CN103108159B - 一种电力智能视频分析监控***和方法 - Google Patents

Abstract

本发明公开了一种电力智能视频分析监控***和方法，该***包括终端结点、中间结点、总结点和客户端，所述终端结点包括安装在现场变电站处的摄像头、视频采集模块、视频分析模块、第一中央处理模块和第一通信模块；所述中间结点包括第二通信模块、第二中央处理模块和第二数据转发模块；所述总结点包括第三通信模块、第三中央处理模块和第三数据转发模块，通过这种方式，电力智能视频分析监控***和方法的监控效率更高，智能化程度更好。

Description

一种电力智能视频分析监控***和方法

技术领域

本发明涉及一种视频分析监控***和方法，特别涉及一种电力智能视频分析监控***和方法。

背景技术

目前在各行业中，生产过程监控和治安安防的双重需求均增长很快，不论国内还是国外，视频监控***的应用范围和***规模越来越大。目前基本普及以DVR(DigitalVideo Recorder，硬盘录像机)为核心的第二代半数字化***，局部开始向网络摄像机和视频服务器的第三代全数字化***过渡。

截至目前为止，视频监控的技术革新均着眼于信号采集、编码解码、传输、存储技术及设备的改进，而监控方式始终没有改变。监控***的数字化和网络化解除了摄像头和主控室之间的距离的制约，现代视频监控***所集中管理的视频路数往往非常多，不得不采用多屏幕电视墙外加轮巡显示。而传统监控模式主要是人工肉眼监控，其缺点包括：电视墙和轮巡显示的原理性漏检；人工监控的生理性极限；对存储空间的要求极大，成本高，资料查找困难等。因此，虽然随着技术进步和经费投入的加大，视频监控***的硬件规模和性能大大提高，但在传统监控模式下，监控效率的实际提高很有限，庞大的图像数据没有得到真正有效利用。

因此，如果不改变人工监控的传统模式，单纯依靠加大投入、提高硬件规模和性能指标并不能从根本上提高监控效率。目前有必要基于传统监控模式局限性的分析，针对性地进行解决。考虑到监控技术的数字化和网络化给***提供了与先进IT技术的接口，因此可以积极利用计算机科学，充分发掘视频中丰富的图像信息，实现视频监控的智能化，从而在现有硬件***的基础上全方位提升监控效率并改善用户体验。

智能视频监控(IVS，Intelligent Video Surveillance)是基于计算机视觉技术对监控场景的视频图像内容进行分析，提取场景中的关键信息，并形成相应事件和告警的监控方式，是新一代基于视频内容分析的监控***。智能视频监控从概念提出以及进入中国市场至今已有数年，在学术和市场领域均是热点，但以现状而言尚远未进入规模应用的阶段。该状况的原因，除视频分析算法有待进一步成熟以外，当前的主要问题是市场行业需求不清晰不明确，也即不同行业和不同领域对智能视频监控的需求点、性能指标和偏重均不同，用户由于不了解智能视频分析技术内涵，也就无法准确归纳自己的需求，而多数厂商仅凭技术人员的想象来提供各种所谓的行业解决方案，在真正使用时往往会显得苍白无力。因此，就目前来说，基于对特定行业和对智能视频监控技术两方面的深入了解，细致梳理行业需求和侧重，从而定义监控功能、设计***结构乃至选择合适的算法，以便使智能视频分析监控技术走出实验室、真正在特定行业获得实际有效的应用，是目前的首要课题。

在变电站生产监控和安防***中，视频监控***是必不可少的组成部分。目前变电站视频监控***的基本情况包括：硬件的技术类别(第二代还是第三代***)；***规模(每站摄像头布点数目、多少个站点需要监控)；以及网络传输条件等。目前视频监控***的主要问题包括：监控效率、准确性和及时性等都存在较大问题，很多画面经常处于无人值守状态，视频***往往仅能起到事故之后追查的作用，而在大量录像中查找有用信息难度很大，而且数据是定时清空的。

因此需要一种电力智能视频分析监控***和方法，在变电站原有的传统监控***上，建立一套开放式智能监控综合管理平台，实现无人智能监控，多***信息共享、统一管理和协同工作。

发明内容

本发明的主要目的是提供一种监控效率更高的电力智能视频分析监控***。

本发明的另一目的是提供一种监控效率更高的电力智能视频分析监控方法。

为了达到上述目的，本发明提出了一种电力智能视频分析监控***，包括终端结点、中间结点、总结点和客户端，其特征在于，

所述终端结点包括安装在现场变电站处的摄像头、视频采集模块、视频分析模块、第一中央处理模块和第一通信模块；所述摄像头采集的画面数据经所述视频采集模块传入所述第一中央处理模块；所述视频分析模块对所述画面数据中的异常事件进行分析以生成对应的报警数据；

所述中间结点包括第二通信模块、第二中央处理模块和第二数据转发模块，所述第二通信模块接收所有下属变电站中所述第一通信模块发送的画面数据和报警数据，并将其传入所述第二中央处理模块；所述第二数据转发模块将所述第二中央处理模块接收的画面数据和报警数据进行封装，并通过所述第二通信模块发送给所述总结点；

所述总结点包括第三通信模块、第三中央处理模块和第三数据转发模块，所述第三通信模块接收所有下属中间结点中所述第二通信模块发送的画面数据和报警数据，并将其传入所述第三中央处理模块；所述第三数据转发模块将所述第三中央处理模块接收的画面数据和报警数据进行封装，并通过所述第三通信模块发送给所述客户端。

进一步地，所述终端结点还包括第一数据存储模块和第一显示模块，分别用于保存和显示所述摄像头采集的画面数据和所述视频分析模块生成的报警数据。

进一步地，所述中间结点还包括第二数据存储模块和第二显示模块，分别用于保存和显示所述第二中央处理模块接收到的画面数据和报警数据。

进一步地，所述总结点还包括第三数据存储模块和第三显示模块，分别用于保存和显示所述第三中央处理模块接收到的画面数据和报警数据。

进一步地，所述总结点还包括基于智能视频分析的应用模块，用于根据所述第三中央处理模块接收到的画面数据和报警数据进行数据统计分析，并将分析结果由所述第三通信模块传送到所述客户端。

