基于IOU跟踪的重复报警问题去重装置及方法

技术领域

本发明涉及电力现场作业安防领域，具体而言，涉及一种基于IOU跟踪的重复报警问题去重装置及方法。

背景技术

电力作业是一个十分复杂的过程，中间分为很多的工序，任何一个环节出现问题，都有可能引发安全事故。近年来，随着我国经济的快速发展以及人们生活水平的不断提升，整个社会对于电能的需求量不断地上升，给电力工作带来了巨大的压力，也使得电力生产的安全管理工作面临着严峻的挑战。

习惯性违规是指定安全生产工作中经常发生的习以为常的违章行为，包括不佩戴安全帽、着装不规范、安全带佩戴不正确、验电不佩戴绝缘手套、吊臂车作业场景下非安全区域内非工作人员违规逗留、吊臂车未按规定设置垫板等一系列违规操作。

针对电力作业现场安全事故频发，监控视频人为处理耗时长，实时性差，应急响应不足等问题，研究的基于视频处理的电力作业场景下违规行为检测的智能视频监控算法，为了避免监控系统重复报警，利用IOU跟踪实现报警去重是一项十分有意义的工作，且电力作业现场监控视频，为了保证其完整性，一般所选择安装的监控设备具备360°旋转功能，利于实现实时监测，但由于在转动的过程中视频画面容易出现抖动，严重影响视频的画质，因此，现阶段亟需一种基于IOU跟踪的重复报警问题去重装置及方法来解决上述问题。

发明内容

本发明的目的在于：针对目前存在的电力作业现场安全事故频发，监控视频人为处理耗时长，实时性差，应急响应不足等问题，研究的基于视频处理的电力作业场景下违规行为检测的智能视频监控算法，为了避免监控系统重复报警，利用IOU跟踪实现报警去重是一项十分有意义的工作，且电力作业现场监控视频，为了保证其完整性，一般所选择安装的监控设备具备360°旋转功能，利于实现实时监测，但由于在转动的过程中视频画面容易出现抖动，严重影响视频的画质问题。

为了实现上述发明目的，本发明提供了以下技术方案：

一种基于IOU跟踪的重复报警问题去重装置及方法，以改善上述问题。

本申请具体是这样的：

作为本申请优选的技术方案，所述基于IOU跟踪的重复报警问题去重装置包括摄像头，所述摄像头设置在驱动式支撑架的内侧，所述摄像头侧端面上对应镜头的外围固定连接有防尘组件，并且防尘组件还固定连接在驱动式支撑架的表面，所述防尘组件背离摄像头的表面套设有除尘组件。

作为本申请优选的技术方案，所述防尘组件包括绝缘套，所述绝缘套与摄像头的相对面固定连接，所述绝缘套的内侧壁上固定连接有圆环状阳极板，所述绝缘套背离摄像头的一面通过绝缘垫与外框架相近的一面固定连接，所述外框架的内圆面上固定连接有电晕网线。

作为本申请优选的技术方案，所述绝缘套的表面套接有第一轴承，所述第一轴承的表面套接有主动锥齿轮，所述主动锥齿轮的表面啮合有从动锥齿轮，所述从动锥齿轮固定连接在驱动式支撑架的表面。

作为本申请优选的技术方案，所述除尘组件包括驱动座，驱动座与主动锥齿轮之间固定连接，并且绝缘套、绝缘垫和外框架的表面套设有同一个驱动座，所述驱动座的内侧设置有除垢刷，所述除垢刷的一面上固定连接有翻折板，所述除垢刷的另一面贴附连接在电晕网线和圆环状阳极板相近的一面上，所述翻折板的侧端面固定连接有转接轴，所述转接轴的表面套接有第二轴承，所述第二轴承卡接在转接套的内部，所述转接套卡接在驱动座的内侧壁上，所述转接轴的表面套接有扭力弹簧，所述扭力弹簧的有一端固定连接在转接轴的表面，所述扭力弹簧的另一端与转接套内侧的端面固定连接。

一种基于IOU跟踪的重复报警问题去重方法，所述基于IOU跟踪的重复报警问题去重方法包括：

步骤S1：先将采集到的彩色图像转换为灰度图像；

步骤S2：然后提取视频监控图像的特征点，结合快速近似最邻近库理论匹配视频邻帧间的图像特征点，并剔除错误匹配的图像特征点，利用随机取样一致性理论选代求解监控视频图像间的运动参数；

