無人值守變電站遙視系統(tǒng)人臉識別

鄒海樟，彭麗，楊徉，趙華，楊京渝

（1.吉首大學(xué)信息科學(xué)與工程學(xué)院，吉首 416000；2.國網(wǎng)湖南省電力有限公司湘西供電分公司，吉首 416000）

0 引言

變電站要實(shí)現(xiàn)無人值班，無人值守已經(jīng)成為電力系統(tǒng)發(fā)展的必然趨勢。目前我國無人值守變電站主要分為：大型區(qū)域變電站和無人自備變電站[1]。兩種變電站設(shè)備都較為單一，需要視頻監(jiān)控。現(xiàn)已存在的值守系統(tǒng)不能很好地滿足系統(tǒng)安全需求。一般來說，無人值守變電站離市區(qū)較遠(yuǎn)，而目前的遙視系統(tǒng)只能通過視頻遠(yuǎn)程監(jiān)控來減少對變電站人力巡視次數(shù)和重要設(shè)備的人力監(jiān)控成本。一旦發(fā)生意外或者故障時，人員調(diào)度比較困難，若等待救援則可能會引發(fā)二次事故。國內(nèi)很多無人值守變電站在“四遙”的基礎(chǔ)上已經(jīng)開始逐漸提升為第五遙視系統(tǒng)[2]，在原有視頻監(jiān)測基礎(chǔ)上對于常見事故和一些設(shè)備故障能夠進(jìn)行智能識別和分析，并且自動反應(yīng)。所以將人臉識別應(yīng)用到無人值守的系統(tǒng)中是對目前系統(tǒng)的改進(jìn)優(yōu)化[3]，有利于提高變電站的安全性和可持續(xù)運(yùn)行，減少事故發(fā)生。

在人臉識別主要包括人臉檢測和模式匹配兩個過程，本文在檢測過程中采用了AdaBoost算法，對同一個訓(xùn)練集訓(xùn)練不同的弱分類器，然后將弱分類器集合起來構(gòu)成一個強(qiáng)分類器[4]。在模式匹配過程中主要采用PCA算法，將待匹配的圖片進(jìn)行高維到低維的變換，然后求待匹配人臉與模板臉的相似度即可完成識別。在本文中加入了自動監(jiān)督學(xué)習(xí)，當(dāng)所匹配人臉未在數(shù)據(jù)庫時，系統(tǒng)會自動更新訓(xùn)練集，并加入模板庫中從而克服系統(tǒng)“臉盲”的缺點(diǎn)。

1 遙視系統(tǒng)方案概述

無人值守變電站監(jiān)測系統(tǒng)主要用于縣區(qū)級調(diào)度中心，在監(jiān)控中心內(nèi)通過網(wǎng)絡(luò)可以連接至各個變電站。監(jiān)測系統(tǒng)主要由視頻端、通訊網(wǎng)絡(luò)系統(tǒng)和后端處理分析系統(tǒng)組成，視頻服務(wù)器將模擬視頻信號轉(zhuǎn)變?yōu)閿?shù)字信號，然后進(jìn)行壓縮編碼。通過通訊網(wǎng)絡(luò)系統(tǒng)采用TCP/IP協(xié)議將視頻信號傳輸?shù)胶蠖颂幚硐到y(tǒng)，在后端系統(tǒng)中分為人為監(jiān)控和自動分析兩部分。改進(jìn)的系統(tǒng)加大了自動分析的能力，減少人為分析視頻的任務(wù)量，不僅使分析變得更加準(zhǔn)確，而且減少了成本。

2 算法原理

2.1 AdaBoost算法

AdaBoost算法是一種基于圖像Haar特征的迭代算法。其中Haar特征叫做圖像的矩形特征。AdaBoost算法主要由訓(xùn)練和檢測兩部分組成。它是一種級聯(lián)分類模型的分類器，由多個弱分類器按照不同的權(quán)重組合而成[5]，每一級都會比前一級復(fù)雜。

