監(jiān)控視頻數(shù)據(jù)識別作業(yè)計(jì)劃的執(zhí)行進(jìn)度、第一異常現(xiàn)象和第二異?，F(xiàn)象，所述第二異?，F(xiàn)象表征與作業(yè)執(zhí)行過程關(guān)聯(lián)的異常現(xiàn)象。[0009]基于第一預(yù)設(shè)監(jiān)控點(diǎn)的場景圖像，獲取場景圖像中的第一特征像素點(diǎn)，所述第一特征像素點(diǎn)與場景圖像中目標(biāo)相對應(yīng)；[0010]基于所述第一特征像素點(diǎn)和預(yù)設(shè)第一分析算法，識別所述第一特征像素點(diǎn)對應(yīng)的目標(biāo)是否存在異常。[0011]優(yōu)選的，所述基于所述第一特征像素點(diǎn)和預(yù)設(shè)第一分析算法，識別所述第一特征像素點(diǎn)對應(yīng)的目標(biāo)是否存在異常，包括：[0012]獲取預(yù)設(shè)的目標(biāo)區(qū)域生成算法，結(jié)合所述目標(biāo)區(qū)域生成算法和所述第一特征像素點(diǎn)得到第一特征像素點(diǎn)對應(yīng)的場景圖像目標(biāo)區(qū)域；[0013]基于預(yù)設(shè)第二分析算法和所述場景圖像目標(biāo)區(qū)域，確定所述目標(biāo)區(qū)域出現(xiàn)所述目標(biāo)是否存在異常或者基于所述目標(biāo)類型確定所述目標(biāo)區(qū)域的目標(biāo)是否存在異常。6[0015](1)在第一預(yù)設(shè)監(jiān)控點(diǎn)場景圖像中選擇一個候選第一特征像素點(diǎn)位置；[0016](2)以所述候選第一特征像素點(diǎn)位置為中心，向外圍搜索獲取像素點(diǎn)，判斷外圍像素點(diǎn)與所述候選第一特征像素點(diǎn)的關(guān)聯(lián)關(guān)系大小，直至搜索到所述關(guān)聯(lián)關(guān)系小于預(yù)設(shè)關(guān)聯(lián)閾值的外圍像素點(diǎn)停止；[0017](3)判斷是否存在未被搜索到的像素點(diǎn)，若是，則在未被搜索到的像素點(diǎn)中選擇一個候選第一特征像素點(diǎn)位置；[0018](4)重復(fù)步驟(2)和(3),直至第一預(yù)設(shè)監(jiān)控點(diǎn)場景圖像所有像素點(diǎn)都被搜索，基于所有候選第一特征像素點(diǎn)獲取第一特征像素點(diǎn)。[0020]對候選第一特征像素點(diǎn)的鄰域像素進(jìn)行分析，比較鄰域像素的像素點(diǎn)特征與所述候選第一特征像素點(diǎn)的像素點(diǎn)特征，若所述第一特征像素點(diǎn)與鄰域像素的對比結(jié)果分布差異大于預(yù)設(shè)閾值，則在鄰域像素中選擇一個像素點(diǎn)作為新的候選第一特征像素點(diǎn)，若所述對比結(jié)果分布差異小于等于預(yù)設(shè)閾值，則確定保留所述候選第一特征像素點(diǎn)。[0021]優(yōu)選的，所述基于預(yù)設(shè)第二分析算法和所述場景圖像目標(biāo)區(qū)域，確定所述目標(biāo)區(qū)域出現(xiàn)所述目標(biāo)是否存在異?；蛘呋谒瞿繕?biāo)類型確定所述目標(biāo)區(qū)域的目標(biāo)是否存在[0022]基于所述場景圖像目標(biāo)區(qū)域，確定所述目標(biāo)區(qū)域的目標(biāo)類型；[0023]基于目標(biāo)區(qū)域的目標(biāo)類型和目標(biāo)區(qū)域的目標(biāo)地理位置相互距離關(guān)系，確定目標(biāo)區(qū)域出現(xiàn)所述目標(biāo)是否存在異?；蛘呋谒瞿繕?biāo)類型確定所述目標(biāo)區(qū)域的目標(biāo)是否存在異常。