步骤S3：

步骤S31：一方面，以经过一系列计算所获得的监控视频图像间的运动参数为基础，结合卡尔曼滤波理论对视频监控图像特征点轨迹进行滤波处理，计算出滤波前后图像特征点之间的校正量，直接对监控视频进行补偿，由此消除监控视频抖动；

步骤S32：另一方面，通过确定抖动点，采用最小化全变差法构建全变差去噪模型，并进行加权平均，引入稀疏表示法，构件运动模型图像去噪滤波模型；

步骤S4：在软件Matlab平台上进行实验两组实现对比分析，以峰值信噪比为衡量标准进行分析，峰值信噪比是信号处理领域广泛使用的衡量标准，以均方误差、去噪精度、去噪效果为对比进行实现分析；

步骤S5：将处理后的待检测电力作业视频流输入到目标检测模型中，目标检测模型会检测每一帧是否有异常行为发生；

步骤S6：每一帧的检测结果包括所有异常行为的坐标位置及唯一标识序号；

步骤S7：遍历前后两帧所有异常检测框，通过IOU跟踪，判断同一个目标框是否存在相同的违规行为；

步骤S8：如果存在重复违规检测，则沿用上一帧的异常检测结果。

作为本申请优选的技术方案，所述将处理后的待检测的电力作业视频流输入到目标检测模型中，目标检测模型会检测每一帧是否有异常行为发生，包括：

将处理后的原始电力作业视频流输入到目标检测模型中，目标检测模型会检测每一帧是否有异常行为发生。

作为本申请优选的技术方案，所述异常行为主要包括：装设接地线未佩戴绝缘手套、验电不佩戴绝缘手套、未按电力作业指定要求规范着装、使用接触式验电器时，操作人员手未握在护环一下、吊臂车未按规定设置支腿垫板、吊臂下有人违规逗留或走动、高处作业直接向下抛材料、地面人员直接向上抛材料、梯子上有人作业，无人扶梯、抡大锤错误穿戴手套以及接地线挂接不牢。

作为本申请优选的技术方案，所述每一帧的检测结果包括所有异常行为的坐标位置及唯一标识序号，包括：

通过检测，如果视频帧出现异常行为，目标检测模型会记录当前帧所有异常行为的具体坐标位置并赋予其唯一标识序号。

作为本申请优选的技术方案，所述遍历前后两帧所有异常检测框，通过IOU跟踪，判断同一个目标检测框是否存在相同的违规行为，包括：

为了避免同一目标物体前后帧发生相同违规行为多次报警，需要去重处理；

具体的，首先需要遍历前后两帧所有异常检测框，通过IOU跟踪，如果IOU交并比值大于等于一定的阈值，就认为是同一个目标检测框存在相同的违规行为，如果IOU交并比值小于一定的阈值，就认为是两个目标物体产生了多次不同的违规行为。

作为本申请优选的技术方案，所述如果存在重复违规检测，则沿用上一帧的异常检测结果，包括：

如果前后两帧判定是同一个目标检测框存在相同的违规行为，即仍然使用当前帧的唯一标识序号，但是沿用上一帧的异常检测结果，从而达到去重的目的。

与现有技术相比，本发明的有益效果：

在本申请的方案中：

1.通过设置的摄像头、防尘组件和除尘组件，摄像头通过驱动式支撑架放置在电力施工现场，驱动式支撑架不仅对摄像头其支撑作用，还具备调控功能，能够实现摄像头的俯仰动作、360°旋转动作以及高度上的变化，控制驱动式支撑架带动摄像头实现360°监控动作时，从动锥齿轮始终保持静止状态，而主动锥齿轮伴随着摄像头的行为动作在从动锥齿轮的表面发生转动，利用从动锥齿轮和主动锥齿轮两者之间的联动效应，便可将扭力转嫁至驱动座上，使驱动座在圆环状阳极板及电晕网线的表面进行圆周运动，在此过程中，一方面，电晕网线将会在外框架的内侧产生高压静电场，含尘气体经过高压静电场时将会被电分离，尘粒与负离子结合带上负电后，趋向圆环状阳极板的内圆面上，进而能够在较高的程度上防止灰尘吸附在摄像头对应镜头的表面，有效保证了视频画面的清晰度，且无需对镜头表面进行刮出等动作，进而能够在对镜头起到保护效果的同时，提高了摄像头的抗干扰能力，且驱动座在做圆周运动的过程中，能够利用除垢刷去除吸附在圆环状阳极板及电晕网线上的灰尘，且将灰尘收集在驱动座的内部，直至其端口向下方可将收集到的灰尘排出，利于长时间持续除尘；

