基于圖像模式識(shí)別技術(shù)的變電站現(xiàn)場(chǎng)異常識(shí)別方法

李茶根 楊 晟 萬(wàn) 輝 周 蓉 王 維 國(guó)網(wǎng)撫州供電公司

為了提高無(wú)人值守變電站視頻監(jiān)控水平，采用監(jiān)控視頻異常模式識(shí)別方法，對(duì)變電站監(jiān)控中的目標(biāo)進(jìn)行分類和提取，產(chǎn)生層次化的分類器結(jié)構(gòu)，支持以向量機(jī)為基本類型的分類器，如果向量機(jī)的分類精度不高，可以對(duì)向量機(jī)進(jìn)行加權(quán)投票。對(duì)多視頻數(shù)據(jù)進(jìn)行仿真，可以實(shí)現(xiàn)目標(biāo)的分類，排除干擾，實(shí)現(xiàn)變電站的防火防盜。

無(wú)人值守變電站；監(jiān)控視頻；異常模式；識(shí)別方法

引言

我國(guó)的電網(wǎng)調(diào)度自動(dòng)化水平越來(lái)越高，無(wú)人值守是變電站的主要運(yùn)行模式。無(wú)人值守模式在“四遙”的基礎(chǔ)上增加遙視功能，可以實(shí)時(shí)監(jiān)控變電站，實(shí)現(xiàn)真正的無(wú)人值守，使電網(wǎng)安全、可靠運(yùn)行。

遙視系統(tǒng)具有監(jiān)控報(bào)警功能，但是只是傳感器的報(bào)警，視頻檢測(cè)只是輔助，監(jiān)控點(diǎn)增多之后，暴露出許多不足，如過度依賴于人工發(fā)現(xiàn)，缺乏對(duì)視頻異常數(shù)據(jù)的判斷。智能視頻監(jiān)控技術(shù)可以克服以上不足，它加入了自動(dòng)視頻分析技術(shù)，采用計(jì)算機(jī)視覺方法，自動(dòng)分析圖像序列，對(duì)場(chǎng)景中的目標(biāo)進(jìn)行定位、識(shí)別和跟蹤，并對(duì)目標(biāo)進(jìn)行分析和判斷，實(shí)時(shí)警告可疑行為。

智能視頻監(jiān)控技術(shù)在電力系統(tǒng)得到了廣泛應(yīng)用，如遠(yuǎn)程圖像監(jiān)控系統(tǒng)，將變電站的圖像傳到調(diào)度中心，預(yù)處理、識(shí)別、對(duì)比、處理圖像，檢測(cè)異常情況，將報(bào)警信號(hào)和圖像視頻傳送到調(diào)度中心，調(diào)控員確定變電站的運(yùn)行狀態(tài)；如利用圖像識(shí)別技術(shù)對(duì)信號(hào)燈、開關(guān)位置和變壓器油液面位置進(jìn)行識(shí)別；如提取變電站運(yùn)動(dòng)物體的路線和數(shù)字特征，用于防盜、巡邏等任務(wù)，提高無(wú)人值守變電站的自動(dòng)化和智能化。

雖然智能視頻分析技術(shù)在變電站視頻監(jiān)控中得到了應(yīng)用，但要進(jìn)一步研究如何提高分析的可靠性并識(shí)別異常模式。監(jiān)控視頻異常模式識(shí)別是模式識(shí)別，識(shí)別結(jié)果取決于特征的選取和分類器的構(gòu)造。本文針對(duì)無(wú)人值守變電站防火防盜需要，對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行分類，提取運(yùn)動(dòng)目標(biāo)特征，產(chǎn)生層次化的分類器結(jié)構(gòu)，提高了識(shí)別精度，排除了干擾物影響，為實(shí)現(xiàn)變電站的防火防盜提供了條件。

1.無(wú)人值守變電站監(jiān)控視頻異常模式識(shí)別系統(tǒng)結(jié)構(gòu)