[0025]基于第二監(jiān)控點(diǎn)的第二監(jiān)控視頻數(shù)據(jù)，獲取連續(xù)的圖像幀；[0026]基于連續(xù)圖像幀從空間和時間上分別進(jìn)行圖像分析，確定單個圖像幀中的靜態(tài)異?，F(xiàn)象和連續(xù)圖像幀中的動態(tài)異?，F(xiàn)象。[0027]優(yōu)選的，所述基于連續(xù)圖像幀從空間和時間上分別進(jìn)行圖像分析，確定單個圖像幀中的靜態(tài)異?，F(xiàn)象和連續(xù)圖像幀中的動態(tài)異?，F(xiàn)象，包括：[0028]對作業(yè)場景圖像中的作業(yè)人員進(jìn)行作業(yè)區(qū)域定位和區(qū)域人員數(shù)量確定；[0029]根據(jù)作業(yè)計(jì)劃判定作業(yè)區(qū)域中待檢測的違章行為類型；[0030]基于所述待檢測違章行為類型確定對作業(yè)區(qū)域內(nèi)每個作業(yè)人員的圖像分析區(qū)域；[0031]對于同一類型的待檢測違章行為對應(yīng)的每個作業(yè)人員的待分析圖像子區(qū)域進(jìn)行匯總分析，根據(jù)匯總結(jié)果確定異?，F(xiàn)象是否發(fā)生以及發(fā)生異?，F(xiàn)象的作業(yè)人員。[0032]優(yōu)選的，所述對于同一類型的待檢測違章行為對應(yīng)的每個作業(yè)人員的待分析圖像[0033]基于同一類型的待檢測違章行為獲取的每個作業(yè)人員的待分析圖像子區(qū)域提取第一特征參數(shù)，所述第一特征參數(shù)表征所述圖像子區(qū)域中的像素分布特征；[0034]基于每個第一特征參數(shù)進(jìn)行聚類，獲取表征圖像子區(qū)域中出現(xiàn)違章行為的第一特征參數(shù)類別中對應(yīng)的候選違章作業(yè)人員。[0035]優(yōu)選的，所述基于每個第一特征參數(shù)進(jìn)行聚類，獲取表征圖像子區(qū)域中出現(xiàn)違章7行為的第一特征參數(shù)類別中對應(yīng)的候選違章作業(yè)人員，還包括：[0036]基于第一特征參數(shù)的聚類結(jié)果，獲取表征圖像子區(qū)域中出現(xiàn)違章行為的第一特征參數(shù)類別中的每個圖像子區(qū)域；[0037]基于獲取的表征圖像子區(qū)域中出現(xiàn)違章行為的第一特征參數(shù)類別中的每個圖像子區(qū)域，進(jìn)行圖像子區(qū)域行為識別，確定所述圖像子區(qū)域是否發(fā)生違章行為。[0038]第二方面，本發(fā)明提供了一種基于人工智能的班組[0039]作業(yè)計(jì)劃關(guān)聯(lián)合并模塊，用于接收多個分散部署的獨(dú)立作業(yè)信息系統(tǒng)的業(yè)務(wù)數(shù)[0040]第一異?，F(xiàn)象監(jiān)測模塊，用于接收第一預(yù)設(shè)監(jiān)控點(diǎn)的第一監(jiān)控視頻數(shù)據(jù)，基于第一監(jiān)控視頻數(shù)據(jù)識別第一異?，F(xiàn)象，所述第一異?，F(xiàn)象表征電力場景靜態(tài)異?，F(xiàn)象；[0041]第二異?，F(xiàn)象監(jiān)測模塊，用于基于作業(yè)計(jì)劃調(diào)取第二監(jiān)控點(diǎn)的第二監(jiān)控視頻數(shù)據(jù)，基于第二監(jiān)控視頻數(shù)據(jù)識別作業(yè)計(jì)劃的執(zhí)行進(jìn)度、第一異?，F(xiàn)象和第二異?，F(xiàn)象，所述第二異?，F(xiàn)象表征與作業(yè)執(zhí)行過程關(guān)聯(lián)的異?，F(xiàn)象。