2.通过设置的将处理后的待检测电力作业视频流输入到目标检测模型中，目标检测模型会检测每一帧是否有异常行为发生，实现了结合目标检测算法和严谨的逻辑推理，能够对电力作业场景的监控视频进行处理，在可容忍的误判率下，达到对现场存在安全隐患的行为做出相应的预警效果，解决了现有技术中安全生产工作中时常发生一些习以为常的违章行为，包括不佩戴安全帽、着装不规范、安全带佩戴不正确、验电不佩戴绝缘手套、吊臂车作业场景下非安全区域内非工作人员违规逗留以及吊臂车未按规定设置垫板等一系列违规操作的问题；

3.通过设置的遍历前后两帧所有异常检测框，通过IOU跟踪，判断同一个目标框是否存在相同的违规行为，实现了遍历前后两帧所有异常检测框，通过IOU跟踪，如果IOU交并比值大于等于一定的阈值，就认为是同一个目标检测框存在相同的违规行为，如果IOU交并比值小于一定的阈值，就认为是两个目标物体产生了多次不同的违规行为，一定程度上消除监控系统重复报警的问题，使用了IOU跟踪异常目标的方法，达到了报警去重的目的，解决了现有技术中当系统检测到存再违规操作时，容易发生监控系统重复报警的问题；

4.通过设置的将采集到的彩色视频图像转换为灰度图像，实现了将彩色图像转化为灰度图像，在灰度图像上得到验证的算法，很容易移殖到彩色图像上，进而能够加快数据的处理速度，使用全局的灰度投影相关系数法对视频进行粗检测，然后，为提高检测精度，采用局部灰度投影相关系数法进行细检测，有效提高了检测精度，便于进一步进行局部定位细检测，解决了现有技术中检测时间较长且检测精度不高，不能满足电力施工工程上对实时性和准确性要求的问题；

5.通过设置的提取视频监控图像的特征点，结合快速近似最邻近库理论匹配视频邻帧间的图像特征点，并剔除错误匹配的图像特征点，利用随机取样一致性理论选代求解监控视频图像间的运动参数、以经过一系列计算所获得的监控视频图像间的运动参数为基础，结合卡尔曼滤波理论对视频监控图像特征点轨迹进行滤波处理，计算出滤波前后图像特征点之间的校正量，直接对监控视频进行补偿，由此消除监控视频抖动，实现了针对当前去抖动算法进行视频监控图像去抖动过程中，只能对存在水平抖动的监控视频进行处理，对存在尺度、旋转变换的监控抖动视频去抖动的能力较差的问题，能够有效减轻视频监控图像的抖动现象，具有更强的实时性及健壮性，解决了现有技术中监控视频去抖动效果不理想的问题；

6.通过设置的提取视频监控图像的特征点，结合快速近似最邻近库理论匹配视频邻帧间的图像特征点，并剔除错误匹配的图像特征点，利用随机取样一致性理论选代求解监控视频图像间的运动参数、确定抖动点，采用最小化全变差法构建全变差去噪模型，并进行加权平均，引入稀疏表示法，构件运动模型图像去噪滤波模型，实现了确定抖动点，采用最小化全变差法构建全变差去嗓模型并进行加权平均，引入稀疏表示法构建运动模糊图像去噪滤波器模型达到抖动状态下运动模糊图像去噪滤波器设计的目的，解决了现有技术中运动模糊图像去噪滤波一直存在效果不佳、误差大的问题；

7.通过设置的在软件Matlab平台上进行实验两组实现对比分析，以峰值信噪比为衡量标准进行分析，峰值信噪比是信号处理领域广泛使用的衡量标准，以均方误差、去噪精度、去噪效果为对比进行实现分析，实现了两组去抖动方法的互相对照及分析，有效提高了后续处理结果的精准度，解决了现有技术中去噪滤波器其去噪滤波误差大、效率低的问题。

