SCI论文（www.lunwensci.com）
摘要： 随着科学技术的逐步发展，社会各界广泛运用了科学技术手段加强公共安全，而在变电站的智能 监控中运用生物特征识别技术中的人脸识别技术，往往可以取得较好的成效。基于此，本文从人脸识别 技术的机理出发， 分析了变电站视频监控系统的架构， 提出了变电站智能监控中的人脸识别技术运用方式， 探讨了人脸识别技术在变电站监控中的运用效果，希望能为有关部门提供参考。
关键词： 人脸识别;变电站;智能监控系统;检测算法
Explore the application of face recognition technology in the substation intelligent monitoring system
Ren Jianghua, Ma Yuxi
(China Southern Power Grid Peak and Frequency modulation Power Generation Co., LTD. Information and communication Branch, Guangzhou Guangdong, 510000)
Abstract: With the gradual development of science and technology, all sectors of the society have widely used science and technology means to strengthen the public safety, and in the intelligent monitoring of the substation, the use of biometric recognition technology in the face recognition technology, often can achieve good results. Based on this, starting from the mechanism of face recognition technology, this paper analyzes the architecture of substation video monitoring system, puts forward the application mode of face recognition technology in substation intelligent monitoring, and discusses the application effect of face recognition technology in substation monitoring, hoping to provide reference for relevant departments.
Key words: face recognition; substation; intelligent monitoring system; detection algorithm
一、引言
人脸识别技术是利用智能系统代替人类视觉， 对人类个体进行辨识的直接方式，这种生物特征 识别技术已经广泛运用于当前社会的各个领域， 能大幅提升公共安全水平。因此，在变电站的智 能监控系统内引入人脸识别技术，有利于强化对 人们身份的鉴别与扫描，减轻各个巡检班组的工 作负担。
二、人脸识别技术机理
人脸识别技术主要是以人脸特点的表征为基 础，对人脸取样图像中的人脸表征进行辨识，再通 过大数据库对比筛选出某人的存在，其中需要将人 脸取样图像中的人脸表征通过拾取器分离出来，并 将全部表征进行虚拟建模，而一般识别中人脸坐标 是难以读取的，因此还需要配合具体的定位，再与 数据库人脸模板、人脸特征等对比得出特征数据。 人脸识别技术在公共安全领域、信息认证领域等都 得到了广泛运用，且安全性较高，难以被篡改。但 现阶段，由于人们的面部表情变化、化妆及发型遮 挡等，容易导致识别过程中存在较大的不确定性， 在判定结果上也有一定的出入。
三、变电站视频监控系统架构
(一)变电站视频监控的种类
