基于配網(wǎng)設(shè)備安全監(jiān)控的視覺辨識(shí)技術(shù)

鄭文瑋

摘要

隨著國(guó)家“十三五”規(guī)范對(duì)配網(wǎng)建設(shè)的大規(guī)模投入，配網(wǎng)設(shè)備的數(shù)量快速增長(zhǎng)，且覆蓋面廣，運(yùn)行環(huán)境復(fù)雜多樣，傳統(tǒng)的人工定期巡檢和視頻監(jiān)控效率不高，往往容易造成對(duì)關(guān)鍵設(shè)備的遺漏。將視覺辨識(shí)技術(shù)融入到視頻監(jiān)控系統(tǒng)中去，通過(guò)圖像識(shí)別這種技術(shù)來(lái)實(shí)現(xiàn)智能化的監(jiān)控工作，形成一套有效的報(bào)警機(jī)制?？梢愿鲃?dòng)地、智能地、全面地監(jiān)控整個(gè)配電關(guān)鍵區(qū)域安全運(yùn)行情況，并呈遞給相關(guān)人員，為解決現(xiàn)有監(jiān)控系統(tǒng)存在的不足提供一條新的途徑，推動(dòng)配網(wǎng)建設(shè)向智能化、可視化發(fā)展。

【關(guān)鍵詞】配網(wǎng)設(shè)備 視覺辨識(shí) 安全監(jiān)控 運(yùn)動(dòng)物體識(shí)別

1 前言

配電網(wǎng)規(guī)模龐大，包含了柱上開關(guān)、配電變壓器等重要電氣設(shè)備，由于這些設(shè)備覆蓋范圍廣，裝設(shè)地點(diǎn)較為分散。因此這些關(guān)鍵設(shè)備容易受到外物入侵時(shí)的破壞，輕則引起配電設(shè)備故障，造成系統(tǒng)停電事故;重則引起人身傷亡，嚴(yán)重危及生命財(cái)產(chǎn)安全。比如，安裝在公路邊的配電設(shè)備，由于其裝設(shè)的高度較低，距離公路較近，容易受到大型車輛破壞的威脅。當(dāng)大型車輛非正常行駛時(shí)，可能與配電設(shè)備發(fā)生碰撞，破壞配電設(shè)備的物理結(jié)構(gòu)，造成配電設(shè)備故障，系統(tǒng)停電。更嚴(yán)重的情況是，車輛碰到配電設(shè)備的帶電部分時(shí)，將發(fā)生嚴(yán)重人身傷亡。

為保證配電網(wǎng)關(guān)鍵設(shè)備的安全運(yùn)行，運(yùn)行人員通常要對(duì)這些關(guān)鍵設(shè)備進(jìn)行定期巡查，防止外物入侵影響配電網(wǎng)的安全運(yùn)行。而配電網(wǎng)設(shè)備的分散性又導(dǎo)致了巡檢效率不高，無(wú)法做到事故前預(yù)警和事故后及時(shí)處理。目前常用的監(jiān)管方法主要依賴視頻監(jiān)控技術(shù)。運(yùn)行人員可以通過(guò)視頻監(jiān)控系統(tǒng)直接對(duì)配電設(shè)備運(yùn)行區(qū)域的安全情況進(jìn)行實(shí)時(shí)監(jiān)控，觀察附近是否有人員進(jìn)行施工或者外物闖入等。但是，此種監(jiān)控方式尚還停留在人工監(jiān)視階段，雖然在功能和性能上取得了一定的進(jìn)步，但仍存在著嚴(yán)重的不足?？筛爬橐韵聝纱簏c(diǎn)：

（1）人類作為使用者自身在生理上存在弱點(diǎn)，注意力集中時(shí)間有限，同時(shí)值班調(diào)度人員在值班過(guò)程中不可避免地受到如電話、到訪等其他事情的干擾，這有可能造成重要信息的遺漏。研究表明，當(dāng)一個(gè)人同時(shí)觀察兩個(gè)監(jiān)控畫面時(shí)，10分鐘會(huì)錯(cuò)過(guò)45%的有用信息，22分鐘會(huì)錯(cuò)過(guò)95%的有用信息，同時(shí)觀察多個(gè)監(jiān)控畫面則注意力更加分散。