附图说明：

图1为本申请提供的视频图像预处理的方法流程图；

图2为本申请提供的基于IOU跟踪的重复报警问题去重方法的流程图；

图3为本申请提供的基于IOU跟踪的重复报警问题去重方法的示意图；

图4为本申请提供的摄像头与防尘组件及除尘组件分离后的结构示意图；

图5为本申请提供的除尘组件的爆炸图；

图6为本申请提供的A处放大的结构示意图。

图中标示：

1、摄像头；

2、驱动式支撑架；

3、防尘组件；301、绝缘套；302、圆环状阳极板；303、绝缘垫；304、外框架；305、电晕网线；306、第一轴承；307、主动锥齿轮；308、从动锥齿轮；

4、除尘组件；401、驱动座；402、翻折板；403、除垢刷；404、转接轴；405、第二轴承；406、转接套；407、扭力弹簧。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图，对本发明实施例中的技术方案进行清楚、完整的描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。

因此，以下对本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的部分实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征和技术方案能够相互组合。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

在本发明的描述中，需要说明的是，术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，或者是本领域技术人员惯常理解的方位或位置关系，这类术语仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

习惯性违规是指定安全生产工作中经常发生的习以为常的违章行为，包括不佩戴安全帽、着装不规范、安全带佩戴不正确、验电不佩戴绝缘手套、吊臂车作业场景下非安全区域内非工作人员违规逗留、吊臂车未按规定设置垫板等一系列违规操作。

针对电力作业现场安全事故频发，监控视频人为处理耗时长，实时性差，应急响应不足等问题，研究的基于视频处理的电力作业场景下违规行为检测的智能视频监控算法，为了避免监控系统重复报警，利用IOU跟踪实现报警去重是一项十分有意义的工作，且电力作业现场监控视频，为了保证其完整性，一般所选择安装的监控设备具备360°旋转功能，利于实现实时监测，但由于在转动的过程中视频画面容易出现抖动，严重影响视频的画质，因此，现阶段亟如下技术方案来解决上述问题。

实施例1：

如图1、图2、图3所示，本实施方式提出一种基于IOU跟踪的重复报警问题去重方法，基于IOU跟踪的重复报警问题去重方法包括：

步骤S1：先将采集到的彩色图像转换为灰度图像；

步骤S2：然后提取视频监控图像的特征点，结合快速近似最邻近库理论匹配视频邻帧间的图像特征点，并剔除错误匹配的图像特征点，利用随机取样一致性理论选代求解监控视频图像间的运动参数；

步骤S3：

步骤S31：一方面，以经过一系列计算所获得的监控视频图像间的运动参数为基础，结合卡尔曼滤波理论对视频监控图像特征点轨迹进行滤波处理，计算出滤波前后图像特征点之间的校正量，直接对监控视频进行补偿，由此消除监控视频抖动；

步骤S32：另一方面，通过确定抖动点，采用最小化全变差法构建全变差去噪模型，并进行加权平均，引入稀疏表示法，构件运动模型图像去噪滤波模型；

步骤S4：在软件Matlab平台上进行实验两组实现对比分析，以峰值信噪比为衡量标准进行分析，峰值信噪比是信号处理领域广泛使用的衡量标准，以均方误差、去噪精度、去噪效果为对比进行实现分析；

步骤S5：将处理后的待检测电力作业视频流输入到目标检测模型中，目标检测模型会检测每一帧是否有异常行为发生；

步骤S6：每一帧的检测结果包括所有异常行为的坐标位置及唯一标识序号；

步骤S7：遍历前后两帧所有异常检测框，通过IOU跟踪，判断同一个目标框是否存在相同的违规行为；

步骤S8：如果存在重复违规检测，则沿用上一帧的异常检测结果。

本实施例具体为：

输入：原始电力现场作业视频流输入到目标检测模型中；

输出：使用IOU跟踪去重处理过后的异常检测结果；

将原始电力现场作业视频流输入到目标检测模型中，首先判断视频帧中是否存在以下电力作业违规行为：装设接地线未佩戴绝缘手套、验电不佩戴绝缘手套、未按电力作业指定要求规范着装、使用接触式验电器时，操作人员手未握在护环一下、吊臂车未按规定设置支腿垫板、吊臂下有人违规逗留或走动、高处作业直接向下抛材料、地面人员直接向上抛材料、梯子上有人作业，无人扶梯、抡大锤错误穿戴手套、接地线挂接不牢等；

