电力设施防外破警示灯的数据处理方法及系统.pdf

《电力设施防外破警示灯的数据处理方法及系统.pdf》由会员分享，可在线阅读，更多相关《电力设施防外破警示灯的数据处理方法及系统.pdf（28页完成版）》请在专利查询网上搜索。

1、(19)国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202410011282.9(22)申请日 2024.01.04(71)申请人 深圳市光明顶技术有限公司地址 518000 广东省深圳市宝安区航城街道三围社区泰华梧桐工业园立春（1#）栋3层（一照多址企业）(72)发明人 曹广阔(74)专利代理机构 深圳市诺正鑫泽知识产权代理有限公司 44689专利代理师 罗志伟(51)Int.Cl.G08B 31/00(2006.01)G08B 7/06(2006.01)G08B 5/38(2006.01)H04N 7/18(2006.01)G08G 1/04(。

2、2006.01)G08G 1/048(2006.01)G08G 1/16(2006.01)A01M 29/18(2011.01)(54)发明名称一种电力设施防外破警示灯的数据处理方法及系统(57)摘要本发明涉及数据处理领域，尤其涉及一种电力设施防外破警示灯的数据处理方法及系统。该方法包括以下步骤：对电力设施进行环境感知，以获取环境感知数据；根据环境感知数据利用超声波传感器对环境感知数据进行车辆靠近检测，以生成过往车辆数据；对过往车辆数据进行声波反射距离计算，以生成车辆距离数据；基于预设的电力设施安全距离阈值对车辆距离数据进行安全距离分析，当车辆距离数据小于或等于预设的电力设施安全距离阈值时，通。

3、过警示灯进行警示灯闪烁提醒，以生成车辆警示数据；利用声波雷达对电力设施进行生物反应检测，以生成环境生物数据。本发明实现了高效、准确的防外破警示灯的数据处理。权利要求书4页 说明书19页 附图4页CN 117523807 A2024.02.06CN 117523807 A1.一种电力设施防外破警示灯的数据处理方法，其特征在于，包括以下步骤：步骤S1：对电力设施进行环境感知，以获取环境感知数据；根据环境感知数据利用超声波传感器对环境感知数据进行车辆靠近检测，以生成过往车辆数据；对过往车辆数据进行声波反射距离计算，以生成车辆距离数据；步骤S2：基于预设的电力设施安全距离阈值对车辆距离数据进行安全距离。

4、分析，当车辆距离数据小于或等于预设的电力设施安全距离阈值时，通过警示灯进行警示灯闪烁提醒，以生成车辆警示数据；利用声波雷达对电力设施进行生物反应检测，以生成环境生物数据；根据环境生物数据对电力设施进行周边超声波驱离处理，以生成生物驱离数据；步骤S3：利用摄像头对电力设施进行实时视频监控，以获取环境监测视频；对环境监测视频进行行人识别，并进行数据标记，以生成行人标记数据；根据行人标记数据对环境监测视频进行边界框分割，以生成滑窗边界框动态数据；根据滑窗边界框动态数据对实时视频监控进行逐帧视觉特征分析，以生成行人视觉特征数据；步骤S4：通过行人视觉特征数据对滑窗边界框动态数据进行光流追踪分析，以生成。

5、行人光流追踪数据；基于行人光流追踪数据对环境监测视频进行序列移动轨迹重构，以生成行人移动轨迹序列；对行人移动轨迹序列进行异常行为分析，以生成异常行为数据；步骤S5：基于预设的历史行为数据库对异常行为数据进行破坏行为识别，当检测到破坏行为，利用警示灯及声波雷达进行设备声光报警，并实时监测行人移动路径，生成行人破坏监测数据；步骤S6：通过传感器进行环境光强计算，以生成环境光强指数；对环境光强指数进行昼夜分析，当环境为夜间时，对警示灯进行定时警醒处理，以生成夜间警醒数据；对车辆警示数据、生物驱离数据、行人破坏监测数据及夜间警醒数据进行防外破决策分析，以构建智能防外破决策模型，执行电力设施防外破警示作。

6、业。2.根据权利要求1所述的电力设施防外破警示灯的数据处理方法，其特征在于，步骤S1的具体步骤为：步骤S11：对电力设施进行环境感知，以获取环境感知数据；步骤S12：利用超声波传感器对环境感知数据进行车辆识别检测，以生成过往车辆数据；步骤S13：对过往车辆数据进行声纹特征分析，以生成车辆声纹特征数据；步骤S14：基于车辆声纹特征数据对过往车辆数据进行声波反射距离计算，以生成车辆距离数据。3.根据权利要求1所述的电力设施防外破警示灯的数据处理方法，其特征在于，步骤S2的具体步骤为：步骤S21：对车辆距离数据进行电力设施安全距离分析，当车辆距离数据小于或等于预设的电力设施安全距离时，通过警示灯进行。

