基于FPGA 的輸電線路舞動視頻監測研究

趙藝詣，張佳慶，劉建國，賈云飛

（1.南京理工大學機械工程學院，江蘇 南京 210000；2.晉西工業集團有限責任公司，山西 太原 030000；3.中國航天科工集團8511 研究所，江蘇 南京 210000）

近年來，我國境內的輸電線路舞動事故逐年頻繁發生，對國家電網的穩定運行產生了巨大的破壞[1-3]。線路舞動災害對電力系統和國民經濟造成巨大的危害，亟需采取方法進行舞動研究、防治及監測[4-7]。舞動監測系統可對輸電線路進行相關舞動參數和舞動狀態的實時監測，得到舞動參數，對各地區的舞動研究防治提供科學依據和全面數據，便于工作人員展開應急措施[8-11]。

該文通過舞動模擬實驗，證明在各個天氣環境下都有良好的舞動目標識別效果。通過坐標數據分析可得到舞動運動波形、幅值、頻率等信息，驗證了該文提出的方法可實現舞動監測功能。

1 舞動監測系統總體方案設計

舞動監測的主要技術難點在于舞動監測的精確定位，首先是舞動參數獲取不易。舞動參數的獲取需要設置一個具有唯一特征的“目標點”。舞動監測目標點既要克服舞動時強大的沖擊力，保持與線路相同的運動特征；還要與輸電線纜、輸電塔桿、天空背景等有所區別，以便進行目標識別[12]。其次，通過目標識別得到目標點的運動位移數據，在“運動”特征的基礎上進行其他特征的“二次識別”，從而實現舞動監測目標點的高空定位。此外，還需克服復雜環境識別不易的問題。舞動多發生在溫度低、濕度高、風力強的極端天氣，因此舞動監測還應該具有良好的天氣適應性。不同天氣下，攝像機的成像是有很大的不同，需保障在各個天氣環境下都能有良好的舞動監測功能。

基于FPGA 的輸電線路舞動視頻監測方法整體結構圖如圖1 所示。

圖1 監測系統總體方案示意圖

通過舞動監測目標點、舞動參數采集以及上位機處理中心協同工作以實現全天候全方位的舞動監測。舞動監測目標點是外觀有一定特征的物體，是目標識別的對象；舞動參數監測部分主要由FPGA 主控模塊、攝像機模塊、4G 通信模塊、氣象傳感器等組成，負責完成圖像數據的采集，舞動監測目標點的識別、定位，氣候數據的采集，以及數據的無線發送；上位機終端對目標點坐標數據接收處理，得到舞動幅值、舞動頻率、舞動環境氣候數據等參數信息，并對以上數據進行保存、調取、歸檔處理等。

系統工作時，將監測目標點安裝于輸電線路上，當輸電線路開始擺動時，舞動監測目標點會隨輸電線一起運動。此時的監測目標點具有“顏色”與“運動”雙重特征，攝像機拍攝到運行狀態的視頻圖像后傳遞給FPGA，再通過圖像處理算法對目標點進行目標特征識別，得到每幀圖像中的目標點的位置。根據相機的成像比例尺與目標點的位置，將一系列的坐標點連接起來得到目標點的位移-時間曲線，最終通過計算得到舞動幅值、舞動頻率等參數信息。

2 圖像識別處理與實現

2.1 顏色特征閾值的選取

準確地進行運動識別與顏色特征識別，需要設置合理科學的閾值范圍[13-16]。在運動幀間差分法的閾值設定上，閾值太高會導致無法完整地監測到運動目標；閾值過低，環境中一些像素點的亮度變化也會被誤檢測為運動目標。經過多次測試，將運動閾值設置為10。

因為環境有明暗的區別，同一個顏色標志物在不同天氣、不同光照下的成像結果是有區別的，因此選定的顏色特征判斷閾值必須盡可能囊括各種光照條件。因此在不同光照環境下拍攝舞動監測目標點的照片，最終將各環境下的舞動目標點照片都轉換為HSV 格式及HSV 三分量單獨顯示，效果如圖2 所示。

圖2 舞動檢測裝置HSV顯示圖

觀察對比“天空”、“輸電線纜”以及“舞動監測目標點”三大區域的HSV 及其分量圖可知，在光線充足的晴天，光線稍暗的陰天、傍晚以及光線微薄的夜晚，舞動監測點與周圍的環境都有很大的顏色區分度。尤其轉到HSV 格式后，區分效果更加明顯。

