國(guó)網(wǎng)北京市電力公司檢修分公司 王闖 邱建軍 閆春江

劉正義 李洋 王彥卿 李上國(guó) 戴瑞成 徐燁 杜覺(jué)曉

概述

電網(wǎng)公司所部署的電力設(shè)施在大型機(jī)械施工過(guò)程中遭到損害，不但每年給國(guó)家電網(wǎng)公司帶來(lái)巨大的損失，而且人工調(diào)監(jiān)控畫(huà)面查出肇事畫(huà)面的效率非常低下、人工實(shí)時(shí)監(jiān)測(cè)耗費(fèi)巨大的時(shí)間成本，因此發(fā)展機(jī)器檢測(cè)提高甚至代替人工已經(jīng)成為一種趨勢(shì)。

輸電線路受反外力破壞的情況中機(jī)械外力破壞占有極大比例。例如，吊車(chē)、泵車(chē)等“高個(gè)”作業(yè)機(jī)械觸碰、刮倒電線的場(chǎng)景時(shí)有發(fā)生，帶來(lái)嚴(yán)重的安全隱患和財(cái)產(chǎn)損失。針對(duì)這一現(xiàn)狀，通常的應(yīng)對(duì)措施是在室外輸變電場(chǎng)景下安裝反外力監(jiān)控?cái)z像頭，然后安排工作人員通過(guò)實(shí)時(shí)觀看監(jiān)控畫(huà)面來(lái)發(fā)現(xiàn)并處理大型作業(yè)器械。但是，外力破壞場(chǎng)景的出現(xiàn)有著很大的隨機(jī)性，并且在實(shí)際應(yīng)用中，監(jiān)控場(chǎng)景數(shù)量繁多、情況復(fù)雜，難以僅靠有限的值班人員來(lái)實(shí)現(xiàn)對(duì)所有場(chǎng)景全覆蓋無(wú)遺漏的監(jiān)視。

輸電線路背景（包括山林、河流、農(nóng)田、道路、雨雪等）復(fù)雜，且隨著四季的更迭背景外觀會(huì)隨時(shí)改變，通信環(huán)境對(duì)圖像、視頻等數(shù)據(jù)傳輸影響也較大，因此目標(biāo)提取非常困難，必須提出適應(yīng)性強(qiáng)的圖像處理算法來(lái)解決該問(wèn)題。由于野外圖像采集設(shè)備拍攝角度和視距的變化，同一目標(biāo)的拍攝圖像會(huì)呈現(xiàn)不同的形狀或形式，這給目標(biāo)識(shí)別帶來(lái)了困難，需根據(jù)目標(biāo)特征采用神經(jīng)網(wǎng)絡(luò)技術(shù)、證據(jù)理論、模糊算法等信息融合方法進(jìn)行目標(biāo)識(shí)別。

1 目的和意義

1.1 目的

輸變電反外力監(jiān)控場(chǎng)景圖像智能分析的相關(guān)技術(shù)，以更高效、自動(dòng)化的方式識(shí)別場(chǎng)景中的感興趣目標(biāo)，用來(lái)代替人工監(jiān)視的手段。使用計(jì)算機(jī)進(jìn)行智能分析的優(yōu)勢(shì)，在于一是計(jì)算機(jī)有著龐大的計(jì)算資源，能夠以極快的速度和效率完成通常情況下大量人員和時(shí)間才能完成的工作；二是計(jì)算機(jī)的業(yè)務(wù)處理更加精準(zhǔn)，完全沒(méi)有人員工作中出現(xiàn)的疲累導(dǎo)致的效率降低，誤差增多的情況。通過(guò)計(jì)算機(jī)實(shí)現(xiàn)對(duì)輸變電智能監(jiān)控場(chǎng)景畫(huà)面圖像的分析，從中識(shí)別對(duì)輸變電路有威脅的大型器械（如：吊車(chē)、挖掘機(jī)、泵車(chē)等），并按照一定條件，產(chǎn)生告警信息，通過(guò)某種方式推送給變電站值班人員，進(jìn)而解決人工實(shí)時(shí)監(jiān)視畫(huà)面效率低，減少國(guó)家電網(wǎng)電力設(shè)施損失的問(wèn)題。

1.2 意義

精準(zhǔn)識(shí)別圖像中的特定目標(biāo)，提高人工篩查、識(shí)別圖像目標(biāo)的效率，彌補(bǔ)人工在準(zhǔn)確率和速度效率上的不足，最終代替人工，推動(dòng)各行各業(yè)在原有傳統(tǒng)圖像處理的基礎(chǔ)上的發(fā)展。技術(shù)成果可提高了值班人員對(duì)報(bào)警信號(hào)上報(bào)的效率，可推動(dòng)全國(guó)有相關(guān)需求的電力公司部署此次研究的新系統(tǒng)。

