一种架空线路防异物入侵监测方法

技术领域

本发明涉及架空线检测异物技术领域，具体涉及一种架空线路防异物入侵监测方法。

背景技术

由于我国架空线路所处的复杂环境条件,使得线路极易受到外力破坏,包括线路的覆冰、老化，邻近林区的自然火灾等灾害。还包括一些人为因素包括人为破坏和偷盗以及大型机械违规施工对线路造成损伤，导致出现电力故障，电力故障会造成较大的经济损失和不良的社会影响，如何避免和减少损失,保证大规模电网的安全、稳定运行，是我国电网面临的重要问题。野外的架空线下方有河流等穿过时，往往很多钓鱼爱好者，不太会注意到头顶的架空线，在甩竿时碰到架空线，就会导致触电，造成事故。

目前针对架空线路视频防外破的检测一般通过安装摄像头拍摄视频，再通过工作人员在后台实时监控，在对于视频信息进行辨认时，由于户外环境中时常会出现雨雾，光照不足等恶劣情况下的视频信息比较模糊，难以识别清楚架空线的画面中是否有异物入侵，也会有鸟类或昆虫飞入，会出现一些误判的情况，导致难以对存在安全隐患出现外皮破损的线路及时进行识别更换，甚至造成电力故障，出现停电。

发明内容

本发明要解决的技术问题是：提供一种架空线路防异物入侵监测方法，以解决现有技术中存在的由于户外环境中时常会出现雨雾，光照不足等恶劣情况下的视频信息比较模糊，难以识别清楚架空线的画面中是否有异物入侵，也会有鸟类或昆虫飞入，会出现一些误判的情况，导致难以对存在安全隐患出现外皮破损的线路及时进行识别更换，甚至造成电力故障，出现停电的技术问题。

本发明采取的技术方案为：一种输电线路架空导线及地线耐张线夹压接质量检测系统，该方法包括以下步骤：

步骤一、采集架空线路视频信息；

步骤二、对视频信息进行预处理；

步骤三、对预处理后的视频特征识别和特征提取，进行去雾处理；

步骤四、根据步骤三提取处理后的特征进行目标定位。

其中，采集架空线路视频信息包括：

获取巡检区域视频信息，所述巡检区域视频信息包括巡检区域视频中的色彩分布以及不同色块区域面积；

通过摄像头获取巡检区域内的实时视频信息。

实时视频信息获取方法为：通过对架空线路产生威胁的区域安装摄像头获取巡检区域内的实时视频信息包括：摄像头用于获取巡检区域内的实时视频信息，以架空线为中心点设置有第一位置点和第二位置点，并且同一平面内第一位置点-中心点-第二位置点连线，所呈角度小于第一角度阈值，同时大于第二角度阈值。

步骤三中的视频特征识别和特征提取方法为：

接收摄像头传回的视频信息；

通过混合高斯背景模型去掉所述视频信息中存在动态背景，抑制动态背景带来的干扰，其计算表达式为：

其中，K表示高斯分布的像素点个数，每一个高斯分布表示一个组件，应用于图像像素点的混合高斯分布同样由K个高斯分布线性相加所得，

其中，w表示权值，o表示标准差，权值与标准差的比值由大到小进行排序，则描述背景可能性越大的分布越靠前，描述背景可能性越小的分布越靠后，选择前B个高斯分布组件作为背景像素的分布模型，其计算表达式为：

对视频的第一帧图像的每个像素对应的第一个高斯分布组件进行初始化，均值设为当前帧对应灰度图像的像素值，权值w=1，其他高斯分布组件的均值，权值都设置为0，对获取的当前帧的各个像素值分别与对应位置已经创建的高斯分布组件进行匹配；