2.2 靜態數據采集

舞動監測點輸出的是像素坐標值，為了確定成像比例尺和監測得到的位移的精度，該文進行靜態實驗。在進行舞動監測時，攝像機的視角與焦距是固定的，因此每幀圖像的視野是相同的。計算識別框的大小與舞動目標點實際尺寸的比值，獲取相機的成像比例尺，得到舞動的真實位移。

安裝舞動監測目標點并固定好相機。此時的舞動目標點只有“顏色”特征，保持顏色閾值不變；將幀差法的閾值降低為2，可以過濾掉光場亮度變化而產生的噪聲點，使得在舞動目標點靜止時，也可進行識別框繪制。靜態實驗識別效果如圖3 所示。

圖3 靜態實驗監測

計算100 組數據得到矩形框平均像素尺寸：30.2 Pixel×29.8 Pixel，而舞動目標點的真實尺寸為7.51 cm×7.51 cm，得到成像比例尺約為0.613×0.592 Pixel/cm。

在得到成像比例尺后，進行靜態實驗：

1）保持攝像機與舞動目標監測點的垂直距離、運動識別、顏色識別的閾值不變。

2）舞動目標點的運動范圍有限。將舞動監測點靜止時的位置設定為基準點。改變舞動目標監測點的空中水平位置、空中垂直位置，每次移動50 cm，共計移動8 次，示意如圖4 所示。

圖4 靜態實驗示意圖

3）舞動目標點在觀測點靜止時，進行目標識別，記錄每一個位置的坐標數據。

4）根據得到的成像比例尺與矩形框坐標，計算得到舞動監測目標點的位置偏移量，并做好記錄。設水平方向為X，豎直方向為Y，則得到的位移數據如表1 所示。

表1 靜態實驗位移數據表

根據得到的坐標偏移量，可知橫向位移綜合計算精度約在91.8%左右，縱向位移綜合計算精度在92.6%左右。X與Y方向的位移誤差都在10%以下，為下文舞動模擬實驗的位移量計算，提供了精度保證。

2.3 舞動數據采集

由于該方法選定的攝像機沒有夜視功能，為了確保在夜晚等條件下可以保持監測效果，因此使用工業照明燈提供一定的光照。根據得到的像素坐標位置，乘以成像比例尺后，以白天為例，得到的舞動幅值情況如圖5 所示。

圖5 舞動位移曲線

將采集到的數據繪制成三維曲線后，可以看出整體舞動的位移曲線，但在不同的光照條件下，舞動位移監測效果各有差異。其中白天的效果最佳，隨著視場亮度的下降，識別率開始降低，在夜晚進行舞動監測，得到的誤差點是最多的。其中不同時刻的識別率如表2 所示。

表2 舞動監測識別情況報表

該文提出的基于FPGA 的輸電線路舞動監測方法可以實現舞動的監測。在亮度較好的環境下，識別準確度均超過90%；在光線不好的夜晚環境，識別準確度在70%上下。

3 舞動監測實驗搭建

3.1 舞動監測目標點設計

舞動監測目標點應與輸電線路的運動保持一致，且不影響輸電線路的正常運行，具有顯著的顏色特征，便于目標識別。因此，在Solidworks 平臺上設計結構。

舞動監測目標點質量僅為150 g 左右。目標點體積小，結構簡單，不會過多增加輸電線路的載荷。此外，考慮到電流互感電磁感應等影響，舞動監測目標點是無源工作的，不會對輸電線的輸電工作產生影響。

輸電導線從舞動監測目標點的中心孔穿過去，當線路舞動時，其隨著線路一同擺動，保證了舞動監測目標點的運動特征。在其表面覆蓋反光材料，在僅有微弱光線的情況下，具有可觀的夜視效果，保證了其顏色特征。

3.2 模擬輸電線路模型搭建

為了盡可能地還原真實線路舞動的場景，選擇在某寫字樓的天臺上進行實驗，其天空背景、光照強度、風速等級比在室內或者平地上進行實驗，更接近真實場景。搭建的實物仿真平臺如圖6 所示。

圖6 線路舞動模擬實驗平臺

圖6 中1 為舞動監測目標點，2 為溫濕度傳感器與風速傳感器，3 為舞動監測節點。

3.3 舞動監測識別驗證

搭建好舞動試驗臺后，將舞動參數監測節點固定在一側的支架上，進行舞動監測實驗，檢驗不同天氣光照下的監測效果，顯示效果如圖7 所示。

圖7 舞動監測實驗效果圖

舞動檢測裝置在各個光照條件下均有良好的識別效果。在線路發生舞動時，舞動監測裝置通過目標識別與顏色識別可以準確的識別到懸掛固定在線路上的舞動監測目標點，有著良好的天氣適應性。

