本發(fā)明屬于電力相關(guān)，尤其涉及基于區(qū)塊鏈的現(xiàn)場電力監(jiān)督服務(wù)行為的追溯方法及系統(tǒng)。

背景技術(shù)：

1、這里的陳述僅提供與本發(fā)明相關(guān)的背景技術(shù)，而不必然地構(gòu)成現(xiàn)有技術(shù)。

2、電力服務(wù)涉及電力系統(tǒng)的運(yùn)行和管理，在進(jìn)行現(xiàn)場電力服務(wù)行為時，可能存在安全隱患和風(fēng)險，通過視頻能夠?qū)ΜF(xiàn)場電力服務(wù)行為進(jìn)行監(jiān)督，及時了解事故的經(jīng)過，從而保障人員和設(shè)備的安全。

3、現(xiàn)有電力服務(wù)使用視頻監(jiān)控時，視頻數(shù)據(jù)通常是被完整存儲，完整的視頻數(shù)據(jù)中也包含一些不重要的時間段的視頻數(shù)據(jù)，當(dāng)內(nèi)存到上限時，新的視頻數(shù)據(jù)將會對舊的視頻數(shù)據(jù)進(jìn)行覆蓋，因此視頻追溯的范圍有限；

4、在進(jìn)行電力服務(wù)時，通常異常事件發(fā)生后，才判斷為異常事件并開始進(jìn)行視頻截取，由此可能會使得異常事件的視頻時間存在缺失，使得無法更清楚地了解異常事件的始末，同時，也無法根據(jù)所截取的異常事件的視頻片段自動匹配并且延長視頻時間，使得片段視頻數(shù)據(jù)的追溯更加麻煩。

技術(shù)實現(xiàn)思路

1、為克服上述現(xiàn)有技術(shù)的不足，本發(fā)明提供了基于區(qū)塊鏈的現(xiàn)場電力監(jiān)督服務(wù)行為的追溯方法及系統(tǒng)，將視頻保存至區(qū)塊鏈，對視頻中異常事件進(jìn)行提取，并根據(jù)提取的異常事件調(diào)取對應(yīng)的視頻數(shù)據(jù)，從而提供更加全面和立體的事件還原。

2、為了實現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

3、第一方面，本發(fā)明提供基于區(qū)塊鏈的現(xiàn)場電力監(jiān)督服務(wù)行為的追溯方法，包括：

4、s1、采集電力監(jiān)控區(qū)域的視頻數(shù)據(jù)并保存至區(qū)塊鏈；

5、s2、對所采集的電力監(jiān)控區(qū)域的視頻數(shù)據(jù)提取異常事件；其中，所述異常事件包括人員身份異常、異常行為和異常工作環(huán)境狀態(tài)；

6、s3、將所提取的異常事件與保存至區(qū)塊鏈的電力監(jiān)控區(qū)域的完整視頻數(shù)據(jù)進(jìn)行匹配；

7、s4、根據(jù)匹配結(jié)果調(diào)取區(qū)塊鏈上所述異常事件對應(yīng)的視頻數(shù)據(jù)。

8、進(jìn)一步的，所述對所采集的電力監(jiān)控區(qū)域的視頻數(shù)據(jù)提取異常事件；其中，所述異常事件包括人員身份異常、異常行為和異常工作環(huán)境狀態(tài)，具體步驟為：