进一步地，所述视频分析模块包括：

人员入侵告警模块，用于对所述异常事件中的人员入侵进行检测并告警；

遗留物/被盗物告警模块，用于对所述异常事件中的遗留物/被盗物进行识别并告警；

烟雾火光告警模块，用于对所述异常事件中的烟雾火光进行检测并告警；

人员安全帽佩戴告警模块，用于对所述异常事件中的人员安全帽未佩戴进行识别并告警；

视频质量自检模块，用于对视频画面是否出现质量异常进行自检并告警。

本发明还提供了一种电力智能视频分析监控方法，其特征在于，包括以下步骤：

步骤101，利用终端结点中安装在现场变电站处的摄像头采集画面数据，并将其经视频采集模块传入终端结点中的第一中央处理模块，所述画面数据中的异常事件经终端结点中的视频分析模块进行分析后生成对应的报警数据；

步骤102，利用中间结点中的第二通信模块接收所有下属变电站中第一通信模块发送的画面数据和报警数据，并将其传入中间结点中的第二中央处理模块；所述第二中央处理模块接收的画面数据和报警数据经第二数据转发模块封装后，通过所述第二通信模块发送给总结点；

步骤103，利用总结点中的第三通信模块接收所有下属中间结点中所述第二通信模块发送的画面数据和报警数据，并将其传入总结点中的第三中央处理模块；所述第三中央处理模块接收的画面数据和报警数据经第三数据转发模块封装后，通过所述第三通信模块发送给客户端。

进一步地，步骤103中，还包括根据所述第三中央处理模块接收到的画面数据和报警数据进行数据统计分析，并将分析结果由所述第三通信模块传送到所述客户端。

进一步地，步骤101中，所述视频分析模块的视频分析过程主要包括以下步骤：

(11)加载视频质量自检和视频分析的参数：其中视频质量自检参数包括是否启用雪花、滚屏、模糊、偏色、画面冻结、增益失衡、云台失控和视频信号丢失这些常见摄像头故障和视频信号干扰的各项功能的开关，以及对应各项功能的相应算法参数；视频分析参数包括是否启用人员入侵、遗留物/被盗物、烟雾火光和人员安全帽佩戴这些异常事件的各项功能的开关，以及对应各项功能的相应算法参数；

(12)判断是否部署算法：即视频分析参数中的各项功能开关是否有开启的，如果有则进入步骤(13)，没有则结束；

(13)视频质量自检：即检查视频画面是否出现质量异常，如果有质量异常，则给出质量异常报警，并继续视频质量自检；如果无质量异常，则进入步骤(14)；

(14)视频分析：即判断是否发生异常事件，如果检测没有异常事件发生，则继续进行视频分析；如果检测有异常事件发生，则进入步骤(15)；

(15)标记事件、报警和保存记录：即在画面中标注包括事件类型和事件发生位置的事件信息，同时给出报警，并保存相关的日志记录。

进一步地，步骤(14)中视频分析对异常事件的检测算法的基本步骤包括：

(21)对当前画面进行预处理，通过图像去噪和增强操作，消除图像中出现的噪声；

(22)背景减除：将当前处理后的画面和背景画面相减，得到候选的前景目标像素；

(23)提取目标：根据检测出来的前景目标像素，求得其联通块，作为候选的前景目标；

(24)过滤目标：在步骤(23)的前景目标的基础上，过滤大小过小的目标块，或者不满足所述异常事件的检测算法的目标要求的目标块，以获得过滤后的前景目标；

(25)背景更新：根据当前画面划分好的前背景，融合当前画面和背景画面，得到最新的背景画面，从而使背景更能应对光照变化和微小变动的变化；

(26)目标跟踪：跟踪当前检测到的过滤后的前景目标中的目标块，获得其运动轨迹；

(27)目标分析：对目标块的各项参数进行统计分析，判断其是否满足发生该异常事件的的相应条件，并做出是否发生异常事件的结论。

与现有技术相比，本发明具有以下优点：本发明针对变电站安全生产的相关视频图像分析算法的设计，并将其嵌入到当前的传统监控***中，附加智能分析监控设备，使得各变电站独自监控检测事件，将结果通过网络传回主控中心汇总分析。本发明采用了智能监控技术(包括人员入侵检测、遗留物/被盗物识别、烟雾火光检测和人员安全帽佩带识别)和服务器级联技术，其技术优势主要包括：

1)7×24全天候可靠监控，不存在生物生理局限；

2)多路并行分析；

3)及时自动报警，在规范允许的范围内还可主动向相关部门报送数据以及操控相关设备进行应急处理，提高响应速度；

4)可集成计算机视觉领域的其他研究成果，完成如人脸辨识、人员统计等仅依靠人工难以完成的工作，拓宽视频监控***的应用范围；

5)选择性地完成数据备份，便于检索查询并可减小存储空间消耗、延长数据留存周期；

6)智能视频图像分析模块嵌入到变电站的监控***中，大大提高了监控的效率，从而使变电站的生产运行更加高效智能化。

附图说明

为了更清楚的说明本发明的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍，显而易见的，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的电力智能视频分析监控***的***组网结构图；

图2为图1中各个结点的模块组成结构示意图。

图3为本发明电力智能视频分析监控方法的智能视频分析流程示意图。

图4为图3中智能视频分析基本步骤示意图。

具体实施方式

下面将结合本发明实施例中的附图，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仅是本发明的一部分实施例，不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有付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。

实施例1

本发明在符合标准通信协议的基础上，采用了计算机视觉技术，实现了***的智能分析功能。本发明还在符合标准通信协议的服务器级联技术搭建了智能监控平台及管理信息***，具体来说，本发明的核心技术主要包括：

