王永輝，朱紅岷，賴(lài) 峰

(珠海優(yōu)特電力科技股份有限公司，廣東 珠海 519000)

0 引言

采用調(diào)控一體化管理模式后，大部分變電站都改造為無(wú)人值守變電站，并將原有的集控中心(監(jiān)控中心)改造為運(yùn)維中心，負(fù)責(zé)區(qū)域范圍內(nèi)所有變電站的倒閘操作以及設(shè)備巡檢。變電站管理結(jié)構(gòu)如圖1所示。運(yùn)維中心一般會(huì)根據(jù)管轄范圍大小，配置相應(yīng)數(shù)量的運(yùn)維人員，在正常情況下，基本能夠滿足日常工作要求；但當(dāng)遇到全站檢修或多個(gè)變電站同時(shí)檢修等特殊情況時(shí)，由于操作任務(wù)較多，如果仍按傳統(tǒng)的2人(即監(jiān)護(hù)人和操作人)操作模式，運(yùn)維中心工作負(fù)荷較大，可能由于人手不足，導(dǎo)致工作效率低，延長(zhǎng)停送電時(shí)間，或壓縮檢修任務(wù)工作時(shí)間，影響設(shè)備及電網(wǎng)運(yùn)行安全。另外，由于運(yùn)維中心下轄變電站數(shù)量多、分布廣，各變電站的設(shè)備不盡相同，也給工作人員的巡檢工作帶來(lái)較大的困難。通過(guò)革新傳統(tǒng)操作方式，比如通過(guò)防誤電腦鑰匙、手持視頻終端、巡檢儀、智能輔助PDA等簡(jiǎn)化操作，可在保證操作安全的前提下提高工作效率。但由此出現(xiàn)的變電站手持終端越來(lái)越多，造成變電站重復(fù)投資，工作人員需學(xué)習(xí)多種智能設(shè)備的使用，會(huì)使建設(shè)成本、管理成本以及學(xué)習(xí)成本提高，且可能存在信息孤島現(xiàn)象，導(dǎo)致管理困難。

現(xiàn)通過(guò)集成上述各手持終端功能，開(kāi)發(fā)了變電站單人操作及智能巡檢儀系統(tǒng)，如圖2所示，在站端或運(yùn)維中心系統(tǒng)工作站實(shí)現(xiàn)數(shù)據(jù)管理、人機(jī)交互、權(quán)限管理等系統(tǒng)性功能，還實(shí)現(xiàn)變電站業(yè)務(wù)功能，包括電子操作票、防誤以及智能巡檢等功能。該手持智能巡檢儀終端在保留防誤操作鑰匙功能的基礎(chǔ)上，增加了視頻采集、流媒體轉(zhuǎn)發(fā)、視頻智能分析、語(yǔ)音提示和視頻分析等功能，從而實(shí)現(xiàn)視頻輔助防誤、虛擬操作監(jiān)護(hù)、智能巡檢等高級(jí)應(yīng)用。視頻智能分析服務(wù)器對(duì)站端多路視頻提供實(shí)時(shí)智能分析和識(shí)別服務(wù)。視頻存儲(chǔ)服務(wù)器對(duì)變電站站端操作過(guò)程中的視頻數(shù)據(jù)提供集中存儲(chǔ)服務(wù)。作為其中一種操作對(duì)象，智能壓板實(shí)時(shí)監(jiān)測(cè)壓板投退狀態(tài)，將壓板的操作步驟納入電子操作票中管理，對(duì)壓板投退正確性進(jìn)行判斷并語(yǔ)音提示。視頻智能分析對(duì)壓板狀態(tài)進(jìn)行識(shí)別，判斷是否操作到位，提供二次確認(rèn)。

圖1 變電站管理結(jié)構(gòu)

圖2 單人操作及智能巡檢儀系統(tǒng)組成

電力系統(tǒng)運(yùn)維及作業(yè)監(jiān)護(hù)過(guò)程中的視頻智能分析應(yīng)用，通過(guò)視頻圖像分析處理技術(shù)，實(shí)現(xiàn)對(duì)操作對(duì)象或場(chǎng)景的實(shí)時(shí)監(jiān)測(cè)；通過(guò)視頻智能分析服務(wù)器，對(duì)多路高清球攝像機(jī)、槍攝像機(jī)實(shí)時(shí)視頻進(jìn)行分析，可實(shí)現(xiàn)站端設(shè)備場(chǎng)景的周期性或針對(duì)性的巡視功能。通過(guò)將此應(yīng)用集成在手持巡檢儀中，可實(shí)現(xiàn)巡檢作業(yè)過(guò)程中的目標(biāo)識(shí)別、操作結(jié)果確認(rèn)以及監(jiān)護(hù)人提醒等功能。目前，主要實(shí)現(xiàn)的應(yīng)用包括智能保護(hù)壓板狀態(tài)識(shí)別、設(shè)備/間隔指示牌內(nèi)容識(shí)別、隔離開(kāi)關(guān)/刀閘狀態(tài)識(shí)別以及安全帽佩戴識(shí)別。