7、警示灯闪烁提醒，以生成车辆警示数据；步骤S22：利用声波雷达对电力设施进行生物反应检测，以生成环境生物数据；步骤S23：对环境生物数据进行频谱振幅分析，生成生物频谱振幅指数；步骤S24：通过生物频谱振幅指数对环境生物数据进行生物种类识别，生成生物种类数据；步骤S25：根据生物种类数据对电力设施进行周边超声波驱离处理，以生成生物驱离数权利要求书1/4 页2CN 117523807 A2据。4.根据权利要求1所述的电力设施防外破警示灯的数据处理方法，其特征在于，步骤S3的具体步骤为：步骤S31：利用摄像头对电力设施进行实时视频监控，以获取环境监测视频；步骤S32：对环境监测视频进行行人识别，并进行。

8、数据标记，以生成行人标记数据；步骤S33：根据行人标记数据对环境监测视频进行边界框分割，以生成滑窗边界框动态数据；步骤S34：对实时视频监控进行时序帧分析，以生成时序帧序列；步骤S35：根据滑窗边界框动态数据对时序帧序列进行逐帧视觉特征分析，以生成行人视觉特征数据。5.根据权利要求4所述的电力设施防外破警示灯的数据处理方法，其特征在于，步骤S33的具体步骤为：步骤S331：对环境监测视频进行细节增强处理，以生成细节增强监测视频；步骤S332：根据行人标记数据利用卷积神经网络对细节增强监测视频进行区域定位，以生成行人区域数据；步骤S333：基于行人区域数据对细节增强监测视频进行边界框分割，生成边。

9、界框样本；步骤S334：对边界框样本进行非极大值抑制，生成行人边界框数据；步骤S335：对细节增强监测视频进行滑动窗口分段，生成滑动视频段；步骤S336：通过滑动视频段对行人边界框数据进行动态跟踪分析，生成滑窗边界框动态数据。6.根据权利要求4所述的电力设施防外破警示灯的数据处理方法，其特征在于，步骤S35的具体步骤为：步骤S351：根据滑窗边界框动态数据对时序帧序列进行逐帧遍历，生成时序帧边界框序列；步骤S352：对时序帧边界框序列进行行人静态特征分析，以生成行人静态特征数据；步骤S353：基于行人静态特征数据对实时监控视频进行动态特征辨识，生成行人动态特征数据；步骤S354：对行人静态特征。

10、数据及行人动态特征数据进行逐帧视觉特征分析，以生成行人视觉特征数据。7.根据权利要求1所述的电力设施防外破警示灯的数据处理方法，其特征在于，步骤S4的具体步骤为：步骤S41：通过行人视觉特征数据对行人边界框数据进行行人区域特征点提取，以获取区域特征点；对区域特征点进行帧间光流计算，以生成特征点光流向量；步骤S42：对特征点光流向量进行光流序列构建，生成光流观测序列；基于光流观测序列对行人边界框数据进行光流追踪分析，以生成行人光流追踪数据；步骤S43：基于行人光流追踪数据对环境监测视频进行光流矢量分析，以生成光流矢量序列；步骤S44：对光流矢量序列进行帧间平移矢量计算，以生成帧间运动轨迹；步骤S。

11、45：对帧间运动轨迹进行序列移动轨迹重构，以生成行人移动轨迹序列；权利要求书2/4 页3CN 117523807 A3步骤S46：对行人移动轨迹序列进行轨迹曲线形态分析，以生成轨迹曲线形态数据；步骤S47：利用轨迹曲线形态数据对行人移动轨迹序列进行异常行为分析，以生成异常行为数据。8.根据权利要求1所述的电力设施防外破警示灯的数据处理方法，其特征在于，步骤S5的具体步骤为：步骤S51：对异常行为数据进行动态行为分析，生成动态行为数据；步骤S52：对动态行为数据进行行为特征提取，以生成动态行为特征数据；步骤S53：基于预设的历史行为数据库对动态行为特征数据进行细节行为分析，以生成动作细节行为数据。

12、；步骤S54：通过动作细节行为数据对异常行为数据进行破坏行为识别，当检测到破坏行为，利用警示灯及声波雷达进行设备声光报警，并实时监测行人移动路径，生成行人破坏监测数据。9.根据权利要求1所述的电力设施防外破警示灯的数据处理方法，其特征在于，步骤S6的具体步骤为：步骤S61：通过传感器对环境感知数据进行光照空间分布分析，生成光照空间分布数据；步骤S62：利用电力设施环境光照强度计算公式对光照空间分布数据进行环境光强计算，以生成环境光强指数；步骤S63：基于预设的环境光强阈值指数对环境光强指数进行昼夜分析，当预设的环境光强阈值指数大于或等于环境光强数据时，则判定为夜间环境，并对警示灯发送夜间灯光信。

13、号；步骤S64：基于夜间灯光信号对警示灯进行定时警醒处理，以生成夜间警醒数据；步骤S65：对车辆警示数据、生物驱离数据、行人破坏监测数据及夜间警醒数据进行防外破决策分析，以构建智能防外破决策模型，执行电力设施防外破警示作业；其中，步骤S62中的电力设施环境光照强度计算公式具体为：；其中，为电力设施环境光照强度指数，为空气透光率，为当前环境的光线反射率，为光源的光线反射角，为光源的直接光强度，为光源到电力设施的直线距离，为当前环境下的云层的透光率，为环境湿度，为展宽系数。10.一种电力设施防外破警示灯的数据处理系统，其特征在于，用于执行如权利要求1所述的电力设施防外破警示灯的数据处理方法，包括：。

