计算机应用

作者：黄萍, 李清, 邱海枫, 王程斯, 黄安子, 张翔

单位：1.深圳供电局有限公司，广东 深圳 518001；2.南京大学 计算机学院，南京 210023

关键词：人脸打码,骨骼点检测,轻量化,实时,视频监控

在电力监控场景中，人员行为的实时监控与分析对保障电力系统的安全稳定运行具有重要意义。然而，监控视频中的人脸信息若未经处理直接暴露将带来严重的隐私泄露风险。传统基于人脸检测的打码方法在复杂的电力环境下存在鲁棒性不足以及计算开销大等问题，难以满足人脸打码的精确性和实时性需求。针对上述问题，提出一种基于头部骨骼点检测的实时人脸打码方法。首先，设计一种基于分层处理策略的头部骨骼点轻量化检测框架，在压缩视频中快速定位人员区域，并在原始分辨率下拼接裁剪区域以批量检测所有人员的头部骨骼点，从而提升检测的效率与精度；其次，提出一种自适应帧间优化策略以利用帧差法快速检测人员数量的变化，并结合人员检测框追踪机制动态调整检测频率，有效减少冗余的计算开销；最后，在边缘节点搭建一套实时人脸打码的原型系统，并通过实验验证性能。实验结果表明，以KAPAO-S模型为例，所提方法相较于原始模型，对监控视频中人脸的打码准确率提高了3.6个百分点，每帧处理时间减少了约2.5 ms，兼顾精确性和实时性。

来源：2026年第2期

《计算机应用》期刊编辑部

查看计算机应用杂志2026年第2期