CN112183337A - 一种输电线路防机械入侵的检测方法及装置 - Google Patents

一种输电线路防机械入侵的检测方法及装置 Download PDF

Info

Publication number
CN112183337A
CN112183337A CN202011039649.6A CN202011039649A CN112183337A CN 112183337 A CN112183337 A CN 112183337A CN 202011039649 A CN202011039649 A CN 202011039649A CN 112183337 A CN112183337 A CN 112183337A
Authority
CN
China
Prior art keywords
pixel point
model
pixel
background
image
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
Application number
CN202011039649.6A
Other languages
English (en)
Inventor
李冰
杨旭
张智柏
王新颖
翟永杰
赵振兵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong University
North China Electric Power University
NARI Group Corp
Zhejiang Dahua Technology Co Ltd
Zhiyang Innovation Technology Co Ltd
Original Assignee
North China Electric Power University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by North China Electric Power University filed Critical North China Electric Power University
Priority to CN202011039649.6A priority Critical patent/CN112183337A/zh
Publication of CN112183337A publication Critical patent/CN112183337A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • 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
    • 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
    • G08B13/19606—Discriminating between target movement or movement in an area of interest and other non-signicative movements, e.g. target movements induced by camera shake or movements of pets, falling leaves, rotating fan

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种输电线路防机械入侵的检测方法及***。该方法包括：获取输电线路的区域图像；将区域图像转换为灰度图像；获取灰度图像中每个像素点对应的混合高斯模型；每个像素点的混合高斯模型均包括多个单高斯模型；对于每个像素点，根据背景阈值选取混合高斯模型中的多个单高斯模型构建背景模型；根据像素点的像素值对像素点的背景模型的参数进行更新，得到更新后的背景模型；根据灰度图像中的每个像素点对应的背景模型，确定对应的像素点是否为背景像素点；根据灰度图像中背景像素点数量与像素点总数量的比值，确定灰度图像对应的监控区域是否存在机械入侵。本发明可以提高防机械入侵的检测效率和准确度。