14、环境感知模块，对电力设施进行环境感知，以获取环境感知数据；根据环境感知数据利用超声波传感器对环境感知数据进行车辆靠近检测，以生成过往车辆数据；对过往车辆数据进行声波反射距离计算，以生成车辆距离数据；生物驱离模块，基于预设的电力设施安全距离阈值对车辆距离数据进行安全距离分析，当车辆距离数据小于或等于预设的电力设施安全距离阈值时，通过警示灯进行警示灯闪烁提醒，以生成车辆警示数据；利用声波雷达对电力设施进行生物反应检测，以生成环境生物数据；根据环境生物数据对电力设施进行周边超声波驱离处理，以生成生物驱离数据；权利要求书3/4 页4CN 117523807 A4视觉特征模块，利用摄像头对电力设施进行实。

15、时视频监控，以获取环境监测视频；对环境监测视频进行行人识别，并进行数据标记，以生成行人标记数据；根据行人标记数据对环境监测视频进行边界框分割，以生成滑窗边界框动态数据；根据滑窗边界框动态数据对实时视频监控进行逐帧视觉特征分析，以生成行人视觉特征数据；光流追踪模块，通过行人视觉特征数据对滑窗边界框动态数据进行光流追踪分析，以生成行人光流追踪数据；基于行人光流追踪数据对环境监测视频进行序列移动轨迹重构，以生成行人移动轨迹序列；对行人移动轨迹序列进行异常行为分析，以生成异常行为数据；破坏行为识别模块，基于预设的历史行为数据库对异常行为数据进行破坏行为识别，当检测到破坏行为，利用警示灯及声波雷达进行设。

16、备声光报警，并实时监测行人移动路径，生成行人破坏监测数据；防外破决策模块，通过传感器进行环境光强计算，以生成环境光强指数；对环境光强指数进行昼夜分析，当环境为夜间时，对警示灯进行定时警醒处理，以生成夜间警醒数据；对车辆警示数据、生物驱离数据、行人破坏监测数据及夜间警醒数据进行防外破决策分析，以构建智能防外破决策模型，执行电力设施防外破警示作业。权利要求书4/4 页5CN 117523807 A5一种电力设施防外破警示灯的数据处理方法及系统技术领域0001本发明涉及数据处理领域，尤其涉及一种电力设施防外破警示灯的数据处理方法及系统。背景技术0002随着电力设施的不断发展和扩展，外部破坏对其安全和。

17、稳定运行构成了严重威胁。为了及时发现和应对潜在的外部破坏行为，电力设施防外破警示灯得到了广泛应用。这种警示灯通过监测电力设施周围的环境数据变化，如振动、光照、温度等，以提前发现和报警可能的外部破坏行为。然而，传统的数据处理方法存在着处理效率低、准确性不高等问题，因此需要一种智能化的数据处理方法来提高防外破警示灯的性能和可靠性。发明内容0003本发明为解决上述技术问题，提出了一种电力设施防外破警示灯的数据处理方法及系统，以解决至少一个上述技术问题。0004为实现上述目的，本发明提供一种电力设施防外破警示灯的数据处理方法，包括以下步骤：步骤S1：对电力设施进行环境感知，以获取环境感知数据；根据环境。

18、感知数据利用超声波传感器对环境感知数据进行车辆靠近检测，以生成过往车辆数据；对过往车辆数据进行声波反射距离计算，以生成车辆距离数据；步骤S2：基于预设的电力设施安全距离阈值对车辆距离数据进行安全距离分析，当车辆距离数据小于或等于预设的电力设施安全距离阈值时，通过警示灯进行警示灯闪烁提醒，以生成车辆警示数据；利用声波雷达对电力设施进行生物反应检测，以生成环境生物数据；根据环境生物数据对电力设施进行周边超声波驱离处理，以生成生物驱离数据；步骤S3：利用摄像头对电力设施进行实时视频监控，以获取环境监测视频；对环境监测视频进行行人识别，并进行数据标记，以生成行人标记数据；根据行人标记数据对环境监测视频。

19、进行边界框分割，以生成滑窗边界框动态数据；根据滑窗边界框动态数据对实时视频监控进行逐帧视觉特征分析，以生成行人视觉特征数据；步骤S4：通过行人视觉特征数据对滑窗边界框动态数据进行光流追踪分析，以生成行人光流追踪数据；基于行人光流追踪数据对环境监测视频进行序列移动轨迹重构，以生成行人移动轨迹序列；对行人移动轨迹序列进行异常行为分析，以生成异常行为数据；步骤S5：基于预设的历史行为数据库对异常行为数据进行破坏行为识别，当检测到破坏行为，利用警示灯及声波雷达进行设备声光报警，并实时监测行人移动路径，生成行人破坏监测数据；步骤S6：通过传感器进行环境光强计算，以生成环境光强指数；对环境光强指数进行昼夜。

