變電站視頻監(jiān)控自動報警系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種針對變電站開關柜信號指示燈、開關和旋鈕狀態(tài)進行視頻監(jiān)控自動報警的系統(tǒng)，通過顏色、紋理、形狀、空間關系特征等多種圖像識別算法，實現(xiàn)對變電站監(jiān)控的自動分析、異常報警的功能，包括視頻圖像識別算法、視頻傳輸壓縮算法，以及視頻監(jiān)控的自動分析、異常報警方法研究。本發(fā)明的最終目的是通過對視頻圖像識別算法，視頻傳輸壓縮算法，實現(xiàn)了對變電站監(jiān)控的自動分析、異常報警，徹底解決了人為懈怠造成的反應不及時的弊端；針對變電站視頻監(jiān)控內(nèi)容進行在線的自動識別，以及時發(fā)現(xiàn)各種異常狀況，提高運行安全水平和自動化水平。
【專利說明】
變電站視頻監(jiān)控自動報警系統(tǒng)
技術(shù)領域
[0001]本系統(tǒng)通過顏色、紋理、形狀、空間關系特征等多種圖像識別算法，實現(xiàn)對變電站開關柜狀態(tài)監(jiān)控的自動分析、異常報警的功能，屬于電力行業(yè)安全監(jiān)控技術(shù)領域。
【背景技術(shù)】
[0002]智能視頻監(jiān)控技術(shù)在公共保安領域中的應用帶來了監(jiān)控系統(tǒng)的巨大變革。而今，許多科研人員把最先在軍事制導中得以廣泛應用的運動目標檢測和跟蹤技術(shù)成功引入到監(jiān)控系統(tǒng)中構(gòu)建出了新一代的智能化監(jiān)控系統(tǒng)。這類系統(tǒng)只為監(jiān)控人員提供了“眼睛”，仍需要監(jiān)控人員時刻根據(jù)場景控制云臺跟蹤運動目標，它自己僅具有簡單的自主監(jiān)控能力能實時地對監(jiān)控場景的運動目標進彳丁檢測和跟蹤。
[0003]為了達到既給監(jiān)控人員提供“眼睛”，也給監(jiān)控人員提供“大腦”，本文提供將多種圖像特征識別技術(shù)引入到監(jiān)控設備中，系統(tǒng)設計能完全替代監(jiān)控人員，可用于無人值守情況下的高智能化監(jiān)控，發(fā)生異常即使發(fā)出報警信號。

【發(fā)明內(nèi)容】

[0004]本發(fā)明旨在解決變電站實現(xiàn)無人值守，對變電站開關柜圖像進行監(jiān)控以及異常情況自動報警。為實現(xiàn)上述目的，本發(fā)明的技術(shù)方案如下:
[0005]針對變電站視頻監(jiān)控內(nèi)容進行在線的自動識別，以及時發(fā)現(xiàn)各種異常狀況，提高運行安全水平和自動化水平。系統(tǒng)主要
【發(fā)明內(nèi)容】
包括:
[0006](I)視頻圖像識別算法
[0007]分析變電站視頻監(jiān)控圖像特點，選擇合理的圖像識別算法對圖像特征點進行分析；圖像特征識別前將采集的視頻圖像進行預處理(降噪、變換)、特征識別、分析處理等步驟，本發(fā)明所涉及的特征提取包括如下幾類:顏色特征、紋理特征、形狀特征、空間關系特征。
[0008](2)視頻傳輸壓縮算法
[0009]本發(fā)明使用以ITU-T和MPEG聯(lián)合組成的JVT(JointVideo Expert Team)的H.264視頻壓縮編碼標準，提出三種降低H.264/AVC高計算復雜度的優(yōu)化算法一一幀內(nèi)預測算法、幀間預測算法以及快速運動估計算法，有效提高視頻傳輸質(zhì)量與效率。