变电站中的智能监控是由本地模拟信号监控、 PC 数字监控、嵌入式网络监控发展而来的。其中， 本地模拟信号监控由摄像机、监视器及录像机组成， 通过摄像机进行图片抓取，向计算机进行传输与存 储，可以实现录像与存储功能;PC 数字监控则是 在 PC 机插入视频卡，在本地模拟信号的基础上实 现图像传输、视频传输及实时监控等;而嵌入式网 络监控则是利用光纤网络代替了原本的 PC 机插卡 过程，将视频编码转换成了数字信号，实现了一体 化、网络化的革新，实现了对辖区内所有变电站监 控的实时巡视，而在这种嵌入式网络监控中引入人 脸识别技术也是当前的必然的发展趋势 [1]。
(二)变电站视频监控的组成
1. 厂站端
厂站端主要包括视频信号采集器、网络录像 机、抗干扰装置与防雷装置等。其中， 视频信号采 集器可以按照摄像头数量及像素等进行分类， 例如 步进电机球机与直流电机球机一般作为监控设备 的前端设备， 可利用较高的像素展现清晰的画面，并且可以 360°无死角且连续旋转录制视频信号， 在当前各领域中的运用较为广泛;网络录像机则是 由操作系统与处理器构成， 当前很多网络录像机都 采用 Windows 系统与 x86 处理器， 但这种录像机稳 定性较低， 且不支持网络传播功能;抗干扰与防雷 装置可以为整体监控系统提供较高的抗电磁、抗环 境、抗脉冲等性能， 通过热镀锌线缆接地的方式， 在提高系统稳定性的同时， 进一步提高整体传输的 稳定性， 有效保证电缆与视频的传输质量。整体厂 站端可作为监控系统的前端运行， 特别是在结合人 脸识别技术后， 更是依靠厂站端进行人脸图像的采 集工作。
2. 集控端
变电站智能监控的集控端主要包括流媒体服务 器、浏览终端、网络交换机、管理服务器等组件， 一般情况下可以对监控系统进行控制，通过流媒体 服务器连接网络及各类客户端，将所有监控视频传 输至服务器，并避免网络传输中的宽带故障。集控 端中的控制系统主要通过管理服务器实现，管理服 务器可以对监控区域、各个监控设备及用户客户端 等方面进行管理与维护，确认用户的权限认证及报 警信号等，还可以在日志文件中记录所有设备及监 控区域的故障或异常访问记录等，并通过报警功能 提醒工作人员。
3. 通信端
通信端主要包括转换设备、网桥设备、变电站 调试机等。通常情况下通信端的主要任务是为厂站 端与集控端建立连接，将各类数字讯号、电讯编码 等网络录像机数据通过光纤传输系统向网络转换器 及管理服务器传输，传输中还可以随时改变网络接 口，实现多监控头、多任务的同时处理。而通信端 还可以将集控端内的各项系统指令及用户指令回传 给厂站端，通过网络交换机转换信号，联通变电站 内的所有监控设备，为所有视频数据建立连接通道。 为了保障运用人脸识别技术的有效性，工作人员应 确保通信端各类线缆传输通顺，避免对整体公共安 全性造成影响 [2]。
四、变电站智能监控环境下的人脸识别技术
(一)MTCNN与FaceNet算法的人脸识别
人脸识别技术在变电站监控的运用中有很多算 法可以选择，特别是近年来随着 AI 算法、深度学 习等方面的技术突破，人脸识别技术可以实现更为 精准的建模。其中，MTCNN 算法是以多任务处理的 卷积神经网络为基础的人脸识别技术，拥有较高的 先进性，可以在规定范围内绘制边界框定位人脸， 将厂站端摄像头录入的视频通过通信端传入后端，再通过 MTCNN 算法建立人脸检测，检测中需要运用 P-Net、R-Net 等神经网络进行任务处理。其中， P-Net 可以快速生成多个人脸候选，R-Net 则可以 在多个人脸候选中进行过滤，并通过卷积层对人脸 图像进行提取， 逐步缩小比对范围， 找寻人脸定位。
而 FaceNet 人脸识别算法同样依靠神经网络系 统构建深度的神经网络体系，并通过三元组损失函 数 Tp loss 对数据进行优化，让人脸建模拥有更短 的类内距离与类间距离，并在网络数据库中通过优 化过的人脸建模进行查找。与 MTCNN 相比，一个属 于后期建模优化，一个属于前期建模优化，利用优 化后的特征向量可以实现人脸的定位。
(二)Adaboost算法的人脸识别
Adaboost 算法的人脸识别可通过训练样本训 练多个弱分类器，然后经过迭代算法逐渐强化分类 器，最终形成强分类器，实现对人脸特征的快速精 准识别。Adaboost 算法可通过 Haarlike 来建立人 脸特征模型，并挑选人脸的矩阵特征，例如眉眼分 布、嘴唇厚度等，再将各级分类器进行组合提取。
这种 Haarlike 特征类似于小波特征，可定义 出人脸的边缘特点、线性特点、中心特点与对角线 特点(如图 1) ，再将各类图像结合，就可以将其 中的明显特征进行定位与放大，例如对鼻梁内侧的 灰度、眉眼内部皮肤灰度、鼻孔内侧灰度等重复度 较低的特征进行着重选取。
