周封++劉聞博++劉志剛++王丙全++劉健++王晨光

摘要：針對人工監(jiān)測無法時刻保障電力系統(tǒng)安全穩(wěn)定運行的問題，依據(jù)智能視頻技術(shù)的原理及發(fā)展現(xiàn)狀，分析了該技術(shù)在電力系統(tǒng)已有的和可能的應(yīng)用，包括對無人值守變電站的各項檢測、對高壓開關(guān)柜柜內(nèi)器件的檢測以及對野外高壓輸電線路的各項檢測.重點探討了為實現(xiàn)警戒面檢測、遺留物檢測、刀閘狀態(tài)檢測、桿塔檢測等應(yīng)用所需的背景差分法，對目標圖像的灰度提取來進行輸電線路覆冰檢測的自適應(yīng)算法，對于漏油、火焰等矩特征提取的算法，應(yīng)用Kalman濾波及Mean-shift算法實現(xiàn)人員徘徊、導(dǎo)線舞動、導(dǎo)線弧垂越限等運動目標跟蹤檢測算法，提出了該領(lǐng)域未來的研究和發(fā)展方向.

關(guān)鍵詞：智能視頻；電力系統(tǒng)；目標檢測；目標跟蹤

DOI：10.15938/j.jhust.2015.05.003

中圖分類號：TM7

文獻標志碼：A

文章編號：1007-2683（2015）05-0014-06

0 引言

隨著智能電網(wǎng)的高速發(fā)展，在電力系統(tǒng)中應(yīng)用智能視頻技術(shù)來保障其持續(xù)、高效、安全穩(wěn)定運行，已逐漸成為研究的熱點.也是電力系統(tǒng)智能遙視未來的重要發(fā)展方向.

智能視頻技術(shù)源自計算機視覺與人工智能的研究，其發(fā)展目標在于將圖像與事件描述之間建立一種映射關(guān)系，使計算機從紛繁的視頻圖像中分辯、識別出關(guān)鍵目標物體.

目前在電力系統(tǒng)領(lǐng)域應(yīng)用智能視頻技術(shù)還是一個嶄新的課題，對此的研究與開發(fā)較少.目前國內(nèi)僅有清華大學(xué)、上海交通大學(xué)、北京交通大學(xué)、武漢大學(xué)、中國電科院等大學(xué)及科研單位相繼開展了智能視頻技術(shù)在電力系統(tǒng)中應(yīng)用的研發(fā)和理論研究，其研究內(nèi)容主要包括：對運動目標的自動識別報警、對于設(shè)備中開關(guān)狀態(tài)的實時檢測、對于變電站內(nèi)火災(zāi)火焰的檢測報警、對于野外輸電線路情況的檢測等.而在其他諸如地鐵、鐵路、機場、高速公路、軍事等領(lǐng)域，智能視頻技術(shù)已經(jīng)得到較廣泛的應(yīng)用，如通過攝像頭進行車牌識別、射頻識別、條形碼識別、統(tǒng)計行車流量，在城市監(jiān)控中的客流密度檢測和流量統(tǒng)計、人員行為檢測.同時還應(yīng)用于橋梁檢測，實現(xiàn)橋梁底面缺陷自動檢測.由此可見，智能視頻技術(shù)在其他領(lǐng)域的應(yīng)用已經(jīng)慢慢開始形成一個產(chǎn)業(yè).

現(xiàn)今電力網(wǎng)絡(luò)的覆蓋范圍迅速擴大，結(jié)構(gòu)日趨復(fù)雜.在電力系統(tǒng)領(lǐng)域應(yīng)用智能視頻技術(shù)，可以大大減少人為操作事故，使變電站的無人值守、野外高壓輸電線路的智能監(jiān)控等成為可能，已成為電力系統(tǒng)的發(fā)展趨勢.

1 智能視頻在電力系統(tǒng)中的應(yīng)用分析

目前智能視頻技術(shù)在電力系統(tǒng)領(lǐng)域已得到初步應(yīng)用.經(jīng)分析可見，其已有的和可能的研究應(yīng)用主要集中于無人值守變電站、高壓開關(guān)柜以和野外高壓輸電線路等方面，同時還可以進行進一步擴展.

