论文部分内容阅读
摘 要：随着全球能源危机的席卷，智能电网建设已经纳入到我国电力建设的战略组成部分，电网规模的扩大必然导致无人值守变电站的增多。然而，近年来，电网安全生产中事故的大量出现，严重威胁着电网的稳定运行。为解决该问题，非常有必要对其运行风险进行准确地辨析，并做好相应的预防措施。
关键词：变电站 预处理 智能图像识别 应用
中图分类号：TM764 文献标识码：A 文章编号：1674-098X（2015）11（a）-0095-02
1 技术现状和不足
基于图像识别的视频检测系统已经取得了技术上的突破，在其他行业也进行了初步的应用，如文字识别技术在远程调用上的应用、指纹识别识别技术在签到系统上的应用、人物识别技术在安保上的应用、产品检测技术在化工方面的应用、军事侦察分析技术等。
目前笔者所在局已经安装了视频监控系统，但仅仅实现了监视变电站现场设备、控制远程摄像球机运动以及视频录像存储上送等功能。但这些视频监控系统只有视频监视功能而没有视频图像识别功能。存在的问题主要体现在以下三个方面。
1.1 覆盖范围及容量不足
笔者所在局已安装的变电站视频监控系统是将特定的图像经监控球机和采集卡输入到视频分站，对数据进行经压缩后传输到系统运行部监控主站处，主站同时显示多个变电站的实时图像。这种方式数据传输量极大，对网络带宽、服务器存储能力及数据处理能力要求极高，同时在出现灾害情况下，网络传输收到袭扰就无法工作，这导致现有的变电站视频监控系统难以普及且在关键时刻无法发挥作用。
1.2 系统厂家众多、兼容性较差
目前电力系统内有数家不同视频监控设备厂商提供服务，虽然大部分遵循统一的视频监控标准，但存在大部分分站设备无法接入监控主站，进而无法实现远方监控的目的。
1.3 功能简单
变电站视频监控系统设计伊始使即为了除了配合远动“四遥”及时上传图像外，作为独立的系统，拥有远动系统所不具有的前端图像信息。通过这些信息可以远程掌握变电站环境、设备、人员等详细运行状态，主动发现“四遥”发现不了的问题，前置无人值班变电站问题的发现点。但当前已经建设的变电站视频监控系统却没有赋予远程监控系统独立发现问题的“大脑”，即缺乏了图像智能分析功能而无法实施主动前置的发现问题。
2 研究思路、研究内容及关键技术
2.1 研究思路
（1）图像预处理算法的研究：以图像的边缘检测为核心，以图像分割方面为突破点，在图像变换、图像增强、图像恢复上进行深入剖析和建模，使其吻合变电站工作的特定环境，提高预处理的效果和准确性。
（2）构建一种图像识别检测模式。根据分析预置的图像识别规则，使用图像视觉分析技术对变电站视频中的目标物体进行分离、侦测、监控、追踪，实现目标侦测与跟踪功能。重点解决变电站内设备状态以及工作人员的操作行为等问题。
（3）提高前端设备的与处理能力，降低正常状态下的刷新次数，滤除常视频画面以减少传输带宽占用及扰动。当异常发生时，采用画面推图的模式将异常画面实施对主站进行推送，提高监控系统的针对性。
2.2 研究内容
（1）研究图像智能核心算法，去繁化简，提升系统图像预处理速度。
（2）研究变电站视频监控系统中的智能图像识别预处理服务器参数，确定其符合变电站、电厂等特定工作环境下正常工作的相关条件。
（3）研究及开发智能变电站视频监控系统。
2.3 关键技术
根据对比预置的图像识别规则，通过图像视觉分析技术对视频中的目标物体进行分离、侦测、监控，当视频场景中出现违反预定义规则的行为时，站端系统实时的将报警信息及相关视频文件传输给远程主站。
图像智能识别的原理如图1所示。
2.3.1 目标侦测
包括对于移动物体的检测、分割、目标定位和追踪。
使用帧间差分与背景差分相融合的目标变化检测算法，这种算法允许在物体存在的情况下进行建模，预先选取一帧图像作为背景帧图像，建立各像素点的高斯模型，之后对相邻两帧图像运用帧间差分法进行差分处理，有效区分出背景点和变化的区域，然后将变化区域与背景帧的对应区域进行模型拟合，明确显露区和目标物体，最后通过去除阴影及噪声将不带阴影及噪声的目标物体分割出来。
目标跟踪包括目标特征提取、匹配模板的建立、目标位置预测及目标跟踪。
在识别与跟踪过程中，为了有效识别和跟踪目标，准确地确定目标特征是变化跟踪与匹配的关键。目标特征主要包括边界、面积、重心特征及惯性主轴。根据从二值图像中提取的目标特征，检测出目标变化，并建立相应的特征模板。根据前几帧图像的检测结果，通过预测算法，预测在下帧图像中出现的位置、大小、面积等信息，然后进行模板匹配，根据目标模板匹配的结果，将视频图像中的同一目标变化关联起来，并在图像序列中的目标之间建立对应关系，建立目标键，进而得到各个目标完整的运动轨迹。