1、智能监控技术

在经典智能监控算法的基础上，应用统计建模思想和数学分析手段针对实际的变电站环境尝试解决人员入侵、遗留物/被盗物识别、烟雾火光检测还有人员安全帽佩戴识别。也即，引入实际现场分析得到的统计信息和先验知识采用计算机视觉和人工智能的方法在几乎不需要人工干预的情况下通过对摄像机拍摄的图像序列进行自动分析来对动态场景中的人员进行检测，识别和跟踪。同时还能对施工工作人员的遗落物也可进行检测和定位。此外，针对变电站可能出现的火情还有人员安全帽佩戴识别，也有相对应的智能监控算法来分别实现。以上相应智能识别算法都可进行指定区域的识别并进行相应的弹出界面和语音等多种报警方式。

2、服务器级联技术

在符合相关通信协议标准的基础上，集合了视频联网、权限细分管理、分布式云存储与计算、主干线路由管理、流媒体点播、异质设备互联等技术的嵌入式监控综合管理***。采用先进的***级模块化组网方式，支持不同规模的建设需求。本发明的电力智能视频监控***采用低耦合度的模块化组合方式支持搭建三级以上中、大规模***，实现分布式部署，上下级平台，同级平台均为完整的平台。不依赖于其他平台的运行，相互间保持独立，任何一级平台发生故障均不会影响其他平台及总体平台的正常运行，充分保证了***的安全稳定运行。

如图1-2所示，本发明提出了一种电力智能视频监控***，包括终端结点、中间结点、总结点和客户端，

所述终端结点包括安装在现场变电站处的摄像头、视频采集模块、视频分析模块、第一中央处理模块和第一通信模块；所述摄像头采集的画面数据经所述视频采集模块传入所述第一中央处理模块；所述视频分析模块对所述画面数据中的异常事件进行分析以生成对应的报警数据；

所述中间结点包括第二通信模块、第二中央处理模块和第二数据转发模块，所述第二通信模块接收所有下属变电站中所述第一通信模块发送的画面数据和报警数据，并将其传入所述第二中央处理模块；所述第二数据转发模块将所述第二中央处理模块接收的画面数据和报警数据进行封装，并通过所述第二通信模块发送给所述总结点；

所述总结点包括第三通信模块、第三中央处理模块和第三数据转发模块，所述第三通信模块接收所有下属中间结点中所述第二通信模块发送的画面数据和报警数据，并将其传入所述第三中央处理模块；所述第三数据转发模块将所述第三中央处理模块接收的画面数据和报警数据进行封装，并通过所述第三通信模块发送给所述客户端。

进一步地，所述终端结点还包括第一数据存储模块和第一显示模块，分别用于保存和显示所述摄像头采集的画面数据和所述视频分析模块生成的报警数据。

进一步地，所述中间结点还包括第二数据存储模块和第二显示模块，分别用于保存和显示所述第二中央处理模块接收到的画面数据和报警数据。

进一步地，所述总结点还包括第三数据存储模块和第三显示模块，分别用于保存和显示所述第三中央处理模块接收到的画面数据和报警数据。

通过这种方式，可以采用终端结点、中间结点和总结点的架构来实时的监控变电站的具体情况，所述终端结点中的视频分析模块能够对所述摄像头采集的画面数据中的异常事件进行分析和判断，如果有异常事件发生，则能够生成对应的报警数据，此时第一中央处理模块能够根据视频分析模块对异常事件的判断结果，控制第一数据存储模块实时的存储异常事件发生时摄像头采集的画面数据，通过这种方式，终端结点上的第一数据存储模块只用存储与异常事件相关的画面数据和视频分析模块提供的报警数据，大大的减少了存储模块的存储压力，从而节省了存储空间，也为后续调用第一数据存储模块，以便在第一显示模块显示画面数据供用户使用，提供了极大的方便。此外，由于终端结点处有效的降低了数据冗余，因此使得后续的中间结点能够实时有效的监控下属变电站点，而总结点也能够实时有效的监控下属中间结点，整个电力智能视频监控***有效的降低了数据冗余带来的视频查看和分析困难，提高了监控效率。

进一步地，所述总结点还包括基于智能视频分析的应用模块，用于根据所述第三中央处理模块接收到的画面数据和报警数据进行数据统计分析，并将分析结果由所述第三通信模块传送到所述客户端。

通过这种方式，在总结点处可以对所有终端结点和中间结点处获得的画面数据和告警数据进行有效的统计分析，从而获得整个视频监控***的整体统计信息，为客户端的用户提供更好的数据服务。

进一步地，所述视频分析模块包括：

人员入侵告警模块，用于对所述异常事件中的人员入侵进行检测并告警；

遗留物/被盗物告警模块，用于对所述异常事件中的遗留物/被盗物进行识别并告警；

烟雾火光告警模块，用于对所述异常事件中的烟雾火光进行检测并告警；

人员安全帽佩戴告警模块，用于对所述异常事件中的人员安全帽未佩戴进行识别并告警；

视频质量自检模块，用于对视频画面是否出现质量异常进行自检并告警。

通过这种方式，终端结点可以采用视频分析模块有效的检测变电站处发生的异常事件，包括人员入侵告警、遗留物/被盗物告警、烟雾火光告警、人员安全帽佩戴告警以及视频质量自检等，这些功能基本满足了一般的变电站视频监控需求，可以有效的实现无人值守的变电站视频监控，由于视频分析模块采用了智能化的检测算法，因此对这些异常事件的发生能够进行有效的检测，一旦检测到这些异常事件，就可以将对应的画面数据进行存储，从而节省***的整体存储空间，降低了数据冗余，提供了视频监控效率。

