CN104463904A - 一种高压线异物入侵目标检测方法 - Google Patents

Abstract

一种高压线异物入侵目标检测方法，本方法包括，从视频监控终端或视频录像中提取相邻帧图像，然后对提取相邻帧图像进行图像的预处理，提取相邻两帧图像运动特征，检测异物或入侵目标，采用形态学方法，对异物入侵目标进行标记，对异物或入侵目标进行跟踪，判断是否影响输电线路，如影响，报警。该方法能够实现对异物入侵目标的快速、准确检测，实时对高压线进行监控，能满足实际应用需要。

Description

一种高压线异物入侵目标检测方法

技术领域

本发明属于电网、电力领域，特别是涉及一种高压线异物入侵目标检测的方法。

背景技术

电力是国民经济的重要基础产业，安全、稳定的电力供应是保障国民经济快速稳定发展的前提。在国家电网中，高压输电线路所处的环境非常复杂、并且易受到损害，因此确保高压线运行安全就显得尤为重要。传统的视频监控系统需要人工监看录像，监控性能受到监控人员本身的生理因素的制约。随着我国高压输电线路规模的快速增长，电力部门承担了越来越多的高压线巡检和维护工作。

智能视频处理技术借助计算机强大的数据处理功能，对视频监控画面中的海量数据进行高速分析，过滤掉监控人员不关注的信息，仅为监控人员提供有用的关键信息，能够大大减轻视频监控人员的工作强度，同时可以减少误报、漏报，提高报警处理的及时性。

因此，当前迫切需要设计一种高压线异物入侵目标检测方法，以便提高检测速度及检测精确度，帮助线路监控维护人员提高工作效率，保证高压线的安全，并且为高压线异物入侵目标自动检测系统提供技术模型。

发明内容

本发明的目的在于提供一种高压线异物入侵目标检测的方法，该方法实现对异物入侵目标的快速、准确检测，实时对高压线进行监控，能满足实际应用需要。

为了达到上述目的，本发明提供一种高压线异物入侵目标检测方法，其特征在于包括下列步骤：

1、从视频监控终端或视频录像中提取相邻帧图像；

2、对提取的相邻帧图像进行图像的预处理；

3、提取相邻两帧图像运动特征，检测异物入侵目标；

4、采用形态学方法对异物入侵目标进行标记；

5、对异物入侵目标进行跟踪，判断是否影响输电线路，如影响，报警。

所述的对提取相邻帧图像进行图像的预处理，首先检测出图像中和输电线路有关的关键区域，然后将关键区域的图像进行灰度化，得到灰度图；

其中为图像中像素点坐标，，m为图像高度，，n为图像宽度， 分别为像素点坐标为的红、绿、蓝通道的像素值， 为像素点坐标的灰度值；

灰度化图像后再对关键区域的图像进行图像平滑，过滤噪声，图像平滑采用中值滤波的方法。

所述的帧图像运动特征的提取是在相邻帧图像之间进行的，是提取局部运动和全局运动的差异的点，分别对相邻两帧图像进行不同尺度的滤波，可得到图像，其中，设当前帧图像为，前一帧图像为，其中滤波器模板满足：

其中，为维向量， ，且满足：

则图像的运动特征为：

其中，为两个相邻帧图像和的每个对应像素做差分。

然后对每一幅运动特征图进行归一化，再融合就形成了最终的目标检测图像：

为不同尺度图像的每个像素点对应相加。

所述的对异物入侵目标进行标记是在检测到异物入侵目标后，得到目标的位置坐标，然后用矩形虚框进行定位标记。

所述的对异物入侵目标进行跟踪是采用改进的MeanShift目标跟踪算法，将像素值u作为特征值，分别对目标和背景的特征值建立归一化直方图，定义目标和背景的区分度，引入权重系数，对目标模型进行加权，用来判断目标特征值与背景特征值区分度。

为目标中特征值u在直方图中的取值，为背景中特征值u在直方图中的取值，这里背景为目标窗口外20 pixel的区域，为固定值，取，则越大，目标与背景区分度越高，表明该特征值描述的是目标，越小，目标与背景区分度越低，表明该特征值描述的是背景，并且取值范围为，将归一化可得到，

