电力系统的安全、平稳运行,关系到国家安全、经济发展以及各行各业的根本利益.变电站作为电力系统的重要环节,承担着电压变换、电能集中和分配的重要作用.由于电力系统的网络性,变电站一旦发生事故,就可能会影响到整个电力系统正常运行.因此,有必要确保变电站长时间安全可靠的运行。

　　为了保证变电站设备安全稳定运行,需要作业人员定时巡检、维护变电站.然而在变电站实际生产作业、巡检维护过程中,作业人员由于缺乏足够的重视,安全意识不牢,往往会忽视电力系统规章制度,导致各种各样的违章行为,未佩戴安全帽、动火作业、跨越安全护栏等违章行为是导致电网生产事故的重要原因.因此,有必要通过视频监控系统对这些常见的违章行为实时检测、预警,并且加以监督﹑管控。

　　图像识别检测领域，提供了一种变电站人员安全帽佩戴检测方法及系统，包括获取视频监控设备采集的原始监控图像并进行预处理；基于预处理后的监控图像和原始监控图像，利用预先训练好的安全帽佩戴检测模型进行检测，得到预处理后的监控图像检测结果和原始监控图像检测结果;

　　应用智能视频分析系统，无人职守变电站，需检测是否有可疑人员进入，同时又要分辨工作人员与非工作人员的区别，通过安全帽检测来分辨。同时为提倡安全生产防止工作人员不戴安全帽进入变电站。在变电站内共计部署30个摄像机进行安全帽检测，通过光纤将视频信号传输至机房。服务器对传输回来的视频进行检测，当检测到有人员未戴安全帽出现在工作区域时，主动触发报警，并进行录像、截图、上报。通过安全帽检测加强了变电站的防范级别，同时也规范了工作人员的着装。达到了用户的预期效果。

　　采用计算机视频识别和人工智能的方式进行企业的安全生产通过安全现场的视频，实时分析视频的画面，确定人员的状况：

　　1、确认是否佩戴安全帽

　　2、确认行走在绿色通道

　　3、确认危险区域不能有人

　　4、联动机制 带有输出接口，控制闸机或者报警器设备

　　5、把违章人员的图片进行人脸识别和后台的人员库人员作比对(调用百度人脸识别API)生成违章通报。

　　各行业对施工人员安全作业提出很高的要求。佩戴安全帽可以减少危险事故对施工人员的伤害程度，有效降低对生命、财产的威胁。然而，通过人眼利用监控系统或者现场检查施工作业人员安全帽佩戴情况的方式难以保证施工人员时刻佩戴安全帽，还会花费大量的时间和人力成本，且在实际推行时难以达到预期的效果，不符合现代施工安全管理的要求。

　　变电站监控是保证变电站安全运行的重要手段，对施工巡检人员是否佩戴安全帽的监测是变电站智能监控系统的关键组成部分。

　　随着机器视觉、图像处理、模式识别等相关领域的不断深入发展,视频图像识别技术广泛应用于社会生活中的各个领域,比如电力生产系统。许多电力科研学者提出将视频图像识别技术应用到变电站视频监控系统以实现变电站值守方式逐步趋于智能化和无人值守化。众所周知,安全帽是变电站作业人员重要的安全防护工具。在电力施工过程中,电力作业人员要求必须佩带安全帽。然而,近年来变电站生产安全事件频繁发生,究其根本原因在于作业人员违反电力安全规范进行操作,其中不按规范佩戴安全帽是重要的原因之一。为了防止电力安全事故的发生,开发一套能自动识别变电站作业人员未佩带安全帽等异常状况并及时报警的智能视频监控系统变得越来越迫切。本文以电网变电站工作场所的部分重要区域为研究背景,对电力作业人员安全帽佩戴状态识别算法进行了深入的研究。

　　本文研究难点主要包括:

　　(1)变电站通常处于室外,受外界环境干扰较大。

　　(2)变电站电力设备多而杂,不利于安全帽佩戴状态的检测。

　　(3)变电站区域的网络摄像头分布较远,采集到的视频图像分辨率偏低。

　　(4)变电站场景安全帽颜色和部分背景颜色区分度较低。结合摄像头监控装置采集图像分析，确认作业人员是否已佩戴安全帽，若正确佩戴安全帽，则允许进入，没有佩戴安全帽则关闭门禁不允许进入，并启动语音报警模块语音报警，启动模块录音电话通知当值运行人员，也消除安全隐患，保证作业人员安全，提高安全生产管理。