如图1-2所示，本发明提出一种电力智能视频监控***，属于一种适用于电力变电站无人值守的智能视频监控***，该***可由多级子***级联组成。

如图1所示，为本发明的电力智能视频监控***的***组网结构图(包括中间结点1(包括N1个终端结点)、中间结点2(包括N2个终端结点)......中间结点C(包括NC个终端结点)，M个客户端，一个总结点)，对于每个变电站为一个终端结点，它们有自己独立的一套智能视频监控***；由若干个变电站组成一个区域智能监控***，各个变电站可将实时画面和各自的智能视频分析结果上报到中间结点，形成一个分监控***；这些中间结点将所有的内容上报到总结点，从而形成整体的智能视频监控***。同时，总结点可对其下属的所有中间结点和终端结点可以进行控制和管理，而每个中间结点只对其下属的终端结点拥有控制权和管理权，对其他中间结点既独立也不能访问。

如图2所示，为图1中各个结点的模块组成结构示意图，下面就各个结点的模块组成做详细介绍。

(一)、终端结点

终端结点对应于一个现场变电站的现场监控***，有摄像头、第一中央处理模块、视频采集模块、视频分析模块、第一数据存储模块、第一显示模块和第一通信模块构成了一个独立的智能视频监控***。

首先，在终端结点的各个需要部署摄像头位置，安装摄像头。

通过视频采集模块，将摄像头所有的实时画面采集到第一中央处理器模块。

第一中央处理器模块可对采集得到的数据做以下处理：

(1)将实时画面数据送到第一显示模块，呈现给用户；

(2)将实时画面数据保存到第一数据存储模块；

(3)调用第一数据存储模块以回放历史画面数据；

(4)将实时画面数据传送到视频分析模块，视频分析模块分析其中是否存在异常事件(人员入侵、遗留物/被盗物、烟雾火光、安全帽佩戴等)，并生成对应的报警数据；

(5)将画面数据和报警数据封装送到第一通信模块，进而发送给上级结点。

视频分析模块，可以配置各个摄像头的视频分析算法参数，启动视频分析流程，同时将视频分析的结果传送到第一中央处理模块。

(二)、中间结点

中间结点对应于区域监控***的区域监控中心(也即分监控中心)，该监控中心负责汇总其下属的变电站的所有数据存储和转发。

首先，由第二通信模块接收下级传送上来的画面数据和报警数据，然后传送到第二中央处理模块。

第二中央处理模块对这些数据做以下处理：

(1)将实时画面数据和报警数据送到第二显示模块，呈现给用户；

(2)将实时画面数据和报警数据保存到第二数据存储模块；

(3)经由第二数据转发模块，封装数据，进一步上传到上级结点。

(三)、总结点

总结点对应于整体监控***的整体监控中心(也即总监控中心)，负责管理和控制来自所有站端传送上来的数据，同时基于这些数据，向客户端提供相关的服务应用。

首先，由第三通信模块接收下级传送上来的画面数据和报警数据，然后传送到第三中央处理模块。

第三中央处理模块对这些数据做以下处理：

(1)将实时画面数据和报警数据送到第三显示模块，呈现给用户；

(2)将实时画面数据和报警数据保存到第三数据存储模块；

(3)经由第三数据转发模块，封装数据，进一步发送到客户端呈现给用户；

(4)将数据发送给基于智能视频分析的应用模块，为客户端提供进一步的服务。

基于智能视频分析的应用模块，根据智能分析的报警记录，提供相关的数据统计分析服务，将分析的结果由第三通信模块传送到客户端。

(四)、客户端

客户端是智能视频监控***的最终用户，通过第三通信模块，可接受来自总结点的以下数据和服务：

(1)实时的任意一个终端结点的画面数据；

(2)每一个终端结点的报警记录；

(3)来自总结点基于智能视频分析的应用模块分析记录的进一步数据统计分析结果。

实施例2

如图3-4所示，本发明的电力智能分析监控方法的基本原理介绍如下。

在上述监控***的基础之上，本发明的电力智能分析监控方法通过分析来自每个摄像头的实时画面，保证了视频画面质量的同时，消除了很多冗余的视频画面，而将那些有用的或者出现异常时间的视频画面内容及时保存，并及时传送到监控中心，这大大提高了监控的存储能力，也使得监控中心能够在最短时间内排查潜在的变电站安全生产隐患，提高了生产效率。

智能视频(IV，Intelligent Video)技术源自计算机视觉(CV，Computer Vision)与人工智能(AI，Artificial Intelligent)的研究，其发展目标在于将图像与事件描述之间建立一种映射关系，使计算机从纷繁的视频图像中分辨、识别出关键目标物体，这一研究应用于安防视频监控***、将能借助计算机强大的数据处理能力过滤掉图像中无用的或干扰信息、自动分析、抽取视频源中的关键有用信息，从而使传统的监控***中的摄像机不但成为人的眼睛，也使“智能视频分析”计算机成为人的大脑，并具有更为“聪明”的学习思考方式。

智能视频分析***的一般过程是：首先在监控画面的基础上建立背景模型；然后对摄像头捕获的实时图像，基于背景模型，检测出移动或可疑的目标，并对目标进行跟踪；最后在跟踪上的目标的基础上，对目标的行为进行分析，根据分析结果发出警告或做记录等。

对于智能视频监控***来说，显然，场景中出现的人或车等运动目标应该是重点关注的对象，***对这些运动目标进行实时检测、跟踪与识别，进而分析它们的运动或行为。对视频序列图像的处理过程可分为低层处理和高层处理两个阶段，低层处理过程包括场景建模，运动区域分割，目标分类，目标跟踪等，高层处理过程包括人体运动分析，行为识别和行为理解。先经过场景建模分割出运动区域，然后在目标分类环节确定目标类别(人、车或其他目标)，下一步的工作就是对运动目标进行持续的跟踪，以确定目标运动轨迹，并分析其行为特征和可能目的，以便采取相应措施，这些行为包括例如人员入侵、遗留物、烟火、人员安全帽是否佩带安全帽等。也就是说，智能视频监控***可通过对目标的持续跟踪，轨迹分析，行为识别与理解，做出是否发生异常事件的判断，进而采取必要措施并及时发出报警信号，同时记录有关原始资料及证据。