1 電力系統(tǒng)視頻智能分析研究現(xiàn)狀

圖像處理、計(jì)算機(jī)視覺(jué)等研究領(lǐng)域已經(jīng)積累了幾十年的經(jīng)驗(yàn)和成果，并且已大量應(yīng)用在安防、公共交通、公安系統(tǒng)等領(lǐng)域。但由于環(huán)境的多樣性、復(fù)雜性及領(lǐng)域相關(guān)目標(biāo)的特殊性等，目前電力行業(yè)的視頻智能分析產(chǎn)品仍然有限，沒(méi)有充分利用最新技術(shù)成果為該行業(yè)日常管理維護(hù)工作帶來(lái)便利。比如，文獻(xiàn)[1]利用金字塔光流法計(jì)算圖像中的光流值和速度，實(shí)現(xiàn)輸電導(dǎo)線舞動(dòng)的自動(dòng)檢測(cè)。文獻(xiàn)[2]實(shí)現(xiàn)了一種變電站防誤操作功能，采用Hough變換、字符分割和神經(jīng)網(wǎng)絡(luò)等技術(shù)對(duì)工作間隔的標(biāo)志牌進(jìn)行分析識(shí)別，以避免工作人員走錯(cuò)間隔。文獻(xiàn)[3]提出了一種基于圖像平滑、離散小波變換和多級(jí)樹(shù)集合分裂編碼算法的電能質(zhì)量數(shù)據(jù)壓縮方法，提高了數(shù)據(jù)的信噪比。文獻(xiàn)[4，5]則利用安裝在桿塔上的攝像機(jī)采集的圖像，通過(guò)圖像對(duì)比增強(qiáng)、濾波、閾值分割、輪廓提取及LoG邊緣檢測(cè)等方法，計(jì)算線路和絕緣子的覆冰厚度，以提供相應(yīng)的預(yù)警機(jī)制。文獻(xiàn)[6，7]分別利用機(jī)載攝像機(jī)或固定監(jiān)控?cái)z像機(jī)采集的視頻圖像，應(yīng)用顏色直方圖統(tǒng)計(jì)、形態(tài)學(xué)連通域等基本方法，對(duì)輸電線路上的絕緣子進(jìn)行檢測(cè)和缺陷分析。文獻(xiàn)[8]利用形狀特征的模板匹配技術(shù)實(shí)現(xiàn)了圖像中變壓器的定位識(shí)別。

2 電力系統(tǒng)視頻圖像分析功能

上述研究分別利用各項(xiàng)圖像處理技術(shù)對(duì)電力系統(tǒng)的不同設(shè)備實(shí)現(xiàn)了定位、分析、識(shí)別等功能，但目標(biāo)功能基本比較單一，且容易受到各種環(huán)境條件限制和影響。針對(duì)電力系統(tǒng)作業(yè)監(jiān)護(hù)中涉及的相關(guān)設(shè)備目標(biāo)，實(shí)現(xiàn)了如下視頻圖像分析功能。

2.1 保護(hù)壓板投退狀態(tài)識(shí)別

保護(hù)壓板是一組M行N列的開(kāi)關(guān)矩陣，該識(shí)別算法是在現(xiàn)場(chǎng)運(yùn)維人員人工進(jìn)行壓板投退操作后，通過(guò)視頻畫(huà)面的分析，自動(dòng)識(shí)別矩陣中被操作的壓板行列位置及其當(dāng)前的投/退狀態(tài)?，F(xiàn)有的基于圖像處理的壓板投退識(shí)別一般需要標(biāo)定設(shè)置行列數(shù)，在壓板數(shù)量龐大的情況下將極大地增加配置工作。本文提出的保護(hù)壓板投退狀態(tài)識(shí)別方案僅需選定壓板矩陣區(qū)域，如圖3a所示。矩陣的行列分布由掃描識(shí)別自動(dòng)獲取，首先圖片經(jīng)過(guò)灰度轉(zhuǎn)換和高斯平滑處理，并進(jìn)行輪廓提取，所有描繪的輪廓如圖3b所示。從圖3b中可以看出，每個(gè)壓板的輪廓都有明顯聚集現(xiàn)象，基本上每個(gè)輪廓曲線都是非閉合的，而且相互重疊，有很多輪廓曲線來(lái)自非壓板物體。對(duì)于每個(gè)輪廓曲線i，計(jì)算其最小的外接矩形Ri，選擇相應(yīng)的矩形將其填充：