1.1 智能視頻在無人值守變電站的應(yīng)用

隨著無人值守變電站管理模式的推廣，變電站巡檢制度的建立，可逐步實現(xiàn)電網(wǎng)的可視化監(jiān)控和調(diào)度，使電網(wǎng)調(diào)控運行更為安全、可靠.在電力系統(tǒng)，這種監(jiān)控系統(tǒng)也被稱為“遙視系統(tǒng)”.其原理圖如下圖1所示

應(yīng)用動態(tài)前景提取，背景高斯建模，人體跟蹤和特定跟蹤等算法以及特征提取的有機結(jié)合可以實現(xiàn)穿越警戒面檢測、漏油檢測、人員徘徊檢測、檢測遺留物、防止盜竊、火焰智能檢測、視頻狀態(tài)檢測等檢測功能.

總體來看，由于監(jiān)控技術(shù)的不完善，仍存在誤報或漏報的情況，需要進行進一步的研究改進和完善.視頻監(jiān)控的智能化表現(xiàn)為計算機視覺算法在視頻分析中的應(yīng)用.智能視頻監(jiān)控區(qū)別于傳統(tǒng)意義上的監(jiān)控系統(tǒng)在于變被動監(jiān)控為主動監(jiān)控（自動檢測、識別潛在入侵者、可疑目標和突發(fā)事件），即它的智能性.簡單而言，不僅用攝像機代替人眼，而且用計算機代替人、協(xié)助人，來完成監(jiān)視或控制的任務(wù)，從而減輕人的負擔(dān).

1.2 智能視頻在高壓開關(guān)柜上的應(yīng)用

視頻監(jiān)控系統(tǒng)用于高壓開關(guān)柜的設(shè)備運行巡視和倒閘操作觀察，防止出現(xiàn)誤操作，對電力的安全運行造成威脅.并可對柜內(nèi)器件進行實時監(jiān)視，如當發(fā)現(xiàn)瓷瓶出現(xiàn)裂紋等異常時，提醒值班人員及時進行檢修.

通過智能視頻監(jiān)測系統(tǒng)監(jiān)視高壓開關(guān)柜內(nèi)隔離開關(guān)和接地開關(guān)主觸頭狀態(tài)與控制手柄位置和刀閘輔助觸點位置狀態(tài)是否相同，判斷視頻智能分析判斷刀閘狀態(tài)以及對柜內(nèi)器件進行實時監(jiān)視，

應(yīng)用智能視頻技術(shù)監(jiān)測高壓開關(guān)柜，可以大大減少事故的發(fā)生，避免了可能造成的損失，為電網(wǎng)的安全運行提供了有利條件.同時，利用智能視頻技術(shù)，還可以開發(fā)出監(jiān)控高壓開關(guān)柜內(nèi)是否出現(xiàn)電火花等情況的應(yīng)用.

1.3 智能視頻在高壓輸電線路上的應(yīng)用

輸電線路迅速增長，巡視維護工作量越來越大，交叉跨越、線路覆冰、人員活動密集地等線路危險點的觀察是非常必要的，因此可以建立對高壓輸電線路的智能視頻監(jiān)控系統(tǒng)，來保障線路的安全穩(wěn)定運行，其系統(tǒng)結(jié)構(gòu)如圖2所示，

通過背景差分對比、監(jiān)測線路的運動軌跡、圖像匹配和識別、特征提取等算法的結(jié)合可以實現(xiàn)對輸電線路的線路覆冰、絕緣子裂痕、桿塔偷盜與斷線檢測、導(dǎo)線舞動檢測、桿塔傾斜和倒塌檢測、絕緣子閃絡(luò)檢測、導(dǎo)線懸掛異物檢測、導(dǎo)線弧垂越限檢測等.