当检测到视频帧中存在电力作业违规行为时，目标检测模型会记录当前帧所有异常行为的具体坐标位置并赋予其唯一标识序号，所有识别的异常目标物体均为规则的矩形框，相对应的坐标位置信息用上角，和右下角所确定，唯一标识序号彼此不会重复；

为了避免同一目标物体前后帧发生相同违规行为多次报警，需要去重处理；

首先需要遍历前后两帧所有异常检测框，通过计算IOU跟踪；

计算IOU，首先需要获取前一帧的异常目标物体box1的坐标，获取当前帧的异常目标物体box2的坐标；

计算box1的宽度：width1＝abs(box1_x2-box1_x1)，计算box1的高度：height1＝abs(box1_y2-box1_y1)；

计算box2的宽度：width2＝abs(box2_x2-box2_x1)，计算box2的高度：height2＝abs(box2_y2-box2_y1)；

计算box1和box2横坐标的最大边界值：x_max＝max(box1_x1，box1_x2，box2_x1，box2_x2)；

计算box1和box2纵坐标的最大边界值：y_max＝max(box1_y1，box1_y2，box2_y1，box2_y2)；

计算box1和box2横坐标的最小边界值：x_min＝min(box1_x1，box1_x2，box2_x1，box2_x2)；

计算box1和box2纵坐标的最小边界值：y_min＝min(box1_y1，box1_y2，box2_y1，box2_y2)；

计算box1和box2相交的宽度值：iou_width＝x_min+width1+width2-x_max；

计算box1和box2相交的高度值：iou_height＝y_min+height1+height2-y_max；

判断iou_width或iou_height是否小于等于0，如果是，说明box1和box2没有相交区域，IOU比值为0；

如果iou_width和iou_height同时大于0，说明box1和box2有相交区域，需要计算IOU比值；

计算box1和box2相交区域的面积：iou_area＝iou_width*iou_height；

计算box1区域的面积：box1_area＝width1*height1；

计算box2区域的面积：box2_area＝width2*height2；

计算box1和box2的IOU比值：iou_ratio＝iou_area/(box1_area+box2_area-iou_area)；

计算box1和box2相交区域的面积：iou_area＝iou_width*iou_height；

当box1和box2的IOU比值小于一定阈值时，说明box1和box2没有相交区域，即box1和box2不同目标发生的异常行为，需要更新box1的唯一标识序号，并将其原来的坐标信息保存下来；

当box1和box2的IOU比值大于等于一定阈值时，说明box1和box2有相交区域，即box1和box2是同一目标发生的异常行为，是重复报警，需要去重处理，即检测坐标位置沿用上一帧box1的检测结果，使用当前帧box2的唯一标识序号。

实施例2：

如图2所示，作为优选的实施方式，在上述方式的基础上，进一步的，将处理后的待检测的电力作业视频流输入到目标检测模型中，目标检测模型会检测每一帧是否有异常行为发生，包括：

将处理后的原始电力作业视频流输入到目标检测模型中，目标检测模型会检测每一帧是否有异常行为发生。

本实施例具体为：结合目标检测算法和严谨的逻辑推理，能够对电力作业场景的监控视频进行处理，在可容忍的误判率下，达到对现场存在安全隐患的行为做出相应的预警效果。

实施例3：

如图2所示，作为优选的实施方式，在上述方式的基础上，进一步的，异常行为主要包括：装设接地线未佩戴绝缘手套、验电不佩戴绝缘手套、未按电力作业指定要求规范着装、使用接触式验电器时，操作人员手未握在护环一下、吊臂车未按规定设置支腿垫板、吊臂下有人违规逗留或走动、高处作业直接向下抛材料、地面人员直接向上抛材料、梯子上有人作业，无人扶梯、抡大锤错误穿戴手套以及接地线挂接不牢。

本实施例具体为：安全生产工作中发生一些习以为常的违章行为，包括不佩戴安全帽、着装不规范、安全带佩戴不正确、验电不佩戴绝缘手套、吊臂车作业场景下非安全区域内非工作人员违规逗留以及吊臂车未按规定设置垫板等一系列违规操作。

