王天正　王康寧　李杰　俞華

[摘 要]我國電力系統(tǒng)中已建立了視頻監(jiān)控系統(tǒng)，但是現(xiàn)有的系統(tǒng)不能替代人開展變電站工作現(xiàn)場安全的相關(guān)自動檢測工作。因此，研究了視覺辨識技術(shù)及其在電力系統(tǒng)視頻監(jiān)控中的應(yīng)用。

[關(guān)鍵詞]視覺辨識 視頻監(jiān)控 電力系統(tǒng)

中圖分類號：TM76 文獻標識碼：A 文章編號：1009-914X（2016）13-0185-01

1.引言

目前，我國電力系統(tǒng)中都已安裝了視頻監(jiān)控攝像頭，而現(xiàn)有的視頻監(jiān)控系統(tǒng)不具備安防生產(chǎn)聯(lián)動監(jiān)控的功能。推廣應(yīng)用變電站安全監(jiān)控系統(tǒng)，以自動化的科技手段替代人開展變電站工作現(xiàn)場安全的相關(guān)自動檢測工作，是提高變電站運行安全保障能力的一個非常重要的途徑。

2.視覺辨識技術(shù)

（1）基于機器學(xué)習的多媒體識別技術(shù)

多媒體識別技術(shù)是通過計算機視覺或其他傳感器等多媒體手段檢查對象的特征，進行辨認和判斷的一種技術(shù)，核心在于如何尋找對象的特征并作取樣，提取其唯一性的內(nèi)容，轉(zhuǎn)換為數(shù)字信息，并基于相關(guān)算法識別不同的目標和對象。多媒體識別是多媒體應(yīng)用的一個新的領(lǐng)域，特別是其與人工智能相交融，基于機器學(xué)習算法，衍生出圖像文字識別、視頻分析、生物特征識別等多種類型。其中視頻分析：使用計算機圖像視覺分析技術(shù)，通過將場景中背景和目標分離進而分析并追蹤在攝像機場景內(nèi)出現(xiàn)的目標。用戶可以根據(jù)的視頻內(nèi)容分析功能，通過在不同攝像機的場景中預(yù)設(shè)不同的報警規(guī)則，一旦目標在場景中出現(xiàn)了違反預(yù)定義規(guī)則的行為，系統(tǒng)會自動發(fā)出報警，監(jiān)控工作站自動彈出報警信息并發(fā)出警示音，用戶可以通過點擊報警信息，實現(xiàn)報警的場景重組并采取相關(guān)措施。

（2）機器學(xué)習

機器學(xué)習是人工智能的核心，是使計算機具有智能的根本途徑，其應(yīng)用遍及人工智能的各個領(lǐng)域，其研究主旨是使用計算機模擬人類的學(xué)習活動，它是研究計算機識別現(xiàn)有知識、獲取新知識、不斷改善性能和實現(xiàn)自身完善的方法。這里所說的“機器”，指的就是計算機，電子計算機，中子計算機、光子計算機或神經(jīng)計算機等。將機器學(xué)習方法區(qū)分為以下六類：

1） 經(jīng)驗性歸納學(xué)習。經(jīng)驗性歸納學(xué)習采用一些數(shù)據(jù)密集的經(jīng)驗方法（如版本空間法、ID3法，定律發(fā)現(xiàn)方法）對例子進行歸納學(xué)習。其例子和學(xué)習結(jié)果一般都采用屬性、謂詞、關(guān)系等符號表示。歸納學(xué)習是由環(huán)境提供某概念的一些實例或反例，學(xué)習器通過歸納推理得出該概念的一般描述。

2） 分析學(xué)習。分析學(xué)習方法是從一個或少數(shù)幾個實例出發(fā)，運用領(lǐng)域知識進行分析。其主要特征為：推理策略主要是演繹，而非歸納；使用過去的問題求解經(jīng)驗（實例）指導(dǎo)新的問題求解，或產(chǎn)生能更有效地運用領(lǐng)域知識的搜索控制規(guī)則。分析學(xué)習的目標是改善系統(tǒng)的性能，而不是新的概念描述。

3） 類比學(xué)習。利用二個不同領(lǐng)域（源域、目標域）中的知識相似性，可以通過類比，從源域的知識（包括相似的特征和其它性質(zhì)）推導(dǎo)出目標域的相應(yīng)知識，從而實現(xiàn)學(xué)習。類比學(xué)習系統(tǒng)可以使一個已有的計算機應(yīng)用系統(tǒng)轉(zhuǎn)變?yōu)檫m應(yīng)于新的領(lǐng)域，來完成原先沒有設(shè)計的相類似的功能。類比學(xué)習一般要求先從知識源（源域）中檢索出可用的知識，再將其轉(zhuǎn)換成新的形式，用到新的狀況（目標域）中去。

4）遺傳算法。遺傳算法模擬生物繁殖的突變、交換和達爾文的自然選擇（在每一生態(tài)環(huán)境中適者生存）。它把問題可能的解編碼為一個向量，稱為個體，向量的每一個元素稱為基因，并利用目標函數(shù)（相應(yīng)于自然選擇標準）對群體（個體的集合）中的每一個個體進行評價，根據(jù)評價值（適應(yīng)度）對個體進行選擇、交換、變異等遺傳操作，從而得到新的群體。