在高壓輸電線路上應(yīng)用智能視頻技術(shù)進行監(jiān)測，可以省去大量人力物力，而且能夠保證實時性，對危險區(qū)域進行報警，可提高維修效率.但野外場景環(huán)境較為復(fù)雜，仍可能出現(xiàn)誤報等情況.智能視頻分析技術(shù)應(yīng)用往往會受到環(huán)境的干擾，比如光線的變化、樹葉的晃動、雨雪天氣，等等，這些干擾源的干擾比較容易引起誤報.因此，需要設(shè)計優(yōu)化適合的算法應(yīng)用于上述應(yīng)用.

2 關(guān)鍵技術(shù)及相關(guān)算法的研究分析

為實現(xiàn)上述功能，將智能視頻技術(shù)應(yīng)用于電力系統(tǒng)領(lǐng)域，需要使用以下關(guān)鍵技術(shù)及算法.

2.1 數(shù)據(jù)采集及預(yù)處理

首先，需要采集視頻、紅外、放電數(shù)據(jù)等信息，經(jīng)由有線或無線網(wǎng)絡(luò)傳輸至后方服務(wù)器。而后對其進行預(yù)處理工作，包括選定圖像顏色模型、圖像灰度化、圖像直方圖均衡化、圖像去噪、圖像銳化、圖像邊緣檢測、圖像分割等后續(xù)處理工作.

2.2 對目標提取的算法分析

為實現(xiàn)在穿越警戒面檢測、遺留物檢測、盜竊檢測，線路覆冰檢測、絕緣子裂痕檢測、施工人侵檢測等，需要進行運動目標的檢測分析來解決上述問題.目前主要應(yīng)用的是背景差分法，其過程如下：

1）設(shè)置時間間隔T_gap，循環(huán)截取兩幅視頻圖像戶P_i和P_j，分別進行預(yù)處理；

2）設(shè)置最小像素變化值Pmin，采用減法運算計算出前后兩幅視頻圖像對應(yīng)像素點的差值，統(tǒng)計發(fā)生改變的像素點個數(shù)，如式（3-1）所示：

式中，Ⅳ為總的像素改變點數(shù).

3）設(shè)置檢驗圖像狀態(tài)發(fā)生改變的最小閾值N_min和最大閾值N_max，當N≤N_min時，不發(fā)出報警信號，直接排出干擾；當N≥N_max時，也無需發(fā)出報警信號，直接排出干擾；只有當N_min≤N≤N_max時，才認為是監(jiān)測場景中發(fā)生了某種預(yù)定的異常，引起視頻監(jiān)控圖像中的局部發(fā)生了異常改變，需要進行后續(xù)的報警處理，

其運行結(jié)果如圖3所示，經(jīng)過背景差分程序的處理，提取出所需目標，與選定標準對比分析判斷是否發(fā)出警報，

一般獲取背景圖像的理想方法是在場景中無任何目標時采集一幅背景圖像存貯起來，但是由于外界因素的干擾，如日光照射角度變化，沙塵風(fēng)雨天氣以及目標運動頻繁等因素，都會引起背景圖像的不準確，為此，就需要根據(jù)外界環(huán)境變化不斷的更新背景，背景差分方法的主要問題是背景的更新與維護，好的背景圖象更新方法是背景差分法的關(guān)鍵.

2.3 對高壓輸電線路覆冰情況的檢測算法分析

自適應(yīng)算法將覆冰輸電線路作為提取目標，可實現(xiàn)高壓輸電線路覆冰異常報警.覆冰視頻圖像中的目標和其他物體的灰度值存在一定差異，覆冰線路的灰度值只有極少部分接近255.我們可以利用這種特性結(jié)合圖像預(yù)處理算法，進行輸電線路覆冰范圍的提取.

1）按照式（2）計算視頻圖像的平均灰度值GN_average，設(shè)置需要進行覆冰計算的門限值GN_threshold，取其值100～130.

式中，P_i為視頻圖像中每個像素點的灰度值，w為視頻圖像的寬，h為視頻圖像的高，n為總的像素點數(shù).