20、分析，当环境为夜间时，对警示灯进行定时警醒处理，以生成夜间警醒数据；对车辆警示数据、生物驱离数据、行人破坏监测数据及夜间警醒数据进行防外破决策分析，以构建说明书1/19 页6CN 117523807 A6智能防外破决策模型，执行电力设施防外破警示作业。0005本发明通过对电力设施进行环境感知，获取环境感知数据，了解周围环境的情况，利用超声波传感器对环境感知数据进行车辆靠近检测，生成过往车辆数据，分析车辆活动和流量，基于预设的电力设施安全距离阈值，对车辆距离数据进行分析，识别出距离电力设施过近的车辆，进而采取相应的措施，当车辆距离数据小于或等于预设的安全距离阈值时，通过警示灯进行闪烁提醒，生成车。

21、辆警示数据，提醒驾驶员注意保持安全距离，利用摄像头对电力设施进行实时视频监控，获取环境监测视频，提供对电力设施周围环境的可视化信息，对环境监测视频进行行人识别并进行数据标记，生成行人标记数据，用于后续的行人分析和跟踪，通过对实时视频监控进行逐帧视觉特征分析，提取行人的视觉特征数据，用于后续的行人行为分析，通过行人视觉特征数据进行光流追踪分析，生成行人光流追踪数据，用于对行人的运动轨迹进行分析和跟踪，对行人移动轨迹序列进行异常行为分析，生成异常行为数据，用于检测可能的破坏行为或危险行为，基于预设的历史行为数据库，对异常行为数据进行破坏行为识别，及时检测到潜在的破坏行为，并采取相应的警报措施，当检。

22、测到破坏行为时，利用警示灯及声波雷达进行设备声光报警，并实时监测行人移动路径，生成行人破坏监测数据，有助于保护电力设施的安全，通过传感器进行环境光强计算，生成环境光强指数，用于判断环境是否处于夜间状态，当环境为夜间时，对警示灯进行定时警醒处理，生成夜间警醒数据，以确保在低光照条件下仍然能够有效地提供警示，通过对车辆警示数据、生物驱离数据、行人破坏监测数据和夜间警醒数据的分析，进行防外破决策分析，基于历史行为数据库和实时数据，构建智能防外破决策模型，提升对电力设施的保护效果。0006优选地，步骤S1包括以下步骤：步骤S11：对电力设施进行环境感知，以获取环境感知数据；步骤S12：利用超声波传感器。

23、对环境感知数据进行车辆识别检测，以生成过往车辆数据；步骤S13：对过往车辆数据进行声纹特征分析，以生成车辆声纹特征数据；步骤S14：基于车辆声纹特征数据对过往车辆数据进行声波反射距离计算，以生成车辆距离数据。0007本发明通过获取环境感知数据，提供关于电力设施周围环境的信息，包括周围的道路、建筑物、行人等，了解电力设施所处的具体环境情况，环境感知数据提供关于天气条件、光照情况等环境参数的信息，车辆识别检测通过超声波传感器对环境感知数据进行处理，识别出周围车辆的存在与否，从而生成过往车辆数据，过往车辆数据包含车辆的数量、行驶方向、速度等信息，帮助后续的数据分析和安全距离计算，声纹特征分析通过对过。

24、往车辆数据的声音信号进行处理，提取出车辆的声纹特征，如引擎声音、车辆喇叭声等，车辆声纹特征数据作为车辆识别和区分的依据，有助于声波反射距离计算和车辆距离数据的生成，声波反射距离计算利用车辆声纹特征数据和声波传感器的测量结果，计算出车辆与电力设施之间的距离，车辆距离数据的生成提供车辆与电力设施的相对距离信息，有助于后续的安全距离分析和警示处理。0008优选地，步骤S2的具体步骤为：步骤S21：对车辆距离数据进行电力设施安全距离分析，当车辆距离数据小于或等于预设的电力设施安全距离时，通过警示灯进行警示灯闪烁提醒，以生成车辆警示数据；说明书2/19 页7CN 117523807 A7步骤S22：利用。

25、声波雷达对电力设施进行生物反应检测，以生成环境生物数据；步骤S23：对环境生物数据进行频谱振幅分析，生成生物频谱振幅指数；步骤S24：通过生物频谱振幅指数对环境生物数据进行生物种类识别，生成生物种类数据；步骤S25：根据生物种类数据对电力设施进行周边超声波驱离处理，以生成生物驱离数据。0009本发明通过电力设施安全距离分析根据车辆距离数据和预设的安全距离阈值进行比较，判断车辆与电力设施之间的距离是否安全，当车辆距离数据小于或等于预设的电力设施安全距离时，通过警示灯进行闪烁提醒吸引驾驶员的注意，提醒其注意保持安全距离，利用声波雷达检测电力设施周围的生物反应，如鸟类的飞行、鸣叫声、老鼠等小动物的生。