2.3.2 特征提取
要进行图像识别，必须先对图像的特征进行提取。然而，哪些部分是图像的特征，哪些部分是共通点呢？因此，并不是所有的信息都需要提取，只需提取有意义的能够反映图像本质的特征就可以了。例如，图像的纹理特征、形状特征、颜色特征等都是图像本质的特征。实际上，在进行图像分割和边沿提取的时候就已经为图像某些特征的提取做好了准备，当然这只是一部分，有些特征是需要经过变换才能够提取出来的。特征提取非常关键，其直接影响图像识别能否进行、识别速度快慢以及识别结果的准确性。
2.3.3 分类器及识别算法
图像识别方法的不同主要是分类器的不同，在分类系统中，特征是识别对象的唯一依据，选择适当的特征十分重要。
一般情况下，需要根据待分类对象的特点列出一些可能有用的特征，然后用特征排序方法计算不同特征的相对效率，利用结果对特征进行选择。
良好的特征应具备以下4个特点：可区别性、可靠性、独立性、数量少。可区别性就是该特征应当具有明显的差异，可以被区别出来；可靠性就是说对于相同类别的对象，特征值都是比较相近的；独立性就是说特征之间应彼此不相关，可以独立进行分析；而数量少则指特征数量不能过多，因为复杂度随着特征向量的维数增长而几何倍数增长。
3 成果预期应用
在一些重要的区域型枢纽站中，电压等级涵盖交直流，800～10 kV各个电压等级，其相对应的视频监控点数量巨大，极易造成工作人员的视觉疲劳。同时，由于站端监控系统缺少智能识别功能以及预处理能力，传输带宽被大量占用，故障发生时无法及时做出正确的反应。因此迫切需要建立一套能够在事故、事件发生初期甚至于准备发生期，即现场设备工作状态有明显变化或工作人员即将进行某项操作时对其进行实时监控，及时检测其行为、状态的正确性、规范性，这对于预防事故发生、提高无人值班变电站运行安全性，构建现代化智能电网具有重要意义。文章通过对图像识别核心算法进行研究，建立一套专用于变电站工作环境的智能识别功能以及相应的系统，可以有效地提高原有视频监控系统的实时监测能力，进而提出有效的改造方案。
参考文献
[1] 周杰，卢春雨，张长水，等.人脸自动识别方法综述[J].电子学报，2000，4（4）：102-105.
[2] 张宗平，刘贵忠.基于小波的视频图像压缩研究进展[J].电子学报，2002，30（6）：883-889.
关键词：变电站 预处理 智能图像识别 应用
中图分类号：TM764 文献标识码：A 文章编号：1674-098X（2015）11（a）-0095-02
1 技术现状和不足
基于图像识别的视频检测系统已经取得了技术上的突破，在其他行业也进行了初步的应用，如文字识别技术在远程调用上的应用、指纹识别识别技术在签到系统上的应用、人物识别技术在安保上的应用、产品检测技术在化工方面的应用、军事侦察分析技术等。
目前笔者所在局已经安装了视频监控系统，但仅仅实现了监视变电站现场设备、控制远程摄像球机运动以及视频录像存储上送等功能。但这些视频监控系统只有视频监视功能而没有视频图像识别功能。存在的问题主要体现在以下三个方面。
1.1 覆盖范围及容量不足
笔者所在局已安装的变电站视频监控系统是将特定的图像经监控球机和采集卡输入到视频分站，对数据进行经压缩后传输到系统运行部监控主站处，主站同时显示多个变电站的实时图像。这种方式数据传输量极大，对网络带宽、服务器存储能力及数据处理能力要求极高，同时在出现灾害情况下，网络传输收到袭扰就无法工作，这导致现有的变电站视频监控系统难以普及且在关键时刻无法发挥作用。
1.2 系统厂家众多、兼容性较差
目前电力系统内有数家不同视频监控设备厂商提供服务，虽然大部分遵循统一的视频监控标准，但存在大部分分站设备无法接入监控主站，进而无法实现远方监控的目的。
1.3 功能简单
变电站视频监控系统设计伊始使即为了除了配合远动“四遥”及时上传图像外，作为独立的系统，拥有远动系统所不具有的前端图像信息。通过这些信息可以远程掌握变电站环境、设备、人员等详细运行状态，主动发现“四遥”发现不了的问题，前置无人值班变电站问题的发现点。但当前已经建设的变电站视频监控系统却没有赋予远程监控系统独立发现问题的“大脑”，即缺乏了图像智能分析功能而无法实施主动前置的发现问题。
2 研究思路、研究内容及关键技术
2.1 研究思路
（1）图像预处理算法的研究：以图像的边缘检测为核心，以图像分割方面为突破点，在图像变换、图像增强、图像恢复上进行深入剖析和建模，使其吻合变电站工作的特定环境，提高预处理的效果和准确性。