2）根據(jù)（3）和（4）計算出在G_average和255之間的平均灰度值G_minaverage和G_maxaverage，

3）從背景中分離出帶干擾像素的覆冰輸電線路后，求取覆冰輸電線路形成的連通域，統(tǒng)計覆冰線路處于區(qū)間（G_minaverage，G_average）和（G_maxaverage，255）的總像素點/N_g設(shè)置線路覆冰報警的啟動值N_gmin和N_gmax其中，N_gmin為預(yù)報警啟動值，N_gmax為報警啟動值，均以未覆冰線路的S_L為基準進行設(shè)定.

4）若N_ggmin表明監(jiān)測線路覆冰的可能性極低，不發(fā)出報警信號；若N_g>N_gmin，表明監(jiān)測線路存在覆冰的可能性，進行下一步的比較運算.再將N_g與，N_gmax進行比較：若N_ggmax表明監(jiān)測線路的覆冰可能性不大，輸電線路覆冰量較小，或是由于光照等其他干擾因素造成的灰度值虛高，發(fā)出預(yù)報警信號；若N_g>N_gmax，表明監(jiān)測線路覆冰的可能性很大，覆冰情況較為嚴重，直接發(fā)出報警信號，

對野外高壓輸電線路進行覆冰檢測，首先對圖像進行灰度化與二值化處理，處理結(jié)果如圖4所示.再利用上述算法計算其平均灰度值，將計算出的平均灰度與設(shè)定值對比分析，以判斷是否發(fā)出警報.

2.4 對目標特征提取算法的分析

對于無人值守變電站的漏油檢測、火焰智能檢測以及在野外高壓輸電線路的絕緣子閃絡(luò)的檢測等，需要用到對目標物品進行特征提取.

矩特征是一種線性特征，矩特征對于圖像的旋轉(zhuǎn)、比例尺度和平移具有不變性.比較常用的是Hu矩.

設(shè)f（m，n）是一個有界二維函數(shù)，其（p+q）階原點矩的定義見式（5）：

當f（m，n）在m-n平面的有限區(qū)域內(nèi)分段連續(xù)時，m_pq序列與f（m，n）可以互相唯一確定.

Hu利用歸一化的二階、三階中心矩（p+q≤3）的不同線性組構(gòu)造了7個具有平移、旋轉(zhuǎn)、尺度縮放不變性的不變矩函數(shù)式.可以用于區(qū)分人、動物、火焰及干擾物.可以根據(jù)這7個不變矩表達式來確定運動目標的分類.前方傳輸過來的信息數(shù)據(jù)，在使用Hu矩檢測分析后，與不變矩表達式進行比較，確認識別出火焰，漏油，絕緣子閃絡(luò)的特征時，系統(tǒng)發(fā)出警報，工作人員立即去發(fā)生事故的現(xiàn)場對問題進行解決.

2.5 對運動目標跟蹤算法的分析

利用運動目標的跟蹤，可以實現(xiàn)在無人值守變電站的人員徘徊檢測以及在野外高壓輸電線路中導(dǎo)線舞動檢測、導(dǎo)線弧垂越限檢測等情況的檢測與報警，目前主要應(yīng)用的目標跟蹤有如下兩種方法.

2.5.1 利用Kalman濾波實現(xiàn)運動目標跟蹤

在目標跟蹤中使用Kalman濾波器估計目標運動狀態(tài)可分為3個階段，分別是濾波器初始化、狀態(tài)估計及狀態(tài)更新.

假設(shè)目標的運動狀態(tài)參數(shù)為某一時刻目標的位置和速度，系統(tǒng)為線性狀態(tài)模型：

x（t）表示t時刻的系統(tǒng)狀態(tài)，A（Δt）表示Δt時間內(nèi)的狀態(tài)矩陣，w（t）表示估計誤差，

假設(shè)目標以恒定的速度運動，并且目標大小的變化是線性的，則可得狀態(tài)轉(zhuǎn)移矩陣為：Kalman濾波算法是通過一組觀測值來預(yù)測系統(tǒng)狀態(tài)，在視頻圖像上只能觀測到目標的位置和大小，由于假設(shè)系統(tǒng)狀態(tài)與觀測值之間是線性關(guān)系，則：

y（t）=H（t）x（t）+v（t）.