26、物反应等，通过对电力设施周围的生物反应进行检测，获取环境生物数据，为后续的分析和处理提供基础，频谱振幅分析对环境生物数据的频谱特征进行提取和分析，了解生物活动的频谱分布，生物频谱振幅指数量化生物活动的强度和频率，为后续的生物种类识别和驱离处理提供依据，利用生物频谱振幅指数对环境生物数据进行生物种类识别，识别出不同种类的生物，生成生物种类数据，提供关于电力设施周围出现的生物种类信息，为后续的驱离处理和环境监测提供参考，根据生物种类数据确定电力设施周围出现的具体生物种类，针对不同的生物种类采取相应的驱离处理措施，周边超声波驱离处理利用超声波技术发出特定频率的声波，对特定生物种类具有驱离作用，从而保。

27、护电力设施的安全，生成生物驱离数据记录生物的驱离情况，为后续的分析和评估提供数据支持。0010优选地，步骤S3的具体步骤为：步骤S31：利用摄像头对电力设施进行实时视频监控，以获取环境监测视频；步骤S32：对环境监测视频进行行人识别，并进行数据标记，以生成行人标记数据；步骤S33：根据行人标记数据对环境监测视频进行边界框分割，以生成滑窗边界框动态数据；步骤S34：对实时视频监控进行时序帧分析，以生成时序帧序列；步骤S35：根据滑窗边界框动态数据对时序帧序列进行逐帧视觉特征分析，以生成行人视觉特征数据。0011本发明通过摄像头对电力设施周围的环境进行连续监测，获取实时的视频数据，环境监测视频提供。

28、对电力设施周围环境的视觉信息，包括行人、车辆、建筑物等，为后续的数据处理和分析提供基础，利用计算机视觉算法对环境监测视频中的行人进行检测和识别，对识别出的行人进行标记，标注其位置和边界框信息，从而生成行人标记数据，为后续的分析和处理提供准确的行人信息，根据行人标记数据对环境监测视频进行分割，提取出包含行人的边界框区域，生成滑窗边界框动态数据获得行人在视频中的动态信息，包括位置、大小、运动轨迹等，为后续的行人视觉特征分析提供数据基础，时序帧分析对实时视频监控的连续帧图像进行处理，提取出连续的时序帧序列，提供行人在不同时间段的图像信息，捕捉到行人的运动和行为变化，为后续的行人视觉特征分析提供更全面。

29、的数据基础，逐帧视觉特征分析利用滑窗边界框动态数据，对时序帧序列中行人的图像进行特征提取和分析，行人视觉特征数据包括行人的外貌特征、姿势、动作等信息，为后续的行人识别、行为分析和异常检测提供基础。说明书3/19 页8CN 117523807 A80012优选地，步骤S33的具体步骤为：步骤S331：对环境监测视频进行细节增强处理，以生成细节增强监测视频；步骤S332：根据行人标记数据利用卷积神经网络对细节增强监测视频进行区域定位，以生成行人区域数据；步骤S333：基于行人区域数据对细节增强监测视频进行边界框分割，生成边界框样本；步骤S334：对边界框样本进行非极大值抑制，生成行人边界框数据；步。

30、骤S335：对细节增强监测视频进行滑动窗口分段，生成滑动视频段；步骤S336：通过滑动视频段对行人边界框数据进行动态跟踪分析，生成滑窗边界框动态数据。0013本发明通过图像处理算法对环境监测视频进行细节增强，提升图像的清晰度和细节级别，生成的细节增强监测视频提供更加清晰和详细的图像信息，有助于后续的行人定位和边界框分割，利用卷积神经网络对细节增强监测视频进行行人区域的定位，确定行人在视频中的位置和区域，提供准确的行人位置信息，为后续的边界框分割和动态跟踪分析提供基础，根据行人区域数据将细节增强监测视频中的行人目标从背景中分割出来，形成包含行人的边界框样本，提供行人目标的准确边界框信息，为后续的。

31、行人边界框数据生成和非极大值抑制提供基础，非极大值抑制通过排除冗余的边界框，选择置信度最高且不重叠的行人边界框，提供准确的行人位置和边界框信息，为后续的滑窗边界框动态数据生成和行人跟踪分析提供基础，滑动窗口分段将细节增强监测视频切分成连续的滑动视频段，每个滑动视频段包含一定长度的时间序列帧，生成的滑动视频段提供连续的视频数据，用于后续的行人跟踪分析和滑窗边界框动态数据生成，动态跟踪分析利用滑动视频段和行人边界框数据，对行人目标在时间序列上的运动和轨迹进行分析和跟踪，生成的滑窗边界框动态数据提供行人目标的运动、速度、加速度等动态信息，为电力设施防外破警示灯的数据处理提供更加全面和准确的信息基础。。

