智能視頻分析技術(shù)在電力設(shè)備監(jiān)控中的應(yīng)用

徐群　陳琛　王雨

摘 要：由于電力設(shè)施的增多，發(fā)生電力設(shè)備故障、失竊甚至人為破壞的絕對風(fēng)險正逐年增加，如何利用智能手段，讓機(jī)器來代替人實(shí)現(xiàn)對電力生產(chǎn)風(fēng)險的預(yù)防預(yù)警，成為目前亟待解決的問題。

關(guān)鍵詞：智能視頻；分析技術(shù)；電力設(shè)備；監(jiān)控

DOI：10.16640/j.cnki.37-1222/t.2017.20.181

1 引言

近年來，隨著國家基礎(chǔ)建設(shè)的深入開展，電力基礎(chǔ)設(shè)施的建設(shè)密度和地理分布的廣度得到了迅猛的提升。另一方面，國內(nèi)勞動力的薪資水平呈現(xiàn)明顯的逐年增長趨勢。兩種趨勢的疊加使得越來越多的電力基礎(chǔ)設(shè)施進(jìn)入無人值守或少人值守的狀態(tài)。

2 問題及研究現(xiàn)狀

電力行業(yè)的基礎(chǔ)設(shè)施大致包括輸電線路、電力隧道、有人值守變電站、無人值守變電站、開閉所、配電室。根據(jù)電力行業(yè)的安全規(guī)范，對于輸電線路、隧道、無人值守變電站、開閉所、配電室都需要進(jìn)行定期安全巡視。然而隨著電力基礎(chǔ)建設(shè)的密度和廣度的增加，無人值守變電站、開閉所、電力隧道往往難以保證得到及時、合規(guī)的安全巡查。自08年以來，伴隨全國性的基礎(chǔ)監(jiān)控系統(tǒng)的建設(shè)，電力基礎(chǔ)設(shè)施也建立了相應(yīng)的常規(guī)視頻監(jiān)控系統(tǒng)，由于監(jiān)控點(diǎn)位眾多，值班人員無法有效監(jiān)看。

為此，人們開始研究自動預(yù)警技術(shù)。例如，利用前背景建模的機(jī)器視覺算法，實(shí)現(xiàn)對無人值守區(qū)域的運(yùn)動物體入侵檢測，常見的包括區(qū)域、絆線等。以及在分辨出前景物體的基礎(chǔ)上，進(jìn)一步對相應(yīng)位置的顏色和紋理進(jìn)行判斷，嘗試進(jìn)行對人員是否佩戴安全帽、或是否發(fā)生火災(zāi)的進(jìn)行檢測。但經(jīng)過實(shí)踐檢驗，上述方案往往由于誤報率偏高而難以達(dá)到人們預(yù)期的效果。

3 基于深度學(xué)習(xí)的智能視頻分析技術(shù)簡介

使機(jī)器能夠像人腦一樣觀察外界情況并做出正確的決策判斷一直是人工智能追求的目標(biāo)。經(jīng)過近60年的研究，機(jī)器視覺的智能水平在深度學(xué)習(xí)出現(xiàn)后進(jìn)入了革命性的時期，這種顛覆性的突破基于以下幾個重要的原因。

第一，深度學(xué)習(xí)使得智能算法的特征空間不再依賴領(lǐng)域?qū)＜襾碓O(shè)計，實(shí)現(xiàn)了由機(jī)器自動選擇，從而使得到的智能算法能夠探索更多未知的可能：從模式識別的角度，任何視覺識別問題的實(shí)質(zhì)是尋找一個合適的特征空間，使原始圖像空間的數(shù)據(jù)經(jīng)過映射后，能夠在特征空間中截然的分開，從而可以輕易的被分類超平面所分割。在深度學(xué)習(xí)之前的視覺智能算法，依賴人工專家進(jìn)行特征的選擇，使得所選的特征往往具有場景上的局限性，在實(shí)際項目實(shí)用時往往難以達(dá)到實(shí)用要求。而深度學(xué)習(xí)從原理上避免了人工對特征的干預(yù)，使智能算法能夠探索更多的可能性。

第二，自動選擇特征之所以比人工專家更有優(yōu)勢，依賴于更大量的實(shí)際數(shù)據(jù)被提供給深度學(xué)習(xí)算法進(jìn)行學(xué)習(xí)。這在監(jiān)控視頻高清化、數(shù)字化完成之前是難以實(shí)現(xiàn)的。因此，雖然大規(guī)模基礎(chǔ)監(jiān)控的建設(shè)無法直接解決大量無人值守的電力設(shè)備的自動預(yù)警問題，但可以為深度學(xué)習(xí)算法的訓(xùn)練提供足夠數(shù)量、足夠分辨率的訓(xùn)練數(shù)據(jù)。這也是深度學(xué)習(xí)要等到今天才能發(fā)揮真正作用的關(guān)鍵因素。