其中：IRi為矩形Ri對(duì)應(yīng)的圖像區(qū)域；Wi和Hi為Ri的寬高；Wmin，Wmax，Hmin，Hmax分別為對(duì)應(yīng)寬高的上下限閾值。

式(1)通過(guò)排除外接矩形寬高過(guò)長(zhǎng)或過(guò)短的輪廓，并填充剩余外接矩形使有重疊的輪廓合并。如圖3c所示已排除壓板面板上第1行上方及第2行下方的分割線和畫(huà)面左上角因視頻時(shí)間標(biāo)簽產(chǎn)生的大部分輪廓。進(jìn)一步對(duì)合并后的各前景區(qū)塊計(jì)算外接矩形，按寬高排序選取中間1/2矩形，結(jié)果如圖3d所示。從圖3d中可以看出，大部分壓板位置可以正確定位，雖然有部分丟失但未識(shí)別錯(cuò)誤的壓板位置。通過(guò)連接第1行矩形最高點(diǎn)和最低點(diǎn)，自上而下平行掃描圖3d，以壓板行間平分空隙作為矩陣的行分割線。同樣，通過(guò)連接每行第1列矩形左邊緣的最左點(diǎn)和最右點(diǎn)，自左向右平行掃描，矩陣列的分割線須滿足每一列中出現(xiàn)的壓板個(gè)數(shù)在[0.5, 1+0.5]個(gè)寬度之間。最后，若某行存在相鄰列間隙大于圖3d中壓板矩形平均寬度，則插入平均寬高尺寸的壓板矩形并均分兩側(cè)間隙。

圖3a繪制了壓板矩陣行列掃描的紅色分割線。

當(dāng)壓板矩陣掃描完成后，即可實(shí)時(shí)監(jiān)控分析被操作過(guò)發(fā)生變化的壓板位置及其操作后的狀態(tài)。首先，通過(guò)高斯混合模型前景檢測(cè)方法找到操作后發(fā)生變化的圖像區(qū)塊，若檢測(cè)的前景尺寸跨越多行/列，說(shuō)明當(dāng)前操作員仍在場(chǎng)景中，應(yīng)略過(guò)當(dāng)前幀的分析并暫停更新高斯背景。當(dāng)操作員離開(kāi)后，發(fā)生變化的壓板前景可對(duì)比壓板矩陣分布，計(jì)算其對(duì)應(yīng)的行列位置。而壓板的當(dāng)前狀態(tài)由其撥片的傾斜度決定，通過(guò)Canny和霍夫直線檢測(cè)指定行列中的最長(zhǎng)直線段，通過(guò)該直線的斜率和閾值比較判斷當(dāng)前的投/退狀態(tài)。綠色和藍(lán)色壓板行列中檢測(cè)的壓板邊緣紅色直線如圖3a中所示，行列單元格的邊框顏色分別指示了該壓板當(dāng)前的投/退狀態(tài)。

圖3 保護(hù)壓板矩陣掃描及狀態(tài)識(shí)別

2.2 指示牌識(shí)別

指示牌識(shí)別主要利用光學(xué)字符分析技術(shù)識(shí)別各間隔、設(shè)備的標(biāo)識(shí)牌文字(見(jiàn)圖4)，用于判斷巡檢的目標(biāo)位置、操作的設(shè)備是否和巡檢任務(wù)/操作票等相符，防止走錯(cuò)間隔、漏/誤巡視等情況的出現(xiàn)。

圖4 指示牌示例

此功能的實(shí)現(xiàn)核心是利用開(kāi)源Tesseract光學(xué)字符分析 (Optical Character Recognition,OCR）引擎，該引擎可支持識(shí)別多達(dá)60種以上語(yǔ)言。Tesseract字符分割和識(shí)別主要包括4個(gè)步驟：