[0042]本發(fā)明的基于人工智能的班組作業(yè)智慧化管控方法及系統(tǒng)，具備如下有益效果：對于多個分散部署的獨(dú)立作業(yè)信息系統(tǒng)的業(yè)務(wù)數(shù)據(jù)，進(jìn)行數(shù)據(jù)關(guān)聯(lián)合并，獲取統(tǒng)一的作業(yè)計(jì)劃集，并基于該統(tǒng)一的作業(yè)計(jì)劃集為后續(xù)作業(yè)執(zhí)行過程中的安全管控管理提供有效數(shù)據(jù)，同時實(shí)現(xiàn)了對作業(yè)現(xiàn)場多種的安全隱患的智能識別，宏觀把控作業(yè)現(xiàn)場的安全。附圖說明[0043]圖1是本申請實(shí)施例基于人工智能的班組作業(yè)智慧化管控方法流程圖；[0044]圖2是本申請實(shí)施例基于人工智能的班組作業(yè)智慧化管控系統(tǒng)的結(jié)構(gòu)圖。具體實(shí)施方式[0045]為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。[0046]本申請實(shí)施例提供了一種基于人工智能的班組作業(yè)智慧化管控方法，包括如下步[0047]S1:接收多個分散部署的獨(dú)立作業(yè)信息系統(tǒng)的業(yè)務(wù)數(shù)據(jù)，進(jìn)行數(shù)據(jù)關(guān)聯(lián)合并和規(guī)[0048]S2:接收第一預(yù)設(shè)監(jiān)控點(diǎn)的第一監(jiān)控視頻數(shù)據(jù)，基于第一監(jiān)控視頻數(shù)據(jù)識別第一異?，F(xiàn)象，所述第一異?，F(xiàn)象表征電力場景靜態(tài)異?，F(xiàn)象；[0049]S3:基于作業(yè)計(jì)劃調(diào)取第二監(jiān)控點(diǎn)的第二監(jiān)控視頻數(shù)據(jù)，基于第二監(jiān)控視頻數(shù)據(jù)識別作業(yè)計(jì)劃的執(zhí)行進(jìn)度、第一異?，F(xiàn)象和第二異?，F(xiàn)象，所述第二異?，F(xiàn)象表征與作業(yè)執(zhí)行過程關(guān)聯(lián)的異?，F(xiàn)象。要求各異，導(dǎo)致作業(yè)計(jì)劃存在多套業(yè)務(wù)系統(tǒng)重復(fù)錄入的情況，本申請實(shí)施例中，對于多個分散部署的獨(dú)立作業(yè)信息系統(tǒng)的業(yè)務(wù)數(shù)據(jù)，進(jìn)行數(shù)據(jù)關(guān)聯(lián)合并，獲取統(tǒng)一的作業(yè)計(jì)劃集，并基于該統(tǒng)一的作業(yè)計(jì)劃集為后續(xù)作業(yè)執(zhí)行過程中的安全管控管理提供有效數(shù)據(jù)。8[0051]進(jìn)一步，對于非實(shí)時作業(yè)區(qū)域，本申請實(shí)施例中，主要是對電力場景中的設(shè)備分析域，本申請實(shí)施例中，主要是對作業(yè)人員進(jìn)行違章行為及危險(xiǎn)行為分析檢測，例如安全帽、[0052]本申請實(shí)施例，實(shí)現(xiàn)了對各類系統(tǒng)中涉及的作業(yè)計(jì)劃信息進(jìn)行統(tǒng)一管理，避免班組作業(yè)計(jì)劃數(shù)據(jù)重復(fù)錄入的問題，同時實(shí)現(xiàn)了對作業(yè)現(xiàn)場違章的安全隱患的智能識別，宏觀把控作業(yè)現(xiàn)場的安全。[0054]基于第一預(yù)設(shè)監(jiān)控點(diǎn)的場景圖像，獲取場景圖像中的第一特征像素點(diǎn)，所述第一特征像素點(diǎn)與場景圖像中目標(biāo)相對應(yīng)；[0055]基于所述第一特征像素點(diǎn)和預(yù)設(shè)第一分析算法，識別所述第一特征像素點(diǎn)對應(yīng)的目標(biāo)是否存在異常。