(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 202210890533.6 (22)申请日 2022.07.27 (65)同一申请的已公布的文献号 申请公布号 CN 115082865 A (43)申请公布日 2022.09.20 (73)专利权人 国能大渡河检修 安装有限公司 地址 610000 四川省成 都市中国(四川)自 由贸易试验区成 都高新区天韵路7号 (72)发明人 王勇飞　冯治国　李晓飞　蔡银辉　 李昂　王浩宇　王彤　余聪毅　 (74)专利代理 机构 成都正德明志知识产权代理 有限公司 513 60 专利代理师 张小娟 (51)Int.Cl. G06V 20/52(2022.01) G06V 40/20(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/77(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (56)对比文件 CN 114782897 A,202 2.07.22 CN 110745704 A,2020.02.04 CN 113111840 A,2021.07.13 CN 113361968 A,2021.09.07 CN 111553381 A,2020.08.18 CN 10879 2947 A,2018.1 1.13 CN 109635823 A,2019.04.16 CN 10249616 3 A,2012.0 6.13 CN 113012124 A,2021.0 6.22 CN 112990313 A,2021.0 6.18 CN 112735097 A,2021.04.3 0 JP 2000344461 A,20 00.12.12 US 2020273 560 A1,2020.08.27 Kamaev V.A等. 《A ttacks and i ntrusion detection in wireless sensor netw orks of industrial SCADA system s》 . 《NASA Astrophysics Data System (AD S)》 .2017,第1- 6页. (续) 审查员 曾贞 (54)发明名称 基于视觉图像识别的桥机入侵危险行为预 警方法及系统 (57)摘要 本发明公开了一种基于视觉图像识别的桥 机入侵危险行为预警方法及系统， 属于桥机监测 技术领域， 首先采集桥机环境中的原始图像， 并 进行预处理， 得到桥机图像； 再提取桥机图像的 关键特征； 然后根据桥机图像的关键特征， 确定 桥机入侵危险行为的预警区域； 最后在桥机入侵 危险行为的预警区域内， 进行分级预警。 本发明 能够获取多个时段桥机环境中出现违规行为的 图像， 并判断监测区域的预警级别， 通过筛选关 键特征去除对桥机环境中出现违规行为预警相关性较小的特征， 提高计算效率， 有效提高预警 准确度。 [转续页] 权利要求书2页 说明书8页 附图2页 CN 115082865 B 2022.11.11 CN 115082865 B (56)对比文件 梅婷. 《基 于改进ISOMAP和W kNN的电力变 压 器故障诊断方法研究》 . 《中国优秀硕士学位 论文 全文数据库 工程科技 Ⅱ辑》 .2021,(第01期),第 C042-900页.段然 等. 《基 于低质量数据的水电机组变 工 况状态指标构建方法》 . 《水电能源科 学》 .2022, 第40卷(第0 6期),第183 -187页. 孙子阿伍 等. 《基 于组态王和PLC控制的桥 式起重机安全监视系统》 . 《四川水力发电》 .2020,第39卷(第0 6期),第52- 55页.2/2 页 2[接上页] CN 115082865 B1.一种基于 视觉图像识别的桥机入侵危险行为预警方法， 其特 征在于， 包括以下步骤： S1： 采集桥机环境中的原 始图像， 并进行 预处理， 得到桥机图像； S2： 提取桥机图像的关键特 征； S3： 根据桥机图像的关键特 征， 确定桥机入侵危险行为的预警区域； S4： 在桥机入侵危险行为的预警区域内， 进行分级预警； 所述步骤S2包括以下子步骤： S21： 确定桥机图像的灰度直方图， 并根据灰度直方图对桥机图像进行分类， 得到第一 灰度级图像和第二灰度级图像； S22： 分别计算第一灰度级图像和第二灰度级图像的灰度均值； S23： 根据第一灰度级图像和第二灰度级图像的灰度均值， 提取桥机图像的关键特 征； 所述步骤S2 1中， 设定灰度阈值 t， 将灰度直方图中灰度级为[0, t]的图像作 为第一灰度 级图像， 将灰度直方图中灰度级为[ t+1,L‑1]的图像作为第二灰度级图像； 其中， L表示灰度 级； 所述步骤S23中， 提取桥机图像的关键特征的具体方法为： 提取第 一灰度级图像的灰度 均值和第二灰度级图像的灰度均值之 间灰度序列的极值点， 将极值点对应的坐标位置作为 桥机图像的关键特 征； 所述步骤S4包括以下子步骤： S41： 设定桥机各个工作部件的理想权重得分， 随机选择一个理想权重得分作为初始节 点， 将小于初始节点的理想权重得分作为第一分支集合， 将大于等于初始节点的理想权重 得分作为第二分支集 合； S42： 在第一分支集合中， 随机选择一个理想权重得分作为第一分支节点， 将小于第一 分支节点的理想权重得分作为最新第一分支集合， 在第二分支集合中， 随机选择一个理想 权重得分作为第二分支节点， 将小于第二分支节点的理想权重得分作为最新第二分支集 合； S43： 重复步骤S42， 直至得到最终的第一分支集 合和第二分支集 合； S44： 将最终的第 一分支集合对应的理想权重得分作为第 一分级阈值， 将最终的第二分 支集合对应的理想 权重得分作为第二分级阈值； S45： 根据第一分级阈值和第二分级阈值， 进行分级预警； 所述步骤S45中， 若实际权重得分小于第一分级阈值， 则桥机不存在入侵危险行为； 若 实际权重得分大于等于第一分级阈值且小于第二分级阈值， 则进行一级预警； 若实际权重 得分大于等于第二分级阈值， 则进行二级预警。 2.根据权利要求1所述的基于视觉图像识别的桥机入侵危险行为预警方法， 其特征在 于， 所述步骤S1包括以下子步骤： S11： 确定原始图像 中各个样本点的高维空间矩阵， 并根据 各个样本点的高维空间矩阵 计算各个样本点与其近邻点的高维距离； S12： 对各个样本点的高维空间矩阵进行降维， 得到各个样本点的低维空间矩阵， 并根 据各个样本点的低维空间矩阵计算各个样本点与其近邻点的低维距离； S13： 判断各个样本点的高维距离和低维距离是否一致， 若是则结束降维处理， 否则继 续对各个样本点的高维空间矩阵进行降维， 直至各个样本点的高维距离和低 维距离一致，权　利　要　求　书 1/2 页 2 CN 115082865 B 3