变电站在趋向于无人值守化的同时,对站场的安全要求也越来越高,“四遥”技术虽然能够实现对站内设备和环境的监控,但对其周界和门禁区域的防范还不够完善,“遥视”的普及虽然能起到对变电站的全面监控,但还主要用于记录和保存站场当时的工作状况,总之,变电站的整体安防水平还并不能满足无人值守化的需要,因此,本文打算借助于人脸识别和人体检测技术去丰富遥视功能,进一步提升变电站的安防水平,具体工作内容如下:针对变电站中视频监控图像会受到光照、噪声等因素的影响,采用灰度变换、噪声滤波、图像增强和尺度归一化等操作对图像进行预处理。人脸识别算法在变电站门禁管理的应用中,主要涉及到人脸的特征提取以及特征提取后的人脸分类识别算法。根据变电站工作环境的特点,论文对特征提取以及分类算法进行了分析和实现,找到符合变电站工作环境的人脸识别算法。在特征选择上,对比了 LBP、PCA和LDA三种特征提取方法的识别效果,在抗光性和识别率上,LBP表现较好:为降低噪声影响,对LBP做了改进处理;为提高识别效率,采用PCA做了降维处理。在分类器选择上,对比了使用KNN、SVM和BP神经网络三种分类器的识别效果,在样本类别和数量较少的情况下,KNN识别率较高,SVM效率较高。最后根据以上选择的结果,采用基于改进LBP+KNN-SVM的人脸识别方法用于变电站门禁管理。人体检测算法在变电站工作区域异常人员活动监控的应用中,主要涉及到人体的特征提取、以及特征提取后的人体分类检测算法。根据人体检测用于变电站区域的功能和变电站环境特点,论文从特征提取、分类器和检测方式三个方面来选择检测效果较好的方法。在特征选择上,对比了基于人体头肩和整个人体HOG特征的检测效果,在人体被遮挡和发生姿态变化时,基于人体头肩的检测效果较好。在分类器选择上,对比了 SVM,级联Adaboost两种分类器的检测效果,在效率上,级联Adaboost表现较好。在检测方式上,采用图像金子塔方式进行搜索实现多尺度空间检测,更符合实际。最后根据以上选择的结果,采用基于人体头肩HOG+级联Adaboost的多尺度人体检测方法用于变电站实现监控预警。最后,基于人脸识别和人体检测,设计并实现了一个变电站人员监视系统。在功能设计上,详细设计了人脸识别在各门禁上的功能和人体检测在各区域上的功能;在功能实现上,实现了人脸识别和人体检测的功能,并以操作数据表的形式对其结果做出了响应处理。