9、s21、對所采集的電力監(jiān)控區(qū)域的視頻數(shù)據(jù)進(jìn)行人員身份識別；

10、s22、對所采集的電力監(jiān)控區(qū)域的視頻數(shù)據(jù)進(jìn)行異常行為識別；

11、s23、對所采集的電力監(jiān)控區(qū)域的視頻數(shù)據(jù)進(jìn)行異常工作環(huán)境狀態(tài)的識別。

12、進(jìn)一步的，所述對所采集的電力監(jiān)控區(qū)域的視頻數(shù)據(jù)進(jìn)行人員身份識別具體步驟為：

13、s211、提取視頻中人員的體型特征、外部工服特征、聲紋特征以及毛發(fā)特征；

14、s212、將所提取的特征進(jìn)行加權(quán)融合，得到視頻中人員的融合特征；

15、s213、將視頻中人員的融合特征輸入至訓(xùn)練好的分類器中，得到視頻中人員的身份識別結(jié)果。

16、進(jìn)一步的，所述對所采集的電力監(jiān)控區(qū)域的視頻數(shù)據(jù)進(jìn)行異常行為識別具體步驟為：

17、s221、通過卷積神經(jīng)網(wǎng)絡(luò)提取視頻中的圖像特征表示；

18、s222、利用目標(biāo)檢測算法，通過邊界框回歸和分類器來識別視頻圖像中的人員是否佩戴安全設(shè)備；

19、s223、根據(jù)視頻中人員的位置和規(guī)定作業(yè)區(qū)域之間的關(guān)系，判定人員是否在規(guī)定作業(yè)區(qū)域內(nèi)；

20、s224、利用異常檢測算法對視頻中人員移動情況進(jìn)行檢測，判定人員是否存在異常移動情況；

21、s225、檢測到人員未佩戴安全設(shè)備、人員未在規(guī)定作業(yè)區(qū)域內(nèi)、人員異常移動以上情況發(fā)生至少其中之一，則判定為異常行為。

22、進(jìn)一步的，所述根據(jù)視頻中人員的位置和規(guī)定作業(yè)區(qū)域之間的關(guān)系，判定人員是否在規(guī)定作業(yè)區(qū)域內(nèi)，具體公式為：

23、，

24、其中，t為交點(diǎn)數(shù)，p是工作人員當(dāng)前位置的點(diǎn)，是規(guī)定區(qū)域的邊界線段，intersect表示判斷點(diǎn)?是否與邊界線段?相交的函數(shù)，表示對所有的邊界線段進(jìn)行求和，得到所有邊界線段與點(diǎn)p的相交次數(shù)總和；當(dāng)交點(diǎn)數(shù)為偶數(shù)，表示工作人員在規(guī)定區(qū)域外，工作人員在規(guī)定區(qū)域外時，判定為異常區(qū)域作業(yè)；當(dāng)交點(diǎn)數(shù)為奇數(shù)，表示工作人員在規(guī)定區(qū)域內(nèi)工作。

25、進(jìn)一步的，所述利用異常檢測算法對視頻中人員移動情況進(jìn)行檢測，判定人員是否存在異常移動情況，具體為：

26、s2241、根據(jù)工作人員在當(dāng)前幀的位置和工作人員在上一幀的位置，通過計算歐氏距離得到工作人員的位置變化；

27、s2242、根據(jù)工作人員的位置變化與設(shè)定的正常作業(yè)的閾值范圍，判斷工作人員是否異常移動。

28、進(jìn)一步的，所述對所采集的電力監(jiān)控區(qū)域的視頻數(shù)據(jù)進(jìn)行異常工作環(huán)境狀態(tài)的識別具體步驟為：

29、s231、通過聲音識別技術(shù)檢測環(huán)境中的異常聲音；其中，所述異常聲音包括電力設(shè)施長時間異響以及環(huán)境內(nèi)音量高的聲音。

30、進(jìn)一步的，所述將所提取的異常事件與保存至區(qū)塊鏈的電力監(jiān)控區(qū)域的完整視頻數(shù)據(jù)進(jìn)行匹配，具體步驟為：

31、s31、對識別的異常環(huán)境的視頻，將匹配的完整視頻與同時間段的工作場景周圍的完整視頻進(jìn)行匹配，根據(jù)視頻片段a的起始和結(jié)束時間戳，從工作場景周圍的其他完整視頻中截取出與視頻片段a相同時間段的子片段，生成視頻片段b，將視頻片段a與視頻片段b制成視頻片段，形成多視角視頻集；