32、0014优选地，步骤S35的具体步骤为：步骤S351：根据滑窗边界框动态数据对时序帧序列进行逐帧遍历，生成时序帧边界框序列；步骤S352：对时序帧边界框序列进行行人静态特征分析，以生成行人静态特征数据；步骤S353：基于行人静态特征数据对实时监控视频进行动态特征辨识，生成行人动态特征数据；步骤S354：对行人静态特征数据及行人动态特征数据进行逐帧视觉特征分析，以生成行人视觉特征数据。0015本发明通过逐帧遍历滑窗边界框动态数据将其应用到原始的时序帧序列中，根据每一帧的时间戳将相应的滑窗边界框关联到对应的帧上，提供每一帧中行人目标的边界框信息，用于后续的行人静态特征分析和行人视觉特征数据生成，行。

33、人静态特征分析对每个时序帧中的行人边界框进行特征提取和分析，例如行人的外貌、服装、体态等静态特征，生成的行人静态特征数据提供行人目标的静态特征信息，用于后续的行人动态特征辨识和行人视觉特征数据生成，动态特征辨识利用行人静态特征数据对实时监控视频中的行人进行说明书4/19 页9CN 117523807 A9动态特征提取和分析，例如行人的步态、动作等动态特征，提供行人目标的动态特征信息，用于后续的行人视觉特征数据生成和行人跟踪分析，逐帧视觉特征分析结合行人静态特征数据和行人动态特征数据，对每一帧中的行人目标进行综合的视觉特征提取和分析，提供行人目标的综合视觉特征信息，包括静态特征和动态特征，用于电。

34、力设施防外破警示灯的数据处理和行人识别任务。0016优选地，步骤S4的具体步骤为：步骤S41：通过行人视觉特征数据对行人边界框数据进行行人区域特征点提取，以获取区域特征点；对区域特征点进行帧间光流计算，以生成特征点光流向量；步骤S42：对特征点光流向量进行光流序列构建，生成光流观测序列；基于光流观测序列对行人边界框数据进行光流追踪分析，以生成行人光流追踪数据；步骤S43：基于行人光流追踪数据对环境监测视频进行光流矢量分析，以生成光流矢量序列；步骤S44：对光流矢量序列进行帧间平移矢量计算，以生成帧间运动轨迹；步骤S45：对帧间运动轨迹进行序列移动轨迹重构，以生成行人移动轨迹序列；步骤S46：对。

35、行人移动轨迹序列进行轨迹曲线形态分析，以生成轨迹曲线形态数据；步骤S47：利用轨迹曲线形态数据对行人移动轨迹序列进行异常行为分析，以生成异常行为数据。0017本发明通过光流追踪分析利用行人视觉特征数据对连续帧之间的行人边界框进行跟踪，通过计算行人在连续帧中的位移信息来生成行人光流追踪数据，提供行人目标在时间上的连续轨迹信息，用于后续的光流矢量分析和行人移动轨迹序列生成，光流序列构建利用特征点光流向量将相邻帧的光流信息串联起来，形成光流观测序列，生成的光流观测序列提供连续帧之间的光流变化趋势，用于后续的光流追踪分析和行人光流追踪数据生成，光流追踪分析利用光流观测序列和行人边界框数据进行行人目标的。

36、连续追踪，提供行人目标在时间上的连续轨迹信息，用于后续的电力设施防外破警示灯的数据处理和安全防护。利用行人光流追踪数据对环境监测视频中的光流进行提取和分析，得到每一帧中的光流矢量信息，生成的光流矢量序列提供视频中每一帧的光流运动信息，用于后续的帧间平移矢量计算和行人移动轨迹序列生成，帧间平移矢量计算利用光流矢量序列中的相邻帧之间的光流矢量信息，计算行人在连续帧之间的平移位移矢量，提供行人目标在连续帧之间的平移运动轨迹信息，进行行人移动轨迹序列生成和轨迹曲线形态分析，轨迹曲线形态分析利用行人移动轨迹序列中的轨迹点坐标信息，对行人运动轨迹进行形态特征提取和分析，例如轨迹的形状、长度、速度等，提供行。

37、人运动轨迹的形态特征信息，用于后续的异常行为分析和电力设施防外破警示灯的数据处理，异常行为分析利用轨迹曲线形态数据对行人移动轨迹序列进行异常行为检测和识别，例如不寻常的运动模式、停留时间异常等，生成异常行为数据，异常行为数据提供行人移动轨迹中可能存在的异常行为信息，用于电力设施防外破警示灯的数据处理和安全警示。0018优选地，步骤S5的具体步骤为：步骤S51：对异常行为数据进行动态行为分析，生成动态行为数据；步骤S52：对动态行为数据进行行为特征提取，以生成动态行为特征数据；说明书5/19 页10CN 117523807 A10步骤S53：基于预设的历史行为数据库对动态行为特征数据进行细节行为。