MeanShift算法的公式可重新定义为：

公式中  ，并且  ，分别为归一化常量，满足， ，算法的其他步骤和传统的MeanShift算法一致。

本发明提出一种高压线异物入侵目标检测的方法，能够有效进行高压线异物入侵检测。监控高压线附近施工车辆、吊机、挖机等现场大型机械设备的运动状态、行为及其对线路的危害情况进行快速智能判断，可以监视异物靠近或悬挂于导线，同时将预警信息发送至局输电线路状态监测中心。该方法可以实时检测，检测精度高，为高压线异物入侵目标自动检测系统提供技术模型，替代人工巡检。

附图说明

图1为一种高压线异物入侵目标检测方法的流程框图；

图2为一种高压线异物入侵目标跟踪流程图。

具体实施方式

如图1所示，具体检测方法如下：

在步骤S101，从视频监控终端或视频录像中（高清摄像头）提取相邻帧图像；

在步骤S102，根据步骤S101输入的图像，对提取相邻帧图像进行图像的预处理，首先检测出图像中和输电线路有关的关键区域，然后将关键区域的图像进行灰度化，得到灰度图：

其中为图像中像素点坐标，，m为图像高度，，n为图像宽度， 分别为像素点坐标为的红、绿、蓝通道的像素值， 为像素点坐标的灰度值；

灰度化图像后再对关键区域的图像进行图像平滑，过滤噪声，图像平滑采用中值滤波的方法。

在步骤S103，根据步骤S102进行的图像预处理结果，提取相邻两帧图像运动特征，检测异物入侵目标，运动特征的提取是在相邻帧图像之间进行的，是提取局部运动和全局运动的差异的点，分别对相邻两帧图像进行不同尺度的滤波，可得到图像，其中，设当前帧图像为，前一帧图像为，其中滤波器模板满足：

其中，为维向量， ，且满足：

则图像的运动特征为：

其中，为两个相邻帧图像和的每个对应像素做差分。

然后对每一幅运动特征图进行归一化，再融合就形成了最终的目标检测图像：

为不同尺度图像的每个像素点对应相加；

在步骤S104，根据步骤S103进行的目标检测结果，采用形态学方法对异物入侵目标进行标记。在检测到异物入侵目标后，需要对目标进行标记，为目标跟踪做好准备。本发明中，根据检测到的异物入侵目标，得到目标的位置坐标，然后用矩形虚框进行定位标记；

在步骤S105，根据步骤S104进行的目标标记结果，对异物入侵目标进行跟踪，判断是否影响输电线路，如影响，报警。本发明采用改进的MeanShift目标跟踪算法。由于目标所在区域颜色直方图会受到背景像素的影响，当目标模型中包含背景像素较少时，传统MeanShift算法可以获得较好的跟踪效果，但是当目标模型中包含大量的背景像素，传统MeanShift算法会造成目标定位的偏差，为了减小背景像素对目标模型的影响，本发明所述方法将像素值u作为特征值，分别对目标和背景的特征值建立归一化直方图，定义目标和背景的区分度，引入权重系数，对目标模型进行加权，用来判断目标特征值与背景特征值区分度。

为目标中特征值u在直方图中的取值，为背景中特征值u在直方图中的取值，这里背景为目标窗口外20 pixel的区域，为固定值，取，则越大，目标与背景区分度越高，表明该特征值描述的是目标；越小，目标与背景区分度越低，表明该特征值越能描述的是背景。并且取值范围为，将归一化可得到，

MeanShift算法的公式可重新定义为：

公式中  ，并且  ，分别为归一化常量，满足， 。算法的其他步骤和传统的MeanShift算法一致。

然后判断跟踪的目标是否为异物或入侵目标，设定目标标定矩形框高度阈值为H，当被跟踪目标在空中，且运动到高压线区域，并停留在高压线区域时，可以判定是有异物悬挂在导线上了，发出警报；而被跟踪目标在地面移动时，并且当目标高度大于阈值H，可以判定是有入侵目标接近高压线，发出警报。

如图2所示，跟踪过程如下：

流程开始于S201；

在步骤S202，滤波检测异物入侵目标：首先从视频流中读取图像数据，对读取的第二帧开始，通过对当前帧图像和上一帧图像进行滤波、差分进行目标检测，得到目标位置。

在步骤S203，根据步骤S202检测到的目标，进行形态学标记，用矩形虚框进行定位标记。

在步骤S204，根据步骤S203标记的目标，进行异物目标或入侵目标判断，设定目标标定矩形框高度阈值为H，当被跟踪目标在空中，且运动到高压线区域，并停留在高压线区域时，可以判定为被跟踪目标为异物目标；而被跟踪目标在地面移动时，并且当目标高度大于H，可以判定被跟踪目标为入侵目标。

