在变电站内,变电站巡检员进行例行巡检时,可能因为与高压变电设备距离过近而发生触电事故,因此实时监测变电站内巡检员与变电设备的距离具有重要意义。本文提出了基于多视图的变电设备安全距离监测方法。该方法通过建立多视图模型,采用机器视觉技术以及人工智能技术对巡检员与变电设备的安全距离进行监测,从而能够有效避免变电站内触电事故的发生。在本文所提方法中需要构建多视图立体视觉模型,用于采集变电站内视频流信息,并通过多视图立体视觉模型将图像中的物点像素坐标转换为世界坐标。在多视图立体视觉模型中,需要对多视图模型中的相机进行相机标定,得到相机的内参,并采用Pn P方法将多视图模型中各个相机的世界坐标系统一到同一个世界坐标系下,求取在同一个世界坐标系下相机的外参。在对多视图模型采集的视频流进行分析时,需要先对对多视图模型采集的视频流进行图像预处理,本文主要对图像进行降噪处理,消除图像中的噪声。分别采用了中值滤波、均值滤波以及高斯滤波分别对椒盐噪声和高斯噪声进行处理,得到高质量图像。然后采用视觉标签定位方法对变电设备进行定位,通过视觉标签检测得到视觉标签在图像中的像素坐标。通过视觉标签定位得到变电设备在图像中的像素坐标。在对巡检员定位中,采用人体姿态估计方法对巡检员进行定位,通过Key Point Rcnn人体姿态估计模型实现对巡检员位姿进行估计,并得到人体17个关键点像素坐标。本文分别对Open Pose、Alpha Pose和Key Point Rcnn人体姿态估计模型进行分析,对比了三种人体姿态估计模型对巡检员的定位效果,并且Key Point Rcnn人体姿态估计模型对巡检员头部关键点检测效果更好。在得到变电设备以及巡检员像素坐标后,再利用多视图模型,根据图像坐标与世界坐标的线性变换,通过最小二乘法将二维像素坐标转换为三维空间坐标,得到巡检员和变电设备在同一个世界坐标系下的三维坐标,进而求取巡检员与变电设备在真实空间中的测定距离。最后依据电力安全规范设定的安全距离,比较测定距离与安全距离,判断巡检员是否处于安全状态。实验表明本文所提方法测距精度高,能满足例行巡检时实时监测巡检员与变电设备安全距离的要求。