38、分析，以生成动作细节行为数据；步骤S54：通过动作细节行为数据对异常行为数据进行破坏行为识别，当检测到破坏行为，利用警示灯及声波雷达进行设备声光报警，并实时监测行人移动路径，生成行人破坏监测数据。0019本发明通过动态行为分析对异常行为数据进行深入分析和理解，识别行为模式和趋势，生成动态行为数据，动态行为数据包含对异常行为的详细描述和特征，为后续的行为特征提取和细节行为分析提供基础，行为特征提取从动态行为数据中提取关键特征，如行为频率、持续时间、运动轨迹等，生成的动态行为特征数据呈现异常行为的重要特征，用于后续的细节行为分析和破坏行为识别，细节行为分析利用预设的历史行为数据库对动态行为特征数据。

39、进行对比和匹配，识别和分析具体的行为细节，生成的动作细节行为数据提供了异常行为的更加详细和精确的描述，为破坏行为识别和警示作业提供依据，破坏行为识别利用动作细节行为数据对异常行为进行识别和分类，判断是否存在破坏行为，当检测到破坏行为时，通过警示灯和声波雷达进行设备声光报警，提醒周围人员注意，实时监测行人移动路径记录行人的活动轨迹和行为路径，生成行人破坏监测数据，用于后续的分析和记录。0020优选地，步骤S6的具体步骤为：步骤S61：通过传感器对环境感知数据进行光照空间分布分析，生成光照空间分布数据；步骤S62：利用电力设施环境光照强度计算公式对光照空间分布数据进行环境光强计算，以生成环境光强指。

40、数；步骤S63：基于预设的环境光强阈值指数对环境光强指数进行昼夜分析，当预设的环境光强阈值指数大于或等于环境光强数据时，则判定为夜间环境，并对警示灯发送夜间灯光信号；步骤S64：基于夜间灯光信号对警示灯进行定时警醒处理，以生成夜间警醒数据；步骤S65：对车辆警示数据、生物驱离数据、行人破坏监测数据及夜间警醒数据进行防外破决策分析，以构建智能防外破决策模型，执行电力设施防外破警示作业；本发明通过光照空间分布分析利用传感器获取的环境感知数据，对环境中的光照强度进行分析和测量，提供了不同位置的光照强度信息，用于后续的环境光强计算和昼夜分析，环境光强计算利用电力设施环境光照强度计算公式，基于光照空间分。

41、布数据计算环境中的光照强度，生成的环境光强指数指示当前环境中的光照强度水平，用于后续的昼夜分析和夜间灯光信号判定，昼夜分析根据预设的环境光强阈值指数与实际环境光强指数进行对比，判断当前是否处于夜间环境，夜间灯光信号的发送触发警示灯的夜间模式，用于后续的夜间警醒处理和数据记录，夜间警醒处理基于夜间灯光信号控制警示灯的工作模式和定时警醒策略，生成的夜间警醒数据记录警示灯在夜间期间的警醒状态，用于后续的防外破决策分析，防外破决策分析利用车辆警示数据、生物驱离数据、行人破坏监测数据和夜间警醒数据进行综合分析和决策制定，构建的智能防外破决策模型，根据不同数据的情况，自动判断是否触发警示作业，提高电力设施。

42、的安全性和防护能力。0021优选地，步骤S62中的电力设施环境光照强度计算公式具体为：说明书6/19 页11CN 117523807 A11；其中，为电力设施环境光照强度指数，为空气透光率，为当前环境的光线反射率，为光源的光线反射角，为光源的直接光强度，为光源到电力设施的直线距离，为当前环境下的云层的透光率，为环境湿度，为展宽系数。0022本发明通过计算光源的直接光强度，考虑空气透光率、环境的光线反射率和光线反射角，使得计算结果更加准确，反映光线在传播过程中的衰减和反射情况，提供光照强度的基本计算，通过计算考虑云层透光率、环境湿度和展宽系数的补偿因子，根据光源到电力设施的直线距离、云层的透光率。

43、、环境湿度以及展宽系数进行计算，用于调整光照强度的补偿，考虑光源到电力设施的直线距离、云层的透光率、环境湿度和展宽系数，使得计算结果更加准确，提供针对不同环境条件进行光照强度的补偿，使计算结果更加符合实际情况，反映当前环境中的光照强度水平，用于后续的昼夜分析和夜间灯光信号判定。通过计算公式中的各个参数和补偿因子，更准确地计算电力设施周围环境的光照强度，为后续的决策和操作提供可靠的依据。0023在本说明书中，提供一种电力设施防外破警示灯的数据处理系统，包括：环境感知模块，对电力设施进行环境感知，以获取环境感知数据；根据环境感知数据利用超声波传感器对环境感知数据进行车辆靠近检测，以生成过往车辆数据。

44、；对过往车辆数据进行声波反射距离计算，以生成车辆距离数据；生物驱离模块，基于预设的电力设施安全距离阈值对车辆距离数据进行安全距离分析，当车辆距离数据小于或等于预设的电力设施安全距离阈值时，通过警示灯进行警示灯闪烁提醒，以生成车辆警示数据；利用声波雷达对电力设施进行生物反应检测，以生成环境生物数据；根据环境生物数据对电力设施进行周边超声波驱离处理，以生成生物驱离数据；视觉特征模块，利用摄像头对电力设施进行实时视频监控，以获取环境监测视频；对环境监测视频进行行人识别，并进行数据标记，以生成行人标记数据；根据行人标记数据对环境监测视频进行边界框分割，以生成滑窗边界框动态数据；根据滑窗边界框动态数据对。

