基于實時視頻的變電站自動監控方法
【技術領域】
[0001]本發明涉及一種變電站監控領域中的視頻監控方法，尤其涉及一種基于實時視頻的變電站自動監控方法。
【背景技術】
[0002]隨著科學技術的不斷發展，視頻監控已經成為智能電網的一個非常重要的組成部分，為了保證變電站的安全運行和對設備的監控，要求增加變電站設備的圖像監控和圖像傳輸功能。傳統的視頻監控在事前預警、事中處理、事后取證、降低人工勞動強度、24小時無人值守監控等方面存在不足，基于智能視頻分析技術的變電站視頻監控系統和監控方法的需求也隨之增加和越發急切。
【發明內容】
[0003]本發明為了解決上述現有技術中存在的問題，提供了一種基于實時視頻的變電站自動監控方法。
[0004]本發明為解決這一問題所采取的技術方案是:
一種基于實時視頻的變電站自動監控方法，包括變電站監控區域周界防范、基于機器視覺技術的儀表數據及狀態自動識別和基于機器視覺技術的電力開關設備狀態自動判斷三個部分，以供變電站收集足夠的信息；變電站監控區域周界防范部分包括以下步驟:標定信息、圖像預處理、動態物體檢測、物體軌跡跟蹤和軌跡與區域判定；儀表數據及狀態自動識別部分包括標定信息、圖像預處理、指針檢測和刻度計算步驟；電力開關設備狀態自動判斷部分包括標定信息、圖像預處理和狀態檢測步驟。
[0005]變電站監控區域周界防范的具體步驟如下:
首先，標定?目息
針對變電站多種設備的復雜環境，設定不同敏感度的區域，不同敏感度區域會觸發不同級別的警報；敏感度區域共分三級，分別為藍色、橙色和紅色，分別觸發藍色警報、橙色警報和紅色警報；區域的設置針對變電站設備容易遮擋的問題，采用多種繪制方式，對應藍色、橙色和紅色敏感度的區域分別用藍色、橙色和紅色線條進行繪制；根據不同的區域特點，繪制貼合實際場景的任意多邊形、圓形或橢圓形區域在繪制好的每一個區域中，繪制排出區域，最多繪制8個排除區域，排除區域內的目標不報警，以排除報警區域中設備的正常運作導致的誤報；
其次，圖像預處理
對原始圖像進行灰度轉換；對已標定信息的儀表區域進行感興趣區域的提取；對感興趣區域進行增強；
再次，對動態物體進行檢測
對出現在圖像畫面中的目標進行檢測，對檢測出的目標運用機器視覺技術進行分類識另IJ，區分人、車輛、動物或其它物體，配合不同的敏感區域，根據預先設計的邏輯，觸發不同級別報警；機器視覺技術的目標分類過程是通過離線訓練的方式，得到一個可靠的分類器，再將現場分離出的目標送到分類器進行分類，區分出目標是人，車，動物還是其它物體；然后，對動態物體的運動軌跡進行跟蹤
通過在每一幀視頻中找到與當前目標特征最匹配的區域的坐標，標示在視頻幀中，形成目標的運行軌跡；
最后，對物體運動軌跡與區域進行判定
根據目標的類別、運行軌跡和運動速度，分析判別目標的危險程度，聯動不同級別報馨.1=I ，
儀表數據及狀態自動識別的具體步驟如下:
首先，標定信息并校準位置
在圖像中預先描繪出設定儀表的區域和中心位置，多個刻度的位置和讀數信息，用于后續刻度計算；根據標定的信息實時對儀表圖像進行采集，作為樣本進行在線學習，每隔30秒對儀表位置和刻度信息進行自動檢測，自動校準，如果當前圖像中檢測不到儀表，則發出報警；檢測到儀表位置有少量偏移時，自動調整監控設備，對位置進行校正，減少后續讀數操作的誤差；
其次，圖像預處理
對原始圖像進行灰度轉換；對已標定信息的儀表區域進行感興趣區域的提取；對感興趣區域進行增強；
再次，指針檢測
使用霍夫變換圖像分析技術檢測直線，通過對檢測出的直線進行過濾和合并，結果作為指針；
最后，刻度計算
利用之前設定的儀表中心位置、儀表的多個參考點位置和讀數，推算出現在指針的刻度讀數。
[0006]電力開關設備狀態自動判斷的具體步驟如下:
首先，標定?目息
對電力設備開關的各種狀態的圖像特征進行采集和分類，并在線實時學習狀態的細微變化，為后續判斷設備狀態的變化做準備；
其次，圖像預處理
對原始圖像進行灰度轉換；對已標定信息的儀表區域進行感興趣區域的提取；對感興趣區域進行增強；
最后，狀態檢測
使用霍夫變換圖像分析技術對圖像中設備開關的位置進行檢測，通過檢測出的信息特征與算法維護的各種狀態特征進行比對，從而判斷當前圖像中設備開關的狀態。
[0007]本發明具有的優點和積極效果是:
本發明為電網智能變電站輔助監控系統的一部分，通過智能分析算法，針對變電站的特定環境，對變電站的周界、電表、電閘等進行智能分析，及時發現發生變化或出現問題的地點，降低變電站發生問題的風險，提高工作效率，節省人力成本；減輕基層人員的設備維護保養工作負荷，提高整個監控管理的效率和效果；使視頻監控在變電站日常生產安全方面將發揮巨大的作用，提升電力公司在智能電網應用的水平。
【附圖說明】
[0008]圖1是本發明的變電站監控區域周界防范部分的流程圖；
圖2是本發明的儀表數據及狀態自動識別部分的流程圖；
圖3是霍夫變換技術的原理圖；
圖4是本發明的電力開關設備狀態自動判斷的流程圖。
【具體實施方式】
[0009]以下參照附圖和具體實施例對本發明的基于實時視頻的變電站自動監控方法進行詳細的說明。下面描述的具體實施例僅是本發明的最佳實施方式，而不能理解為對本發明的限制。
[0010]視頻監控經過模擬、數字、高清幾個階段的發展，結合當前視頻技術、計算機技術和機器視覺等圖像處理分析技術的發展，使得基于變電站視頻監控系統，對視頻內容進行智能分析成為可能。
[0011]本發明的基于實時監控視頻的變電站自動監控方法，針對變電站無人值守的特殊需求，主要包括變電站監控區域周界防范、基于機器視覺技術的儀表數據及狀態自動識別技術和基于機器視覺技術的刀閘等電力開關設備狀態自動判斷三個部分，以供變電站收集足夠信息，及時發現隱患或故障并進行定位，提高工作效率，節省人力成本。以上技術，從前端設備獲取標準的H.264的視頻流，把視頻流解碼為逐幀的視頻數據，通過智能分析算法對圖像數據進行處理和分析識別。為保證變電站安全運行，智能視頻分析通過前端視頻采集設備獲取視頻流，對所監控的畫面進行不間斷分析，并采用智能算法與用戶定義的安全模型進行對比，一旦發現有安全威脅，立刻預警或報警。
[0012](一)變電站監控區域周界防范的具體步驟如下:
第一，標定信息
該發明不同于一般周界防范功能，特別針對變電站多種設備的復雜環境，設計了不同敏感度的區域，各區域會觸發不同級別的報警。敏感度區域共分三級，分別為藍色、橙色和紅色，分別觸發藍色警報、橙色警報和紅色警報。敏感度級別根據區域內設備的重要性和危險性設置，例如設備的電壓越高，區域的敏感度越高，設備的價值越高，區域的敏感度越高。區域的設置針對變電站設備容易遮擋問題設計了多種繪制方式，可以靈活繪制:對應藍色、橙色和紅色敏感度的區域分別用藍色、橙色和紅色線條繪制；根據不同的區域特點，可以繪制任意多邊形、圓形、橢圓形的區域，以貼合實際場景，在繪制好的每一個區域中，可以額外繪制最多8個排除區域，排除區域內的目標不報警，以排除報警區域中設備的正常運作導致的誤報。
[0013]第二，圖像預處理
對原始圖像進行灰度轉換；對已標定信息的儀表區域進行感興趣區域的提取；對感興趣區域進行增強；
第三，動態目標檢測識別
對出現在畫面中的目標進行檢測，對檢測出的目標運用機器視覺技術進行分類識別，區分人、車輛、動物和其他目標，配合不同的敏感區域，根據預先設計的邏輯，觸發不同級別報警。對于人體目標，會根據變電站的標準工作服裝特征和是否有安全帽以及安全帽的顏色，區分是工作人員還是其他人員，聯動不同級別的報警。機器視覺技術主要是指用計算機代替人眼進行測量和判斷的技術。該方案中用到的機器視覺技術主要包括目標的分類、目標跟蹤、目標特征判斷。目標分類的過程主要通過離線訓練的方式，得到一個可靠的分類器，然后將現場分離出的目標送到分類器進行分類，區分出目標是人，車，動物還是其他物體；目標跟蹤過程主要通過在每一幀視頻中找到與當前目標特征最匹配的區域的坐標，標示在視頻幀中，形成目標的運行軌跡；目標特征判斷主要對已經識別為人體的目標，進行人體區域的分割，分割出頭部、上身和下肢，對頭部的像素特征進行分析，判斷出是否戴安全帽，如果佩戴了，安全帽的顏色，對軀干的像素特征進行分析，分析出衣服的顏色是否是工作服。
[0014]第四，物體軌跡跟蹤與區域判定
根據目標的類別、運行軌跡和運動速度，分析判別目標的危險程度，聯動不同級別報目O
[0015](二)儀表數據及狀態自動識別的具體步驟如下:
第一，標定信息及位置校準
標定信息部分是指在圖像中預先描繪出設定儀表的中心位置，大致區域，多個刻度的位置和讀數信息，用于后續刻度計算。根據標定的信息實時對儀表圖像進行采集，作為樣本進行在線學習，每隔30秒對儀表位