本书将人脸表情识别、姿态识别、目标检测、目标识别等人工智能方法，应用于电力系统的发电、输电、变电等多个领域，实现了视频或图像关键信息的特征提取和分析；通过仿真实验研究，建立了表面缺陷的自动视觉检测系统及电力设施周边场景的目标观测模型。书中涉及了电力人员行为规范、违规行为告警、工器具使用监管等多项无人化智能监管，以及电力行业施工及现场作业的数字化、精细化、智慧化的监管管理方面的重要的研究成果。本书适合高校电力工程、电力系统及其自动化、信息工程等专业和从事机器视觉技术和管理的相关读者使用。

1 电力**保障的机器视觉技术概述 1.1 电力**保障的定义 1.2 机器视觉技术的概述 1.3 电力领域机器视觉技术发展现状 1.4 电力领域机器视觉技术发展规划 参考文献 2 机器视觉技术在电力设施表面检测的应用 2.1 常见设备表面视觉检测概述 2.2 电缆表面破损检测应用 参考文献 3 机器视觉技术在电力设施周边视频监控的应用 3.1 传统的机器视觉目标检测方法 3.2 基于运动反馈的目标检测方法 3.3 电力设施周边场景目标观测模型 3.4 分段式多目标跟踪算法研究 3.5 电力设施在摄像头组网条件下的异常检测技术 3.6 异常检测技术在电力设施智能监控中的应用 参考文献 4 电力人员**设备佩戴自动识别 4.1 概述 4.2 头部**帽特征提取算法 4.3 基于深度学习的**帽佩戴识别算法 4.4 **设备佩戴自动识别设计 参考文献 5 电力人员疲劳状态自动识别 5.1 概述 5.2 疲劳状态识别检测系统设计 5.3 疲惫状态自动检测应用 参考文献 6 电力系统中人员情绪智能评估 6.1 概述 6.2 人员情绪识别方法 6.3 面部表情识别方法 6.4 人脸与行为特征结合的预警目标评估方法 6.5 微小人脸情绪感知方法 6.6 情绪感知在电力系统领域的应用 参考文献 7 人员密集区域的电力设施**保障 7.1 概述 7.2 异常目标观测模型 7.3 异常目标跟踪算法 7.4 密集场景小群体实时检测方法 参考文献 8 电力厂区事故状态下人群疏散的**保障 8.1 概述 8.2 基于行为一致性的人群疏散算法 8.3 基于支持向量机特征权值优化的人群疏散算法 参考文献 索引