CN110060440A - 一种用于输电线路防外破的智能警示*** - Google Patents
一种用于输电线路防外破的智能警示*** Download PDFInfo
- Publication number
- CN110060440A CN110060440A CN201910399382.2A CN201910399382A CN110060440A CN 110060440 A CN110060440 A CN 110060440A CN 201910399382 A CN201910399382 A CN 201910399382A CN 110060440 A CN110060440 A CN 110060440A
- Authority
- CN
- China
- Prior art keywords
- transmission line
- external force
- image
- warning system
- damage prevention
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
- G08B13/19604—Image analysis to detect motion of the intruder, e.g. by frame subtraction involving reference image or background adaptation with time to compensate for changing conditions, e.g. reference image update on detection of light level change
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
- G08B29/18—Prevention or correction of operating errors
- G08B29/185—Signal analysis techniques for reducing or preventing false alarms or for enhancing the reliability of the system
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Security & Cryptography (AREA)
- Alarm Systems (AREA)
Abstract
一种用于输电线路防外破的智能警示***,它包括主设备、服务器设备、远程接入端、以及报警器,主设备与远程接入端均接入服务器设备,报警器与远程接入端的输出端连接,在使用时,采用以下步骤:1)当主设备检测到移动目标物体时,先发出警报,然后将报警信息发送到数据的传输***,传输***将信息通过网络传输给服务器设备;2)服务器设备对数据进行处理,然后远程接入端通过访问网络获得故障数据;3)监管者通过数据获知是否存在外来入侵,如果是,则可以开启报警器的声光报警器进行警示和驱赶。
Description
技术领域
本发明属于输配电设备及其附属设施领域,具体涉及一种用于输电线路防外破的智能警示***。
背景技术
由于输电线路具有路径较长、周边地形条件复杂的特点,且区域跨度较大、受环境气候影响大、巡视周期较长,极易遭到外力的破坏。目前常见的电力设施外力破坏主要有违章施工、违章建筑物、植物生长、飘浮物、山火及鸟害等形式。近年来,全国各地的工程建设增多,高速铁路、公路里程不断增加,大型机械在线下施工,使得外力破坏跳闸的事件屡屡发生,导致输电线路的破坏情况大量增加。针对此现象,目前电网公司仍采取人工巡视的方式,效率较低且耗费了大量人力物力,为此,本专利提出了一种智能警示***,可以通过视频监控输电线路周围情况,并且对于可能会对输电线路造成影响的人为行为进行提醒及制止。
授权公告号为CN103065409B的中国专利公开了一种输电线监测预警***,包括设置在输电线监测现场的现场监测装置和监控服务器;所述现场监测装置获取监测现场的视频监控数据,并将所述视频监控数据传输至所述监控服务器;所述监控服务器接收所述视频监控数据;根据所述视频监控数据判断入侵所述监测现场的目标物;对所述目标物进行运动跟踪,获取运动跟踪数据;根据所述运动跟踪数据,判定所述目标物的运行行为和运动轨迹;根据所述运行行为和运动轨迹以及所述监测现场的输电线的位置进行预警。
发明内容
为了解决背景技术中的技术问题:输电线路通道环境复杂,经常会受到工程机械侵入的问题,本发明针对此类实时性较强的问题提出了可实时预警、报警驱逐并发送至服务器方法,可以有效解决目前的巡检方式不够及时导致线路受损的问题。
本发明提供了如下的技术方案:
一种用于输电线路防外破的智能警示***,它包括主设备、服务器设备、远程接入端、以及报警器,主设备与远程接入端均接入服务器设备,报警器与远程接入端的输出端连接,在使用时,采用以下步骤:
1)当主设备检测到移动目标物体时,先发出警报,然后将报警信息发送到数据的传输***,传输***将信息通过网络传输给服务器设备;
2)服务器设备对数据进行处理,然后远程接入端通过访问网络获得故障数据;
3)监管者通过数据获知是否存在外来入侵,如果是,则可以开启报警器的声光报警器进行警示和驱赶。
在步骤1)中,主设备在检测移动目标物体时,将目标物分为动态目标物或静态目标物进行处理。
在目标物为静态目标物时,根据帧差提取运动目标,通过对两帧差分图像的相乘增强运动像素,提取目标背景的精确检测。
在目标物为静态目标物时,具体采用以下步骤:
1)首先,当前帧的图像fk分别与相邻两个帧图像fk-1和fk+1差分,得到差分图像dk,k-1(x,y)和dk,k+1(x,y);
2)通过两个帧差图像相乘,增强运动区域D(X,Y),可以表示为
d(x,y)=dk+1,k(x,y)×dk,k-1(x,y) (2);
3)通过差分相乘法,从而扩大中间范围增大运动目标的区域。
在目标物为动态目标物时,具体采用以下步骤:
1)用仿射变换模型描述背景图像之间的关系:
2)在k+1图像中,为了求出图像k的P点坐标相同的矩形搜索区域,其中角点P的邻域为一个圆形区域,中心点为P点,在这个区域内的每个角点q的半径为n;
3)根据公式(6)计算p和q之间的相似。
为了提高运动目标物检测的精准度,通过仿射运动模型确定k帧背景图像到k+1背景图像,通过预估k帧时刻和k+1时刻的背景图像通过差乘背景图像。
将6个参数的仿射变换模型表示为:
其中(xk,yk)是k和k+1帧图像的像素坐标。a1,a2,a3,a4,a5,a6为仿射模型的参数。
在建立仿射变换模型时,具体采用以下步骤:
(1)对特征点进行选取,特征点包括边缘点、角点、交差点;
(2)用相似度高的多个角点代替多组参数;
(3)将得到的变换模型参数向量绘制在直方图中,其中最大值为最优模型参数。
在步骤(1)中,在提取角点特征时,采用以下步骤:
建立Harris角点检测算法模型;Harris算法为
其中gx是x方向的梯度,gy是y方向的梯度,G(S)是高斯模板,相应的角函数
被表述为R=det(M)-ktr(M)2 (5)
其中det(M)是矩阵的行列式,tr(M)是矩阵的迹,k是一个常数,如果阙值大于给定阙值,则计算机的中心点为角点。
利用角点附近的灰度信息和相应的方法,建立局部匹配准则,将检测结果分成若干对,在k帧图像中角P和在k+1图像中的角点Q是相互关联的,相关系数定义为度,找到一个更高的匹配度更好的解决仿射运动模型参数问题。
与现有技术相比,本发明的有益效果是:
利用目标检测算法,将物体静止和运动的状态相结合,根据不同的状态采用不同的检测算法,通过两种算法的结合,可以更加有效的对于外来入侵的物体进行判断,并且进行实时的跟踪和监控。
附图说明
图1是智能输电线路及视频监控***模型图;
图2是智能输电线路视频监控警示***图;
图3是声光报警器前部外形结构图;
图4是声光报警器前部外形结构图;
图5是运动目标流程图;
图6是移动运动目标跟踪流程图;
图7是声光报警器电路结构图;
图8是磁化电路的电路图。
具体实施方式
如图1至图8所示,一种用于输电线路防外破的智能警示***,它包括主设备1、服务器设备2、远程接入端3、以及报警器4,主设备1与远程接入端3均接入服务器设备2,报警器4与远程接入端3的输出端连接,在使用时,采用以下步骤:
1)当主设备1检测到移动目标物体时,先发出警报,然后将报警信息发送到数据的传输***,传输***将信息通过网络传输给服务器设备2;
2)服务器设备2对数据进行处理,然后远程接入端3通过访问网络获得故障数据;
3)监管者通过数据获知是否存在外来入侵,如果是,则可以开启报警器4的声光报警器进行警示和驱赶。
在步骤1)中,主设备1在检测移动目标物体时,将目标物分为动态目标物或静态目标物进行处理。
在目标物为静态目标物时,根据帧差提取运动目标,通过对两帧差分图像的相乘增强运动像素,提取目标背景的精确检测。
在目标物为静态目标物时,具体采用以下步骤:
1)首先,当前帧的图像fk分别与相邻两个帧图像fk-1和fk+1差分,得到差分图像dk,k-1(x,y)和dk,k+1(x,y);
2)通过两个帧差图像相乘,增强运动区域D(X,Y),可以表示为
d(x,y)=dk+1,k(x,y)×dk,k-1(x,y) (2);
3)通过差分相乘法,从而扩大中间范围增大运动目标的区域。
在目标物为动态目标物时,具体采用以下步骤:
1)用仿射变换模型描述背景图像之间的关系:
2)在k+1图像中,为了求出图像k的P点坐标相同的矩形搜索区域,其中角点P的邻域为一个圆形区域,中心点为P点,在这个区域内的每个角点q的半径为n;
3)根据公式(6)计算p和q之间的相似。
为了提高运动目标物检测的精准度,通过仿射运动模型确定k帧背景图像到k+1背景图像,通过预估k帧时刻和k+1时刻的背景图像通过差乘背景图像。
将6个参数的仿射变换模型表示为:
其中(xk,yk)是k和k+1帧图像的像素坐标。a1,a2,a3,a4,a5,a6为仿射模型的参数。
在建立仿射变换模型时,具体采用以下步骤:
(1)对特征点进行选取,特征点包括边缘点、角点、交差点;