[0010](3)視頻監(jiān)控的自動分析、異常報警方法
[0011]本發(fā)明實現(xiàn)對變電站監(jiān)控視頻圖像進行特征分析，特征對象為變電站內(nèi)開關柜上各信號燈及開關狀態(tài)，對特征對象進行自動分析，異常情況發(fā)生時系統(tǒng)自動發(fā)出報警信號。
[0012]本發(fā)明通過視頻圖像識別算法，視頻傳輸壓縮算法，以及視頻監(jiān)控的自動分析、異常情況自動發(fā)出報警信息，實現(xiàn)了變電站視頻監(jiān)控自動報警系統(tǒng)，徹底解決了人為懈怠造成的反應不及時的弊端。
【附圖說明】
[0013]圖1為本發(fā)明一種實施例中所使用的主要功能流程框圖。
【具體實施方式】
[0014]下面結(jié)合附圖和【具體實施方式】對本發(fā)明作進一步說明。
[0015]實施例:
[0016]步驟I，視頻圖像壓縮傳輸，將采集的視頻數(shù)據(jù)進行視頻編碼，通過減少視頻序列間的相關性，降低視頻內(nèi)容中的冗余，用較少的比特數(shù)來表示視頻內(nèi)容，從而實現(xiàn)對視頻的壓縮。
[0017]視頻壓縮不僅去除視頻空域和統(tǒng)計冗余，更重要的是減少時域的冗余，即將可推知的確定信息去掉。本發(fā)明使用霍夫曼編碼進行統(tǒng)計冗余度的壓縮;通過頻域變換，將原圖像信號用直流分量及少數(shù)低頻交流分量的系數(shù)來表示，使用正交余弦變換DCT方法，對圖像的空間冗余度進行有效的壓縮;使用差分編碼DPCM，對圖像的時間冗余度進行有效的壓縮；將離散余弦變換DCT后的低頻分量進行精細量化，對高頻分量進行粗量化的方法對圖像的視覺冗余度進行有效的壓縮，通過統(tǒng)計冗余、空間冗余、時間冗余和視覺冗余度的壓縮，提高的圖像壓縮效率。
[0018]步驟2，將采集傳輸?shù)囊曨l圖像進行圖像預處理，包括圖像降噪和邊緣檢測。
[0019]有效的抑制噪聲，對于圖像的應用有著至關重要的作用。為了達到更好的去噪效果，本發(fā)明根據(jù)不同噪聲來源及影響，采用了空間域濾波、變換域濾波和偏微分方程等去噪算法?？臻g域濾波在原圖像上直接進行數(shù)據(jù)運算，對像素的灰度值進行處理;本發(fā)明使用沃爾什-哈達瑪變換和小波變換將圖像從空間域轉(zhuǎn)換到變換域的變換域濾波算法;本發(fā)明采用Perona和Mal ik的偏微分方程，該方法在確定擴散系數(shù)時有很大的選擇空間，在前向擴散的同時具有后向擴散的功能，所以，具有平滑圖像和將邊緣尖銳化的能力，偏微分方程在低噪聲密度的圖像處理中取得了較好的效果。
[0020]本發(fā)明圖像預處理邊緣檢測主要用于檢測開關柜圖像邊緣，為后續(xù)處理提供基礎數(shù)據(jù)。不同圖像灰度不同，邊界處一般會有明顯的邊緣，利用此特征分割圖像。根據(jù)不同的視頻圖像特征，本發(fā)明主要用到Roberts算子、Prewitt算子、SobeI算子、Isotropic Sobel算子和Laplacian算子的圖像邊緣檢測算子。Roberts算子，邊緣定位準，但是對噪聲敏感，用于邊緣明顯且噪聲較少的圖像分割;Prewitt算子，對噪聲有抑制作用，抑制噪聲的原理是通過像素平均，但是像素平均相當于對圖像的低通濾波；Sobel算子和Prewitt算子都是加權(quán)平均，但是Sobel算子處理是，鄰域的像素對當前像素產(chǎn)生的影響不是等價的，所以距離不同的像素具有不同的權(quán)值，對算子結(jié)果產(chǎn)生的影響也不同；Isotropic Sobel算子，權(quán)值反比于鄰點與中心點的距離，當沿不同方向檢測邊緣時梯度幅度一致，就是通常所說的各向同性;Laplacian算子，是二階微分算子。其具有各向同性，即與坐標軸方向無關，坐標軸旋轉(zhuǎn)后梯度結(jié)果不變。但是，其對噪聲比較敏感，所以，圖像一般先經(jīng)過平滑處理。