4 數據分析與處理

4.1 舞動誤差分析

以傍晚采集到數據波形圖為例進行誤差分析。將波形圖局部放大，如圖8 所示。

圖8 傍晚舞動波形圖局部放大

實驗中存在兩類誤差點，A 類誤差點代表某幀沒有識別到運動的舞動監測點；B 類誤差點是指在圖像識別中，錯誤判斷了具有運動與顏色特征的物體。

上述兩類誤差點屬于粗大誤差，其代表的意義嚴重歪曲了真實的物理涵義，因此應對其進行誤差剔除。該文采集處理了60 s 共1 500 幀圖像，其中，58 幀的數據是誤差幀。總體誤判率為3.9%，絕大多數（大于95%）測量點的位置是正確的，代表物體真實的運動情況。而誤差點代表的物體位置與相鄰點位置跳轉很大，因此可通過與相鄰數據的差值是否發生突變來判別誤差點。需要對粗大誤差進行剔除并實現修正：

1）數據采集完成后，得到n組數據，計算得到xt、yt后，分別計算相鄰點的差值：

2）固定坐標誤差點(xt,yt)=(32,24)，將其標記為A 類誤差點，并用相鄰2 個點的平均位置替代，則修正后的坐標應為：

3）B 類誤差點的坐標不是固定的，但是其值與時域上相鄰的點是突變的，判斷條件為：

當|Δxt| 或|Δyt| 其中一個滿足上述判定條件，則標記為B 類坐標點，將其剔除后，進行修正，如式（4）：

4.2 舞動參數計算

在進行舞動實驗時，通過人為地撥動線路使其擺動來模擬線路發生舞動時的運動狀態。因此在一個完整的模擬舞動周期中，縱向運動軌跡：最低點-最高點-最低點-最高點-最低點，而橫向運動軌跡：最低點-最左側-最低點-最右點?？v向振動頻率是橫向振動頻率的2 倍左右。

將數據用誤差剔除方法剔除后，進行舞動參數的獲取。以傍晚時刻為例，剔除誤差點后的局部波形如圖9 所示。

圖9 舞動波形局部（傍晚）

分析波形可知在上述時間段內：

X向舞動最大振幅Ax為62.83 cm，平均振幅為59.2 cm，平均橫向舞動周期為1.66 s，橫向舞動頻率為0.6 Hz；

Y向舞動最大振幅Ay約為30.57 cm，平均振幅為26.16 cm，平均縱向舞動周期約為0.84 s，Y向舞動頻率為1.19 Hz。

上述的誤差點剔除方法適用于整體誤差率較小的情況，當夜晚進行舞動監測時，整體誤差率較大，無法根據上述的方法將其插值替換。因此將夜晚舞動數據的波形圖直接局部放大，分析波形可知，在上述時間段內：

X向舞動最大振幅Ax約為45.36 cm,平均振幅為38.39 cm,橫向平均舞動周期為1.45 s，橫向舞動頻率為0.69 Hz；

Y向舞動最大振幅Ay約為36.70 cm，平均振幅為24.73 cm，縱向舞動周期約為0.72 s，Y向舞動頻率為1.39 Hz。

將在夜晚監測得到的數據點繪制成舞動波形后，雖能看出整體舞動波形的輪廓，但整體的誤差點較多，監測效果仍需進一步改善。從四組數據可知，該文設計的舞動監測方法是可行的，經過數據處理分析后，可以得到舞動頻率與舞動振幅等參數信息。

5 結論

該文完成了具有顯著顏色特征與線路相同運動特征的舞動目標監測點的設計，搭建了輸電線路舞動實驗平臺，確定了目標檢測的閾值，對數據模塊及上位機的數據采集處理功能進行驗證。結果表明，對目標檢測算法的舞動監測在各個天氣各個光照條件都可以實現舞動監測點的識別功能。此外，靜態實驗時，靜態位移精度可保持在90%以上；動態實驗時，在光照充足的條件下，整體識別準確度可達到90%以上，光照不足條件下，整體識別準確度為70%以上。該文算法實現了運動目標檢測與顏色目標檢測的算法融合，彌補了單一運動監測算法的不足，提高了目標檢測的準確度。