若像素值与混合高斯模型中第i个高斯分布组件G均值的距离小于其标准差的2.5倍,则判定像素值I与该高斯分布组件匹配，具其计算表达式为：

其中,α表示背景高斯分布组件参数估计的学习速率，p表示权值的更新速率，α越小，则各项参数指标更新的速度越慢；

α越大，则各项参数指标更新的速度较快；

随着符合新高斯分布模型组件的像素点增多，权重则不断增大，且当前组件个数已经达到饱和，则舍弃权值与标准差的比值最小的组件；

若当前时刻图像的像素值与所得的B个高斯模型组件都不匹配；

则判定该像素点表示前景点,且前景像素点往往会以几个权重较小的高斯分布进行表示。

当以中心像素为中心的前景图窗口中出现边缘时，将像素值（x,y）与对应位置任意高斯分布组件的均值的差值与权值和标准差的比值做比较；

若高斯分布组件的均值的差值≤权值和标准差的比值，则判定为像素值与组件匹配成功；

统计高斯分布组件的权重之和并归一化所有权值；

将B个高斯分布组件作为所述像素值(x,y)处下一帧图像的前景图；

若高斯分布组件的均值的差值>权值和标准差的比值;则判定为像素值与组件匹配失败；

则删除该高斯分布组件﹐进行重新计算；

统计高斯分布组件的权重之和并归一化所有权值；

将B个高斯分布组件作为所述像素值(x,y)处下一帧图像的前景图。

当前景图像素值（x,y)，出现连续变化时，表示该位置前景图形状出现变化，在采集的视频信息中出现像素连续变化，表示该处架空线检测区域内有异物侵入。

本发明的有益效果：与现有技术相比，本发明能够对恶劣天气中拍摄的架空线的检测区域线路视频进行识别，进行去雾处理，同时能够把入侵的异物单独抠出来，避免视频比较模糊，导致难以识别清楚架空线检测区域内是否有异物入侵，使得工作人员出现一些误判的情况，有利于及时发现存在安全隐患，如钓鱼爱好者在甩竿时，鱼竿出现在检测区域内时，及时识别到，后台的调度人员可以通过远程控制控制报警器发出声音，或者派遣附近检修人员，来排除安全隐患避免造成电力故障出现停电的情况。

附图说明

图1为一种架空线路防异物入侵监测方法的基本流程示意图；

图2为一种架空线路防异物入侵监测方法的高斯分布二维模型；

图3为一种架空线路防异物入侵监测方法的示例图。

具体实施方式

下面结合具体的实施例对本发明进行进一步介绍。

实施例1：如图1-3所示，一种架空线路防异物入侵监测方法，该方法包括以下步骤：

S1：采集架空线路视频信息；

获取巡检区域视频信息，巡检区域视频信息包括巡检区域视频中的色彩分布以及不同色块区域面积；可以通过摄像头对巡检区域的视频信息进行采集，视频信息中主要分为两个部分的色块区域，一个是黑色的架空线，另一个是架空线之外的部分，也就是背景图。

通过对架空线路产生威胁的区域安装摄像头获取巡检区域内的实时视频信息。可以在野外的架空线下方有河流等穿过的地方，这些对架空线路产生威胁的区域安装摄像头，并且摄像头背靠架空线，镜头朝向对架空线路产生威胁的区域，作为检测区域。

S2：对视频进预处理；

通过摄像头获取巡检区域内的实时视频信息包括：

摄像头用于获取巡检区域内的实时视频信息，架空线为中心点设置有第一位置点和第二位置点，并且同一平面内第一位置点-中心点-第二位置点连线，所呈角度小于第一角度阈值，同时大于第二角度阈值；可以通过两组摄像头，对架空线两侧进行拍摄，并且摄像头朝向对架空线路产生威胁的区域，作为检测区域，位于架空线两侧第一位置点和第二位置点的摄像头，在与架空线垂直的一个平面内，其平面内第一位置点、架空线中心点和第二位置点，相连线的角度太小就会导致摄像头出现视角盲区，导致有一部分架空线表面，难以拍摄到，使得采集视频信息不全面，导致检测结果不准确。

位于架空线一侧第一位置点的摄像头，只能拍摄架空线一侧的表面；位于架空线另一侧第二位置点的摄像头，能够拍摄架空线另一侧的表面。由于架空线形状可以近似看做圆柱形，而架空线出现破皮后会沿架空线表面出现破损，当第一角度阈值和第二角度阈值与180度角偏差越大，第一位置点和第二位置点的摄像头，之间的重合拍摄的面积越大，也就是拍摄盲区面积也越大，可以根据架空线的线径，确定第一角度阈值和第二角度阈值，线径越大需要避免的拍摄盲区面积越大，要减小拍摄盲区，就需要第一位置点-中心点-第二位置点连线夹角越接近180度。

S3：视频特征识别和特征提取包括：

接收摄像头传回的视频信息；基站或者调度室通过信号塔接收摄像头传回的视频信息，并对摄像头传回的视频信息进行解析。

通过混合高斯背景模型去掉视频信息中存在动态背景，抑制动态背景带来的干扰，其计算表达式为：

其中，K表示高斯分布的像素点个数，每一个高斯分布表示一个组件，应用于图像像素点的混合高斯分布同样由K个高斯分布线性相加所得，

实际应用于图像中时，每一个像素的变化规律，都应建立单独的高斯分布，并且该高斯分布随时间的变化进行实时更新，但由于存在动态的背景的情况，并且这些背景的变化是存在一定规律的，因此采用混合高斯背景模型，能够很好的抑制动态背景带来的干扰。