AdaBoost算法得知道已知圖像的Haar特征數(shù)量和特征值才能進(jìn)行一次弱分類器訓(xùn)練。

其中 feature(x,y)表示積分圖，i(x′,y′)表示顏色值或者灰度值。矩形的特征值與其各端點(diǎn)的積分圖有關(guān)與矩形的坐標(biāo)無關(guān)，特征值f等于各端點(diǎn)積分圖和與相鄰端點(diǎn)積分圖的差值。弱分類器訓(xùn)練的過程主要是將計算好的特征值進(jìn)行排序，對于排序好的每一個元素計算全部正樣本的權(quán)重和T+和負(fù)樣本的權(quán)重和T-。然后計算該樣本前正樣本的權(quán)重和S+和前負(fù)樣本權(quán)重和S-。選取該樣本的特征值FK和它前面的一個特征值FK-1之間的數(shù)作為閾值。根據(jù)每個樣本特征值訓(xùn)練的弱分類器，每次按照閾值大小分配權(quán)值最后組合成一個強(qiáng)分類器。檢測的時候，根據(jù)樣本大小遍歷整個圖像，標(biāo)出可能的人臉區(qū)域。按照指定的放大倍數(shù)放大檢測窗口，再一次對圖像進(jìn)行遍歷。如此進(jìn)行，直到檢測窗口超過原圖像的一半后停止遍歷，最后處理完重疊檢測的人臉區(qū)域和合并后即可以檢測到人臉。

圖1 系統(tǒng)方案圖

2.2 PCA算法

主成分分析法實(shí)則就是將一個高維向量通過特征向量矩陣投影到一個低維向量空間中，這樣高維空間就可以用一個低維空間和特征矩陣來表示[6]。主要步驟：

①原始數(shù)據(jù)轉(zhuǎn)換為矩陣Xm×n；

②將Xm×n的每一行減去這一行的均值，求出協(xié)方差矩陣C；

③求出協(xié)方差矩陣的特征值及其對應(yīng)的特征向量，將特征向量按對應(yīng)的特征值大小從上到下按行排列成矩陣，取前k行組成矩陣p，Y=pX即為降維得到的k維數(shù)據(jù)。

通過計算特征臉和模板庫中人臉的歐氏距離，根據(jù)最小歐氏距離即可得到待測人臉的社會信息。

3 實(shí)驗(yàn)

本次仿真采用的系統(tǒng)環(huán)境為Windows 7，采用的IDE為Visual Studio 2013和計算機(jī)開源視覺庫OpenCV。

圖2 仿真流程圖

實(shí)驗(yàn)流程：

①通過AdaBoost算法從待測圖片中檢測到人臉；

②將檢測到的圖片中的人臉提取出來得到平均臉；

③將平均臉通過PCA算法提取得到特征臉；

④通過計算特征臉與模板庫中的人臉的歐氏距離，根據(jù)最小距離識別出人臉。

圖3 檢測得到的人臉

圖4 平均臉

圖5 特征臉

4 結(jié)語

隨著人工智能的不斷前進(jìn)，變電站的無人值守也會變得越來越智能，不斷地減小人力的使用成為了發(fā)展的潮流。本文改進(jìn)的遙視系統(tǒng)增加了人臉分析，這雖然改變了以往遙視系統(tǒng)起到了監(jiān)控作用，但是這是遠(yuǎn)遠(yuǎn)不夠的。在以后的發(fā)展道路中，不僅僅添加人臉分析，更多的應(yīng)該增設(shè)行為分析。根據(jù)視頻采集圖像進(jìn)行識別，利用PLC技術(shù)在相關(guān)設(shè)備上安裝自動開斷和閉合系統(tǒng)、自動報警系統(tǒng)和自動修復(fù)系統(tǒng)，使得變電站值守朝向真正的智能化和無人化發(fā)展。