本发明还提供了一种电力智能视频分析监控方法，其特征在于，包括以下步骤：

步骤101，利用终端结点中安装在现场变电站处的摄像头采集画面数据，并将其经视频采集模块传入终端结点中的第一中央处理模块，所述画面数据中的异常事件经终端结点中的视频分析模块进行分析后生成对应的报警数据；

步骤102，利用中间结点中的第二通信模块接收所有下属变电站中第一通信模块发送的画面数据和报警数据，并将其传入中间结点中的第二中央处理模块；所述第二中央处理模块接收的画面数据和报警数据经第二数据转发模块封装后，通过所述第二通信模块发送给总结点；

步骤103，利用总结点中的第三通信模块接收所有下属中间结点中所述第二通信模块发送的画面数据和报警数据，并将其传入总结点中的第三中央处理模块；所述第三中央处理模块接收的画面数据和报警数据经第三数据转发模块封装后，通过所述第三通信模块发送给客户端。

通过这种方式，可以采用终端结点、中间结点和总结点的架构来实时的监控变电站的具体情况，所述终端结点中的视频分析模块能够对所述摄像头采集的画面数据中的异常事件进行分析和判断，如果有异常事件发生，则能够生成对应的报警数据，此时第一中央处理模块能够根据视频分析模块对异常事件的判断结果，控制第一数据存储模块实时的存储异常事件发生时摄像头采集的画面数据，通过这种方式，终端结点上的第一数据存储模块只用存储与异常事件相关的画面数据和视频分析模块提供的报警数据，大大的减少了存储模块的存储压力，从而节省了存储空间，也为后续调用第一数据存储模块，以便在第一显示模块显示画面数据供用户使用，提供了极大的方便。此外，由于终端结点处有效的降低了数据冗余，因此使得后续的中间结点能够实时有效的监控下属变电站点，而总结点也能够实时有效的监控下属中间结点，整个电力智能视频分析监控***有效的降低了数据冗余带来的视频查看和分析困难，提高了监控效率。

进一步地，步骤103中，还包括根据所述第三中央处理模块接收到的画面数据和报警数据进行数据统计分析，并将分析结果由所述第三通信模块传送到所述客户端。

通过这种方式，在总结点处可以对所有终端结点和中间结点处获得的画面数据和告警数据进行有效的统计分析，从而获得整个视频分析监控***的整体统计信息，为客户端的用户提供更好的数据服务。

进一步地，步骤101中，所述视频分析模块的视频分析过程主要包括以下步骤：

(11)加载视频质量自检和视频分析的参数：其中视频质量自检参数包括是否启用雪花、滚屏、模糊、偏色、画面冻结、增益失衡、云台失控和视频信号丢失这些常见摄像头故障和视频信号干扰的各项功能的开关，以及对应各项功能的相应算法参数；视频分析参数包括是否启用人员入侵、遗留物/被盗物、烟雾火光和人员安全帽佩戴这些异常事件的各项功能的开关，以及对应各项功能的相应算法参数(这些自检参数和视频分析参数，都可以根据用户的需求来设定)；

(12)判断是否部署算法：即视频分析参数中的各项功能开关是否有开启的，如果有则进入步骤(13)，没有则结束(例如可以选择所有的视频分析功能，包括启用人员入侵、遗留物/被盗物、烟雾火光和人员安全帽佩戴这些异常事件的检测功能开关，也可以只是选择部分功能开关，这些可以根据用户的需求来灵活设定；如果这些功能开关都没有选择，则就不存在相应的视频分析过程，只是一般的视频监控而已)；

(13)视频质量自检：即检查视频画面是否出现质量异常，如果有质量异常，则给出质量异常报警，并继续视频质量自检；如果无质量异常，则进入步骤(14)(这里，视频质量如果存在异常，则必将使得整个视频分析过程，准确度不高，因此必须满足一定的视频质量要求，才能进行下一步的视频分析)；

(14)视频分析：即判断是否发生异常事件，如果检测没有异常事件发生，则继续进行视频分析；如果检测有异常事件发生，则进入步骤(15)(这里需要采用一定的异常事件检测算法，才能够判断是否有异常事件发生，例如人员入侵、遗留物/被盗物、烟雾火光和人员安全帽佩戴这些异常事件，都分别有相应的算法进行检测，由于这类的算法较多，这里不再赘述)；

(15)标记事件、报警和保存记录：即在画面中标注包括事件类型和事件发生位置的事件信息，同时给出报警，并保存相关的日志记录。

通过这种方式，视频分析模块能够有效的完成参数设定、选择视频分析算法、视频质量自检、视频分析和对异常事件的标记、报警和数据保存，这种视频分析的过程，能够有效的实现一般的视频分析过程，基本满足用户的视频分析需求。

进一步地，步骤(14)中视频分析对异常事件的检测算法的基本步骤包括：

(21)对当前画面进行预处理，通过图像去噪和增强操作，消除图像中出现的噪声；

(22)背景减除：将当前处理后的画面和背景画面相减，得到候选的前景目标像素；

(23)提取目标：根据检测出来的前景目标像素，求得其联通块，作为候选的前景目标；

(24)过滤目标：在步骤(23)的前景目标的基础上，过滤大小过小的目标块，或者不满足所述异常事件的检测算法的目标要求的目标块，以获得过滤后的前景目标；

(25)背景更新：根据当前画面划分好的前背景，融合当前画面和背景画面，得到最新的背景画面，从而使背景更能应对光照变化和微小变动的变化；

(26)目标跟踪：跟踪当前检测到的过滤后的前景目标中的目标块，获得其运动轨迹；

(27)目标分析：对目标块的各项参数进行统计分析，判断其是否满足发生该异常事件的的相应条件，并做出是否发生异常事件的结论。

通过这种方式，可以有效的实现对异常事件的检测，这里给出的步骤只是笼统的对例如人员入侵、遗留物/被盗物、烟雾火光和人员安全帽佩戴这些异常事件的检测算法的共通的一般过程进行了介绍，通过背景减除、提取目标、过滤目标、背景更新、目标跟踪和目标分析这些步骤，可以有效的实现对画面中出现的目标(也即异常事件)进行检测，从而实现相应的视频分析过程。

