林 磊，钱 平，董 毅，陈志伟

（1.国网浙江省电力有限公司，杭州 310007；2.杭州马太能源互联网技术有限公司，杭州 310012；3.浙江华云信息科技有限公司，杭州 310008）

0 引言

变电站是电能长距离输送过程中升降电压工作的主要完成场所，其首要任务是为生产装置提供安全稳定的电源供应。在电能传输过程中，往往需要多个变电站才能满足长距离、大范围等各种复杂供电需求[1]。为了保证变电站的安全稳定运行，需建立变电站安全监控和保护系统。对变电站进行实时安全监控，是确保变电站安全稳定工作的必要条件。传统的变电站在线监测系统主要是以数字波形采集和处理技术为核心，这些系统利用先进的传感器技术和数字波形采集和处理等技术[2]，其主要检测对象为变电站元器件，并不能对出现在变电站的行人进行安全监测。行人检测由于很难用传统的信号或者传感器信号来进行表征，因而对于传统的变电站在线监测系统来说是难以完成的任务。

近年来，随着深度学习技术的发展，借助深度学习技术等人工智能算法来进行计算机视觉领域内的行人检测问题研究，已经取得比传统的机器学习好得多的成果[3-8]。文献[3]利用多个基于深度神经网络的粒度检测器来进行行人检测，特别是有遮挡的行人检测，其特点之一是所提出的检测器可以被弱标记数据进行训练。文献[4]提出了一个统一的深度模型来进行联合式的特征提取、部件检测和遮挡分类等学习任务，因为在学习过程中组件之间进行了充足的相互交互，因而当这些组件被统一起来进行行人检测的时候，每个组件都能最充分地发挥作用。……