实施例4：

如图2所示，作为优选的实施方式，在上述方式的基础上，进一步的，每一帧的检测结果包括所有异常行为的坐标位置及唯一标识序号，包括：

通过检测，如果视频帧出现异常行为，目标检测模型会记录当前帧所有异常行为的具体坐标位置并赋予其唯一标识序号。

本实施例具体为：遍历前后两帧所有异常检测框，通过IOU跟踪，如果IOU交并比值大于等于一定的阈值，就认为是同一个目标检测框存在相同的违规行为。

如图2所示，作为优选的实施方式，在上述方式的基础上，进一步的，遍历前后两帧所有异常检测框，通过IOU跟踪，判断同一个目标检测框是否存在相同的违规行为，包括：

为了避免同一目标物体前后帧发生相同违规行为多次报警，需要去重处理；

具体的，首先需要遍历前后两帧所有异常检测框，通过IOU跟踪，如果IOU交并比值大于等于一定的阈值，就认为是同一个目标检测框存在相同的违规行为，如果IOU交并比值小于一定的阈值，就认为是两个目标物体产生了多次不同的违规行为。

本实施例具体为：遍历前后两帧所有异常检测框，通过IOU跟踪，如果IOU交并比值大于等于一定的阈值，就认为是同一个目标检测框存在相同的违规行为，如果IOU交并比值小于一定的阈值，就认为是两个目标物体产生了多次不同的违规行为，一定程度上消除监控系统重复报警的问题。

实施例5：

如图2所示，作为优选的实施方式，在上述方式的基础上，进一步的，如果存在重复违规检测，则沿用上一帧的异常检测结果，包括：

如果前后两帧判定是同一个目标检测框存在相同的违规行为，即仍然使用当前帧的唯一标识序号，但是沿用上一帧的异常检测结果，从而达到去重的目的。

本实施例具体为：遍历前后两帧所有异常检测框，通过IOU跟踪，如果IOU交并比值大于等于一定的阈值，就认为是同一个目标检测框存在相同的违规行为，如果IOU交并比值小于一定的阈值，就认为是两个目标物体产生了多次不同的违规行为，一定程度上消除监控系统重复报警的问题，使用了IOU跟踪异常目标的方法，达到了报警去重的目的。

实施例5：

如图4所示，作为优选的实施方式，在上述方式的基础上，进一步的，基于IOU跟踪的重复报警问题去重装置包括摄像头1，摄像头1设置在驱动式支撑架2的内侧，摄像头1侧端面上对应镜头的外围固定连接有防尘组件3，并且防尘组件3还固定连接在驱动式支撑架2的表面，防尘组件3背离摄像头1的表面套设有除尘组件4。

如图4所示，作为优选的实施方式，在上述方式的基础上，进一步的，防尘组件3包括绝缘套301，绝缘套301与摄像头1的相对面固定连接，绝缘套301的内侧壁上固定连接有圆环状阳极板302，绝缘套301背离摄像头1的一面通过绝缘垫303与外框架304相近的一面固定连接，外框架304的内圆面上固定连接有电晕网线305。

本实施例具体为：一方面，电晕网线305将会在外框架304的内侧产生高压静电场，含尘气体经过高压静电场时将会被电分离，尘粒与负离子结合带上负电后，趋向圆环状阳极板302的内圆面上，进而能够在较高的程度上防止灰尘吸附在摄像头1对应镜头的表面，有效保证了视频画面的清晰度，且无需对镜头表面进行刮出等动作，进而能够在对镜头起到保护效果的同时，提高了摄像头1的抗干扰能力。

如图6所示，作为优选的实施方式，在上述方式的基础上，进一步的，绝缘套301的表面套接有第一轴承306，第一轴承306的表面套接有主动锥齿轮307，主动锥齿轮307的表面啮合有从动锥齿轮308，从动锥齿轮308固定连接在驱动式支撑架2的表面。

本实施例具体为：驱动式支撑架2不仅对摄像头1其支撑作用，还具备调控功能，能够实现摄像头1的俯仰动作、360°旋转动作以及高度上的变化，控制驱动式支撑架2带动摄像头1实现360°监控动作时，从动锥齿轮308始终保持静止状态，而主动锥齿轮307伴随着摄像头1的行为动作在从动锥齿轮308的表面发生转动，利用从动锥齿轮308和主动锥齿轮307两者之间的联动效应，便可将扭力转嫁至驱动座401上。