在步骤S205，根据步骤S204判断的结果，初始化本发明的改进MeanShift跟踪算法的待跟踪目标中心，计算目标特征与背景特征权重系数，并归一化。

在步骤S206，根据步骤S205初始化的结果，进行Mean Shift迭代跟踪，计算窗口内目标初始位置的目标概率分布和下一帧候选目标的概率分布。

在步骤S207，根据步骤S206计算的结果。计算MeanShift矢量迭代至收敛点。在每次的Mean Shift矢量迭代过程中，计算相似性度量函数d。

在步骤S208，为相似度判断，如果结果为“是”，进入步骤S209

在步骤S209，设相似性度量为。若，说明目标与候选模型匹配，跟踪有效。得到的收敛点置为初始位置，丢失帧计数清零，继续计算目标初始分布，更新了目标模型，进行下一次Mean Shift迭代。

在步骤S208，如果结果为“否”，进入步骤S210。

在步骤S210，若，说明目标跟踪框偏离目标，跟踪失效。为了纠正目标概率分布的描述，使核函数作用在目标中心上，保留此时的目标特征分布（即不更新目标模型），转用Kalman滤波进行跟踪预测。

在步骤S211，更新目标模型，为下一帧图像目标跟踪做准备。

在步骤S212，根据步骤S210和S211，对目标位置进行标定。

在步骤S213，异物入侵目标报警判断，判断目标是否接近或附着高压线，如果结果为“是”，进入步骤S214。

在步骤S213，如果结果为“否”，进入步骤S206。

在步骤S214，发出警报。 

在步骤S215，流程结束。 

Claims (5)

1.一种高压线异物入侵目标检测方法，其特征在于包括下列步骤：

（1）从视频监控终端或视频录像中提取相邻帧图像；

（2）对提取的相邻帧图像进行图像的预处理；

（3）提取相邻两帧图像运动特征，检测异物入侵目标；

（4）采用形态学方法对异物入侵目标进行标记；

（5）对异物入侵目标进行跟踪，判断是否影响输电线路，如影响，报警。

2.根据权利要求1所述的一种高压线异物入侵目标检测方法，其特征在于：所述的对提取相邻帧图像进行图像的预处理步骤是：首先检测出图像中和输电线路有关的关键区域，然后将关键区域的图像进行灰度化，得到灰度图；

其中为图像中像素点坐标，，m为图像高度，，n为图像宽度， 分别为像素点坐标为的红、绿、蓝通道的像素值， 为像素点坐标的灰度值；

灰度化图像后再对关键区域的图像进行图像平滑，过滤噪声，图像平滑采用中值滤波的方法。

3.根据权利要求1所述的一种高压线异物入侵目标检测方法，其特征在于：所述的帧图像运动特征的提取是在相邻帧图像之间进行的，是提取局部运动和全局运动的差异的点，分别对相邻两帧图像进行不同尺度的滤波，可得到图像，其中，设当前帧图像为，前一帧图像为，其中滤波器模板满足：

其中，为维向量， ，且满足：

则图像的运动特征为：

其中，为两个相邻帧图像和的每个对应像素做差分，然后对每一幅运动特征图进行归一化，再融合就形成了最终的目标检测图像：

为不同尺度图像的每个像素点对应相加。

4.根据权利要求1所述的一种高压线异物入侵目标检测方法，其特征在于：所述的对异物入侵目标进行标记是在检测到异物入侵目标后，得到目标的位置坐标，然后用矩形虚框进行定位标记。

5.根据权利要求1所述的一种高压线异物入侵目标检测方法，其特征在于：所述的对异物入侵目标进行跟踪是采用改进的MeanShift目标跟踪算法，将像素值u作为特征值，分别对目标和背景的特征值建立归一化直方图，定义目标和背景的区分度，引入权重系数，对目标模型进行加权，用来判断目标特征值与背景特征值区分度；

为目标中特征值u在直方图中的取值，为背景中特征值u在直方图中的取值，这里背景为目标窗口外20 pixel的区域，为固定值，取，则越大，目标与背景区分度越高，表明该特征值描述的是目标，越小，目标与背景区分度越低，表明该特征值描述的是背景，并且取值范围为，将归一化可得到，

MeanShift算法的公式可重新定义为：

公式中  ，并且  ，分别为归一化常量，满足， ，算法的其他步骤和传统的MeanShift算法一致。