随着科学技术的不断进步与人们安全意识的提高,视频监控系统已经越来越普遍,智能视频分析技术也越来越引起人们的重视。智能电网作为电力系统建设的重要组成部分,它的安全高效运行关系到整个电力系统的稳定和安全。从传统“五遥”系统的遥视系统到现在的智能电网建设,智能视频分析技术一直在电力监控技术的发展中发挥着重要作用。本文根据无人值守变电站中智能视频分析技术的要求进行了相关的研究与实验。针对无人值守变电站视频监控中人员身份的识别研究,提出了一种基于卷积神经网络(CNN)和CUDA加速的实时视频人脸识别方法来进行无人值守变电站中人员身份的识别。构建了一个6层结构的CNN人脸识别网络,将在视频帧中通过Adaboost算法检测到的人脸输入所构建的CNN中进行视频人脸识别,结合CUDA并行计算架构,对算法进行加速。此外为了更适用于实际视频监控情况,通过对CNN网络结构末尾Softmax分类器的分类结果进行多级判决引入了开集人脸识别功能;将基于不同学习速率的长短时间双背景模型静态区域检测方法与有限状态机结合,利用时间连续性提高视频监控中滞留物检测的检测效率。并进行相关的比较实验,验证了方法的准确性。最后,将针对变电站中人员身份识别的视频人脸识别方法、滞留物检测方法移植到基于GPU加速的前端嵌入式设备Jetson TK1中,完成了前端嵌入式部署模式的智能视频分析系统,节省了传输带宽,同时保证了算法的实时性和检测识别效果。