5）聯(lián)接學(xué)習。典型的聯(lián)接模型實現(xiàn)為人工神經(jīng)網(wǎng)絡(luò)，其由稱為神經(jīng)元的一些簡單計算單元以及單元間的加權(quán)聯(lián)接組成。

6）增強學(xué)習。增強學(xué)習的特點是通過與環(huán)境的試探性交互來確定和優(yōu)化動作的選擇，以實現(xiàn)所謂的序列決策任務(wù)。在這種任務(wù)中，學(xué)習機制通過選擇并執(zhí)行動作，導(dǎo)致系統(tǒng)狀態(tài)的變化，并有可能得到某種強化信號（立即回報），從而實現(xiàn)與環(huán)境的交互。強化信號就是對系統(tǒng)行為的一種標量化的獎懲。系統(tǒng)學(xué)習的目標是尋找一個合適的動作選擇策略，即在任一給定的狀態(tài)下選擇哪種動作的方法，使產(chǎn)生的動作序列可獲得某種最優(yōu)的結(jié)果（如累計立即回報最大）。

（3）視頻行為分析

視頻中運動目標行為分析與理解是計算機視覺中一個重要的研究方向，它希望計算機象人一樣可以自動地分析理解視頻數(shù)據(jù)，知道場景中是誰，在哪里？發(fā)生了什么？視頻內(nèi)容分析技術(shù)通過對可視的監(jiān)視攝像機視頻圖像進行分析，并具備對多種背景的過濾能力，通過建立人類活動的模型，借助計算機的高速計算能力使用各種過濾器，排除監(jiān)視場景中非人類的干擾因素，準確判斷人類在視頻監(jiān)視圖像中的各種活動。

3.視頻監(jiān)控技術(shù)應(yīng)用

（1）高級視頻移動偵測：在復(fù)雜的天氣環(huán)境中（例如雨雪、大霧、大風等）精確地偵測和識別單個物體或多個物體的運動情況，包括運動方向、運動特征等。可運用于變電站一般場景監(jiān)控。

（2）物體追蹤：偵測到移動物體之后，根據(jù)物體的運動情況自動發(fā)送PTZ控制指令，使攝像機能自動跟蹤物體，在物體超出該攝像機監(jiān)控范圍之后，自動通知物體所在區(qū)域的攝像機繼續(xù)進行追蹤。應(yīng)用于變電站重點場所、重點人物、車輛和物體的監(jiān)控。

（3）車輛識別：識別車輛的形狀、顏色、車牌號碼等特征，并反饋給監(jiān)控者?？捎糜谧冸娬景卜篮蛙噹燔囕v監(jiān)控識別。

（4）遺留、遺棄物品檢測：當一個物體（如箱子、包裹、車輛、人物等）在敏感區(qū)域停留的時間過長或超過了預(yù)定義的時間長度就產(chǎn)生報警?？捎糜谧冸娬竟ぷ鳜F(xiàn)場檢測，如在工作現(xiàn)場有遺留或者遺棄物品，及時報警通知監(jiān)控人員進行處理。

（5）入侵探測：可感知設(shè)定區(qū)域內(nèi)突然出現(xiàn)和入侵的物體并及時報警?？稍谧冸娬緮z像機監(jiān)視內(nèi)設(shè)置一定區(qū)域，如該區(qū)域出現(xiàn)和入侵物體，就發(fā)出報警，通知監(jiān)控人員及時處理。

（6）物品被盜或移動檢測：當監(jiān)控場景中的物體被盜或移動，算法將自動檢測這種動作，常用于變電站中貴重物品和關(guān)鍵設(shè)備的監(jiān)控。

（7）人體行為分析：在目標檢測分類的基礎(chǔ)上，利用人體的各種行為特征對其進行各種行為的描述和分析，提取那些危險和有潛在危險的行為?？捎糜谧冸娬咀鳂I(yè)安全管控，對作業(yè)人員在工作中誤入其他區(qū)域進行報警，并及時通知相關(guān)監(jiān)護人員。

（8）焰火檢測：根據(jù)發(fā)生火焰過程中煙火表現(xiàn)出的特征進行煙火的實時檢測。可在變電站攝像機監(jiān)視內(nèi)設(shè)置警戒區(qū)域，如該區(qū)域有火焰出現(xiàn)并達到觸發(fā)門限時，產(chǎn)生告警。

4.總結(jié)

目前，電力系統(tǒng)中存在的視頻監(jiān)控系統(tǒng)依然需要工作人員不間斷地分析監(jiān)視場景內(nèi)的活動，不能自動的、智能的分析。但隨著電網(wǎng)規(guī)模的不斷擴大，對于電力設(shè)備運行安全及人身安全的要求更高。因此，變電站視頻監(jiān)控系統(tǒng)更加自動化、智能化成為發(fā)展趨勢，不僅減輕監(jiān)控人員的工作量，也能夠?qū)Ω黝愂鹿侍崆邦A(yù)警，增強變電站運行和維護的安全性及可靠性。

參考文獻：

[1] 林逢春，許曉輝，安英海等.變電站安全監(jiān)視中人體檢測的視覺辨識研究[J].電工技術(shù)，2015，10：23-25.