如图6所示，作为优选的实施方式，在上述方式的基础上，进一步的，除尘组件4包括驱动座401，驱动座401与主动锥齿轮307之间固定连接，并且绝缘套301、绝缘垫303和外框架304的表面套设有同一个驱动座401，驱动座401的内侧设置有除垢刷403，除垢刷403的一面上固定连接有翻折板402，除垢刷403的另一面贴附连接在电晕网线305和圆环状阳极板302相近的一面上，翻折板402的侧端面固定连接有转接轴404，转接轴404的表面套接有第二轴承405，第二轴承405卡接在转接套406的内部，转接套406卡接在驱动座401的内侧壁上，转接轴404的表面套接有扭力弹簧407，扭力弹簧407的有一端固定连接在转接轴404的表面，扭力弹簧407的另一端与转接套406内侧的端面固定连接。

本实施例具体为：无需对镜头表面进行刮出等动作，进而能够在对镜头起到保护效果的同时，提高了摄像头1的抗干扰能力，且驱动座401在做圆周运动的过程中，能够利用除垢刷403去除吸附在圆环状阳极板302及电晕网线305上的灰尘，且将灰尘收集在驱动座401的内部，直至其端口向下方可将收集到的灰尘排出。

实施例7：

下面结合具体的工作方式对实施例1-4中的方案进行进一步的介绍，详见下文描述：

具体的，本一种基于IOU跟踪的重复报警问题去重装置及方法在工作时：将采集到的彩色视频图像转换为灰度图像，将彩色图像转化为灰度图像，在灰度图像上得到验证的算法，很容易移殖到彩色图像上，进而能够加快数据的处理速度，使用全局的灰度投影相关系数法对视频进行粗检测，然后，为提高检测精度，采用局部灰度投影相关系数法进行细检测，有效提高了检测精度，便于进一步进行局部定位细检测，提取视频监控图像的特征点，结合快速近似最邻近库理论匹配视频邻帧间的图像特征点，并剔除错误匹配的图像特征点，利用随机取样一致性理论选代求解监控视频图像间的运动参数、以经过一系列计算所获得的监控视频图像间的运动参数为基础，结合卡尔曼滤波理论对视频监控图像特征点轨迹进行滤波处理，计算出滤波前后图像特征点之间的校正量，直接对监控视频进行补偿，由此消除监控视频抖动，针对当前去抖动算法进行视频监控图像去抖动过程中，只能对存在水平抖动的监控视频进行处理，对存在尺度、旋转变换的监控抖动视频去抖动的能力较差的问题，能够有效减轻视频监控图像的抖动现象，具有更强的实时性及健壮性，还通过确定抖动点，采用最小化全变差法构建全变差去噪模型，并进行加权平均，引入稀疏表示法，构件运动模型图像去噪滤波模型，确定抖动点，采用最小化全变差法构建全变差去嗓模型并进行加权平均，引入稀疏表示法构建运动模糊图像去噪滤波器模型达到抖动状态下运动模糊图像去噪滤波器设计的目的，在软件Matlab平台上进行实验两组实现对比分析，以峰值信噪比为衡量标准进行分析，峰值信噪比是信号处理领域广泛使用的衡量标准，以均方误差、去噪精度、去噪效果为对比进行实现分析，两组去抖动方法的互相对照及分析，有效提高了后续处理结果的精准度，将处理后的待检测电力作业视频流输入到目标检测模型中，目标检测模型会检测每一帧是否有异常行为发生，结合目标检测算法和严谨的逻辑推理，能够对电力作业场景的监控视频进行处理，在可容忍的误判率下，达到对现场存在安全隐患的行为做出相应的预警效果，遍历前后两帧所有异常检测框，通过IOU跟踪，判断同一个目标框是否存在相同的违规行为，遍历前后两帧所有异常检测框，通过IOU跟踪，如果IOU交并比值大于等于一定的阈值，就认为是同一个目标检测框存在相同的违规行为，如果IOU交并比值小于一定的阈值，就认为是两个目标物体产生了多次不同的违规行为，一定程度上消除监控系统重复报警的问题，使用了IOU跟踪异常目标的方法，达到了报警去重的目的。

以上实施例仅用以说明本发明而并非限制本发明所描述的技术方案，尽管本说明书参照上述的各个实施例对本发明已进行了详细的说明，但本发明不局限于上述具体实施方式，因此任何对本发明进行修改或等同替换；而一切不脱离发明的精神和范围的技术方案及其改进，其均涵盖在本发明的权利要求范围当中。