（8）

這樣就定義了運動模型的狀態(tài)方程和觀測方程，可以運用卡爾曼濾波來估計目標質(zhì)心的位置，并且可以在固定范圍內(nèi)搜索，而不需要在整幅圖像上進行.圖5所示為應(yīng)用Kalman濾波算法進行運動目標跟蹤結(jié)果圖.可以看出通過對背景初始化后提取出運動目標，再根據(jù)運動目標狀態(tài)估計計算出其運動路線，從而對運動目標進行跟蹤檢測.

2.5.2 利用Mean-shift算法實現(xiàn)運動目標跟蹤

Mean-shift是一種基于運動物體顏色直方圖的跟蹤算法，其計算步驟如下：

1）初始幀目標模型描述

假設(shè)目標窗口的第i個像素點的位置為x_i（i=1，2，3，…，n），n為目標窗口的像素點總數(shù)；m為圖像顏色直方圖的柵格總數(shù)，xo為目標窗口的中心.

2）當前幀候選目標模型描述

設(shè)y為當前幀目標預(yù)測位置的中心，選擇一半徑為帶寬參數(shù)h。的圓形區(qū)域作為搜索窗口，當前幀搜索窗口的第i個像素點的位置為x_i（i=1，2，3，…，n_h），n_h為搜索窗口像素點總數(shù).

3）相似性函數(shù)和計算當前幀跟蹤結(jié)果

進行初始幀目標模型和當前幀候選模型之間相似性度量的相似性函數(shù)見式進行泰勒展開，用Mean-shift算法對相似性函數(shù)求最大值，計算新位置為：

以y作為新的目標預(yù)測位置），，重復(fù)步驟2）和3），迭代得到在當前幀目標的最優(yōu)位置.圖6所示為導(dǎo)線出現(xiàn)舞動或懸垂越限的情況，運用Mean-shift算法檢測導(dǎo)線運動軌跡，將檢測出的運動軌跡與預(yù)先設(shè)定的運動軌跡進行比較，若超出設(shè)定值范圍，則發(fā)出警報，提醒工作人員查看情況，以免出現(xiàn)事故.

應(yīng)用上述算法，可以實現(xiàn)對于目標的跟蹤.當有人經(jīng)過時實現(xiàn)實時自動跟蹤檢測，人員停留超過設(shè)定時間系統(tǒng)便自動發(fā)出警報，提醒工作人員有情況出現(xiàn).在野外高壓輸電線路上，通過對目標運動軌跡的檢測與跟蹤，比較預(yù)先設(shè)計好的目標軌跡，超出設(shè)定值后系統(tǒng)報警，提醒工作人員，以便派出工作人員及時解決該問題.

3 結(jié)論

針對目前電力系統(tǒng)的現(xiàn)狀，分析了智能視頻技術(shù)在電力系統(tǒng)無人值守變電站、高壓開關(guān)柜及野外高壓輸電線路的現(xiàn)有和可能的應(yīng)用，并對相應(yīng)的智能視頻算法進行了分析和研究.

1）在電力系統(tǒng)中采用智能視頻技術(shù)除通用的安防監(jiān)測外，對刀閘狀態(tài)、桿塔傾斜、線路懸垂及舞動等監(jiān)測更具有實際工程意義，這是將電力系統(tǒng)的“遙視”升級為“智能遙視”的唯一途徑.

2）背景差分法實現(xiàn)簡單有效，但是由于電力系統(tǒng)工作環(huán)境比較復(fù)雜，如輸電線路的敷冰檢測，在具體應(yīng)用時，結(jié)合背景檢測、環(huán)境檢測算法進行改進，能有效地實現(xiàn)準確的目標特征提取和狀態(tài)辨識.

3）針對電力系統(tǒng)中的動態(tài)目標，典型的如輸電線路的擺動，采用Kalman濾波或Mean-shift算法進行運動目標跟蹤，從而甚至可計算出擺動的頻率、幅度等傳統(tǒng)上無法準確獲知的數(shù)據(jù).