详细来说，本发明的电力智能监控方法主要包括以下方面。

A.视频在线分析事件分类

在各变电站分别安装1套视频智能分析装置，各站的智能分析装置对来自本站各摄像头的视频图像进行实时处理和计算，人员或物体入侵、可疑物品、火情、未佩戴安全帽等生产事件，向操作员发出告警信号，并记录事件的图片和录像资料在本地存储。具体的功能有如下几点：

1)人员入侵告警

对于进入布防好的监控画面(或监控画面内预先设定好的布防区域)的人或物，***自动告警，并在第一时间进行现场抓图及10秒钟现场录像记录，以供后续调阅。

为了实现上述监控变电站的施工人员和保证设备安全，通过对人员入侵检测算法，来实现对应无人现场的人员监测。根据人员入侵的运动特性，首先需要检测出画面的运动区域，我们使用帧差法来检测画面运动区域。

基于运动目标检测方法检测人员的方法很多，各有利弊，性能不一，但共同的一个不足是只能对运动的人员进行检测，若人员目标处于静止状态时，运动特征消失，从而导致这些方法的失效，因此，产生了基于人体特征的分割方法。

在图像或视频中，形状是一种很好的描述子，在区别人和其他物体时，形状起很大的作用；在缺乏关于诸如颜色纹理等人物外形信息时，形状是一种稳定可靠的描述子。因此，形状信息被广泛地直接或间接应用于人员检测算法中。

在检测出运动区域以后，怎么判定是人员，我们进行了大量的线下观察和采用统计机器学习的方式进行特征的筛选。根据人员的一些特性我们依据以上的思想总结了人员运动区域的一些特征：

(A).人员的静态特征

(1).静态区域像素点面积

人员区域一定占用一定的像素点面积，面积过小或者过大都是不合理的，这样的区域可以作为噪声去除。

根据我们对实际现场的统计，站立姿势的概率大致是70％以上，从而达到70％以上响应长宽比的区域可以作为人员区域备选。

(2).头肩曲线特征

从备选区域中抽取形状特征，采用几何形状特征抽取方法做抽取比对先验头肩曲线特征从而精确判定人员。

(B).人员动态区域特征

人运动起来，上身基本不动，下边的两条腿运动相对交大。体现在运动区域上就是，上边的运动区域成整体运动，运动面积交大，下半部分成多个区域。所以一旦发现这样的运动区域，即上边面积大，下边有若干面积较小的运动区域，并且最大外接矩形符合人身长宽比既可以预判定为人员。

人员进入(也即人员入侵)算法具体的实现如下：

a.对输入的图像进行逐帧或者隔帧采集；

b.待运算相减图像灰度化处理；

c.两帧想减并按照阈值二值化图像，滤波消除噪声，得到运动区域；

d.根据先验知识，抽取运动区域形状特征；

e.根据形状特征抽取结果判断是否是人员。

2)遗留物/被盗物识别告警

在布防好的***监控画面(或监控画面内预先设定好的布防区域)中，由于人物疏忽等因素，导致现场出现遗留物品，时间达到预先设定值，***自动告警，并在第一时间进行现场抓图，以供后续调阅。

电力施工现场中遗留物检测的研究，主要是针对固定监测区域中出现的遗留物体。首先检测进入施工现场的物体，然后分析判断此物体是否为遗留物体。当进入场景的物体符合用户预设的遗留检测参数时(例如停留时间超过某个值)，则进行实时报警、视频记录等处理。如果有物体进入监测区域，但经过检测和分析判断其不符合遗留物检测条件时，可以选择对此物体忽略或只是对此物体进入场景的视频进行记录，但并不触发实时报警。

根据遗留物检测算法的描述以及针对遗留物的特征定义，我们设计的遗留物检测总体流程可划分为以下六个步骤。

第一步，对固定监测场景视频序列的捕获。

第二步，对视频序列进行预处理。这一阶段主要是对已经捕获的视频序列进行优化处理，实现降低噪音干扰，增强序列图像质量的目的，为后续的处理提供较好的图像序列。

第三步，对经过预处理的视频序列图像分别进行帧间差分和背景差分运算，并由直方图计算前景目标像素数。

第四步，由检测算法提出的判断标准，进行场景的分类。

第五步，针对不同的场景，运用不同的检测算法实现遗留物的检测。

第六步，场景中检测出遗留物体时，以质心判断距法对其遗留特性进行分析。当确定目标物体为遗留物体时，则进行安全类防范措施，例如标记遗留物、触发警报等。

3)烟雾火花检测告警

在布防好的***监控画面中，一旦出现明火或明显的火花，***自动告警，并在第一时间进行现场抓图及10秒钟现场录像记录，以供后续调阅。

为了达到对烟雾探测报警的目的，需要对视频序列各个视频帧图像中的烟雾疑似区域部分进行分析辨别，这也就需要在对其进行分析辨别前得到烟雾疑似区域，即把它从图像中分割提取出来，在此基础上才有可能进一步对目标进行各种特征统计，然后筛选出真正是烟雾或火光的区域。

对于疑似区域的提取，可以采用减背景模型的方式，提取画面中的运动区域。然后对于检测出来的区域，根据火焰和烟雾的特征，进一步判断。

4)未佩戴安全帽告警

在布防好的监控画面(或监控画面内预先设定好的布防区域)中，出现入侵告警时，***可以自动识别入侵人员是否按要求佩戴安全帽，一旦发现未佩戴安全帽的人员，***自动告警，并在第一时间进行现场抓图及10秒钟现场录像记录，以供后续调阅。

