随着机器视觉、图像处理、模式识别等相关领域的不断深入发展,视频图像识别技术广泛应用于社会生活中的各个领域,比如电力生产系统。许多电力科研学者提出将视频图像识别技术应用到变电站视频监控系统以实现变电站值守方式逐步趋于智能化和无人值守化。众所周知,安全帽是变电站作业人员重要的安全防护工具。在电力施工过程中,电力作业人员要求必须佩带安全帽。然而,近年来变电站生产安全事件频繁发生,究其根本原因在于作业人员违反电力安全规范进行操作,其中不按规范佩戴安全帽是重要的原因之一。为了防止电力安全事故的发生,开发一套能自动识别变电站作业人员未佩带安全帽等异常状况并及时报警的智能视频监控系统变得越来越迫切。本文以电网变电站工作场所的部分重要区域为研究背景,对电力作业人员安全帽佩戴状态识别算法进行了深入的研究。本文研究难点主要包括:(1)变电站通常处于室外,受外界环境干扰较大。(2)变电站电力设备多而杂,不利于安全帽佩戴状态的检测。(3)变电站区域的网络摄像头分布较远,采集到的视频图像分辨率偏低。(4)变电站场景安全帽颜色和部分背景颜色区分度较低。针对上述难点,本文首先简单介绍了安全帽佩戴状态识别过程各环节常用的算法,并从实际变电站场景采集视频样本,详细对比常用算法在安全帽佩戴状态识别过程中的优缺点,并应用本文的安全帽佩戴状态识别算法:首先利用一种基于像素级的视觉背景提取(ViBe)运动目标检测算法,获取前景目标,该算法优势在于:背景建模速度快、抗干扰能力强,背景模型更新采用随机更新策略,能有效的克服变电站视频图像像素变化的不确定性问题;然后,对提取的前景目标运用人体的长宽比实现安全帽佩戴区域的初步定位,最后选用一种基于可变形部件模型(DPM)的识别算法检测作业人员的安全帽佩戴状态,该算法采用滑动窗口机制和图像金字塔的思想,从多尺度、多部件、多视角对安全帽佩戴状态进行特征建模,利用隐支持向量机训练安全帽佩戴状态识别模型,最后使用训练好的模型进行目标匹配,判断作业人员是否佩戴安全帽。实验证明,本文中研究的检测算法基本满足变电站作业人员安全帽佩带状态识别性能的要求,为后续将安全帽佩戴状态识别技术应用于变电站智能视频监控系统奠定了基础,也为变电站安全帽佩戴状态识别方法提供了新的思路。