(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210670874.2 (22)申请日 2022.06.15 (65)同一申请的已公布的文献号 申请公布号 CN 114758286 A (43)申请公布日 2022.07.15 (73)专利权人 杭州智现科技有限公司 地址 310000 浙江省杭州市西湖区天目山 路294号杭钢冶金 科技大厦7楼71 1室 (72)发明人 姜军　朱磊　刘艾明　潘志高　 胡家玉　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 赵兴 (51)Int.Cl. G06V 20/40(2022.01) G06V 40/20(2022.01) G06V 10/75(2022.01) G06V 10/764(2022.01) G06V 10/74(2022.01)G06K 9/62(2022.01) (56)对比文件 CN 113066247 A,2021.07.02 CN 114267004 A,202 2.04.01 CN 113746888 A,2021.12.0 3 CN 114066154 A,202 2.02.18 CN 112367498 A,2021.02.12 CN 113191591 A,2021.07.3 0 CN 110973753 A,2020.04.10 CN 113887318 A,202 2.01.04 CN 114445815 A,202 2.05.06 US 11032164 B1,2021.0 6.08 WO 20202 27429 A1,2020.1 1.12 赵宪国等.智能安全运检管控平台的构建与 应用. 《中国电力企业管理》 .202 2, 李凤龙等.基 于特高压直 流输电工程数字 孪 生应用探索. 《电气时代》 .2021, (续) 审查员 崔小利 (54)发明名称 基于工作票事件的边缘智能安全监测方法 和装置 (57)摘要 本申请公开了一种基于工作票事件的边缘 智能安全监测方法和装置， 该方法基于目标工作 票的不同工作票事件， 分别运行边缘计算装置中 的第一和第二边缘应用程序执行作业现场相应 的安全监测功能； 识别一组作业人员的第二姿态 特征数据， 并根据与第二姿态特征数据的预定位 置关系， 检测一组作业人员中目标人员是否存在 违章行为相关的特征对象， 并根据目标人员的第 二姿态特征数据与第一姿态特征数据之间的匹 配关系来确定所述目标人员的身份信息。 本申请 能够实现电网作业现场的边缘计算装置中的按 需计算， 降低边缘计算装置的运行负载， 还可 以 将边缘计算装置识别的违章行为事件定位到具体的作业人员， 实现更精准的安全预警和管控。 [转续页] 权利要求书2页 说明书15页 附图5页 CN 114758286 B 2022.10.28 CN 114758286 B (56)对比文件 Cheng Feng et al.Smar t grid encounters edge computi ng: opportunities and applications. 《Advances i n Applied Energy》 .2021,2/2 页 2[接上页] CN 114758286 B1.一种基于 工作票事 件的边缘智能安全监测方法， 其特 征在于， 包括： 边缘计算装置从云端服务器的边缘智能服务接收目标工作票的第一工作票事件和属 性信息， 其中所述 边缘计算装置与所述目标工作票涉及的作业现场对应； 所述边缘计算装置根据所述第一工作票事件， 运行第一边缘应用程序， 从位于所述作 业现场的第一位置的第一图像采集设备所采集的第一视频数据的第一组视频帧中检测 一 组作业人员的人脸特征数据， 并与所述属 性信息中的人脸特征数据进行比较， 识别出所述 一组作业人员中每个作业人员的身份信息， 并从所述第一组视频帧中识别与所述每个作业 人员的身份信息关联的第一姿态特 征数据； 响应于从所述边缘智能服务接收到所述目标工作票的第 二工作票事件， 所述边缘计算 装置运行第二边缘应用程序， 从位于所述作业现场的第二位置的第二图像采集设备所采集 的第二视频数据的第二组视频帧中识别所述一组作业人员的第二姿态特征数据， 根据与所 述第二姿态特征数据的预定位置关系， 检测所述一组作业人员中目标人员是否存在违章行 为相关的特征对 象， 如是， 则根据所述 目标人员的第二姿态特征数据与所述第一姿态特征 数据之间在形状相似度和尺度相似度上的匹配关系， 确定所述目标人员的身份信息； 其中， 计算所述第二姿态特征数据中关节点集与所述每个作业人员的第一姿态特征数据中的关 节点集之间的拟合关节点数量与所述第二姿态特征数据中的全部关节点数量之间的拟合 关节点占比， 作为所述形状相似度； 计算所述第二姿态特征数据中关节点集的关节长度向 量与所述每个作业人员的第一姿态特征数据中关节点集的关节长度向量之间的距离的归 一化值， 作为所述尺度相似度。 2.根据权利要求1所述的边缘智能安全监测方法， 其特征在于， 所述从所述第 一组视频 帧中识别与所述每 个作业人员的身份信息关联的第一姿态特 征数据包括： 从所述第一组视频帧中每帧识别所述一组作业人员的一组姿态特征数据， 得到多组姿 态特征数据， 所述姿态特 征数据包括关节点 集向量和所述关节点 集向量的置信度 度量值； 根据所述多组姿态特征数据中每组姿态特征数据中的每个在所述第一组视频帧中的 位置与所述一组作业人员的人脸特征数据在所述第一组视频帧中的位置的关系， 分别识别 出与每个作业人员的身份信息关联的一组姿态特 征数据； 从与每个作业人员的身份信息关联的一组姿态特征数据中选择置信度度量值最大的 关节点集向量作为所述每 个作业人员的第一姿态特 征数据。 3.根据权利要求1所述的边缘智能安全监测方法， 其特征在于， 所述根据与 所述第二姿 态特征数据的预定位置 关系， 检测所述一组作业人员中目标人员是否存在违章行为相关的 特征对象包括： 根据与所述第二姿态特征数据的预定位置关系， 从所述第 二组视频帧中的每个视频帧 获得至少一个目标检测区域； 将所述至少一个目标检测区域的图像数据输入违章行为识别模型， 判断所述至少一个 目标检测区域的图像数据是否属于与预定违章行为相关的特 征对象的分类。 4.根据权利要求1所述的边缘智能安全监测方法， 其特征在于， 所述根据 所述目标人员 的第二姿态特征数据与所述第一姿态特征数据之间在形状相似度和尺度相似度上的匹配 关系， 确定所述目标 人员的身份信息包括： 从所述每个作业人员的第一姿态特征数据中选取所述形状相似度和尺度相似度的加权　利　要　求　书 1/2 页 2 CN 114758286 B 3