（2）构建一种图像识别检测模式。根据分析预置的图像识别规则，使用图像视觉分析技术对变电站视频中的目标物体进行分离、侦测、监控、追踪，实现目标侦测与跟踪功能。重点解决变电站内设备状态以及工作人员的操作行为等问题。
（3）提高前端设备的与处理能力，降低正常状态下的刷新次数，滤除常视频画面以减少传输带宽占用及扰动。当异常发生时，采用画面推图的模式将异常画面实施对主站进行推送，提高监控系统的针对性。
2.2 研究内容
（1）研究图像智能核心算法，去繁化简，提升系统图像预处理速度。
（2）研究变电站视频监控系统中的智能图像识别预处理服务器参数，确定其符合变电站、电厂等特定工作环境下正常工作的相关条件。
（3）研究及开发智能变电站视频监控系统。
2.3 关键技术
根据对比预置的图像识别规则，通过图像视觉分析技术对视频中的目标物体进行分离、侦测、监控，当视频场景中出现违反预定义规则的行为时，站端系统实时的将报警信息及相关视频文件传输给远程主站。
图像智能识别的原理如图1所示。
2.3.1 目标侦测
包括对于移动物体的检测、分割、目标定位和追踪。
使用帧间差分与背景差分相融合的目标变化检测算法，这种算法允许在物体存在的情况下进行建模，预先选取一帧图像作为背景帧图像，建立各像素点的高斯模型，之后对相邻两帧图像运用帧间差分法进行差分处理，有效区分出背景点和变化的区域，然后将变化区域与背景帧的对应区域进行模型拟合，明确显露区和目标物体，最后通过去除阴影及噪声将不带阴影及噪声的目标物体分割出来。
目标跟踪包括目标特征提取、匹配模板的建立、目标位置预测及目标跟踪。
在识别与跟踪过程中，为了有效识别和跟踪目标，准确地确定目标特征是变化跟踪与匹配的关键。目标特征主要包括边界、面积、重心特征及惯性主轴。根据从二值图像中提取的目标特征，检测出目标变化，并建立相应的特征模板。根据前几帧图像的检测结果，通过预测算法，预测在下帧图像中出现的位置、大小、面积等信息，然后进行模板匹配，根据目标模板匹配的结果，将视频图像中的同一目标变化关联起来，并在图像序列中的目标之间建立对应关系，建立目标键，进而得到各个目标完整的运动轨迹。
2.3.2 特征提取
要进行图像识别，必须先对图像的特征进行提取。然而，哪些部分是图像的特征，哪些部分是共通点呢？因此，并不是所有的信息都需要提取，只需提取有意义的能够反映图像本质的特征就可以了。例如，图像的纹理特征、形状特征、颜色特征等都是图像本质的特征。实际上，在进行图像分割和边沿提取的时候就已经为图像某些特征的提取做好了准备，当然这只是一部分，有些特征是需要经过变换才能够提取出来的。特征提取非常关键，其直接影响图像识别能否进行、识别速度快慢以及识别结果的准确性。
2.3.3 分类器及识别算法
图像识别方法的不同主要是分类器的不同，在分类系统中，特征是识别对象的唯一依据，选择适当的特征十分重要。
一般情况下，需要根据待分类对象的特点列出一些可能有用的特征，然后用特征排序方法计算不同特征的相对效率，利用结果对特征进行选择。
良好的特征应具备以下4个特点：可区别性、可靠性、独立性、数量少。可区别性就是该特征应当具有明显的差异，可以被区别出来；可靠性就是说对于相同类别的对象，特征值都是比较相近的；独立性就是说特征之间应彼此不相关，可以独立进行分析；而数量少则指特征数量不能过多，因为复杂度随着特征向量的维数增长而几何倍数增长。
3 成果预期应用
在一些重要的区域型枢纽站中，电压等级涵盖交直流，800～10 kV各个电压等级，其相对应的视频监控点数量巨大，极易造成工作人员的视觉疲劳。同时，由于站端监控系统缺少智能识别功能以及预处理能力，传输带宽被大量占用，故障发生时无法及时做出正确的反应。因此迫切需要建立一套能够在事故、事件发生初期甚至于准备发生期，即现场设备工作状态有明显变化或工作人员即将进行某项操作时对其进行实时监控，及时检测其行为、状态的正确性、规范性，这对于预防事故发生、提高无人值班变电站运行安全性，构建现代化智能电网具有重要意义。文章通过对图像识别核心算法进行研究，建立一套专用于变电站工作环境的智能识别功能以及相应的系统，可以有效地提高原有视频监控系统的实时监测能力，进而提出有效的改造方案。
参考文献
[1] 周杰，卢春雨，张长水，等.人脸自动识别方法综述[J].电子学报，2000，4（4）：102-105.
[2] 张宗平，刘贵忠.基于小波的视频图像压缩研究进展[J].电子学报，2002，30（6）：883-889.