[0056]本申請實(shí)施例中，通過先確定第一特征像素點(diǎn)，進(jìn)一步確定第一特征像素點(diǎn)對應(yīng)的目標(biāo)是否存在異常，避免了在場景圖像中目標(biāo)數(shù)量不確定、目標(biāo)位置不確定和目標(biāo)類型不確定的情況下，直接采用多種目標(biāo)檢測算法和多種異常現(xiàn)象分析算法重復(fù)識別場景圖像，基于第一像素點(diǎn)的個數(shù)和位置能夠同時確定場景圖像中的目標(biāo)數(shù)量和每個目標(biāo)的大概位置，進(jìn)一步基于第一特征像素點(diǎn)和預(yù)設(shè)第一分析算法，可以確定場景圖像與所述第一特征像素點(diǎn)同屬于一個目標(biāo)的多個像素點(diǎn)組成的每個目標(biāo)的目標(biāo)區(qū)域，基于與所述第一特征像素點(diǎn)同屬于一個目標(biāo)的多個像素點(diǎn)的像素特征可以確定目標(biāo)類型并進(jìn)一步確定目標(biāo)是否存在異?，F(xiàn)象。[0057]進(jìn)一步的，上述基于所述第一特征像素點(diǎn)和預(yù)設(shè)第一分析算法，識別所述第一特征像素點(diǎn)對應(yīng)的目標(biāo)是否存在異常，包括：[0058]獲取預(yù)設(shè)的目標(biāo)區(qū)域生成算法，結(jié)合所述目標(biāo)區(qū)域生成算法和所述第一特征像素點(diǎn)得到第一特征像素點(diǎn)對應(yīng)的場景圖像目標(biāo)區(qū)域；[0059]基于預(yù)設(shè)第二分析算法和所述場景圖像目標(biāo)區(qū)域，確定所述目標(biāo)區(qū)域出現(xiàn)所述目標(biāo)是否存在異?；蛘呋谒瞿繕?biāo)類型確定所述目標(biāo)區(qū)域的目標(biāo)是否存在異常。[0061](1)在第一預(yù)設(shè)監(jiān)控點(diǎn)場景圖像中選擇一個候選第一特征像素點(diǎn)位置；[0062](2)以所述候選第一特征像素點(diǎn)位置為中心，向外圍搜索獲取像素點(diǎn)，判斷外圍像素點(diǎn)與所述候選第一特征像素點(diǎn)的關(guān)聯(lián)關(guān)系大小，直至搜索到所述關(guān)聯(lián)關(guān)系小于預(yù)設(shè)關(guān)聯(lián)閾值的外圍像素點(diǎn)停止；[0063](3)判斷是否存在未被搜索到的像素點(diǎn)，若是，則在未被搜索到的像素點(diǎn)中選擇一個候選第一特征像素點(diǎn)位置；[0064](4)重復(fù)步驟(2)和(3),直至第一預(yù)設(shè)監(jiān)控點(diǎn)場景圖像所有像素點(diǎn)都被搜索，基于所有候選第一特征像素點(diǎn)獲取第一特征像素點(diǎn)。[0065]本申請實(shí)施例中，在第一特征像素點(diǎn)的獲取中，以所述候選第一特征像素點(diǎn)位置為中心，向外圍搜索獲取像素點(diǎn)，搜索到所述關(guān)聯(lián)關(guān)系小于預(yù)設(shè)關(guān)聯(lián)閾值的外圍像素點(diǎn)，即可確定到達(dá)第一特征像素點(diǎn)對應(yīng)的目標(biāo)的目標(biāo)區(qū)域截止區(qū)域，繼續(xù)向外圍搜索獲取的像素點(diǎn)即為另一目標(biāo)的目標(biāo)區(qū)域中的像素點(diǎn)，即在目標(biāo)區(qū)域截止區(qū)域繼續(xù)向外圍搜索獲取的像9素點(diǎn)，可以是另一候選第一特征像素點(diǎn)。本申請實(shí)施例中，進(jìn)一步避免了直接采用多種目標(biāo)檢測算法重復(fù)檢測識別場景圖像中的目標(biāo)的弊端，減少了場景圖像中多個目標(biāo)類型的多個目標(biāo)的識別檢測過程。[0067]對候選第一特征像素點(diǎn)的鄰域像素進(jìn)行分析，比較鄰域像素的像素點(diǎn)特征與所述候選第一特征像素點(diǎn)的像素點(diǎn)特征，若所述第一特征像素點(diǎn)與鄰域像素的對比結(jié)果分布差異大于預(yù)設(shè)閾值，則在鄰域像素中選擇一個像素點(diǎn)作為新的候選第一特征像素點(diǎn)，若所述對比結(jié)果分布差異小于等于預(yù)設(shè)閾值，則確定保留所述候選第一特征像素點(diǎn)。