1.一种变电站工作区域的人员危险行为识别方法，其特征在于，包括如下步骤：(1)针对变电站工作区域的人员危险行为特点，采集视频数据，建立危险行为数据集；

(2)对采集到的视频数据等时划分为K个片段，并进行帧化将其转化为图片帧，同时得到RGB图像和用TV-L1光流法来提取光流计算得到的光流图像；

(3)构建由并行的ResNet-34网络和LSTM网络组成的双流网络，将步骤(2)获取的光流图像送入双流网络训练，并使用改进的能量谷优化算法对双流网络的超参数进行优化，得到变电站工作区域的人员危险行为识别模型；

(4)对变电站工作区域人员危险行为识别模型进行训练优化，进行变电站监控下的人员行为识别，得到变电站工作区域的人员危险行为识别结果；

(5)将获得的人员危险行为识别结果进行前端界面展示，以便于车站监管人员处理，并进行判断是否需要通过扬声器提醒工人行为是否正确；

步骤(3)所述改进的能量谷优化算法为：

S1：设置EVO算法的目标函数为危险行为识别准确率并初始化相关参数，包括：种群规模、迭代次数、维度大小；

S2：利用佳点集初始化代替原有EVO算法中种群位置的随机初始化，佳点集初始化公式如下：其中，lb为下限，ub为上限，C

S3：根据目标函数计算适应度值，根据计算适应度得出最优解；

S4：EVO算法的优化过程为：

如果粒子的稳定水平高于稳定界，即SL

其中，p

当粒子的稳定水平高于稳定界，即SL

其中，p

如果粒子的稳定水平低于稳定界，即SL

其中，p

如果粒子的稳定水平低于稳定界，即SL

其中，r

如果粒子的中子富集水平低于富集界，即NEL其中，r是一个在[0,1]范围内的随机数，S5：引入柯西变异增强对最优解位置更新的扰动，增加种群的多样性，有助于跳出局部最优，此过程由数学公式表示为：采用贪婪选择策略进行适应度值更新，表达如下：其中，f(p)为标准柯西分布概率密度函数，cauchy是其柯西算子，S6：通过EVO优化过程不断更新当前解，并同步更新全局最优解；

S7：通过给定的最大迭代次数判断是否达到算法终止条件，若未达到则转到S3，在规定迭代次数内输出最优结果。

2.根据权利要求1所述的一种变电站工作区域的人员危险行为识别方法，其特征在于，所述步骤(2)实现过程如下：(21)输入包含人物的连续帧图像；

(22)光流法以假设亮度恒定不变为前提，即像素点运动前后在非常小的时间差内的灰度值保持不变，得到对应的亮度一致性方程：T(x,y,t)＝T(x+dx,y+dy,t+dt)其中，T(x,y,t)是在t时刻像素点(x,y)的灰度值,dx,dy,dt分别是像素点在x,y,t的变化量；将上式按一阶泰勒展开：其中，T

T

其中，a,b分别是光流场在x,y两个方向上的光流分量；

(23)采用TV-L1光流法来提取视频帧在水平和垂直两个方向上的光流，稠密光流的目标函数为：其中,T(x,y)表示当前视频帧，H(x,y)表示作为参考的视频帧,T(x,y)和H(x,y)是连续的两个视频帧；a,b分别表示像素点(x,y)在水平和垂直方向上的偏移量；λ是权值参数,(24)使用TV-L1光流法求解上述目标函数，上述目标函数化简为：其中，

3.根据权利要求1所述的一种变电站工作区域的人员危险行为识别方法，其特征在于，步骤(3)所述的双流网络实现过程如下：将图片输入到双流网络中，其中将单帧的RGB图像输入到ResNet-34网络中提取空间特征，将多帧光流输入到LSTM网络中提取光流图中的时间特征；

通过双流网络提取各片段时空特征后，所有视频片段的时空特征均使用Softmax层获取对应的得分，分别把所有片段空间的得分平均融合，时间的得分平均融合，然后把全局的时空得分平均融合获取最终的行为识别结果，具体公式如下：其中，

4.根据权利要求1所述的一种变电站工作区域的人员危险行为识别方法，其特征在于，步骤(3)所述ResNet-34网络由一个卷积层、一个最大池化层、四个残差卷积层、一个平均池化层和一个全连接层组成；依次经过卷积层和四个残差卷积层提取深层特征。

5.根据权利要求1所述的一种变电站工作区域的人员危险行为识别方法，其特征在于，步骤(3)所述LSTM网络结构有三个门：遗忘门、输入门和输出门，遗忘门确定上一时刻得到的单元状态能保存下来多少，输入门确定此刻输入的信息会有多少能加入单元状态，输出门确定此刻能输出多少特征信息。

6.一种采用如权利要求1至5所述方法的变电站工作区域的人员危险行为识别系统，其特征在于，包括：视频采集模块，通过网络摄像头采集工作区域的人员监控视频；

图像获取模块，用于对采集到的视频数据，将其转化为图片帧，获取RGB图像和用TV-L1光流法来提取光流计算得到的光流图像；

危险行为识别模块，建立由ResNet-34网络与LSTM网络并行构成的双流网络，并使用改进的能量谷优化算法EVO对双流网络中的超参数进行优化，得到变电站工作区域的人员危险行为识别模型；

前端显示预警界面，展示人员危险行为的前端界面，通过训练完成的识别模型识别得出人员行为实时上传前端展示，监管人员通过前端界面提示获取人员是否有危险行为。