[0021]步驟3，將預處理后的圖像進行識別出來，主要包括圖像特征提取和目標跟蹤處理，本發(fā)明主要對變電站開關柜信號燈及面板開關狀態(tài)進行特征提取，對提取的特征目標進行圖像識別，主要包括顏色特征、紋理特征、形狀特征和空間關系特征綜合識別，更準確識別出開關柜運行狀態(tài)，對特征提取后的目標圖像進行跟蹤處理。
[0022]本發(fā)明使用顏色直方圖法表達顏色特征，其優(yōu)點是不受圖像旋轉(zhuǎn)和平移變化的影響，進一步借助歸一化還可不受圖像尺度變化的影響;利用紋理特征檢索具有粗細、疏密等方面較大差別的紋理圖像，例如:開關狀態(tài)發(fā)生改變時，開關的紋理粗細、疏密等易于分辨，區(qū)域內(nèi)基元對象的數(shù)目明細變化，結(jié)合紋理特征能有效識別此類開關狀態(tài)變化;本發(fā)明采用輪廓提取算法處理形狀特征，對于較為復雜的圖像采用先邊緣檢測再輪廓提取的方法把目標的輪廓提取出來；圖像中分割出來的多個目標之間的相互的空間位置或相對方向關系，這些關系也可分為連接/鄰接關系、交疊/重疊關系和包含/包容關系等，本發(fā)明采用將連續(xù)約束和基于區(qū)域分割相結(jié)合的方法處理圖像空間關系特征。
[0023]將被監(jiān)視的視頻圖像進行特征提取后，對目標圖像進行跟蹤處理，本項目用到的運動目標跟蹤監(jiān)測主要用到了:連續(xù)幀間差分法、背景差分法和光流法。
[0024]連續(xù)幀間差分法對于動態(tài)環(huán)境有很好的適應性，是一種基于象素的運動檢測方法，它通過對視頻圖像序列中相鄰的兩個或三個圖像進行差分運算來獲得運動物體輪廓；背景差分法通過輸入圖像與背景圖像進行比較從而分割出運動目標，卻又對光照和外部條件造成的動態(tài)場景變化過于敏感;光流法能夠檢測出獨立運動的對象，不需要預先知道場景的任何ig息。
[0025]由于運動檢測處于視頻運動分析的最底層，廣泛的應用場合使運動檢測算法可以處理各種復雜的情況，很難有一種算法能夠適合所有的應用場合，本發(fā)明根據(jù)不同場景拍攝的視頻圖像，結(jié)合上述三種目標跟蹤方法對運動的目標進行定位跟蹤。
[0026]步驟4，視頻監(jiān)控的自動分析、異常報警，本發(fā)明主要是針對圖像進行智能化分析，對特征點進行分析處理，分析方法如步驟3，系統(tǒng)將每次識別的特征點狀態(tài)記入數(shù)據(jù)庫中，每次巡檢后的分析結(jié)果與上次巡檢測的視頻分析結(jié)果比較，如果兩次檢測結(jié)果不一致，系統(tǒng)作為異常情況發(fā)出警報，同時對異常情況下的開關柜信號指示燈、開關和旋鈕狀態(tài)進行保存，方便維修人員查詢故障發(fā)生時的相關信息。
[0027]I)信號指示燈故障分析
[0028]發(fā)生故障前后信號指示燈顏色明顯變化，通過色彩變化特征判斷信號燈故障。記錄每個信號指示燈狀態(tài)并給定對應故障類型，將采集回的信號指示燈圖片與對應的量化數(shù)據(jù)進行一一對應，建立并不斷完善信號燈故障分析庫，最終達到量化分析的功能。