2 技術(shù)應(yīng)用難點(diǎn)與關(guān)鍵點(diǎn)

2.1 技術(shù)應(yīng)用難點(diǎn)

北京市電力公司攝像頭運(yùn)行策略是：每個(gè)攝像頭的圖片回傳頻率為5分鐘/張。按照日間10小時(shí)計(jì)算，以800個(gè)攝像頭為例計(jì)算，一天圖片量高達(dá)96000張。平均下來(lái)，每秒鐘傳回超過(guò)3張高清圖片。這種數(shù)據(jù)量和頻度，純靠值班人員的人工查看，需耗費(fèi)大量人力，效率很低?，F(xiàn)實(shí)環(huán)境下，值班人員也難以長(zhǎng)期高效的完成監(jiān)視工作。

場(chǎng)景運(yùn)行數(shù)據(jù)表

2.2 技術(shù)應(yīng)用關(guān)鍵點(diǎn)

精準(zhǔn)檢測(cè)圖像中的目標(biāo)(吊車(chē)、挖掘機(jī)等)以及分類；針對(duì)場(chǎng)景特性進(jìn)行通用性的過(guò)濾重復(fù)報(bào)警圖像；背景特征與目標(biāo)特征相似，造成誤報(bào)；目標(biāo)特征過(guò)小，造成漏報(bào)；背景特征強(qiáng)(多)于目標(biāo)特征，導(dǎo)致目標(biāo)區(qū)域被識(shí)別成非目標(biāo)，以至于檢測(cè)不到，也會(huì)造成漏報(bào)。

3 識(shí)別技術(shù)分類

3.1 傳統(tǒng)特征識(shí)別技術(shù)

基于圖像分析的目標(biāo)識(shí)別技術(shù)指在通過(guò)特定的算法，對(duì)攝像頭圖像進(jìn)行分析，從中獲取感興趣目標(biāo)所在位置坐標(biāo)（目標(biāo)所在區(qū)域矩形框），并且獲取各類大型機(jī)械，如吊車(chē)、挖掘機(jī)、泵車(chē)等，從圖像中分析獲得各種機(jī)械的所在位置和類別信息，以供后續(xù)業(yè)務(wù)邏輯進(jìn)行分析和處理。

3.2 深度學(xué)習(xí)識(shí)別技術(shù)

基于深度學(xué)習(xí)的多目標(biāo)圖像檢測(cè)與分析算法實(shí)現(xiàn)的關(guān)鍵，在于對(duì)經(jīng)過(guò)預(yù)處理的圖像進(jìn)行深度學(xué)習(xí)特征提取+滑動(dòng)窗口目標(biāo)匹配，結(jié)合事先提取過(guò)的特征模型進(jìn)行匹配分析，從而可以在整幅圖像中得到感興趣目標(biāo)的位置和類別信息。

相比起傳統(tǒng)算法而言，深度學(xué)習(xí)解決方案的優(yōu)勢(shì)在于通過(guò)大量場(chǎng)景圖像的預(yù)訓(xùn)練，可以做到很高的檢出率極低的誤報(bào)率，并且檢測(cè)過(guò)程是完全場(chǎng)景無(wú)關(guān)的，有著非常強(qiáng)的可擴(kuò)展和可復(fù)制性。目標(biāo)檢出能力不會(huì)因?yàn)閳?chǎng)景的更換而降低。另外，一般基于深度學(xué)習(xí)的算法支持采用GPU進(jìn)行加速，可以通過(guò)帶GPU的服務(wù)器實(shí)現(xiàn)很快的處理速度，達(dá)到實(shí)時(shí)處理的要求。

4 技術(shù)原理與應(yīng)用策略

該識(shí)別技術(shù)采用了目前國(guó)際流行的“深度學(xué)習(xí)”與傳統(tǒng)的“動(dòng)態(tài)識(shí)別”相結(jié)合的技術(shù)路線，本質(zhì)上是一種圖像的“特征識(shí)別”技術(shù)。對(duì)圖像的識(shí)別大體可分為三步：圖像預(yù)處理、識(shí)別目標(biāo)選取、特征比對(duì)。

4.1 圖像預(yù)處理

主要目的是背景處理，剔除干擾因素，主要關(guān)鍵技術(shù)是：光線的處理；陰影的處理；舞動(dòng)的導(dǎo)線；風(fēng)吹的樹(shù)木；其它類似物的處理。

