论文部分内容阅读
变电站运行安全监控中的智能视觉分析是用摄像机代替人眼、用计算机代替人脑、自动地对监控相机采集的图像序列进行分析，实现对监控场景中设备运行状态和环境安全自动监控的技术，应用前景广阔。本文主要围绕着变电站运行安全监控的实际应用进行研究，重点针对变电站设备运行安全监控、监控视频中的目标检测、跟踪与异常事件检测等问题展开研究工作，论文的主要内容如下: 首先，研究了基于视觉的变电站设备运行安全监控问题。提出了一种基于NGF(Norm Gradient Field)的变电站隔离开关状态识别方法，将隔离开关状态识别转换为隔离开关静触头的检测与状态分类问题，设计了描述目标结构相对对称性的NGF特征，实现了隔离开关设备开、闭位状态的分类识别。提出了一种基于多尺度融合的变电站管型母线识别方法，给出了基于梯度密度估计的母线置信度图生成方法和一种ADKC(Adaptive Dynamic K meansClustering)聚类算法，实现了图像中管型母线的自动识别。提出了一种结合多元信息的变压器散热器红外故障识别方法，结合图像预处理、散热器轮廓重构与图像分割，实现了变压器散热器红外故障识别。 第二，研究了监控视频中的目标检测与跟踪问题。针对监控视频中低分辨率行人目标检测问题，提出了一种基于PLS-CCA(Partial Least Squares-Canonical Correlation Analysis)异构特征融合的行人目标检测方法，实现了变电站监控视频中行人目标的检测。针对目标跟踪问题，基于递推贝叶斯滤波跟踪框架，先从目标先验概率角度，结合生物视觉注意机制，提出了一种基于目标显著置信度的目标跟踪方法，建立了联合静态显著性、动态显著性和先验置信度的目标显著置信度模型;然后从观测似然角度，提出了一种基于DCT(Discrete Cosine Transform)表观建模的目标跟踪方法，给出了一种目标表观模型在线更新策略，实现了对变电站监控视频中目标的有效跟踪。 第三，针对监控视频中的异常事件检测，提出了一种基于增量稀疏组合字典学习的异常事件检测方法，给出了用于提取时空动态纹理信息的GLBPOP(Gradient Local Binary Patterns on Orthogonal Planes)模式，建立了联合时空运动和纹理信息的时空特征提取模型，提出了增量稀疏组合字典学习框架，实现了对变电站监控视频中异常事件的在线检测。 第四，将视觉分析方法用于铁路行车安全监控应用，研究了THDS(TraceHotbox Detection System)轨边设备状态检测问题。基于红外线检测车采集的轨边设备图像先验特征，提出了一种基于目标先验的THDS轨边设备图像识别方法，并进行图像合成，给出识别结果，为铁路局对THDS轨边设备装置的日常维修保养提供评价依据。 最后，对本文工作进行了总结，并指出了需要进一步开展的研究工作。