基于机器视觉变电站入侵检测的设计与实现

• 作 者: 马超
• 出 处: 西南交通大学
• 发表日期: 2020年03期
• 关键词: 变电站 机器视觉 目标检测 单目测距 入侵

变电站作为社会供电中连接电力系统和用户的重要枢纽,其安全稳定的运行对整个的电力系统而言具有重要的意义。变电站入侵检测的目的是在变电站发生人,猫和狗入侵问题时,准确及时地对入侵进行检测并报警,从而防止变电站的电力设备被破坏和盗窃,降低甚至避免变电站因为入侵可能造成的损失,具有一定的现实意义。论文将机器视觉技术领域目标检测算法的研究成果应用到变电站入侵目标检测的问题上,研究并通过实验对比Faster R-CNN,YOLO和SSD三种目标检测算法在变电站场景下入侵检测的效果,选用合适的算法作为系统的变电站入侵检测算法,然后利用单目视觉测距技术完成对入侵目标和特定区域的安全测距,实现入侵报警。系统主要包括三个部分,分别是服务器端,图像处理终端和客户端。服务器端主要完成数据库环境搭建,系统的视频图像数据存储和系统通信模块的部署,其中存储的数据主要包含用户管理信息、设备管理信息以及报警图像和日志信息等。服务器端搭载的系统通信模块用以监听图像处理终端和客户端的连接请求和操作指令,按照通信协议对指令进行解析,并完成相应数据库操作等,然后对图像处理终端和客户端进行回复。另外,服务器端还负责接收图像处理终端的报警推送,保存并转发至客户端,客户端驱动报警设备进行报警和对报警信息进行展示。图像处理端通过对摄像头的二次开发实时采集变电站现场的图像并进行预处理,然后运行系统的入侵目标检测算法对预处理后的图像逐帧进行分析处理,判断是否存在入侵,若存在,则推送报警至服务器端,由服务器端对接收到的报警信息进行保存和转发。客户端用于前端的人机交互,主要负责用户登录,用户信息的管理及设备信息的管理,变电站监控视频的实时预览,历史回放以及在接收到服务器端转发的报警信息后在主预览界面展示报警信息且驱动报警设备进行报警。论文基于机器视觉技术设计的变电站入侵检测系统实现了变电站环境下入侵目标人、猫和狗的准确检测与分级报警。实验表明,系统对变电站场景下的人、猫和狗三种入侵目标检测的平均准确率达到90.8%,检测速度在GPU1080Ti的机器上可以达到32fps,具有准确率高、实时性好、成本低和稳定性高等特点,因此对保障变电站安全稳定的运行具有一定的意义。