[0068]本申請實(shí)施例中，在經(jīng)過上述步驟(1)-(4)獲取候選第一特征像素點(diǎn)后，進(jìn)行候選第一特征像素點(diǎn)的位置分析，分析候選第一特征像素點(diǎn)是否在目標(biāo)區(qū)域的邊界位置，若是，則在其鄰域像素中選擇一個像素點(diǎn)替換該候選第一特征像素點(diǎn)，確保第一特征像素點(diǎn)與場景圖像中目標(biāo)相對應(yīng)。具體的，當(dāng)?shù)谝惶卣飨袼攸c(diǎn)與鄰域像素的對比結(jié)果的分布比較相似時，確定第一特征像素點(diǎn)所在位置不是目標(biāo)區(qū)域的邊界位置，當(dāng)?shù)谝惶卣飨袼攸c(diǎn)與鄰域像素的對比結(jié)果的分布差異較大時，確定第一特征像素點(diǎn)所在位置為目標(biāo)區(qū)域的邊界位置。其中，第一特征像素點(diǎn)與鄰域像素的對比結(jié)果可以是第一特征像素點(diǎn)與鄰域像素的特征差異損失數(shù)值，可以基于損失函數(shù)計(jì)算。[0069]進(jìn)一步的，上述基于預(yù)設(shè)第二分析算法和所述場景圖像目標(biāo)區(qū)域，確定所述目標(biāo)區(qū)域出現(xiàn)所述目標(biāo)是否存在異?；蛘呋谒瞿繕?biāo)類型確定所述目標(biāo)區(qū)域的目標(biāo)是否存[0070]基于所述場景圖像目標(biāo)區(qū)域，確定所述目標(biāo)區(qū)域的目標(biāo)類型；[0071]基于目標(biāo)區(qū)域的目標(biāo)類型和目標(biāo)區(qū)域的目標(biāo)地理位置相互距離關(guān)系，確定目標(biāo)區(qū)域出現(xiàn)所述目標(biāo)是否存在異?；蛘呋谒瞿繕?biāo)類型確定所述目標(biāo)區(qū)域的目標(biāo)是否存在異常。塔吊、挖掘機(jī)的分析，在確定場景圖像中的線路目標(biāo)區(qū)域以及線路位置后，分析場景圖像中其它目標(biāo)如吊車、塔吊、挖掘機(jī)與線路的距離關(guān)系，進(jìn)而確定是否存在線路隱患，分析場景[0073]本申請實(shí)施例中，確定所述目標(biāo)區(qū)域的目標(biāo)類型可以采用目標(biāo)檢測算法進(jìn)行，在此不做限定。[0075]基于第二監(jiān)控點(diǎn)的第二監(jiān)控視頻數(shù)據(jù)，獲取連續(xù)的圖像幀；[0076]基于連續(xù)圖像幀從空間和時間上分別進(jìn)行圖像分析，確定單個圖像幀中的靜態(tài)異?，F(xiàn)象和連續(xù)圖像幀中的動態(tài)異常現(xiàn)象。[0077]本申請實(shí)施例中，對于第二異常現(xiàn)象的分析，可以是基于連續(xù)圖像幀分析單個圖像幀中的靜態(tài)異?，F(xiàn)象和連續(xù)圖像幀中的動態(tài)異?，F(xiàn)象。例如，基于連續(xù)若干個圖像幀，確定發(fā)生了作業(yè)人員聚集現(xiàn)象，則可以確定單個圖像幀中發(fā)生該異常現(xiàn)象，例如，基于連續(xù)若干個圖像幀，確定作業(yè)人員的軌跡，則可以確定作業(yè)人員的軌跡是否發(fā)生異?，F(xiàn)象，即確定連續(xù)圖像幀中是否發(fā)生動態(tài)異?，F(xiàn)象。[0078]進(jìn)一步的，上述基于連續(xù)圖像幀從空間和時間上分別進(jìn)行圖像分析，確定單個圖像幀中的靜態(tài)異?，F(xiàn)象和連續(xù)圖像幀中的動態(tài)異?