（2）圖像監(jiān)控系統(tǒng)設(shè)置以及設(shè)備在性能和功能上的局限性。在實(shí)際的視頻監(jiān)控系統(tǒng)中，往往一個(gè)屏顯示多個(gè)攝像頭傳輸過(guò)來(lái)的圖像，而且一般一套視頻監(jiān)控系統(tǒng)有多個(gè)這樣的顯示屏，這就要求一個(gè)值班人員同時(shí)監(jiān)控多個(gè)顯示屏，這對(duì)值班人員是不小的挑戰(zhàn)。監(jiān)控錄像一般先進(jìn)行保存，事后再進(jìn)行分析，難以做到實(shí)時(shí)響應(yīng)而且即使是事后分析也是個(gè)大問(wèn)題。

這些不足使得圖像監(jiān)控系統(tǒng)不同程度地存在報(bào)警準(zhǔn)確度不高、誤漏報(bào)情況時(shí)有發(fā)生、報(bào)警響應(yīng)慢等缺陷，從而影響系統(tǒng)效率。因此，將視覺辨識(shí)技術(shù)融入到視頻監(jiān)控系統(tǒng)中去，通過(guò)圖像識(shí)別這種技術(shù)來(lái)實(shí)現(xiàn)智能化的監(jiān)控工作，形成一套有效的報(bào)警機(jī)制。可以更主動(dòng)地、智能地、全面地監(jiān)控整個(gè)配電關(guān)鍵區(qū)域安全運(yùn)行情況，并呈遞給相關(guān)人員，為解決現(xiàn)有監(jiān)控系統(tǒng)存在的不足提供一條新的途徑。

2 視覺辨識(shí)系統(tǒng)的組成

視覺辨識(shí)要用計(jì)算機(jī)來(lái)模擬人的視覺功能，通過(guò)攝像頭獲取物品圖像，再由視覺系統(tǒng)軟件利用獲取的物品圖像與預(yù)先攝取并存儲(chǔ)于圖像數(shù)據(jù)庫(kù)的物品信息比較，通過(guò)數(shù)字化處理，根據(jù)像素分布和亮度、顏色等信息，來(lái)進(jìn)行尺寸、形狀、顏色等的判別，搜尋與獲取的物品信息相匹配的存儲(chǔ)圖像。這并不僅僅是人眼的簡(jiǎn)單延伸，更重要的是具有人腦的一部分功能一從客觀事物的圖像中提取信息，進(jìn)行處理并加以理解，最終用于實(shí)際檢測(cè)、測(cè)量和控制。

視覺辨識(shí)系統(tǒng)主要由三部分組成：圖像的采集、圖像的處理和分析、輸出或顯示。

圖像采集指利用圖像傳感器件捕捉目標(biāo)以及環(huán)境中的圖像信息，完成圖像數(shù)據(jù)采集，是視覺辨識(shí)系統(tǒng)的基礎(chǔ)。配網(wǎng)設(shè)備的環(huán)境復(fù)雜，設(shè)備多樣，所需采集的圖像信息量較大，包括桿上的導(dǎo)線、橫擔(dān)、絕緣子、避雷器、開關(guān)、刀閘、變壓器等，配電站房?jī)?nèi)開關(guān)柜、直流屏、UPS、遠(yuǎn)動(dòng)柜等。

圖像數(shù)據(jù)分析與處理指從獲取的圖像數(shù)據(jù)中挖掘所需要的目標(biāo)特征信息，進(jìn)行各種運(yùn)算來(lái)抽取目標(biāo)的特征，然后再根據(jù)預(yù)設(shè)的判別標(biāo)準(zhǔn)輸出判斷結(jié)果。如桿上是否有鳥獸筑巢、導(dǎo)線上是否有樹枝纏繞或者垃圾袋等異物懸掛，導(dǎo)線是否受外力破壞而破皮斷線，絕緣子、避雷器、刀閘開關(guān)是否有損壞，是否經(jīng)常有路人或車輛碰觸設(shè)備，配電站房?jī)?nèi)是否有小動(dòng)物入侵等。

輸出或顯示是在圖像數(shù)據(jù)分析和處理的基礎(chǔ)上，及時(shí)發(fā)現(xiàn)危險(xiǎn)現(xiàn)象，并根據(jù)不同的危險(xiǎn)等級(jí)發(fā)出報(bào)警信號(hào)，提醒監(jiān)控人員設(shè)備存在安全隱患或己發(fā)生故障，監(jiān)控人員便可根據(jù)警報(bào)信息第一時(shí)間安排消缺設(shè)備隱患或隔離故障，避免意外事故的發(fā)生及進(jìn)一步擴(kuò)大。