通过 Haarlike 特征表述出人脸建模后，便可 运用 Adaboost 算法对建模内黑白矩阵部分的像素 进行分析，这种分析的计算量极大，一般会通过智 能系统进行计算。系统应考虑到同一张人脸的所有 不同细节特征，且每一种特征都应从不同的角度 进行扩展，将单向特征以 45°为基础旋转角度， 在不同角度中形成新特征。一张人脸图像蕴含的 Haarlike 特征就能接近 15 万个，且存在众多重复 计算，而通过当前的计算机算法则可以快速完成分 析， 在确保精准度的同时， 也确保了处理速度 [3] 。
(三)分类器的构造
通过人脸图像特征的计算后，各项单一的特征 都可以看作是整个人脸的一项简单特征，因此可针 对每一个特征各设立一个分类器，以达到区分的目 的。例如图像内存在 4000 个人脸样本及 2000 个非人脸样本，而在经过图像处理后，每一个样本又蕴 含着接近 15 万的特征。系统将在其中任选一组特 征，共有 6000 个特征，再将这些特征进行排序， 选取其中的最佳阈值，以降低整体识别的误差，具 体公式为：
其中 e1 表示最佳阈值， Wt,j表示第 t 次计算 中第 j 个样本的误差权重系数， h j(fi)为分类器 计算的分类结果，具体公式为：
其中m为负样本数目， 即为非人脸样本数目， n 为正样本个数，即人脸样本数目。再对根据每 一轮迭代计算求得的分类器误差率进行比对，逐步 减少误差，系统需要及时识别并丢弃非人脸检测数 据，只在人脸检测数据中进行比对筛查，最终得到 强分类器所表示的人脸特征最终数据，实现人脸识 别的精准化。
(四)优选人脸图像
为了提升人脸识别的精准度，变电站内的智能 监控摄像头应对录制视频进行逐帧识别，当前摄像 头的采集像素分辨率一般为 1920*1080.监控视频 每秒 25 帧。变电站智能监控系统中的摄像头与近 距离识别不同，在拍摄中还会存在一段距离，且还 需要人物处于静止状态，否则很容易受到运动、环 境等方面的影响而出现模糊情况，对人脸识别的精 准度造成不利影响，因此，为了降低误差率，就应 在多张定格帧数中选取最优图像，减少干扰因素。 总体上，这种人脸识别的方式被运用于变电站的各 类安防系统，例如智能门禁、监控、入侵报警等， 为变电站提供完善的生物安全认证体系，确保变电 站的稳定运行。
五、人脸识别技术在变电站智能监控系统中的 应用效果
人脸识别技术可以运用于多类智能设备中，并 将各类设备接入人脸数据库，摄像头再将捕获的图 像传入平台进行比对并匹配，确定人员身份信息， 让工作人员能在忘带钥匙或证件的情况下也可以自 由进出，而外部人员就算伪造证件也无法进入，从 而实现自动考勤、自动管理等功能。
当前阶段，南方电网调峰调频发电有限公司 信息通信分公司就运用了人脸识别技术，并整合 改造了一套智能监控系统。该监控系统将生产区域归为生产区监控子系统管理，将生活区域及新 增的外围监控区域归为安防区域监控子系统管理， 两个子系统能同时独立运行， 也能统一控制管理， 这大幅降低了巡维中心的人力、物力支出， 也避免 了由于工作派遣人员外出导致变电站无人值守而 降低安全性的问题， 使得变电站在整体上更为智能 化、自动化 [4]。
六、结语
人脸识别技术可在变电站的智能监控系统中得 到广泛运用，在人脸识别技术中，通过监控系统内 的厂站端进行人脸图像采集，再通过集控端内的处 理系统分析人脸表征数据，可以大幅度提升人脸识 别的精准度与变电站整体的安全性。
【参考文献】
[1]张涛.人脸识别技术在政府治理中的应用风险及 其法律控制[J].河南社会科学,2021(10).
[2]陈嵘.基于人脸识别的自动考勤系统关键技术研 究与实现[D].南京：东南大学,2021.
[3]吴宇红,费继华,孙先山.浅析人脸识别系统与 变电站施工现场安全信息化管理[J] . 中国新通 信,2021(08).
[4]宗祥瑞,任新颜,庞玉志.基于FaceNet的无人值守 变电站智能监控终端[J].电力大数据,2020(07).
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！ 文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jisuanjilunwen/52381.html