，F(xiàn)象，包括：[0079]對作業(yè)場景圖像中的作業(yè)人員進(jìn)行作業(yè)區(qū)域定位和區(qū)域人員數(shù)量確定；[0080]根據(jù)作業(yè)計(jì)劃判定作業(yè)區(qū)域中待檢測的違章行為類型；[0081]基于所述待檢測違章行為類型確定對作業(yè)區(qū)域內(nèi)每個作業(yè)人員的圖像分析區(qū)域；[0082]對于同一類型的待檢測違章行為對應(yīng)的每個作業(yè)人員的待分析圖像子區(qū)域進(jìn)行匯總分析，根據(jù)匯總結(jié)果確定異常現(xiàn)象是否發(fā)生以及發(fā)生異?，F(xiàn)象的作業(yè)人員。[0083]其中，根據(jù)作業(yè)計(jì)劃判定作業(yè)區(qū)域中待檢測的違章行為類型，例如，如果作業(yè)計(jì)劃中有登高作業(yè)，可以確定待檢測的違章行為類型包括登高作業(yè)可能存在的違章行為，例如安全帶是否正確佩戴等。對于作業(yè)計(jì)劃中的所有作業(yè)人員，可以進(jìn)行人員檢測和定位，并確定待檢測的違章行為類型包括安全帽是否正確佩戴，工作服是否正確穿戴、是否發(fā)生抽煙、人員聚集等行為。[0084]對于同一類型的待檢測違章行為對應(yīng)的每個作業(yè)人員的待分析圖像子區(qū)域進(jìn)行匯總分析，根據(jù)匯總結(jié)果確定異常現(xiàn)象是否發(fā)生以及發(fā)生異?，F(xiàn)象的作業(yè)人員，例如，對于作業(yè)人員的安全帽佩戴檢測，可以定位每個作業(yè)人員的的頭部區(qū)域圖像子區(qū)域，基于所有作業(yè)人員的的頭部區(qū)域圖像子區(qū)域進(jìn)行匯總分析，可以理解，在一種情況下，基于作業(yè)計(jì)劃中的全部作業(yè)人員確定需要佩戴安全帽的人員總數(shù)，在所有需要佩戴安全帽的作業(yè)人員均佩戴安全帽的情況下，則所有所有作業(yè)人員的的頭部區(qū)域圖像子區(qū)域的匯總結(jié)果對應(yīng)一個理論匯總圖像特征參數(shù)，在對所有作業(yè)人員的的頭部區(qū)域圖像子區(qū)域進(jìn)行匯總分析時候，如果匯總分析的結(jié)果和理論匯總圖像特征參數(shù)的差異大于預(yù)設(shè)差異閾值時，可以確定存在作業(yè)人員安全帽佩戴異常現(xiàn)象。本申請實(shí)施例中，避免了直接對所有作業(yè)人員一一進(jìn)行安全帽佩戴檢測的繁瑣計(jì)算。[0085]進(jìn)一步的，上述對于同一類型的待檢測違章行為對應(yīng)的每個作業(yè)人員的待分析圖[0086]基于同一類型的待檢測違章行為獲取的每個作業(yè)人員的待分析圖像子區(qū)域提取第一特征參數(shù)，所述第一特征參數(shù)表征所述圖像子區(qū)域中的像素分布特征；[0087]基于每個第一特征參數(shù)進(jìn)行聚類，獲取表征圖像子區(qū)域中出現(xiàn)違章行為的第一特征參數(shù)類別中對應(yīng)的候選違章作業(yè)人員。[0088]本申請實(shí)施例中，對同一類型的待檢測違章行為獲取的每個作業(yè)人員的待分析圖像子區(qū)域提取第一特征參數(shù)，對第一特征參數(shù)進(jìn)行聚類，可以理解，發(fā)生違章行為的作業(yè)人員的圖像子區(qū)域與未發(fā)生違章行為的作業(yè)人員的圖像子區(qū)域存在明顯差異，經(jīng)過對圖像子區(qū)域的第一特征參數(shù)進(jìn)行聚類，可以獲取被判定為發(fā)生違章行為的圖像子區(qū)域的類集合，在該類集合中的圖像子區(qū)域?qū)?yīng)的作業(yè)人員發(fā)生違章行為的可能較大，即發(fā)生違章行為的概率大于未發(fā)生違章行為的概率。[0089]進(jìn)一步的，上述基于每個第一特征參數(shù)進(jìn)行聚類，獲取表征圖像子區(qū)域中出現(xiàn)違章行為的第一特征參數(shù)類別中對應(yīng)的候選違章作業(yè)人員，還包括：[0090]基于第一特征參數(shù)的聚類結(jié)果，獲取表征圖像子區(qū)域中出現(xiàn)違章行為的第一特征參數(shù)類別中的每個圖像子區(qū)域；[0091]基于獲取的