根據(jù)無(wú)人值守變電站智能視頻監(jiān)控的要求，識(shí)別異常模式的系統(tǒng)結(jié)構(gòu)包括：圖像獲取與預(yù)處理；運(yùn)動(dòng)目標(biāo)檢測(cè)；特征提?。荒Ｊ阶R(shí)別；應(yīng)用AdaBoost算法和分類結(jié)果。其中主要的工作是運(yùn)動(dòng)目標(biāo)檢測(cè)和模式識(shí)別，模式識(shí)別是系統(tǒng)關(guān)鍵。分類器構(gòu)造分為層次結(jié)構(gòu)分類器和AdaBoost集成算法。首先檢測(cè)運(yùn)動(dòng)目標(biāo)，提取特征，層次結(jié)構(gòu)分類器對(duì)目標(biāo)識(shí)別，分類精度不理想的分類器，利用算法加權(quán)投票。

2.關(guān)鍵技術(shù)

2.1 圖像數(shù)據(jù)預(yù)處理

在對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)和特征提取時(shí)，要對(duì)顏色空間的RGB和YUV進(jìn)行轉(zhuǎn)換，RGB空間的圖像用紅綠藍(lán)三個(gè)分量來(lái)表示，任意一點(diǎn)（用n表示）的顏色表示為Rn、Gn、Bn；YUV顏色空間包括亮度信號(hào)和色度信號(hào)。RGB轉(zhuǎn)換為YUV圖像空間要按照一定的換算公式取得，選擇YUV空間的亮度分理，可以提取可疑火焰區(qū)域。

2.2 檢測(cè)運(yùn)動(dòng)目標(biāo)

在靜態(tài)背景下，火焰和白熾燈引起的像素變化，會(huì)引起周圍環(huán)境的變化。火點(diǎn)著后，照亮了周圍環(huán)境，燈打開后，房間被點(diǎn)亮了。人和動(dòng)物進(jìn)入監(jiān)控區(qū)面后，帶動(dòng)了自身以外區(qū)域的變化。人、動(dòng)物、火焰、白熾燈事件發(fā)生后引起的區(qū)域變化有所不同，將人和動(dòng)物做為一個(gè)識(shí)別模塊，將火焰和白熾燈作為另一個(gè)識(shí)別模式。

利用背景減除法進(jìn)行運(yùn)動(dòng)目標(biāo)的檢測(cè)，普遍火焰、白色火焰和白熾燈要進(jìn)行二次亮度提取，提取可疑火焰區(qū)域，再識(shí)別該區(qū)域。

用背景減除法讓當(dāng)前幀與背景幀相減，如果像素相同，則兩者相減結(jié)果為零，反之不為零，為了增強(qiáng)抗干擾性，相減結(jié)果要大于某一閾值，大于閾值的像素點(diǎn)顏色記為白色，其他的記為黑色，得到二值圖。然后提取火焰侯選區(qū)域，火焰亮度大于背景亮度，也要大于某一閾值，得到去除背景干擾的火焰候選區(qū)圖像。

2.3 特征選取

在進(jìn)行模式識(shí)別時(shí)，進(jìn)行特征的提取會(huì)對(duì)分類結(jié)果產(chǎn)生影響，選取的特征包括Hu距、色彩分量、紅色飽和度、圓形度和形狀相似性。其中Hu距可以區(qū)別各種運(yùn)動(dòng)物體，用背景減法可以得到火焰或白熾燈的白色區(qū)域，也可以得到人和動(dòng)物清晰的二值圖。

顏色特征包括RGB空間的顏色分量、紅色飽和度和紅色飽和度與亮度的變化曲線三個(gè)部分。通過實(shí)驗(yàn)表明火焰中心的亮度最高，連緣亮度最低，亮度降低，紅色飽和度增大。