[0029]針對不同的信號指示燈定義不同的檢測項目，同時對其進行附圖對應，每個項目定義不同的文字描述并賦于不同的等級。將定義好的量化檢測項目對應現(xiàn)場進行檢測，并將檢測回的信息進行統(tǒng)一輸入系統(tǒng)，進行故障的分析。根據(jù)不同的描述等級評定出不同的故障程度，本發(fā)明根據(jù)不同故障類型自動發(fā)出相應報警信號。
[0030]2)開關及旋鈕狀態(tài)分析
[0031]開關及旋鈕故障狀態(tài)要通過顏色、紋理、形狀、空間等綜合特征判斷故障類型。記錄每個開關及旋鈕狀態(tài)并給定對應故障類型，將采集回的開關及旋鈕圖片與對應的量化數(shù)據(jù)進行一一對應，建立并不斷完善開關及旋鈕故障分析庫，最終達到量化分析的功能。
[0032]針對不同的開關及旋鈕定義不同的檢測項目，同時對其進行附圖對應，每個項目定義不同的文字描述并賦于不同的等級。將定義好的量化檢測項目對應現(xiàn)場進行檢測，并將檢測回的信息進行統(tǒng)一輸入系統(tǒng)，進行故障的分析。根據(jù)不同的描述等級評定出不同的故障程度，本發(fā)明根據(jù)不同故障類型自動發(fā)出相應報警信號。
[0033]上述雖然對本系統(tǒng)發(fā)明的【具體實施方式】進行了描述，但并非對本發(fā)明保護范圍的限制，所屬領域的技術(shù)開發(fā)人員應該明白，在本發(fā)明的技術(shù)方案的基礎上，本領域及相關領域的技術(shù)開發(fā)人員不需要付出創(chuàng)造性勞動即可做出的各種修改或變形，仍在本發(fā)明的保護范圍以內(nèi)。
【主權(quán)項】
1.一種針對變電站開關柜信號指示燈、開關和旋鈕狀態(tài)進行視頻監(jiān)控自動報警的系統(tǒng)，該系統(tǒng)具備異常狀況檢測并自動報警，其特征在于，將采集的視頻信號進行傳輸壓縮算法傳輸給后臺，首先對傳輸?shù)囊曨l圖像進行預處理，然后通過視頻圖像視頻算法對特征點進行識別處理，對監(jiān)控的內(nèi)容進行自動分析，異常情況發(fā)出報警信號。2.根據(jù)權(quán)利要求1中所述的視頻圖像預處理算法，其特征是，對視頻圖像先進行去噪，去噪算法包括有空間域濾波、變換域濾波和偏微分方程，然后對圖像進行邊緣檢測，邊緣檢測算子有Roberts算子、Prewitt算子、SobeI算子、Isotropic SobeI算子和LapIacian算子。3.根據(jù)權(quán)利要求1中所述的視頻圖像識別算法，其特征是，分析變電站開關柜視頻監(jiān)控圖像特點，根據(jù)圖像特點使用不同的圖像去噪算法，通過顏色、紋理、形狀及空間關系特征進行分析，對開關柜運行狀態(tài)進行識別處理。4.根據(jù)權(quán)利要求1中所述的視頻傳輸壓縮算法;系統(tǒng)采用了ITU-T和ISO共同制定了新一代視頻編碼標準H.264進行編碼，采用幀內(nèi)預測算法、幀間預測算法以及快速運動估計算法進行編碼優(yōu)化，提高視頻傳輸效率。5.根據(jù)權(quán)利要求1中所述的視頻監(jiān)控的自動分析、異常報警方法;對變電站開關柜監(jiān)控畫面進行分析，結(jié)合具體部分的檢測分析，給出各設備的隱患識別，對檢查出的異常狀態(tài)發(fā)出相應的報警信號。
【文檔編號】H04N19/103GK105915645SQ201610443380
【公開日】2016年8月31日
【申請日】2016年6月20日
【發(fā)明人】王承民, 馬成紅, 劉涌, 袁秋實
【申請人】上海博英信息科技有限公司