人脸识别技术在电力营销现场作业平台的应用

齐伟强

（国网河北省电力有限公司辛集市供电分公司，河北 辛集 052360）

0 引言

对电力企业来说，在保障充足的电能和良好的供电质量（电压偏差、频率和波形等）基础上，更重要的还应有良好的供电营销服务，从而避免投诉对电网企业造成负面影响。而服务、售电、采集、计量和电费等方面均属于电力营销范畴。随着营销现场的逐步增多，营销现场安全问题逐步暴露（如现场人员作业行为不规范，平台应用不规范等）。为此，自2020 年营销现场作业平台开始在全省范围内投入使用，通过现场作业人员上传现场作业的“三张照片”，达到对营销现场实时监控，进而大大减少现场人员作业行为不规范等问题。而平台应用不规范问题却一直以来未得到较好改善，原因一方面是由使用人员疏忽误操作导致，另一方面是系统原因造成。

随着人工智能技术和移动互联网技术的迅速发展，经大量查阅文献，了解到部分现场管控方案。文献[1]针对营销现场的管控难度大，提出一种电力营销智能化现场作业平台应用系统，提高了营销作业全方位实时监控能力，作业类型达到全覆盖，有效消除了现场作业盲区，作业现场实现全痕迹管理，大大提升了现场督查工作质效。为保障高校课堂考勤签到率，文献[2]提出一种基于人脸识别的高校课堂考勤系统，将人工智能技术与课堂考勤结合起来，使得教师或学生等人员的考勤信息能够被轻而易举查到。另外，为保障海员的出海安全，文献[3]提出一种应用人脸识别技术管控出海人员安全新模式并得到实际应用，应用新模式后，实现了对海上人员的有效管理，在紧急情况下，能够随时了解人员位置所在，可靠跟踪人员工作轨迹，以便后续紧急处置或救援等。

本文旨在由于系统原因而导致的平台应用不规范问题，尽可能完善平台的各项功能，使平台更加便捷实用，最大程度上减轻现场人员负担，提高工作效率，降低由于系统原因而引起的3 种人签名不规范问题的发生。

1 人脸识别基本原理

人脸识别是基于人的脸部特征信息进行身份识别的一种研究技术，现如今已在生活中得到普及。

人脸识别的工作原理（如图1 所示）主要分为人脸检测、特征提取和人脸识别[4-6]3 个过程。

人脸检测：指从输入图像中检测并预处理人脸图像，通常采用Haar 特征和Adaboost 算法训练级联，分类器对图像中的每一块进行分类，如果某一矩形区域通过了级别分类器则被判别为人脸图像。

特征提取：指通过一些数字来表征人脸信息，这些数字就是要提取的特征。常见的人脸特征分为两类：一是几何特征，是指眼睛、鼻子和嘴等面部特征之间的几何关系，如距离、面积和角度等；二是表征特征，它利用人脸图像的灰度信息，通过一些算法提取全局或局部特征。目前常用的特征提取算法是LBP 算法，该算法首先将图像分成若干区域，在每个区域像素邻域内设置中心值并作为阈值，并将计算结果与阈值比对，输出一组二进制结果，其特点是对单调灰度变化保持不变。每个区域邻域通过这样的运算得到一组直方图，最后由这些图组成一个大直方图，进行直方图匹配计算来分类。

人脸识别：将待识别的人脸所提取特征与事前采集到数据库中人脸的特征进行比对，根据相似度判别是否本人。而目前人脸识别又可分为两类：一是确认，这是人脸图像与数据库中已存图像比对的过程，确认是否本人操作，是粗识别过程；另一个是辨认，这是人脸图像与数据库中已存的所有图像匹配的过程，确认本人在实时操作，是精识别过程。人脸辨认须进行海量数据的匹配，因此它要比人脸确认困难。

本文在营销现场作业平台应用中引入人脸识别技术，通过提前将现场工作3 种人人脸录入平台数据库，当营销作业3 种人须签发或许可工作票时，通过专用掌机终端采集人脸，经终端人脸识别模块人脸比对成功后，将提前录入的手写签名调出，添加到工作票的相应位置即签字完成。由于在现场作业过程中，作业人员主动配合，较容易获取符合要求的人脸，为人脸识别提供了较稳定的输入源，因此基于人脸识别的平台应用往往可以得到较为满意的结果。

2 营销现场常见不规范问题

一般而言，营销作业现场较小、数量较多、覆盖广阔、现场安全措施相对复杂。因此出现的不规范现象较多，管控难度也较大[7-9]，主要体现在现场作业行为难管控和工作票票面难管控等。针对现场作业行为难管控，大部分现场仍然应用传统管控方案，通过优化管控模式来加强管控（如线上线下培训、现场督查、案例研讨、加大考核力度或增加现场监护人等传统管控模式）；而工作票票面难管控不同于传统管控模式，传统工作票须作业人员全程手写。而自电力营销现场作业平台上线以来，取消手写工作票流程，全部应用掌机线上启票。线上流程与传统流程须注意的细节方面不尽相同，现场人员传统启票观念已根深蒂固，使得大部分不规范问题来源于现场人员忽略线上流程细节造成的。而现阶段仍处于无纸化作业过渡阶段，要求现场人员需注意细节，从而减少疏忽线上流程细节带来不规范问题，这就要求系统更加完善，尽量避免不必要细节流程，从而降低现场人员线上流程失误概率。