圖形度表示物體形狀的復(fù)雜程度，是火焰識(shí)別的評(píng)判依據(jù)，圓形度=周長(zhǎng)的平方除以面積。

火焰形狀相似性表明的是如果連續(xù)幀圖像的間隔較短，則每幅圖像的火焰形狀具有相似度，連續(xù)幀的相似度是進(jìn)行識(shí)別的基本特性。

2.4 分類器層次結(jié)構(gòu)設(shè)計(jì)

在進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)時(shí)，目標(biāo)識(shí)別分為兩個(gè)模塊 ，一個(gè)是人和動(dòng)物的識(shí)別，另一個(gè)是火焰和白熾燈的識(shí)別。人和動(dòng)物識(shí)別用SVW進(jìn)行分類，火焰和白熾燈是多目標(biāo)分類，用混淆矩陣組合來(lái)構(gòu)造層次結(jié)構(gòu)分類器。

變電站環(huán)境監(jiān)控多目標(biāo)分類，針對(duì)火焰和白熾燈，根據(jù)平面分類器產(chǎn)生的混淆矩陣來(lái)構(gòu)造類別層次結(jié)構(gòu)。通過觀察混淆矩陣，對(duì)角線元素表示的是分類器正確識(shí)別的百分率，非對(duì)角線元素表示的是錯(cuò)誤識(shí)別的百分率，白色火焰的識(shí)別率較高，普通火焰和白熾燈的識(shí)別率很差。

對(duì)混淆矩陣采用L2測(cè)度來(lái)建立相似度矩陣，得到相似性度量矩陣，將普通火焰、白色火焰和白熾燈歸屬為兩個(gè)集合，其中普通火焰和白色火焰分為一個(gè)集合，白熾燈分為另一個(gè)集合，五類目標(biāo)的識(shí)別圖顯示：分類器括號(hào)里的數(shù)字表示分類器分類時(shí)的特征。在初期，火焰的圓形度和白熾燈的圖形度相近，如果目標(biāo)圓形度小于閾值，進(jìn)入第五期的分類器，用開關(guān)相似性特征來(lái)識(shí)別普通火焰、白色火焰和白熾燈，如果目標(biāo)的圓形度大于閾值，進(jìn)入第五期分類器，用圓形度進(jìn)行目標(biāo)的分類。

2.5 AdaBoost算法

AdaBoost是一種集成學(xué)習(xí)算法，對(duì)樣本進(jìn)行重復(fù)取樣，訓(xùn)練具有差異性的分類器集，分類器采用多數(shù)投票規(guī)則，每個(gè)分類器產(chǎn)生分類結(jié)果，這些結(jié)果整合形成集合分類結(jié)果。

3.結(jié)論

無(wú)人值守變電站監(jiān)控視頻異常模式識(shí)別方法包括檢測(cè)識(shí)別監(jiān)控視頻的運(yùn)動(dòng)目標(biāo)，運(yùn)動(dòng)目標(biāo)監(jiān)測(cè)可以發(fā)現(xiàn)場(chǎng)景的變化，模式識(shí)別可以選擇特征與識(shí)別異常。可以利用背景減法檢測(cè)運(yùn)動(dòng)目標(biāo)，構(gòu)造層次化的分類器結(jié)構(gòu)，利用AdaBoost算法可以進(jìn)行加權(quán)投票，以后異常模式識(shí)別方法的研究方向?yàn)檫\(yùn)動(dòng)目標(biāo)的跟蹤和行為的分析。

[1]胡珊.無(wú)人值守變電站智能化遠(yuǎn)程圖像監(jiān)控系統(tǒng)[J].計(jì)算機(jī)工程，2003，29（2）：218-220.

[2]沈祥.無(wú)人值班變電站遠(yuǎn)方監(jiān)控系統(tǒng)的設(shè)計(jì)和應(yīng)用[J].電力系統(tǒng)自動(dòng)化，2004，28（2）：89-90.

[3]張亞東.電力行業(yè)實(shí)現(xiàn)對(duì)機(jī)房和環(huán)境的自動(dòng)化監(jiān)控[J].電力建設(shè)，2005，26（4）：66-68.