(2)用相似度高的多个角点代替多组参数;
(3)将得到的变换模型参数向量绘制在直方图中,其中最大值为最优模型参数。
在步骤(1)中,在提取角点特征时,采用以下步骤:
建立Harris角点检测算法模型;Harris算法为
其中gx是x方向的梯度,gy是y方向的梯度,G(S)是高斯模板,相应的角函数
被表述为R=det(M)-ktr(M)2 (5)
其中det(M)是矩阵的行列式,tr(M)是矩阵的迹,k是一个常数,如果阙值大于给定阙值,则计算机的中心点为角点。
利用角点附近的灰度信息和相应的方法,建立局部匹配准则,将检测结果分成若干对,在k帧图像中角P和在k+1图像中的角点Q是相互关联的,相关系数定义为度,找到一个更高的匹配度更好的解决仿射运动模型参数问题。最后是计算仿射模型参数,摄像机运动只是一旋转的方式,所以模糊角误差是运动产生的很小的误差,由公式(7)可计算参数,其结果表示为:
其中(xi,yi)和(xi',yi')是三个点的坐标。首先6个参数的仿射模型可以由三个角点计算成员组参数,其次,用相似度高的多个角点代替多组参数,最后将得到的变换模型参数向量绘制在直方图中,其中最大值为最优模型参数。
在进行背景匹配时:在图像K+1时刻匹配估计的图像可以由K时刻的仿射参数得出
fk+1(x',y')=fk(x,y) (8)
这里(x',y')可以由方程(3)表示,其中x'∈(0,w),y'∈(0,h).w代表图像的宽度,h代表图像的高度。
在进行运动目标提取时:仿射模型的运动目标区域计算的匹配估计图像是由K点的图像和K+1点的图像得到的。
获得运动目标后,运动检测目标受到噪声干扰,并且在后端运行时,会有一些细微的差别。本文采取形态学处理的闭运算。首先,通过扩展来消除二值图像的暗细节,同时,增加了图像的亮度;然后腐蚀黑暗的图像,从而得到一个完整的平滑运动目标区。
在进行运动目标跟踪时:针对复杂运动目标的跟踪背景,Camshift算法的特点是计算量小,实时性高,它可以用聚类方法,在运动区域内,使用颜色信息去跟踪目标和搜索目标区域。基于CamShift算法,本专利利用目标边缘信息去跟踪,有效的避免了由于目标和背景颜色相近较大或者巨大的环境变,导致目标的位置不准确,目标丢失的问题,运动目标跟踪流程图如图(6)所示。在检测到移动目标之后,在一个单张图像中,寻找运动目标的四个边缘点yt,yb,xl,xr,其中心位置(x0,y0)边缘点的计算,定义为
中心点(x0,y0)为中心搜索窗口,初始的搜索窗口的大小为w×h,其计算为
0时刻和1时刻由运动的4个边缘点组成的矩形框架目标表示为:
这里(x,y)在矩形框的像素点,f(x,y)是对应点的像素值,其(x,y)在该矩形框内(xl<x<xr,yb<y<yt),根据0时刻和1时刻计算其运动物体的质心的位置,其计算公式如下所示:
移动目标质心是否在搜索窗口范围内的问题急需解决。如果质心位于搜索窗口范围内,则搜索窗口的中心和大小不变,保持摄像头静止。如果搜索窗口外的质心,搜索窗口进行在当前帧的目标质心窗口为中心,其大小是w×h的初始化。质心坐标发送到控制云台,控制摄像机进行相应的旋转和目标在窗口的重新锁定。从而在下个移动目标被锁定之前,进入下个周期的检测和追踪。
报警器4是一个声光报警器,它的电路结构如图7所示,当后部的信号接收器接收到远程接入端3发出的“启动”指令信号后,启动磁化电路将磁化材料磁化,而使前部和后部吸合,前部的警示装置背后中间的电源控制开关受到挤压,警示装置控制回路电源立即接通,警示装置开始工作,激活灯光电路和语音电路,发出闪光文字和提醒音对外来入侵目标进行提醒。灯光在加强文字亮度显示效果的同时,变换七色光进一步从视觉上加强警示。警示灯光采用LED技术,安装维护方便、节能且色彩丰富,警示效果较好。进人警示区的可疑目标在听觉和视觉两个方面强烈的有冲击效果的警示下,会停止可能会危害输电线路的行为。其中磁化电路的电路图如图8所示。
Claims (10)
1.一种用于输电线路防外破的智能警示***,其特征在于:它包括主设备(1)、服务器设备(2)、远程接入端(3)、以及报警器(4),主设备(1)与远程接入端(3)均接入服务器设备(2),报警器(4)与远程接入端(3)的输出端连接,在使用时,采用以下步骤:
1)当主设备(1)检测到移动目标物体时,先发出警报,然后将报警信息发送到数据的传输***,传输***将信息通过网络传输给服务器设备(2);
2)服务器设备(2)对数据进行处理,然后远程接入端(3)通过访问网络获得故障数据;
3)监管者通过数据获知是否存在外来入侵,如果是,则可以开启报警器(4)的声光报警器进行警示和驱赶。
2.根据权利要求1所述的一种用于输电线路防外破的智能警示***,其特征在于:在步骤1)中,主设备(1)在检测移动目标物体时,将目标物分为动态目标物或静态目标物进行处理。
3.根据权利要求2所述的一种用于输电线路防外破的智能警示***,其特征在于,在目标物为静态目标物时,根据帧差提取运动目标,通过对两帧差分图像的相乘增强运动像素,提取目标背景的精确检测。