营销作业常见不规范如图2 所示，本文主要针对3 种人签名不规范问题而提出的，将人脸识别技术应用在营销现场作业后，能减少现场人员误签、错签和涂改工作票等问题，避免工作票作废频繁或出现签名类低级错误情况。从系统应用角度着手，提高现场工作效率，减轻现场人员的负担。

图2 电力营销现场作业常见不规范树形图

3 应用成效

自2023 年3 月以来，基于人脸识别[10-12]的营销现场作业平台应用首先在辛集供电分公司前营供电所试点运行一个半月。在试点运行期间，主要发现问题有：（1）人脸信息丢失，由于系统原因人脸信息录入后，个别人员的人脸信息丢失；（2）人脸识别报错，个别人员人脸识别时，系统显示采集人脸正确但在工作票签字时人员信息提取失败；（3）外包人员个人信息未录入系统，导致无法进行人脸识别；（4）电脑端无法许可工作，电脑PC 端未安装人脸识别模块，无法进行工作许可和签发；（5）远程许可工作响应速度慢、区分度低[13-16]。后经人脸识别功能多次后台更新和漏洞修复，基本度过系统前期应用混乱期，其鲁棒性和平稳性得到大幅改善和提高，后台基本趋于稳定。经与系统后台运维组和公司相关方全面协调，各单位全面培训后，于4月下旬，人脸识别功能在辛集供电分公司全面推广。自全面推广以来，基本达到较好效果。经实践，公司各单位、各供电所人员已基本掌握该项功能的应用，工作开展顺利。

从整体上看，营销现场工作大致可分为电能计量、营业业扩、用电检查和综合能源等4 大类型。由图3 可以看出，电能计量和营业业扩是营销现场作业的主要分类，这2 种分类之和已占到营销作业总数量的89.91%，而用电检查和综合能源分类的占比较低，只占营销作业总数量的10.09%。因此，电能计量和营业业扩两种类型应在人脸识别应用后重点管控。

图3 人脸识别上线后工单数和累计占比

自人脸识别项目上线以来，辛集供电分公司共执行营销现场3 100 余项，具体作业类型如表1 所示。从表中可以看出，常见营销现场主要集中在电能计量类的低压电能表、集中器装拆换类型和营业业扩类的低压业扩类型。以上2 种类型工作涉及面广、数量较大需重点关注。另外，电能计量类的低压计量装置故障处理类型虽数量非最多，但涉及临时抢修、优质服务和红线投诉等重要营销环节，同样也需重点关注。综上所述，低压电能表集中器装拆换、低压业扩和低压计量装置故障处理3 种类型在平台中几乎每天涉及，人脸识别项目应在此3 类中持续关注。

表1 人脸识别完成营销现场作业类型和数量

由于3 月中旬至4 月底是系统试运行阶段，此阶段不规范工单数暂时不做统计。本文人脸识别项目上线前以1—3 月为例，上线后以5—8 月为例进行统计。图4 是上线前后3 种人签字不规范工单数对比图，从图中可以看出，人脸识别模块上线后，签字不规范工单数大幅降低，尤其是不规范数量多的电能计量和营业业扩两类工作降低更为显著。

图4 人脸识别上线前后签字不规范工单数对比

通常将签字不规范工单数占总不规范数的比值称为签字不规范率（简称“不规范率”）。人脸识别上线前后不规范率对比曲线如图5 所示。由于统计的是相同时间段内的不规范工单数，所以上线前后不规范率趋势大概一致，具有一定合理性。另外，人脸识别上线后，使作业整体不规范率显著降低，比上线前不规范率均值下降了20.15%，降低效果较为显著，在一定程度上改善了签字不规范问题。

图5 人脸识别上线前后不规范率曲线

4 结束语

针对电力营销作业现场小、数量多、时间短、覆盖面广、环境多变、复杂，并且大多涉及客户侧设备，种类多、隐患多、安全措施复杂多变、3 种人签字不规范、管控难度大等典型特点，提出一套基于人脸识别的电力营销现场作业平台。在该平台应用中引入人脸识别后优势凸显：平台更加智能化、合理化和人性化，提高平台的实际应用效率和水平；降低营销作业不规范工单数和不规范占比，使营销现场更加标准化；营销作业真正实现无纸化，彻底解决现场人员签字不清晰、涂画和现场无纸笔等问题，减轻现场人员的负担。