第三，相比于以往傳統(tǒng)上使用的基于前背景模型的視覺算法，深度學(xué)習(xí)算法的智能識別層次大大加深。傳統(tǒng)的前背景算法實(shí)際上只能檢測運(yùn)動物體，而無法直接判斷物體的類別（比如是行人？車輛還是動物？），現(xiàn)有的基于前背景的人員檢測或安全帽檢測是依賴經(jīng)驗性的規(guī)則來確定運(yùn)動物體是不是人，已經(jīng)人體頭部的位置。這類算法并沒有學(xué)習(xí)能力和場景的適應(yīng)能力可言。而深度學(xué)習(xí)算法從原理上就是經(jīng)過大量數(shù)據(jù)的訓(xùn)練，對視頻數(shù)據(jù)中出現(xiàn)的物體進(jìn)行自動分類，例如它可以直接檢測出視頻中哪里是普通行人，那里是戴安全帽的人，哪里是車輛等。基于大量實(shí)際數(shù)據(jù)訓(xùn)練的深度學(xué)習(xí)算法具有傳統(tǒng)算法不能比擬的場景泛化能力，能夠真正意義上解決過去智能視頻分析的誤報問題。

4 基于深度學(xué)習(xí)的電力設(shè)施智能視頻分析方案

4.1 方案設(shè)計

由于目前電力基礎(chǔ)設(shè)施在地理上分布的跨度很大，因此在考慮整體智能視頻分析方案時，如果將所有監(jiān)控點(diǎn)位回傳到后端中心，不但編解碼的壓力大，而且對于安全事件發(fā)生時智能視頻分析的時效性也會造成影響。因此對于地域分布較分散的電力基礎(chǔ)設(shè)施，例如隧道、無人值守變電站、開閉所等，應(yīng)使用低功耗、小體積、集成了小型GPU的嵌入式智能分析盒。其優(yōu)勢在于：第一，使前端相機(jī)可有更多選擇，充分發(fā)揮已有資產(chǎn)的價值。第二，分析盒直接和前端相機(jī)連接，視頻傳輸距離短，對整體的帶寬壓力大大降低，只在發(fā)生報警事件時才將報警信息回傳到后端中心。第三，報警的實(shí)時性得到有效的保障，同時顯著降低了布線施工的投入。

另一方面，對于點(diǎn)位相對密集的電力基礎(chǔ)設(shè)施，例如電業(yè)局、營業(yè)廳等，可以使用計算密度較高的GPU集群服務(wù)器進(jìn)行智能分析，相比于常規(guī)的CPU服務(wù)器堆疊方案，利用高密度GPU集群可以顯著節(jié)省機(jī)房的空間并提高整體計算效率。

4.2 功能設(shè)計

方案通過對不同的電力基礎(chǔ)設(shè)施設(shè)計定制化的智能分析功能來實(shí)現(xiàn)對電力行業(yè)業(yè)務(wù)流程的緊密貼合。

（1）無人值守變電站。無人值守變電站屬于戶外場景。主要布設(shè)周界檢測（區(qū)域入侵、絆線等）疊加上基于深度學(xué)習(xí)的人體確認(rèn)兩種智能分析算法。能準(zhǔn)確區(qū)分入侵物體及人員。

（2）配電房。配電房屬于室內(nèi)場景。主要布設(shè)人體檢測算法和工具遺留檢測算法。檢測工作人員的行為及現(xiàn)場安全情況。

（3）營業(yè)廳。營業(yè)廳也屬于室內(nèi)場景。主要布設(shè)脫崗檢測算法和工作服檢測算法。脫崗檢測算法基于俯視角度的人體檢測模型，能夠?qū)崟r檢測營業(yè)廳崗位上是否有工作人員在崗及非法進(jìn)入工作區(qū)。

5 結(jié)論

基于深度學(xué)習(xí)的智能視頻分析技術(shù)具有準(zhǔn)確、智能、可替代人工監(jiān)控的優(yōu)越性能，特別適用于目標(biāo)多而分散、人力不足的監(jiān)控對象，對保障電力系統(tǒng)的設(shè)備安全具有重要意義。該監(jiān)控方案及系統(tǒng)在青島某變電站已運(yùn)行近兩年，效果十分突出，具有重大推廣價值。

參考文獻(xiàn)：

[1]羅錕.基于視頻分析的電力鐵塔監(jiān)控[D].西安電子科技大學(xué)碩士學(xué)位論文，2012.

[2]劉青麗，劉景波，鄧穎.視頻分析技術(shù)在無人值守變電站監(jiān)控中的應(yīng)用[J].陜西電力，2012.

[3]黃初指，陳斌.電力開閉所智能視頻分析安全帽識別算法的應(yīng)用[J].自動化應(yīng)用，2015.endprint