S4：目标定位包括：

其中，w表示权值，o表示标准差，权值与标准差的比值由大到小进行排序，则描述背景可能性越大的分布越靠前，描述背景可能性越小的分布越靠后，选择前B个高斯分布组件作为背景像素的分布模型，其计算表达式为：

对视频的第一帧图像的每个像素对应的第一个高斯分布组件进行初始化，均值设为当前帧对应灰度图像的像素值，权值w=1，其他高斯分布组件的均值，权值都设置为0，对获取的当前帧的各个像素值分别与对应位置已经创建的高斯分布组件进行匹配；

若像素值与混合高斯模型中第i个高斯分布组件G均值的距离小于其标准差的2.5倍,则判定像素值I与该高斯分布组件匹配，具其计算表达式为：

其中,α表示背景高斯分布组件参数估计的学习速率，p表示权值的更新速率，α越小，则各项参数指标更新的速度越慢；

α越大，则各项参数指标更新的速度较快；

随着符合新高斯分布模型组件的像素点增多，权重则不断增大，且当前组件个数已经达到饱和，则舍弃权值与标准差的比值最小的组件；

若当前时刻图像的像素值与所得的B个高斯模型组件都不匹配；

则判定该像素点表示前景点,且前景像素点往往会以几个权重较小的高斯分布进行表示。

当以中心像素为中心的前景图窗口中出现边缘时，

将像素值（x,y）与对应位置任意高斯分布组件的均值的差值与权值和标准差的比值做比较；

若高斯分布组件的均值的差值≤权值和标准差的比值;则判定为像素值与组件匹配成功；

统计高斯分布组件的权重之和并归一化所有权值;

将B个高斯分布组件作为像素值(x,y)处下一帧图像的前景图；

若高斯分布组件的均值的差值>权值和标准差的比值;则判定为像素值与组件匹配失败；

则删除该高斯分布组件﹐进行重新计算；

统计高斯分布组件的权重之和并归一化所有权值;

将B个高斯分布组件作为像素值(x,y)处下一帧图像的前景图。

当前景图像素值（x,y)，出现连续变化时，表示该位置前景图形状出现变化，在采集的视频信息中出现像素连续变化，表示该处架空线检测区域内有异物侵入。

能够对恶劣天气中拍摄的架空线的检测区域线路视频进行识别，进行去雾处理，同时能够把入侵的异物单独抠出来，避免视频比较模糊，导致难以识别清楚架空线检测区域内是否有异物入侵，使得工作人员出现出现一些误判的情况，有利于及时发现存在安全隐患，如钓鱼爱好者在甩竿时，鱼竿出现在检测区域内时，及时识别到，后台的调度人员可以通过远程控制控制报警器发出声音，或者派遣附近检修人员，来排除安全隐患避免造成电力故障出现停电的情况。

为了验证本发明的效果，进行如下仿真。

由于户外的监控环境较为复杂，对于采集到的图像，若为无雾的清晰图像，则使用去雾算法不但不会提高图像质量，还可能造成图像质量下降，从而对后续的入侵检测带来负面影响。因此本发明先对图像的雾区进行检测，当雾区或雾度达到一定程度再对其进行图像去雾预处理。

对视频的第一帧图像的每个像素对应的第一个高斯分布组件进行初始化，均值设为当前帧对应灰度图像的像素值，权值w=1，其他高斯分布组件的均值，权值都设置为0，对获取的当前帧的各个像素值分别与对应位置已经创建的高斯分布组件进行匹配，将B个高斯分布组件作为像素值(x,y)处下一帧图像的前景图。

拍摄小区视频画面作为实验视频，小区背景可以类比看做架空线视频的背景；小区内行人可以看做入侵架空线的异物，行人会在小区内走动，行人与摄像头会有相对移动，同理摄像头拍摄检测区域视频时，摄像头与入侵架空线的异物也会相对移动，显示在摄像头所拍摄的视频画面中，就是入侵架空线的异物在移动。

请参阅图3，在场景较为清晰的情况下，左侧图中进入场景的行人都很完整的被检测出来，而行人作为一个运动目标，右侧为处理后图片，静止目标如，视频中的汽车基本检测不到，而行人作为移动目标就可以相对背景作为前景，单独扣出来，也能够把入侵架空线检测区域的异物单独扣出来，便于进行识别判断。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内，因此，本发明的保护范围应以所述权利要求的保护范围为准。