在变电站施工现场中，要面对高压危险设备，施工人员进入现场佩戴安全帽是必要的安全措施。佩戴的安全帽有严格的等级之分，在国电***中，国电***安全帽颜色按照视觉识别***(VI)规定：白色代表领导人员，蓝色代表管理人员，黄色代表施工人员，红色代表外来人员。在变电站的安全生产规范中，对进入变电设备施工现场的要求非常严格，如不允许不佩戴帽子进入现场，也不允许不同身份的人越界非法操作等。但违反安全规定不佩戴安全帽的情况也时有发生，带来是安全隐患。如果可以通过监控视频直接对进入施工现场的人员的安全帽进行识别，那么就能及时的发现未戴安全帽或非法操作等现象的发生。

为了实现上述监控变电站的施工人员安全帽佩戴情况和是否有非法操作行为发生，通过对安全帽检测和颜色识别的算法，来实现对施工人员是否佩戴安全帽的判断以及对施工人员身份的识别，具体实现算法主要按以下过程进行：

a.对画面中的行人进行检测与跟踪，分割出行人目标；

b.对分割出来的行人目标，寻找其几何质心；

c.确定行人目标的轴线；

d.以质心为出发，分别向左上方和右上方引出与轴线角度为α的头部区域限制线；

e.从行人目标从上往下扫描，确定在头部区域限制线范围内的上轮廓为帽子区域的上边界，封闭上边界形成帽子区域；

f.计算帽子区域中每个像素属于最接近的颜色(红，蓝，绿，白，橙)；

g.统计帽子区域中每个像素3×3邻域，用该邻域中最多的颜色来替换当前像素的颜色值；

h.统计帽子区域所有像素点的直方图，直方图中取值最大的对应的颜色值作为改帽子区域的颜色值；

i.根据颜色值，如果为黑色，则判定为未佩戴帽子，否则根据不同颜色值输出相应的身份。

5)视频画面质量检测

画面质量过差将导致智能分析***无法准确处理：实际物体的大量特征被掩盖会造成漏检；而异常干扰很容易触发误报警。因此，本***提供视频质量的自检功能，并扩展到硬件诊断功能。，对视频图像出现的雪花、滚屏、模糊、偏色、画面冻结、增益失衡、云台失控、视频信号丢失等常见摄像头故障、视频信号干扰、视频质量下降进行准确分析、判断和报警。根据成像质量适时暂停事件识别计算、并排除可能的误报，同时自动向用户给出画面质量下降或硬件故障提示。

视频质量诊断***是一种智能化视频故障分析与预警***，对视频图像出现的雪花、滚屏、模糊、偏色、画面冻结、增益失衡、云台失控、视频信号丢失等常见摄像头故障、视频信号干扰、视频质量下降进行准确分析、判断和报警。***按照诊断预案自动对摄像头进行检测，并记录所有的检测结果。

视频质量诊断算法的设计，可以对每一幅视频画面，分别统计其颜色、梯度、移动等相关信息。根据颜色的直方图统计，判断画面是否发生偏色；根据梯度的直方图分布判断画面是否包含噪声或者模糊；根据画面特征点的变化判断画面是否发生移动。

B.基于智能视频分析应用

各变电站在安装视频智能分析装置后，除了在传统的工业电视监控基础上实现上述几种智能监控，还可基于上述几点智能视频分析事件，结合变电站日常管理的需求，通过进一步的开发，本项目实现如下几点应用：

1)通过入侵事件检测，为变电站日常巡检提供地点与时间的核查依据；

2)通过入侵事件检测，为变电站计划性站内工作提供地点与时间的核查依据；

3)通过入侵事件及安全帽检测，为进站人员中是否有人佩戴安全帽提供核查依据；

4)根据每个变电站的巡检检查结果，监控中心可随时对指定时间段和指定变电站，查看每日或每月的巡检记录报表，以方便对各个站的安全生产情况进行监管。

如图3所示，针对智能视频分析的具体过程，一个完整的智能视频分析包括以下步骤：

(1)加载视频质量自检和视频分析的参数，其中

视频质量自检参数包括是否启用雪花、滚屏、模糊、偏色、画面冻结、增益失衡、云台失控、视频信号丢失等常见摄像头故障、视频信号干扰各项功能的开关，以及各项功能的相应算法参数；

视频分析参数包括是否启用人员入侵、遗留物、烟火、安全帽佩戴等各项功能开关，以及各项功能的相应算法参数。

(2)判断是否部署算法，即视频分析参数中的各项功能开关是否有开启的，如果有则进入下一步，没有则结束智能视频分析。

(3)视频质量自检，检查视频画面是否出现质量异常，如果有质量异常，则给出质量异常报警，直到检查无质量异常为止。

(4)进行视频分析，如果检测有时间发生，则进入下一步，否则继续智能视频分析。

(5)当发生事件，在画面中标注事件类型和事件发生位置等信息，同时给出报警，并保存相关的日志记录。

其中，如图4所示，智能视频分析的算法基本步骤如下：

(1)对当前画面进行预处理，通过图像去噪、增强等操作，消除图像中出现的噪声。

(2)背景减除：将当前处理后的画面和背景画面相减，得到候选的前景目标像素。

(3)提取目标：根据检测出来的前景像素，求得其联通块，作为候选的前景目标。

(4)过滤目标：在3的基础上，过滤大小过小的目标块，或者不满足具体某一类算法的目标要求的目标块。

(5)背景更新：根据当前画面划分好的前背景，融合当前画面和背景画面，得到最新的背景画面，从而是背景更能应对光照变化和微小变动的变化。

(6)目标跟踪：跟踪当前检测到的目标块，获得其运动轨迹。

(7)目标分析：对目标的各项参数进行统计分析，判断其是否达到发生该事件的临界阈值，或满足该事件发生的条件，并做出结论。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明还可以通过其他结构来实现，本发明的特征并不局限于上述较佳的实施例。任何熟悉该项技术的人员在本发明的技术领域内，可轻易想到的变化或修饰，都应涵盖在本发明的专利保护范围之内。

Claims (8)

