引言：通常来讲，电力现场施工的重点在于维护电力现场安全。近年来，现场工作人员采用人脸识别和现场视频相结合的方法签到逐渐变成了安全管控系统的主要工作模式。因此，研究电力现场安全管控系统运用人脸识别技术的具体策略具有一定现实意义。
一、当前电力现场安全管控的概况
伴随电力企业持续、深入的发展，其业务范围得到进一步扩展，国内各地电力检修任务、电力运维任务、农网改造任务以及电网建设任务迫在眉睫，这使得现场管控战线长、现场管控面广、现场管控点数量多变成了电力现场安全管控的常态化现场。由于电力企业的业务不断拓展，管控人员的职业素质高低不一，电力现场安全管控具有较大的难度，存在诸多高风险作业，这便对电力企业的现场安全管控提出了较高要求。人脸识别技术出现后，电力企业的现场安全管控能力大大提升，但国内人脸识别技术在电力现场安全管控方面的应用并不成熟，因此加强人脸识别技术的研究十分必要。
二、人脸识别技术的应用优势
电力现场工作人员管理是施工企业的重要工作，全面管理现场人员的身份能够减少或防止现场安全风险的人员因素。目前，电力现场使用较多的身份验证方式有指纹识别、RFID、二维码等，这些验证人员身份的方法不仅成本高，而且安全管控的效率低下。若采用人脸识别技术，那么以上问题就能得到有效解决。
应用人脸识别技术有诸多优势，首先，人脸识别技术的成本低廉[1]。互联网技术和信息技术的飞速发展使得智能手机、摄像头、相机、计算机等电子设备得到普及，为人脸识别技术的运用提供了便利，降低了运用人脸识别技术的成本。其次，人脸识别技术具有较高的精确度。不同个体的生物特征各不相同，采用人体面部直接识别的方法，既简单直接又难以模仿。再次，人脸识别技术具有较高的效率。采集影像十分容易，采集时可以使用智能手机、摄像头和相机等移动设备，这些移动设备便于使用，无需多人操作，采集过程也易于现场人员接受。最后，人脸识别技术正朝着有效个体证件的方向不断发展，结合大数据时代庞大的数据库，人脸识别技术发展愈发成熟，识别现场人员的效率也越来越高。由此可以发现，人脸识别技术凭借其识别便捷、数据库庞大、高精确性、高灵活性等应用优势，可充分运用于电力现场安全管控。
三、电力现场安全管控系统运用人脸识别技术的具体策略
（一）构建人脸识别模糊系统
安全管控系统分割人脸影像时，自动得到理想分割结果的过程存在不确定性，分割人脸肤色作为其中的一个模块也有该问题存在。针对这一问题，基于模糊集理论来处理人脸识别分割的不确定性能够充分增强分割效果。一般来说，安全管控系统中的分类器采用的分割级别为像素级别。在该分割模式下，需识别的影像会细化到若干个像素，每个像素都有对应的标签。根据模糊集理论，人脸识别需要进行训练和监督，对多种空间颜色基本数据展开全面利用。各空间颜色以独立模糊集的形式存在，分割人脸肤色的全过程可向模糊函数的形式转化，从而正确表达各标签对于图形像素的隶属度。在给定彩色图像的前提下，图像的像素数量固定，空间颜色中的一个颜色向量可代表一个像素。
在识别人脸方面，可利用模糊集对颜色分布数据进行有效计算。比如，先将180个人脸图像从人脸数据库里取出，使用人脸皮肤信息建立一个颜色分布图，随后将颜色分布图展开归一化处理。人脸数据库里的人脸图像信息较多，设置采集时间为3个月，对每个人员进行6次人脸图像采集。人脸数据库里的人员背景相同，只有成像光照存在一定差异。背景像素又叫作非肤色像素，在人脸识别技术中，可通过模糊集对背景过渡区和前景过渡区所具有的模糊性进行判断。以往的研究表明，在空间颜色的色度、亮度相分离时，颜色数据只在色度通道中存在，同时，识别肤色时在较大程度上会被图像亮度所影响[2]。因此，建立模糊模型时需要对多通道数据信息进行综合利用，增强人脸识别模糊模型的效果。
（二）建立人脸识别熵模型
通常来讲，安全管控系统中的人脸识别参数估计可通过熵原则来解决。对于人脸识别领域来讲，熵是人脸识别技术经常使用的分割工具，被人们广泛运用于分割图像问题。而对于人脸肤色分割的分割人脸图像形式，也可通过建立人脸识别熵模型的方法对各个空间颜色进行处理。要想实现熵模型的最大化求解，应对模型参数进行合理选取，该求解过程涉及所有颜色通道与空间颜色，需要将若干人脸图像从人脸数据库中取出，构建一个安全管控系统的人脸识别熵模型。
（三）进行人脸识别实验验证
建立人脸识别熵模型后，应进行人脸识别实验验证。为了增强实验验证的有效性，可采用FERET、VALID、XMVTS等模糊数据集。在人脸识别实验中，VALID人脸数据库包含120张人脸图像数据用于测试，实验时间是一个月，人脸图像采集次数为5次。FERET人脸数据库包含13000张人脸图像数据用于测试，实验时间是一个月，人脸采集次数为5次，且人脸图像只选取正面图像。以上人脸图像数据含有非洲、亚洲和美洲等多种肤色，各人脸识别模糊集需以相同程序设计训练集，从而确保安全管控系统人脸识别参数的准确性。
与此同时，出于对安全管控系统验证的考虑，实验中的性能对比选取了SPM、硬分割这两种不同的验证算法。其中，硬分割算法能够为不同颜色通道分别进行分割阈值的确定，对人脸图形像素进行科学分类，不同阈值通过对模糊集的比对来确定[3]。而SPM算法能够为不同颜色通道构建一个贝叶斯模型。通过验证，安全管控系统在FERET、VALID、XMVTS等模糊数据集中都能顺利完成图像分割，并且图形像素的漏检率、虚警率相对较低，识别表现更加稳固，鲁棒性良好。
（四）管控现场人员
基于人脸识别技术建立电力现场安全管控系统后即可投入使用。电力现场的人脸识别流程为：首先，对工作人员的人脸图形数据信息进行注册。先在安全管控系统中登记工作人员的各项基本信息，再通过摄像头对工作人员的人脸进行拍摄和记录，对其脸部生物特征进行扫描，随后将以上信息存储到安全管控系统中。其次，收集电力现场影像。借助电力现场的摄像头、智能手机等电子设备对工作人员进行抓拍，获取其人脸信息。最后，验证工作人员人脸，匹配成功后完成签到与身份确认。
结语：总而言之，研究电力现场安全管控系统运用人脸识别技术的具体策略具有重要的意义。相关人员应对当前电力现场安全管控的概况有一个全面了解，充分把握人脸识别技术的应用优势，能够通过构建人脸识别模糊系统、建立人脸识别熵模型、进行人脸识别实验验证等方式科学运用人脸识别技术，从而完善安全管控系统，提高现场安全管控水平，保证电力现场的人员安全。
参考文献：
[1]吴宇红,费继华,郑军,等.浅析人脸识别系统与变电站施工现场安全信息化管理[J].中国新通信,2020,23(08):130-131.
[2]邸铮,詹龙.基于人脸识别技术的电力服务客户身份自动识别系统设计与应用[J].信息通信,2019，(10):93-94.
[3]马力,王致,张丹,等.基于深度学习的人脸识别技术在电力巡检机器人中的应用研究[J].自动化与仪器仪表,2019，(02):36-38.