(1) 分析連通區(qū)域，檢測(cè)出字符區(qū)域的區(qū)域輪廓和子輪廓，集成為塊區(qū)域；

(2) 找到塊區(qū)域，檢測(cè)出字符輪廓，得到文本行，再通過(guò)空格得到單詞；

(3) 找到文本行和單詞，采用自適應(yīng)分類(lèi)器，分析單詞，進(jìn)行再次單詞分拆；

(4) 得出(識(shí)別)文本，識(shí)別含有模糊的空格、筆畫(huà)高度、小寫(xiě)字母等。

引擎可通過(guò)圖片編解碼器支持各類(lèi)主流圖片格式的識(shí)別，如jpg，png，tif，gif以及從攝像頭獲取的實(shí)時(shí)視頻幀。

圖4a對(duì)應(yīng)的文字識(shí)別結(jié)果如圖5所示，可以看出，數(shù)字、漢字、英文字母都能準(zhǔn)確識(shí)別。

圖5 指示牌識(shí)別結(jié)果

2.3 隔離開(kāi)關(guān)刀閘識(shí)別

隔離開(kāi)關(guān)刀閘狀態(tài)分析的算法功能可應(yīng)用在戶外隔離開(kāi)關(guān)和接地柜刀閘的場(chǎng)景中，戶外刀閘狀態(tài)分析判斷結(jié)果如圖6所示。該功能主要通過(guò)對(duì)指定區(qū)域內(nèi)的直線檢測(cè)過(guò)濾等技術(shù)，實(shí)現(xiàn)分合狀態(tài)的判斷，可以有2種方式確定待分析的區(qū)域：矩形目標(biāo)區(qū)域，或沿隔離開(kāi)關(guān)邊緣所作的輔助線。

圖6是以所作矩形框方式確定待分析區(qū)域，該區(qū)域的選擇應(yīng)滿足刀閘在分合狀態(tài)下可見(jiàn)明顯內(nèi)容變化。分析的結(jié)果為：當(dāng)前處于合狀態(tài)，因?yàn)閰^(qū)域內(nèi)可檢測(cè)到直線目標(biāo)。通過(guò)直線檢測(cè)方式，可避免環(huán)境光線對(duì)畫(huà)面色彩產(chǎn)生的影響，狀態(tài)判斷更加準(zhǔn)確穩(wěn)定。

在背景比較復(fù)雜、干擾較多的情況下，可選用輔助線的方式確定待分析刀閘位置。夜間戶外三相隔離開(kāi)關(guān)以及接地柜內(nèi)的刀閘如圖7所示，近似沿刀閘開(kāi)關(guān)邊緣作輔助線，通過(guò)檢測(cè)直線與之的夾角、距離是否平行，可以判斷當(dāng)前刀閘的狀態(tài)。通過(guò)三相同時(shí)分析，可對(duì)分合狀態(tài)進(jìn)行多次校驗(yàn)；通過(guò)在分合位置分別作輔助線，可對(duì)刀閘分合是否到位進(jìn)行判斷。

圖6 戶外隔離刀閘分合狀態(tài)分析

圖7 夜間戶外刀閘、接地柜刀閘狀態(tài)分析

2.4 安全帽佩戴識(shí)別

根據(jù)安全規(guī)范，在現(xiàn)場(chǎng)作業(yè)中運(yùn)維檢修人員都必須佩帶安全帽。安全帽佩帶識(shí)別的核心是對(duì)場(chǎng)景內(nèi)的移動(dòng)目標(biāo)進(jìn)行跟蹤。前景移動(dòng)物體通過(guò)高斯混合模型檢測(cè)，在該模型中每個(gè)像素被建模為K個(gè)高斯分布的集合，在第N幀上某特定像素的值為XN的概率可表示為：

其中：wj為第k個(gè)高斯內(nèi)核的權(quán)重系數(shù)；η(XN;θi)是對(duì)應(yīng)的正態(tài)分布。

其中：μk為均值；∑K=σ2kl，為第k個(gè)內(nèi)核的方差。K個(gè)高斯分布按值wk/σk排序并取前B個(gè)分布作為背景模型。

其中：閾值T為背景模型的最小占比，即為場(chǎng)景中出現(xiàn)背景像素的最小先驗(yàn)概率。背景摳除，則計(jì)算為標(biāo)記距離任意一個(gè)高斯分布大于2.5倍標(biāo)準(zhǔn)方差的前景像素。

