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(biāo)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(biāo)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(biāo)檢測；目標(biāo)跟蹤

DOI：10.15938/j.jhust.2015.05.003

中圖分類號：TM7

文獻(xiàn)標(biāo)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(biāo)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(biāo)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(biāo)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(biāo)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(fù)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(dāng)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(biāo)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(biāo)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(dāng)N≤N_min時，不發(fā)出報警信號，直接排出干擾；當(dāng)N≥N_max時，也無需發(fā)出報警信號，直接排出干擾；只有當(dāng)N_min≤N≤N_max時，才認(rèn)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(biāo)，與選定標(biāo)準(zhǔn)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(biāo)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(biāo)運動頻繁等因素，都會引起背景圖像的不準(zhǔn)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(biāo)，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(biāo)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(zhǔn)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(yán)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(biāo)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(biāo)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(dāng)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(dá)式來確定運動目標(biāo)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(dá)式進行比較，確認(rèn)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(biāo)跟蹤算法的分析

利用運動目標(biāo)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(biāo)跟蹤有如下兩種方法.

2.5.1 利用Kalman濾波實現(xiàn)運動目標(biāo)跟蹤

在目標(biāo)跟蹤中使用Kalman濾波器估計目標(biāo)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(biāo)的運動狀態(tài)參數(shù)為某一時刻目標(biāo)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(biāo)以恒定的速度運動，并且目標(biāo)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(biāo)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(biāo)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(biāo)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(biāo)，再根據(jù)運動目標(biāo)狀態(tài)估計計算出其運動路線，從而對運動目標(biāo)進行跟蹤檢測.

2.5.2 利用Mean-shift算法實現(xiàn)運動目標(biāo)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(biāo)模型描述

假設(shè)目標(biāo)窗口的第i個像素點的位置為x_i（i=1，2，3，…，n），n為目標(biāo)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(biāo)窗口的中心.

2）當(dāng)前幀候選目標(biāo)模型描述

設(shè)y為當(dāng)前幀目標(biāo)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(dāng)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(dāng)前幀跟蹤結(jié)果

進行初始幀目標(biāo)模型和當(dāng)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(biāo)預(yù)測位置），，重復(fù)步驟2）和3），迭代得到在當(dāng)前幀目標(biāo)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(biāo)的跟蹤.當(dāng)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(biāo)運動軌跡的檢測與跟蹤，比較預(yù)先設(shè)計好的目標(biāo)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(zhǔn)確的目標(biāo)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(biāo)，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(biāo)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(zhǔn)確獲知的數(shù)據(jù).