4.根据权利要求3所述的一种用于输电线路防外破的智能警示***,其特征在于,在目标物为静态目标物时,具体采用以下步骤:
1)首先,当前帧的图像fk分别与相邻两个帧图像fk-1和fk+1差分,得到差分图像dk,k-1(x,y)和dk,k+1(x,y);
2)通过两个帧差图像相乘,增强运动区域D(X,Y),可以表示为
d(x,y)=dk+1,k(x,y)×dk,k-1(x,y) (2);
3)通过差分相乘法,从而扩大中间范围增大运动目标的区域。
5.根据权利要求2所述的一种用于输电线路防外破的智能警示***,其特征在于,在目标物为动态目标物时,具体采用以下步骤:
1)用仿射变换模型描述背景图像之间的关系:
2)在k+1图像中,为了求出图像k的P点坐标相同的矩形搜索区域,其中角点P的邻域为一个圆形区域,中心点为P点,在这个区域内的每个角点q的半径为n;
3)根据公式(6)计算p和q之间的相似,找到一个高匹配度且能更好的解决仿射运动模型的参数。
6.根据权利要求5所述的一种用于输电线路防外破的智能警示***,其特征在于,为了提高运动目标物检测的精准度,通过仿射运动模型确定k帧背景图像到k+1背景图像,通过预估k帧时刻和k+1时刻的背景图像通过差乘背景图像。
7.根据权利要求6所述的一种用于输电线路防外破的智能警示***,其特征在于:将6个参数的仿射变换模型表示为:
其中(xk,yk)是k和k+1帧图像的像素坐标。a1,a2,a3,a4,a5,a6为仿射模型的参数。
8.根据权利要求6或7所述的一种用于输电线路防外破的智能警示***,其特征在于,在建立仿射变换模型时,具体采用以下步骤:
(1)对特征点进行选取,特征点包括边缘点、角点、交差点;
(2)用相似度高的多个角点代替多组参数;
(3)将得到的变换模型参数向量绘制在直方图中,其中最大值为最优模型参数。
9.根据权利要求8所述的一种用于输电线路防外破的智能警示***,其特征在于:在步骤(1)中,在提取角点特征时,采用以下步骤:
建立Harris角点检测算法模型;Harris算法为
其中gx是x方向的梯度,gy是y方向的梯度,G(S)是高斯模板,相应的角函数被表述为R=det(M)-ktr(M)2 (5)
其中det(M)是矩阵的行列式,tr(M)是矩阵的迹,k是一个常数,如果阙值大于给定阙值,则计算机的中心点为角点。
10.根据权利要求8或9所述的一种用于输电线路防外破的智能警示***,其特征在于:利用角点附近的灰度信息和相应的方法,建立局部匹配准则,将检测结果分成若干对,在k帧图像中角P和在k+1图像中的角点Q是相互关联的,相关系数定义为度,找到一个更高的匹配度更好的解决仿射运动模型参数问题。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910399382.2A CN110060440A (zh) | 2019-05-14 | 2019-05-14 | 一种用于输电线路防外破的智能警示*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910399382.2A CN110060440A (zh) | 2019-05-14 | 2019-05-14 | 一种用于输电线路防外破的智能警示*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110060440A true CN110060440A (zh) | 2019-07-26 |
Family
ID=67323270
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910399382.2A Pending CN110060440A (zh) | 2019-05-14 | 2019-05-14 | 一种用于输电线路防外破的智能警示*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110060440A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102013147A (zh) * | 2010-09-29 | 2011-04-13 | 北京航空航天大学 | 高压输电塔智能防盗监控方法和装置 |
CN202353709U (zh) * | 2011-10-19 | 2012-07-25 | 深圳市锦粤达科技有限公司 | 3g手机远程视频监控*** |
CN107018362A (zh) * | 2017-03-29 | 2017-08-04 | 中国科学院上海高等研究院 | 反盗猎监控方法及*** |
CN109614906A (zh) * | 2018-12-03 | 2019-04-12 | 北京工业大学 | 一种基于深度学习的安防***及安防报警方法 |
-
2019
- 2019-05-14 CN CN201910399382.2A patent/CN110060440A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102013147A (zh) * | 2010-09-29 | 2011-04-13 | 北京航空航天大学 | 高压输电塔智能防盗监控方法和装置 |