這三個(gè)技術(shù)環(huán)節(jié)彼此互相影響，任何一個(gè)環(huán)節(jié)圖出現(xiàn)偏差都將對(duì)視覺辨識(shí)系統(tǒng)的整體性能產(chǎn)生顯著影響。

3 視覺辨識(shí)系統(tǒng)的關(guān)鍵技術(shù)研究

視覺辨識(shí)技術(shù)是一門涉及人工智能、神經(jīng)生物學(xué)、心理物理學(xué)、計(jì)算機(jī)科學(xué)、圖像處理、模式識(shí)別等諸多領(lǐng)域的交叉學(xué)科，并在各領(lǐng)域得到廣泛應(yīng)用。針對(duì)配網(wǎng)設(shè)備的特點(diǎn)，安全監(jiān)控視覺辨識(shí)系統(tǒng)的技術(shù)研究主要包括運(yùn)動(dòng)物體識(shí)別技術(shù)研究和運(yùn)動(dòng)物體入侵監(jiān)控報(bào)警系統(tǒng)開發(fā)。

3.1 運(yùn)動(dòng)物體識(shí)別技術(shù)研究

研究運(yùn)動(dòng)物體識(shí)別和跟蹤算法，運(yùn)用運(yùn)動(dòng)視覺分析技術(shù)從采集的高清連續(xù)圖像中，識(shí)別出物體運(yùn)動(dòng)的信息，以判別是否有人、動(dòng)物或其他外物闖入監(jiān)控區(qū)域。通過(guò)不同的特征刻畫出運(yùn)動(dòng)物體存在的區(qū)域和具體位置，并提取相應(yīng)的特征信息，運(yùn)用SVM支持向量機(jī)對(duì)采集的樣本進(jìn)行訓(xùn)練和識(shí)別。最后根據(jù)所研究的算法，編寫相應(yīng)的識(shí)別程序模塊。

鑒于監(jiān)控背景環(huán)境復(fù)雜，具有場(chǎng)景較大、運(yùn)動(dòng)物體相對(duì)較小且經(jīng)常被遮擋或半遮擋、背景由各種各樣的電線桿和母線等物體組成等特點(diǎn)，采用基于OpenCV的混合高斯模型進(jìn)行運(yùn)動(dòng)目標(biāo)的前景檢測(cè)。

基于視覺辨識(shí)的圖像采集和處理算法包含了從視頻序列中檢測(cè)物體運(yùn)動(dòng)目標(biāo)、對(duì)目標(biāo)進(jìn)行分類跟蹤、進(jìn)而分析識(shí)物體的行為，屬于圖像分析的范疇。物體運(yùn)動(dòng)視覺分析是指在視頻序列中檢測(cè)出物體的目標(biāo)，并對(duì)目標(biāo)的行為進(jìn)行分析，它通常包括運(yùn)動(dòng)檢測(cè)、目標(biāo)分類以及目標(biāo)跟蹤三個(gè)過(guò)程，視覺分析的處理框架如圖1所示。

物體檢測(cè)的第一步是要檢測(cè)出畫面的運(yùn)動(dòng)區(qū)域，使用基于物體特征的分割方法。根據(jù)對(duì)監(jiān)測(cè)圖像預(yù)處理后截取的圖像，為此可將這些圖片分為正樣本集和負(fù)樣本集。將正負(fù)樣本集的樣本提取Gabor小波特征和HOG特征并寫成訓(xùn)練樣本格式，特征提取如圖2所示;之后將訓(xùn)練樣本帶進(jìn)SVM支持向量機(jī)進(jìn)行訓(xùn)練，最終得到三次多項(xiàng)式分類器;最后將檢測(cè)到的運(yùn)動(dòng)物體圖像帶入分類器進(jìn)行判別，對(duì)可能造成危險(xiǎn)的運(yùn)動(dòng)物體給予報(bào)警，如圖3所示。之所以使用Gabor小波特征和HOG特征，是因?yàn)镚abor小波特征具有抗光照的性能而HOG特征具有尺度和旋轉(zhuǎn)不變的特性。