在高斯混合背景模型提取場(chǎng)景內(nèi)的前景移動(dòng)目標(biāo)后，目標(biāo)表示為各連通圖像區(qū)域?；贠penCV的cvBlob算法，可實(shí)現(xiàn)在圖像序列中同時(shí)跟蹤多個(gè)連通區(qū)域，當(dāng)前幀內(nèi)各連通區(qū)域所屬目標(biāo)由連通區(qū)域質(zhì)心間距、運(yùn)動(dòng)方向梯度等信息決定。通過(guò)cvBlob算法可對(duì)各前景運(yùn)動(dòng)物體進(jìn)行長(zhǎng)時(shí)間跟蹤，并標(biāo)定每幀中物體的檢測(cè)位置(見(jiàn)圖8)。

圖8 運(yùn)動(dòng)物體檢測(cè)

在圖8a所示的視頻畫(huà)面中，選定矩形框作為分析區(qū)域，圖8b為高斯混合背景模型檢測(cè)的前景檢測(cè)結(jié)果，圖8c目標(biāo)框?yàn)槔胏vBlob算法目標(biāo)跟蹤識(shí)別的前景連通域位置。

在移動(dòng)目標(biāo)能準(zhǔn)確檢測(cè)跟蹤的前提下，進(jìn)一步檢測(cè)安全帽并判斷其與移動(dòng)目標(biāo)的相對(duì)位置，從而識(shí)別安全帽是否佩戴于目標(biāo)頂部位置。安全帽通常以紅、黃、藍(lán)、白顏色為主，對(duì)視頻畫(huà)面進(jìn)行HSV顏色直方圖統(tǒng)計(jì)，并以相應(yīng)顏色區(qū)塊的面積、形狀信息為輔助，可定位安全帽所在位置。

3 結(jié)束語(yǔ)

在電力系統(tǒng)作業(yè)監(jiān)護(hù)中，利用各種計(jì)算機(jī)技術(shù)實(shí)現(xiàn)自動(dòng)化管理后，極大減輕了巡檢運(yùn)維人員的工作量和誤操作。通過(guò)實(shí)現(xiàn)基于圖像處理的各類(lèi)智能分析功能，自動(dòng)監(jiān)控識(shí)別保護(hù)壓板和隔離刀閘設(shè)備狀態(tài);識(shí)別標(biāo)識(shí)牌文字來(lái)定位操作和巡視位置;作業(yè)現(xiàn)場(chǎng)實(shí)時(shí)判斷人員是否佩戴安全帽。同時(shí)，通過(guò)實(shí)驗(yàn)分析驗(yàn)證了功能的正確性和有效性。下一步，將發(fā)掘更多的視頻智能分析應(yīng)用業(yè)務(wù)需求，充分利用圖像處理領(lǐng)域的相關(guān)技術(shù)加強(qiáng)電力系統(tǒng)的智能監(jiān)控方式和自動(dòng)化水平。

1 黃新波，陶保震，馮 玲．基于光流場(chǎng)的輸電導(dǎo)線舞動(dòng) 監(jiān)測(cè)方法[J]．電力自動(dòng)化設(shè)備，2012，32(7):99-103.

2 樂(lè) 健，蔡 偉，靳 超，等．基于圖像識(shí)別技術(shù)的變 電站防誤操作系統(tǒng)的研制[J]．電力自動(dòng)化設(shè)備，2011， 31(7):131-135.

3 管 春，周雒維，盧偉國(guó)，等．基于圖像平滑算法的電 能質(zhì)量數(shù)據(jù)壓縮方法[J]．電力自動(dòng)化設(shè)備，2011，(8): 77-80.

4 馮 玲，黃新波，朱永燦．基于圖像處理的輸電線路覆 冰厚度測(cè)量[J]．電力自動(dòng)化設(shè)備，2011，31(10):76-80.

5 李福鵬，梁國(guó)堅(jiān)，杜鑫峰，等．基于圖像處理技術(shù)的險(xiǎn) 情識(shí)別智能巡檢機(jī)器人的研究[J]．自動(dòng)化與儀器儀表， 2017，(6):10-12.

6 林聚財(cái)，韓 軍，陳舫明，等．基于彩色圖像的玻璃絕 緣子缺陷診斷[J]．電網(wǎng)技術(shù)，2011. 35(1):127-133.

7 葛玉敏，李寶樹(shù)，梁 爽．?dāng)?shù)學(xué)形態(tài)學(xué)在絕緣子圖像邊 緣檢測(cè)中的應(yīng)用[J]．高壓電器，2012. 48(1):101-104.

8 張 浩，王 瑋，徐麗杰，等．圖像識(shí)別技術(shù)在電力設(shè)備 監(jiān)測(cè)中的應(yīng)用[J]．電力系統(tǒng)保護(hù)與控制，2010，38(6): 88-91.