32、s32、對識別的人員身份識別異常和人員未在規(guī)范區(qū)域內(nèi)作業(yè)時的視頻，根據(jù)識別到的人臉信息，為每個識別出的對象建立索引，并根據(jù)建立的對象索引在完整視頻數(shù)據(jù)中搜索與視頻片段a中目標(biāo)人員在設(shè)定時間窗口內(nèi)出現(xiàn)的所有相關(guān)視頻，設(shè)置視頻截取時間，生成視頻片段，將人員出現(xiàn)異常的視頻制成視頻集，形成人員身份異常的視頻集。

33、第二方面，本發(fā)明提供基于區(qū)塊鏈的現(xiàn)場電力監(jiān)督服務(wù)行為的追溯系統(tǒng)，包括：

34、視頻采集模塊，用于采集電力監(jiān)控區(qū)域的視頻數(shù)據(jù)并保存至區(qū)塊鏈；

35、異常事件提取模塊，用于對所采集的電力監(jiān)控區(qū)域的視頻數(shù)據(jù)提取異常事件；其中，所述異常事件包括人員身份異常、異常行為和異常工作環(huán)境狀態(tài)；

36、事件匹配模塊，用于根據(jù)所提取的異常事件與保存至區(qū)塊鏈的電力監(jiān)控區(qū)域的完整視頻數(shù)據(jù)進(jìn)行匹配；

37、追溯平臺，用于根據(jù)匹配結(jié)果調(diào)取區(qū)塊鏈上所述異常事件對應(yīng)的視頻數(shù)據(jù)。

38、進(jìn)一步的，所述異常事件提取模塊包括：

39、人員身份識別模塊，用于對所采集的電力監(jiān)控區(qū)域的視頻數(shù)據(jù)進(jìn)行人員身份識別；

40、異常行為識別模塊，用于對所采集的電力監(jiān)控區(qū)域的視頻數(shù)據(jù)進(jìn)行異常行為識別；

41、異常工作環(huán)境狀態(tài)模塊，用于對所采集的電力監(jiān)控區(qū)域的視頻數(shù)據(jù)進(jìn)行異常工作環(huán)境狀態(tài)的識別。

42、進(jìn)一步的，所述事件匹配模塊包括：

43、構(gòu)建多視角視頻集模塊，用于對識別的異常環(huán)境的視頻，將匹配的完整視頻與同時間段的工作場景周圍的完整視頻進(jìn)行匹配，根據(jù)視頻片段a的起始和結(jié)束時間戳，從工作場景周圍的其他完整視頻中截取出與視頻片段a相同時間段的子片段，生成視頻片段b，將視頻片段a與視頻片段b制成視頻片段，形成多視角視頻集；

44、構(gòu)建人員身份異常的視頻集模塊，用于對識別的人員身份識別異常和人員未在規(guī)范區(qū)域內(nèi)作業(yè)時的視頻，根據(jù)識別到的人臉信息，為每個識別出的對象建立索引，并根據(jù)建立的對象索引在完整視頻數(shù)據(jù)中搜索與視頻片段a中目標(biāo)人員在設(shè)定時間窗口內(nèi)出現(xiàn)的所有相關(guān)視頻，設(shè)置視頻截取時間，生成視頻片段，將人員出現(xiàn)異常的視頻制成視頻集，形成人員身份異常的視頻集。

45、以上一個或多個技術(shù)方案存在以下有益效果：

46、在本發(fā)明中，將視頻保存至區(qū)塊鏈，由于區(qū)塊鏈上的數(shù)據(jù)是通過加密和分布式存儲方式保存，當(dāng)數(shù)據(jù)被存儲至區(qū)塊鏈服務(wù)器上并經(jīng)過確認(rèn)后，就無法被篡改或刪除，由此能夠確保數(shù)據(jù)的完整性和安全性，防止數(shù)據(jù)被惡意篡改或損壞，同時能夠增加追溯時間；對視頻中異常事件進(jìn)行提取，并根據(jù)提取的異常事件調(diào)取對應(yīng)的視頻數(shù)據(jù)，從而提供更加全面和立體的事件還原。

47、本發(fā)明附加方面的優(yōu)點(diǎn)將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明的實踐了解到。