电力基建施工现场安全管控系统的开发与应用

国网思极位置服务有限公司 石 帅 郑越峰

1 引言

电力基建施工项目作为一项庞大复杂工程，在实际施工中，主要涉及施工作业、施工进度、施工现场管理等环节。为确保这些环节能够高标准执行，利用人工智能技术，制定人脸识别监控体系，完成对智慧工地的打造，从而实现对电力基建施工相关作业信息的全面化记录和统计[1]，有效地保证施工现场管理高效性和安全性，使得施工安全风险降到最低，为实现以上目标，技术人员要应用人工智能技术，完成对电力基建施工现场安全管控系统的设计和应用。

2 系统架构设计

电力基建施工现场安全管控系统架构设计如图1所示，该系统层级如下。

图1 系统架构设计

一是展现层。展现层主要用于人机交互操作。该层在具体设计中，需要利用B/S 架构设计思想，利用浏览器，完成对流程任务的实时化展示以及文档数据的存储和管理；二是数据控制层。数据控制层主要用于对数据的封装、解析、加解密处理，并将数据传输到展现层中，由展现层显示这些信息；三是业务逻辑层。业务逻辑层在具体设计时，要利用动态加载技术，结合实际业务需求，完成对所需模块的加载和使用，同时，还能拓展和升级系统功能，确保系统具有易维护、易升级特点。另外，通过运用业务逻辑层，可以为用户提供多个API 接口，便于系统内部功能的调用；四是持久层。通过设计持久层，可以实现对逻辑业务与数据库的有效分离，便于系统灵活地切换和使用不同的数据库，同时，为离线数据库的使用提供一定的技术支持。系统架构设计如图1所示。

3 系统硬件设计

3.1 CCD 驱动电路设计

系统在具体设计时，要结合CCD（电荷耦合元件）驱动波形特点，对监控设备内部的驱动电路进行科学设计，同时，还要使用摄像头，采用逐行扫描的方式，完成对相关图像单帧的读写。此外，还要利用视频图形阵列的方式[2]，完成对相关图像信号的实时化输出，并将系统驱动频率设置为24.55MHz，确保监控影像表现出较高的分辨率。

3.2 AD 采样电路设计

AD 采样电路设计，可以保证图像质量，同时，还能实现对图像采集精确度的有效控制。通常情况下，AD 采样模块转换流程主要包含采样、增益、编码三个环节。要想提高AD 芯片精确度，要综合考虑采样速率、线性因素。因此，在处理AD 信号芯片时，要确保所选用的时钟具有较高的完整性和精确性[3]，并将图像采集频率设置为40MHz 左右，只有这样，才能保证系统前端模拟功能实现效果，使得驱动器表现较高的增益性。

最后，在保证编程水平的前提下，对相机时序驱动模式进行实时调整。同时，还要将虚拟装置统一设置到AD 采样模块中，为后期模拟转换控制中心提供便利[4]，从而保证驱动电路设计的完整性和科学性，确保脉冲位移能够在最短时间内快速处于复位状态。

3.3 接口电路设计

要想借助监控设备存储模块，将所存储的图像信息安全、可靠地传输到PC 端，需要重视对外接数据设备的使用，而接口电路设计是否合理，直接影响外接设备运行性能，因此，为保证外接设备运行的稳定性和可靠性，相关人员要重视对接口电路的科学化设计。在设计接口电路时，要将接口电路与上位机有效地连接，便于用户实时查看和分析图像信息。另外，还要利用高速串口协议，对串联驱动器的数据进行一系列转换处理，并将数据转换装置与上位机进行对接处理，从而形成统一整体，以达到全面化采集和整理图像信息的目的，最后，还要采用相关性排序法，严格按照相关连接规范和标准，做好对低压差分信号的安全化、实时化传输。

4 系统软件设计

4.1 双眼坐标区域数据提取模块设计

传统人脸检测算法结构复杂，增加操作难度，很容易引起误检现象，为保证系统检测结果的精确性和真实性，要对传统人脸识别检测算法进行改进和优化。不同人的双眼坐标位置存在很大的不同，因此，可以将人的双眼作为人脸判定的参考和依据。通过完成不同形式图像特征表现的采集，如图2所示，精确地计算人脸图像灰度值，并实时观察和记录相邻矩形区域相关参数变化情况，可以实现对不同人脸图像的精确化获得和识别。

图2 不同形式的图像特征表现

4.2 加载人脸分类器模块设计

在检测人脸时，可以利用强弱分类器，确定出相应的候选区域，并对正负例样本进行预测，从而获得人脸分类模型，如图3所示。

图3 人脸分类模型

使用该分类器，对人脸分类模型进行线性判别分析，并使用投影函数，可以确保整个图像样本表现出较高的离散度。投影函数表达式为：

根据纬度数大小，可以确定透射处理后的图像方向。在降低样本向量的同时，要适当增加向量纬数，便于后期科学地划分内散向量。如果所获得的准确特征值存在一定的差异，需要有针对性地设计排序方式，从而科学化划分最佳投影向量，进而保证人脸图像分类操作的规范性和合理性。

4.3 人脸识别模块设计

运用上述所提出的计算方式，利用AI 技术完成对人脸识别算法结构设计，人脸识别算法结构如图4所示。该系统在正常运行时，需要利用人脸分类器，确定出正脸识别相关标准和要求，如果没有成功检测和识别到正脸，需要加载和使用双眼分类器，结合双眼在面部上坐标位置，进而深入地挖掘和分析不同人的面部特征。系统识别模块的设计，除了可以帮助用户在第一时间内快速地获取人脸图像外，还能获得人的双眼坐标位置，然后对这些获取结果进行转换，使其转换为相应的数据格式，计算出系统返回值，从而确定出最终人脸识别结果。人脸识别算法结构如图4所示。

图4 人脸识别算法结构

4.4 系统功能测试

以“某供电企业”为研究对象，将本文系统应用到该企业在建工程施工现场中，然后，统计和分析相关测试数据。为保证最终系统测试结果可以真实、有效地反映出系统功能实现效果，需要利用LoadRunner 专业工具，对系统进行测试，同时采用录制/ 回放操作方式，对用户使用程序进行真实化模拟，在此基础上，利用多线程管理方式，对系统终端业务进行实时化管控和加载，从而获得系统功能测试结果，见表1。本次系统测试所选用的用户测试用例为10个，分别对数据加载功能、数据存储功能、数据查询功能、图像回放功能进行测试，其通过率均达到99%以上。

表1 系统功能测试结果（单位：%）

从表1中的数据可以看出，通过测试以上10个用例，发现加载通过率、存储通过率、回放通过率、查询通过率均达到99%以上。这表明本文系统各个功能稳定，具有运行性能良好、人脸识别通过率高等特点，完全符合电力基建施工现场管理相关标准和要求。

5 结语

电力基建工程施工是否规范、安全，直接关乎电力企业社会效益和经济效益，甚至还影响着人们日常生活和工作。因此，促使施工现场管理向智能化、高效化、精细化方向发展，可以极大地提高电力企业整体经营水平。为解决传统施工现场管理系统存在的人脸识别精确率低等问题，现利用人工智能技术，完成对原有系统硬件和软件的重新设计，从而构建一款功能强大、适用性强的电力基建施工现场安全管控系统，然后，对该系统应用进行测试，经过测试发现该系统具有人脸识别通过率高特点，具有较高应用价值和应用前景，值得被进一步推广和普及。