4.2 識(shí)別目標(biāo)選取

主要目的是選出可疑目標(biāo)，提取目標(biāo)特征集。主要關(guān)鍵技術(shù)是：目標(biāo)的像素點(diǎn)大?。荒繕?biāo)的遠(yuǎn)近導(dǎo)致大小的變化；目標(biāo)是否為運(yùn)動(dòng)區(qū)域。

4.3 特征對(duì)比確認(rèn)

主要目的是將可疑目標(biāo)與標(biāo)準(zhǔn)特征庫(kù)“判據(jù)”。以吊車(chē)為例，它的圖像特征有：顏色特征；紋理特征；形狀特征；空間關(guān)系特征。

4.4 應(yīng)用策略

在不改裝前端硬件裝置的情況下，通過(guò)后臺(tái)集成算法服務(wù)器的方式，通過(guò)圖像的智能識(shí)別算法，實(shí)現(xiàn)防外破預(yù)警識(shí)別，代替人工查看的方式，解放人力資源，實(shí)現(xiàn)輸電視頻監(jiān)視業(yè)務(wù)的自動(dòng)化、智能化。

算法識(shí)別能力成長(zhǎng)性分析：預(yù)期年底樣本數(shù)量可達(dá)到10000個(gè)，識(shí)別率可達(dá)到99.9%，算法正判率可達(dá)到至92%。

算法應(yīng)用策略：夜間因識(shí)報(bào)率高，算法日出啟動(dòng)，日落暫停，每日約16小時(shí)?？勺R(shí)別的目標(biāo)：吊車(chē)、挖掘機(jī)、鏟車(chē)。

選取8個(gè)典型場(chǎng)景（攝像頭）對(duì)識(shí)別算法進(jìn)行完整樣本測(cè)試，數(shù)據(jù)量約3個(gè)月的運(yùn)行數(shù)據(jù)，共76803張樣本圖片，其中包含目標(biāo)樣本（有大型機(jī)械圖片）18003張，識(shí)別結(jié)果：

最新算法經(jīng)過(guò)8個(gè)場(chǎng)景（攝像頭）3個(gè)月的運(yùn)行數(shù)據(jù)76803張樣本圖片測(cè)試，其中包含目標(biāo)樣本（有大型機(jī)械圖片）18003張，算法識(shí)別率99.8% ，誤報(bào)率0.2%，正判率81.7% ，漏報(bào)率18.3%。

5 識(shí)別應(yīng)用系統(tǒng)集成

輸電線路通道環(huán)境，可提供的素材主要為圖片。圖片來(lái)源于目前視頻主站平臺(tái)接入的約800路攝像頭，平均每天約產(chǎn)生10～20萬(wàn)幅電力線場(chǎng)景監(jiān)控圖像。

智能視頻分析應(yīng)用系統(tǒng)，即對(duì)輸變電反外力實(shí)際應(yīng)用場(chǎng)景下攝像頭接入實(shí)時(shí)圖像數(shù)據(jù)進(jìn)行匯總、預(yù)處理、分析，獲取目標(biāo)信息并產(chǎn)生告警結(jié)果的應(yīng)用程序。智能視頻分析應(yīng)用所實(shí)現(xiàn)的功能主要有：攝像頭接入，攝像頭實(shí)時(shí)圖片獲??；攝像頭圖片有效應(yīng)驗(yàn)證，圖像預(yù)處理；調(diào)用算法服務(wù)，分析圖像，獲取目標(biāo)信息；據(jù)應(yīng)用策略，對(duì)場(chǎng)景目標(biāo)信息進(jìn)行過(guò)濾，產(chǎn)生告警數(shù)據(jù)；日志記錄，告警推送。

6 應(yīng)用效果

目前已通過(guò)數(shù)據(jù)挖掘技術(shù)對(duì)歷年876萬(wàn)張海量運(yùn)行圖片進(jìn)行分類篩查形成信息樣本，并通過(guò)無(wú)人機(jī)對(duì)大型機(jī)械進(jìn)行高空多角度拍攝來(lái)加速樣本收集工作，目前該識(shí)別系統(tǒng)已嵌入北京視頻監(jiān)控系統(tǒng)，報(bào)警正確率已達(dá)到85%以上，誤報(bào)率控制在2‰以下，利用智能識(shí)別技術(shù)代替人工查看的方式，該技術(shù)手段可有效釋放人員承載力，實(shí)現(xiàn)輸電視頻監(jiān)視業(yè)務(wù)的自動(dòng)化、智能化，為下一步公司大規(guī)模加大輸電視頻投入力度奠定了基礎(chǔ)。