1.一种电力智能视频分析监控***，包括终端结点、中间结点、总结点和客户端，其特征在于，

所述终端结点包括安装在现场变电站处的摄像头、视频采集模块、视频分析模块、第一中央处理模块和第一通信模块；所述摄像头采集的画面数据经所述视频采集模块传入所述第一中央处理模块；所述视频分析模块对所述画面数据中的异常事件进行分析以生成对应的报警数据；

所述中间结点包括第二通信模块、第二中央处理模块和第二数据转发模块，所述第二通信模块接收所有下属变电站中所述第一通信模块发送的画面数据和报警数据，并将其传入所述第二中央处理模块；所述第二数据转发模块将所述第二中央处理模块接收的画面数据和报警数据进行封装，并通过所述第二通信模块发送给所述总结点；

所述总结点包括第三通信模块、第三中央处理模块和第三数据转发模块，所述第三通信模块接收所有下属中间结点中所述第二通信模块发送的画面数据和报警数据，并将其传入所述第三中央处理模块；所述第三数据转发模块将所述第三中央处理模块接收的画面数据和报警数据进行封装，并通过所述第三通信模块发送给所述客户端；

所述总结点还包括基于智能视频分析的应用模块，用于根据所述第三中央处理模块接收到的画面数据和报警数据进行数据统计分析，并将分析结果由所述第三通信模块传送到所述客户端；

所述视频分析模块包括：

人员入侵告警模块，用于对所述异常事件中的人员入侵进行检测并告警；

遗留物/被盗物告警模块，用于对所述异常事件中的遗留物/被盗物进行识别并告警；

烟雾火光告警模块，用于对所述异常事件中的烟雾火光进行检测并告警；

人员安全帽佩戴告警模块，用于对所述异常事件中的人员安全帽未佩戴进行识别并告警；

视频质量自检模块，用于对视频画面是否出现质量异常进行自检并告警。

2.如权利要求1所述的***，其特征在于，所述终端结点还包括第一数据存储模块和第一显示模块，分别用于保存和显示所述摄像头采集的画面数据和所述视频分析模块生成的报警数据。

3.如权利要求1所述的***，其特征在于，所述中间结点还包括第二数据存储模块和第二显示模块，分别用于保存和显示所述第二中央处理模块接收到的画面数据和报警数据。

4.如权利要求1所述的***，其特征在于，所述总结点还包括第三数据存储模块和第三显示模块，分别用于保存和显示所述第三中央处理模块接收到的画面数据和报警数据。

5.如权利要求1至4中任意一条所述的一种电力智能视频分析监控***的监控方法，其特征在于，包括以下步骤：

步骤101，利用终端结点中安装在现场变电站处的摄像头采集画面数据，并将其经视频采集模块传入终端结点中的第一中央处理模块，所述画面数据中的异常事件经终端结点中的视频分析模块进行分析后生成对应的报警数据；

步骤102，利用中间结点中的第二通信模块接收所有下属变电站中第一通信模块发送的画面数据和报警数据，并将其传入中间结点中的第二中央处理模块；所述第二中央处理模块接收的画面数据和报警数据经第二数据转发模块封装后，通过所述第二通信模块发送给总结点；

步骤103，利用总结点中的第三通信模块接收所有下属中间结点中所述第二通信模块发送的画面数据和报警数据，并将其传入总结点中的第三中央处理模块；所述第三中央处理模块接收的画面数据和报警数据经第三数据转发模块封装后，通过所述第三通信模块发送给客户端。

6.如权利要求5所述的方法，其特征在于，步骤103中，还包括根据所述第三中央处理模块接收到的画面数据和报警数据进行数据统计分析，并将分析结果由所述第三通信模块传送到所述客户端。

7.如权利要求5或6所述的方法，其特征在于，步骤101中，所述视频分析模块的视频分析过程主要包括以下步骤：

(11)加载视频质量自检和视频分析的参数：其中视频质量自检参数包括是否启用雪花、滚屏、模糊、偏色、画面冻结、增益失衡、云台失控和视频信号丢失这些常见摄像头故障和视频信号干扰的各项功能的开关，以及对应各项功能的相应算法参数；视频分析参数包括是否启用人员入侵、遗留物/被盗物、烟雾火光和人员安全帽佩戴这些异常事件的各项功能的开关，以及对应各项功能的相应算法参数；

(12)判断是否部署算法：即视频分析参数中的各项功能开关是否有开启的，如果有则进入步骤(13)，没有则结束；

(13)视频质量自检：即检查视频画面是否出现质量异常，如果有质量异常，则给出质量异常报警，并继续视频质量自检；如果无质量异常，则进入步骤(14)；

(14)视频分析：即判断是否发生异常事件，如果检测没有异常事件发生，则继续进行视频分析；如果检测有异常事件发生，则进入步骤(15)；

(15)标记事件、报警和保存记录：即在画面中标注包括事件类型和事件发生位置的事件信息，同时给出报警，并保存相关的日志记录。

8.如权利要求7所述的方法，其特征在于，步骤(14)中视频分析对异常事件的检测算法的基本步骤包括：

(21)对当前画面进行预处理，通过图像去噪和增强操作，消除图像中出现的噪声；

(22)背景减除：将当前处理后的画面和背景画面相减，得到候选的前景目标像素；

(23)提取目标：根据检测出来的前景目标像素，求得其联通块，作为候选的前景目标；

(24)过滤目标：在步骤(23)的前景目标的基础上，过滤大小过小的目标块，或者不满足所述异常事件的检测算法的目标要求的目标块，以获得过滤后的前景目标；

(25)背景更新：根据当前画面划分好的前背景，融合当前画面和背景画面，得到最新的背景画面，从而使背景更能应对光照变化和微小变动的变化；

(26)目标跟踪：跟踪当前检测到的过滤后的前景目标中的目标块，获得其运动轨迹；

(27)目标分析：对目标块的各项参数进行统计分析，判断其是否满足发生该异常事件的的相应条件，并做出是否发生异常事件的结论。