CN202353709U (zh) * | 2011-10-19 | 2012-07-25 | 深圳市锦粤达科技有限公司 | 3g手机远程视频监控*** |
CN107018362A (zh) * | 2017-03-29 | 2017-08-04 | 中国科学院上海高等研究院 | 反盗猎监控方法及*** |
CN109614906A (zh) * | 2018-12-03 | 2019-04-12 | 北京工业大学 | 一种基于深度学习的安防***及安防报警方法 |
Non-Patent Citations (1)
Title |
---|
李劲菊 等: "一种复杂背景下运动目标检测与跟踪方法", 《仪器仪表学报》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109920185A (zh) | 一种基于毫米波雷达与视频数据融合检测移动目标的方法 | |
CN105611244B (zh) | 一种基于球机监控视频的机场外来异物检测方法 | |
CN102004920B (zh) | 一种监控视频分割及索引方法 | |
CN102013147B (zh) | 高压输电塔智能防盗监控方法和装置 | |
CN109636758B (zh) | 一种基于时空动态算子的水面漂浮物检测方法 | |
CN101167086A (zh) | 用于安全应用的人体检测和跟踪 | |
Mahlisch et al. | A multiple detector approach to low-resolution FIR pedestrian recognition | |
Kumar et al. | Study of robust and intelligent surveillance in visible and multi-modal framework | |
CN101957997A (zh) | 一种动态场景中基于区域均值核密度估计的运动目标检测方法 | |
CN101715111B (zh) | 视频监控中滞留物主自动搜寻方法 | |
Lin et al. | Collaborative pedestrian tracking and data fusion with multiple cameras | |
Zhou et al. | Background modeling in the Fourier domain for maritime infrared target detection | |
Karpagavalli et al. | Estimating the density of the people and counting the number of people in a crowd environment for human safety | |
CN102254394A (zh) | 一种基于视频差异分析的输电线路杆塔防盗监控方法 | |
CN111325048A (zh) | 一种人员聚集检测方法和装置 | |
CN109948455A (zh) | 一种遗留物体检测方法及装置 | |
Liang et al. | Methods of moving target detection and behavior recognition in intelligent vision monitoring. | |
Zhang et al. | Transmission line abnormal target detection based on machine learning yolo v3 | |
CN105469427A (zh) | 一种用于视频中目标跟踪方法 | |
Xia et al. | Automatic multi-vehicle tracking using video cameras: An improved CAMShift approach | |
CN101877135B (zh) | 一种基于背景重构的运动目标检测方法 | |
Shafie et al. | Smart video surveillance system for vehicle detection and traffic flow control | |
CN108765829A (zh) | 一种基于智能视频分析的市政物品失窃检测与报警方法 | |
CN110060440A (zh) | 一种用于输电线路防外破的智能警示*** | |
Fu et al. | An effective background subtraction method based on pixel change classification |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190726 |