45、实时视频监控进行逐帧视觉特征分析，以生成行人视觉特征数据；光流追踪模块，通过行人视觉特征数据对滑窗边界框动态数据进行光流追踪分析，以生成行人光流追踪数据；基于行人光流追踪数据对环境监测视频进行序列移动轨迹重构，以生成行人移动轨迹序列；对行人移动轨迹序列进行异常行为分析，以生成异常行为数据；破坏行为识别模块，基于预设的历史行为数据库对异常行为数据进行破坏行为识别，当检测到破坏行为，利用警示灯及声波雷达进行设备声光报警，并实时监测行人移动路径，生成行人破坏监测数据；防外破决策模块，通过传感器进行环境光强计算，以生成环境光强指数；对环境光强指数进行昼夜分析，当环境为夜间时，对警示灯进行定时警醒处理，。

46、以生成夜间警醒数说明书7/19 页12CN 117523807 A12据；对车辆警示数据、生物驱离数据、行人破坏监测数据及夜间警醒数据进行防外破决策分析，以构建智能防外破决策模型，执行电力设施防外破警示作业。0024本发明通过构建电力设施防外破警示灯的数据处理系统，环境感知模块提供对电力设施周围环境的全面了解，包括车辆的存在和距离等信息，帮助了解电力设施周边交通流量的情况，为交通管理和规划提供参考依据，帮助评估车辆与电力设施的距离，进而进行安全距离分析和警示判断，确保电力设施的安全运行，通过生物驱离模块进行安全距离分析根据预设的安全距离阈值对车辆距离数据进行评估，当车辆距离过近时可以及时发出警。

47、示，以避免车辆与电力设施发生碰撞，保障人员和设备的安全，车辆警示数据的生成可以记录车辆靠近电力设施的情况，并通过警示灯的闪烁提醒驾驶员注意安全，减少事故风险，生物驱离数据的生成根据声波雷达的检测结果，对电力设施周边的生物进行超声波驱离处理，避免生物对设施造成损害，保护设备的正常运行，视觉特征模块通过实时视频监控提供对电力设施周围环境的视觉信息，及时发现潜在的安全隐患和异常情况，行人识别和数据标记可以准确识别出环境监测视频中的行人，并为后续的行人轨迹分析和异常行为识别提供准确的数据基础，滑窗边界框动态数据的生成通过对环境监测视频进行边界框分割，获取行人在视频中的位置和运动轨迹信息，为后续的行人移。

48、动轨迹重构和光流追踪提供输入数据。光流追踪模块通过分析行人在连续帧之间的位移和运动方向，获取更准确的行人运动轨迹信息，为后续的移动轨迹重构和异常行为分析提供更精细的数据，将行人在环境监测视频中的运动轨迹按照时间顺序进行重建，异常行为数据的生成可以通过对行人移动轨迹序列进行分析和比对，识别出与正常行为不符的行为模式，为后续的破坏行为识别和警示提供依据。破坏行为识别模块，通过与历史行为数据库进行比对，判断当前行人的行为是否属于破坏行为，及时发现并预警潜在的破坏行为，保护电力设施的安全，设备声光报警的触发可以通过警示灯闪烁和声波雷达的声音，引起周围人员的注意，提醒其注意行为规范，减少破坏行为的发生，。

49、行人破坏监测数据的生成可以记录破坏行为发生的时间、地点和行人信息，为后续的安全分析和事件调查提供参考，防外破决策模块通过传感器对环境中的光强进行计算，了解当前环境的光照情况，判断是否处于夜间或昏暗环境，并提供环境光强指数作为后续分析和决策的依据，根据环境光强指数进行昼夜分析，可以确定当前环境是否为夜间，区分白天和夜间的工作模式，环境被确定为夜间时，系统会对警示灯进行定时警醒处理，在夜间时段，警示灯会以特定的频率或方式进行闪烁，以提醒周围人员注意电力设施的存在和安全。夜间警醒数据记录警示灯的工作情况，包括闪烁频率、时间段等，结合车辆警示数据、生物驱离数据、行人破坏监测数据及夜间警醒数据，系统进行。

50、防外破决策分析，包括对不同数据源的综合分析和比对，以识别潜在的安全风险和异常行为，例如，当车辆警示数据和行人破坏监测数据同时出现时，系统可以判断可能存在非法入侵行为，通过这种决策分析，系统提前发现和预警潜在的外部破坏行为，基于防外破决策分析的结果，构建智能防外破决策模型，智能防外破决策模型根据实时的车辆警示数据、生物驱离数据、行人破坏监测数据和夜间警醒数据，自动判断是否需要触发警示作业。例如，当外部破坏行为的风险较高时，模型可以决定启动警示灯、声音报警等措施，以防止进一步的破坏并保护电力设施的安全。说明书8/19 页13CN 117523807 A13附图说明0025图1为本发明一种电力设施防。