3.2 運(yùn)動(dòng)物體入侵監(jiān)控報(bào)警系統(tǒng)研究

運(yùn)動(dòng)物體入侵監(jiān)控報(bào)警系統(tǒng)包括高清視頻監(jiān)控終端和運(yùn)動(dòng)物體入侵監(jiān)控及識(shí)別軟件。

（1）高清視頻監(jiān)控終端由高清攝像頭、3GAG視頻監(jiān)控終端組成。監(jiān)控終端采用工業(yè)級(jí)高性能嵌入式ARM處理器設(shè)計(jì)，具有超大內(nèi)存，能夠高速緩存數(shù)據(jù)和指令，具有高速數(shù)據(jù)訪問(wèn)能力和指令處理能力，本地硬盤存儲(chǔ)和SD卡存儲(chǔ)，通過(guò)高清攝像頭采集監(jiān)控區(qū)域視頻信息，同時(shí)支持環(huán)境溫濕度、煙霧、氣體等智能傳感器接入，通過(guò)3G/4G無(wú)線通信網(wǎng)絡(luò)將編碼和壓縮后的視頻信息傳送給運(yùn)動(dòng)物體入侵監(jiān)控及識(shí)別軟件進(jìn)行圖像監(jiān)視和識(shí)別。

（2）運(yùn)動(dòng)物體入侵監(jiān)控及識(shí)別軟件分類管理各個(gè)監(jiān)控區(qū)域的實(shí)時(shí)數(shù)據(jù)，控制云臺(tái)，遠(yuǎn)程視頻回看，同時(shí)調(diào)用運(yùn)動(dòng)物體識(shí)別和跟蹤算法模塊對(duì)監(jiān)控區(qū)域安全進(jìn)行分析，當(dāng)識(shí)別到有物體入侵后，通過(guò)語(yǔ)音或短信方式進(jìn)行提醒。軟件同時(shí)支持手機(jī)和PC客戶端在線觀看、監(jiān)控、存儲(chǔ)和前端控制。

4 結(jié)語(yǔ)

視覺辨識(shí)技術(shù)的應(yīng)用，不僅能夠?qū)崿F(xiàn)配電設(shè)備復(fù)雜環(huán)境下重點(diǎn)區(qū)域現(xiàn)場(chǎng)影像的自動(dòng)記錄、數(shù)據(jù)遠(yuǎn)程傳輸和遠(yuǎn)程集中監(jiān)視等功能，還可對(duì)入侵的大尺寸物體進(jìn)行自動(dòng)檢測(cè)和跟蹤，及時(shí)發(fā)現(xiàn)危險(xiǎn)現(xiàn)象，并發(fā)出報(bào)警，避免意外事故的發(fā)生或事故發(fā)生后的進(jìn)一步擴(kuò)大。對(duì)于保障配電設(shè)備重點(diǎn)區(qū)域安全、提高作業(yè)人員安全意識(shí)、提高設(shè)備運(yùn)行的可靠性等方面具有明顯效果，具有廣闊的應(yīng)用前景。

參考文獻(xiàn)

[1]范祥，盧道華，王佳.機(jī)器視覺在工業(yè)領(lǐng)域中的研究應(yīng)用[J].現(xiàn)代制造工程，2007（06）：129-133.

[2]李福建，張?jiān)?機(jī)器視覺系統(tǒng)組成研究[J].自動(dòng)化博覽，2004（02）：61-63.

[3]張萍，朱政紅.機(jī)器視覺技術(shù)及其在機(jī)械制造自動(dòng)化中的應(yīng)用[J].合肥工業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2007，30（10）：1292-1295.

[4]楊靜宇，魏興國(guó)，孫懷江.一種快速SVM學(xué)習(xí)算法[J].南京理工大學(xué)學(xué)報(bào)，2003，27（05）：530-535.

[5]張輝，王強(qiáng)，徐光祐等.運(yùn)動(dòng)目標(biāo)的快速檢測(cè)、跟蹤和判斷[J].清華大學(xué)學(xué)報(bào)，2002（10）：1401-1404.

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

[7]趙萬(wàn)有，曹陽(yáng)，溫嘉宇等.調(diào)度狀態(tài)監(jiān)測(cè)與監(jiān)控預(yù)警系統(tǒng)中數(shù)據(jù)處理流程研究[J].黑龍江電力，2016，38（06）：119-123.