电力高压柜安全操作视频分析系统

基于视觉语言模型（VLM）的电力高压柜安全操作视频分析系统，使用 OpenRouter 的 Kimi 多模态模型自动识别操作人员的个人防护装备（PPE）穿戴情况、动作序列、安全违规，并生成自然语言场景描述。

功能特性

• PPE 检测：自动识别安全头盔、绝缘服、绝缘手套的穿戴情况
• 动作识别：按时间顺序提取操作动作（捡起、插入、旋转、打开、关闭等）
• 旋转参数识别：识别旋转方向（顺时针/逆时针）和圈数
• 特殊操作检测：检测接地刀闸操作和标识牌悬挂
• 安全规范判断：根据 PPE 和操作顺序判断是否符合安全规范
• 自然语言场景描述：生成流畅的中文场景描述文本
• 批量处理：支持单视频和目录批量处理
• 断点续传：支持中断后继续处理
• 重试机制：自动重试失败的 API 请求

支持的模型

模型	说明	价格
kimi (推荐)	Kimi K2.5，性价比高	~$0.25/百万 tokens
kimi-vision	Kimi 视觉增强版	~$0.50/百万 tokens

快速开始

1. 安装依赖

pip install -r requirements.txt

2. 配置 API 密钥

获取 API 密钥：

1. 访问 OpenRouter
2. 注册账号
3. 创建 API Key

设置密钥：

# Windows PowerShell
$env:OPENROUTER_API_KEY="sk-or-你的密钥"

# 或编辑配置文件
cp configs/.env.example configs/.env
# 编辑 configs/.env，填入 OPENROUTER_API_KEY

3. 运行分析

分析单个视频：

python analyze.py --video sources_video/video.mp4

批量分析目录：

python analyze.py --video_dir sources_video

断点续传：

python analyze.py --video_dir sources_video --resume

使用 Kimi Vision：

python analyze.py --video_dir sources_video --model kimi-vision

命令行参数

参数	说明	默认值
--video	单个视频文件路径	-
--video_dir	视频目录路径	-
--out	输出结果文件路径	output/results.jsonl
--summary	汇总报告输出路径	output/summary.json
--model	模型（kimi 或 kimi-vision）	kimi
--api_key	OpenRouter API 密钥	环境变量
--max_mb	最大视频文件大小（MB）	80
--timeout	API 请求超时时间（秒）	300
--retries	最大重试次数	3
--resume	断点续传	False
--quiet	安静模式	False

输出示例

场景描述

不规范操作：

一名男子未佩戴安全头盔、未穿着绝缘服、绝缘手套，穿着不规范。弯腰捡起断路器手车摇柄，
将手车摇柄插进摇柄插口，顺时针旋转 9 圈后，拔出手车摇柄放置在地上。起身后，向前伸手。
打开上开关柜门。用右手拨动柜内的二次开关。关闭上开关柜门。

规范操作：

一名工作人员佩戴安全头盔、穿戴绝缘服与绝缘手套，穿着规范。弯腰捡起断路器手车摇柄，
将手车摇柄插进摇柄插口，逆时针旋转 7 圈后，拔出手车摇柄放置在地上。起身后，向前伸手。
打开上开关柜门。用右手拨动柜内的二次开关。关闭上开关柜门。接着弯腰捡起接地开关操作手柄，
将手柄插进中门右下侧六角孔内，顺时针下压合上接地刀闸，将手柄放置于地上。
捡起地上的标识牌悬挂在上柜门。

JSON 输出

{
  "video_path": "sources_video/video.mp4",
  "model": "moonshotai/kimi-k2.5",
  "annotation": {
    "ppe": {
      "helmet": false,
      "insulating_clothing": false,
      "insulating_gloves": false
    },
    "actions": [...],
    "grounding_switch": false,
    "warning_sign": false,
    "sequence_valid": false
  },
  "scene_description": "一名男子未佩戴安全头盔...",
  "report": {
    "violations": ["未佩戴安全头盔", "未穿着绝缘服", "未佩戴绝缘手套"],
    "overall_compliant": false
  }
}

结果分析工具

# 查看统计信息
python scripts/analyze_results.py --input output/results.jsonl

# 导出 CSV
python scripts/analyze_results.py --input output/results.jsonl --export_csv output/results.csv

兼容模式

保留原始脚本，完全兼容：

# 基本用法
python vlm_kimi_video_label.py --video_dir sources_video

# 启用场景描述
python vlm_kimi_video_label.py --video_dir sources_video --with_scene_desc

支持的视频格式

MP4, MOV, WebM, MPEG, M4V, AVI

注意事项

1. API 密钥：需要有效的 OpenRouter API 密钥
2. 视频大小：默认限制 80MB，可通过 --max_mb 调整
3. 网络连接：需要稳定的网络连接
4. 费用：Kimi K2.5 约 $0.25/百万 tokens，单个视频成本极低

项目结构

PowerStationBehaviorRecognition/
├── src/
│   ├── main.py                   # 主程序
│   ├── config.py                 # 配置（仅 Kimi）
│   └── scene_description.py      # 场景描述生成器
├── scripts/
│   └── analyze_results.py        # 结果分析工具
├── configs/
│   └── .env.example              # 环境变量模板
├── sources_video/                # 视频源目录
├── output/                       # 输出结果目录
├── analyze.py                    # 命令行入口
├── vlm_kimi_video_label.py       # 兼容脚本
├── test_project.py               # 测试脚本
├── requirements.txt              # 依赖
└── README.md                     # 项目说明

常见问题

Q: 如何获取 API 密钥？

访问 OpenRouter 注册并创建 API Key

Q: 费用如何？

Kimi K2.5 约 $0.25/百万 tokens，单个视频分析成本极低（约几分钱）

Q: 两个模型有什么区别？

• kimi (Kimi K2.5)：性价比高，推荐用于常规分析
• kimi-vision：视觉增强版，对细节识别更准确

Q: 视频太大怎么办？

使用 --max_mb 参数调整限制：

python analyze.py --video_dir sources_video --max_mb 100

Q: 如何断点续传？

python analyze.py --video_dir sources_video --resume

测试

python test_project.py

许可证

MIT License