电力作业属于高风险行业，严重违章可能发生人身伤亡，导致不可挽回的损失。因此，在作业过程中，有必要特定区域进行人员监测，当人员误入危险区域时，采取一定的措施来进行预防，防止灾难发生。因此，急需一套实时监控系统，通过摄像头实时监控危险区域，当工人出现在危险区域时自动检测出目标，并将检测信号转换为声光报警器的控制信号发出警报提醒进入危险区域的人员离开，同时发出设备停机信号制动设备，防止出现安全事故。 传统的人员检测算法的检测精度较低，容易出现误识别的情况，同时检测的速度也很缓慢，无法达到实时检测的要求。近几年，随着深度学习的火热，出现了性能优秀的多层卷积神经网络框架，能够实现对图片特性的高效提取，同时具有很强的泛化能力与检测精度，实现了对图像的大规模精确分类。基于深度学习的目标检测算算法这种环境下的检测精度和检测速度都好于传统的机器学习算法。 项目以人工智能技术为手段，精准把握人员安全管理的行业需求，应用机器视觉、体态识别、异常行为分析预警等人工智能技术，在安全防范、监管实施、质量检测和生产流程管理方面，实现实时监控、自动发现问题、主动预警，提高了过去依靠肉眼或“远水救不了近火”的窘境。同时结合工作票的内容对供电区域实时监控，精准区别“工作状态”和“非法入侵”，“合规工作”和“违规工作”，实现供电区域的精准化监控。在危险区域划分层面，为了应对现场复杂的作业环境，采用了多个监测摄像头联合使用的方式，实现了多角度、全方位的监测。这些摄像头能够实时传输高质量的视频信号，为现场作业人员提供准确的视觉信息，帮助他们更好地了解现场情况。采用智能视频分析技术，监测具有高效实时性，平均延迟不超过0.32s，即使在非常短的时间内发生异常情况，也可以迅速被发现并采取相应的措施，提高了安全性和可靠性。并结合工作票对供电区域进行实时监控，避免了大量误告警的产生，减少监控系统对运维检修工作带来的不便。