基于ONVIF协议的变电站网络摄像机测试系统设计与实现

安防领域众多厂商的监控设备之间差异性很大,加上厂商开发各自产品所采用的行业标准不一致,导致不同设备互联互通经常出现故障,极大地影响了视频监测控制平台的实施效果。针对上述问题,采用了自动式协议测试的方法,开发了一套基于ONVIF协议的测试平台,测试平台采用Web Services的形式,利用SOAP协议,在HTTP协议基础上,以XML形式封装消息,对前端摄像机进行协议和功能上的测试,确保符合互联互通的需求。通过测试系统对被测设备的实际测试,验证了本测试系统的有效性和可靠性,具有很大的应用价值。     

基于机器学习和图像识别的电力作业现场安全监督方法

针对电力作业现场人员误入危险区域的安全问题，开展人员闯入检测的研究，首先利用梯度方向直方图（histogram of oriented gradient，HOG）和支持向量机（support vector machine，SVM）进行完全帧的人员检测，然后利用基于OpenCV的图像处理技术判断人员是否闯入警戒区域。通过视频监控设备采集作业现场图像，采用上述方法实时识别现场人员及其危险行为，并发出告警信号。实验结果表明，检测结果准确率达到92%，实现了电力作业现场安全监督自动化，显著提升了作业现场安全水平。     

变电站智能布点系统中摄像机安装方案

摄像机是变电站视频监控系统的前端设备,其正确合理的布点,对于发挥视频监控系统的遥视作用及保障变电站的安全可靠运行起重要作用。通过导入三维模型,生成变电站三维虚拟场景,建立布点规则知识库,在三维场景中对摄像机的监控范围进行计算和模拟展现。给出变电站中摄像机的安装数量、位置等,自动生成全站的摄像机安装方案,实现变电站摄像机布点的智能化。检验结果表明,本系统能有效消除摄像机可能存在的监控隐患,促进变电站遥视系统建设和运维技术的进步,提高远程巡检、智能联动的效率,具有较高的应用价值。     

基于QNX的高可用性工具的研究与实现

在实时操作系统QNX6.20下，设计了毫秒级、快速响应的高可用性工具（HAT）。它采用被动侦听和主动轮询两种模式，实时监控系统服务和用户进程，确保每个线程都能正确、可靠地工作。HAT应用于核聚变装置极向场电源控制系统中，取得了良好的效果。     

基于旋转YOLOv5的电力作业车态势感知方法研究

针对电力作业场景下的电力作业车安全监测问题,提出了一种基于YOLOv5的旋转目标检测算法,通过检测电力作业车的机械臂旋转角度,判断电力作业车在当前作业场景下的作业姿态是否安全。文中以YOLOv5为主干网络,采用环形平滑标签的方法,将角度的边界回归问题转化为分类问题,解决了角度周期性变化带来的损失值突变问题。实验结果表明,CSP DarkNet YOLOv5l模型对电力作业车机械臂的平均检测精度达到了80.02%,均优于GhostNet YOLOv5l、MobieleNetV3 YOLOv5l、ShuffleNetV2 YOLOv5l,并且对机械臂的旋转角度预测也最接近真实值。     

安全和能量关键的分布式协作任务调度

传统分布式任务调度严重地忽略了任务的能耗和安全因素,不适用于安全关键分布式嵌入式系统,针对安全和能量关键的分布式协作应用,提出了一种安全感知和能量感知的任务映射调度算法SEATMS.作为一种多项式复杂度的启发式算法,SEATMS能够在满足协作应用的实时需求和能耗约束前提下,最大程度地降低系统安全风险.和同类算法相比,所...     

求解二次分配问题的改进禁忌搜索算法

针对二次分配问题,提出了一种改进禁忌搜索算法ITS。ITS基于"集中和分散"策略,由局部搜索和精英重组两个步骤经过多次迭代完成。局部搜索采用RTS(Robust Tabu Search)。在精英重组步骤,对局部优化解中的优良个体采用MPX交叉操作,得到新的可行解。在QAPLIB典型实例上的实验结果表明,与RTS相比,改进后的禁忌搜索算法具有更优的性能。     

WebLogic服务器运行状态监测系统的研究和应用

WebLogic服务器作为B/S构架信息系统重要组成部分,其运行状态在信息系统状态评价中起到了十分重要的作用,是开展信息系统状态检修的重要支撑。针对电网企业信息管理系统,通过模拟真实环境进行测试分析,定义了WebLogic服务器的关键性能指标,并开发了监控程序实现对其状态的监视。通过实验验证了该状态监测系统的有效性。     

MPSoC软硬件划分的自动波竞争神经网络算法

针对基于可重用组件的MPSoC软硬件划分问题,提出了一种采用自动波竞争神经网络的优化算法。先将软硬件划分问题转化为图论中的多约束最短路径问题,然后重新设计神经网络中的自动波机制,从组件库中为系统中的每个任务模块选择合适的软件构件或IP核,在系统成本和实时性约束下,使得MPSoC功耗最优。该算法具有并行化、无参数、易于硬件实现的特点,可获得MPSoC软硬件划分问题的最优解。     

基于深度学习的电力作业人员行为识别技术

目前的电力现场安全监控主要通过人员对监控视频进行全程监测,但采用人工检测的方法不仅浪费时间,而且容易出现漏报的情况,使工作人员的人身安全无法得到保障。为实现对作业现场人员行为的智能识别,提出了一种基于OpenPose的电力作业人员的危险行为识别技术。该方法提取视频流图像中电力作业人员骨骼关键点信息,利用深度神经网络实现多人场景下电力作业人员的人体行为姿态感知,实时对施工人员的违规行为进行检测识别,并发出警告。所提方法实现了对电力现场作业人员行为的准确、实时安全监控,保障了现场作业人员的人身安全和电力作业的顺利进行,具有一定的鲁棒性与泛化能力。