Description

一种输电线路防机械入侵的检测方法及装置
技术领域
本发明涉及涉及输电线路机械入侵检测领域，特别是涉及一种输电线路防机械入侵的检测方法及装置。
背景技术
随着电网覆盖范围的扩展，输电线路数量逐年增加。由于输电线路具有分布范围广、传输距离远等特点，在运行中极易受到外界环境影响发生跳闸事故。据统计，大型工程机械等人为活动导致的输电线路跳闸事故占总事故的八成以上，所以实现对输电线路下大型机械的实时监测和入侵检测可以有效减少跳闸事故的发生，保证输电线路安全稳定运行。
目前，输电线路防外力破坏技术可分为巡线式和在线监测式两大类。巡线式又分为人工巡线和无人机巡线两种：人工巡线通过定期人工沿线实地观察的方式来发现外力破坏威胁，耗费大量人力物力且效率低下；无人机巡线利用安装摄像头的无人机进行沿线拍摄的方式收集输电线路周边的情况，减少了巡线成本但仍然需要人工筛选图像来发现问题。
在线监测式则通过在输电线路上安装传感器的方式来实现监测。如基于加速度传感器收集输电线路被破坏时受到的撞击和割据信号来实现破坏现象的监控，由于该检测手段往往发生在线路跳闸之后，所以不具备预警能力，无法对机械入侵过程提早反应。或是使用激光、超声波等测距传感器测量输电线路周围入侵物的距离，从而达到防外力破坏在线检测的目的，但该类传感器往往检测方向固定，范围狭窄，极易受到非机械物体或本身不具威胁性物体的干扰而误判。目前最常用的在线监测手段是利用视频图像对输电线路下危险目标进行判断与监测，如基于监控图像与深度学习结合的方式对输电线路下入侵物体进行识别检测，但往往算法耗时长，难以在防外力破坏这类实时性要求高的工程任务中实现。
发明内容
本发明的目的是提供一种输电线路防机械入侵的检测方法及装置，以提高防机械入侵的检测效率和准确度。
为实现上述目的，本发明提供了如下方案：
一种输电线路防机械入侵的检测方法，包括：
获取输电线路的区域图像；所述区域图像由监控摄像头对所述输电线路的监控区域拍摄得到；
将所述区域图像转换为灰度图像；
获取所述灰度图像中每个像素点对应的混合高斯模型；每个像素点的混合高斯模型均包括多个单高斯模型；
对于每个像素点，根据背景阈值选取所述混合高斯模型中的多个单高斯模型构建背景模型；
根据所述像素点的像素值对所述像素点的背景模型的参数进行更新，得到更新后的背景模型；
根据所述灰度图像中的每个像素点对应的背景模型，确定对应的像素点是否为背景像素点；
根据所述灰度图像中背景像素点数量与像素点总数量的比值，确定所述灰度图像对应的监控区域是否存在机械入侵。
可选的，所述将所述区域图像转换为灰度图像，具体包括：
利用公式Gray(i,j)＝0.299·R(i,j)+0.578·G(i,j)+0.114·B(i,j)将所述区域图像中每个像素点的红色色位值、绿色色位值和蓝色色位值进行加权平均，得到每个像素点的像素值；其中，Gray(i,j)为所述区域图像中第i行第j列的像素点的灰度值，即像素值；R(i,j)为所述区域图像中第i行第j列的像素点的红色色位值；G(i,j)为所述区域图像中第i行第j列的像素点的绿色色位值；B(i,j)为所述区域图像中第i行第j列的像素点的蓝色色位值；
依次计算每个像素点的像素值，得到所述灰度图像。
可选的，所述获取所述灰度图像中每个像素点对应的混合高斯模型，具体包括：
利用公式
Figure BDA0002706220170000031
对所述灰度图像中每个像素点构建多个单高斯模型；其中，η(xt,μi,t,τi,t)为t时刻第x个像素点的第i个单高斯模型；xt为t时刻第x个像素点的像素值；μi,t为t时刻第x个像素点的第i个单高斯模型的均值；τi,t为t时刻第x个像素点的第i个单高斯模型的协方差矩阵，
Figure BDA0002706220170000032
δi,t为t时刻第x个像素点的第i个单高斯模型的标准差，I为三维单位矩阵；
利用公式
Figure BDA0002706220170000033
将每个像素点的所有单高斯模型加权，得到混合高斯模型；其中，p(xt)表示t时刻第x个像素点的混合高斯模型，为混合高斯分布概率密度函数；wi,t为t时刻第x个像素点的第i个单高斯模型的权重；k为t时刻第x个像素点的单高斯模型的个数。
可选的，所述对于每个像素点，根据背景阈值选取所述混合高斯模型中的多个单高斯模型构建背景模型，具体包括：
对于每个像素点，计算所述混合高斯模型中每个单高斯模型的权重与标准差的比值；
将所述混合高斯模型的所有单高斯模型按照权重与标准差的比值降序排序，得到单高斯模型排序序列；
从所述单高斯模型排序序列中选取大于背景阈值的前B个单高斯模型，利用公式
Figure BDA0002706220170000034
构建背景模型；其中，Bg(xt)为t时刻第x个像素点的背景模型；wi,t为t时刻第x个像素点的第i个单高斯模型的权重；η(xt,μi,t,τi,t)为t时刻第x个像素点的第i个单高斯模型；xt为t时刻第x个像素点的像素值；μi,t为t时刻第x个像素点的第i个单高斯模型的均值；τi,t为t时刻第x个像素点的第i个单高斯模型的协方差矩阵。
可选的，所述根据所述像素点的像素值对所述像素点的背景模型的参数进行更新，得到更新后的背景模型，具体包括：
对于当前时刻第x个像素点的背景模型中第i个单高斯模型，判断是否满足|xt-μi,t-1|≤2.5δi,t-1；其中，xt为当前时刻即t时刻第x个像素点的像素值；μi,t-1为t-1时刻第x个像素点的第i个单高斯模型的均值；δi,t-1为t-1时刻第x个像素点的第i个单高斯模型的标准差；
当当前时刻第x个像素点的背景模型中所有单高斯模型均不满足|xt-μi,t-1|≤2.5δi,t-1时，将所述第x个像素点的背景模型中权重最小的单高斯模型替换为新的单高斯模型；新的单高斯模型的均值为当前时刻第x个像素点的像素值，新的单高斯模型的标准差和权重值为随机值；
当满足|xt-μi,t-1|≤2.5δi,t-1时，将当前时刻第x个像素点的背景模型第i个单高斯模型的参数进行更新，更新公式为：
wi,t＝(1-α)·wi,t-1+α；
μi,t＝(1-ρ)·μi,t-1+ρ·xt；
Figure BDA0002706220170000041
其中，wi,t为当前时刻第i个单高斯模型的权重，当前时刻为t时刻；wi,t-1为t-1时刻第i个单高斯模型的权重；α为学习率参数；μi,t为当前时刻第i个单高斯模型的均值；μi,t-1为t-1时刻第i个单高斯模型的均值；ρ为中间变量，ρ＝α/wi,t；δi,t为当前时刻第i个单高斯模型的标准差；δi,t-1为t-1时刻第i个单高斯模型的标准差；xt为当前时刻第x个像素点的像素值。
可选的，所述根据所述灰度图像中的每个像素点对应的背景模型，确定对应的像素点是否为背景像素点，具体包括：
对于所述灰度图像中的每个像素点，计算所述像素点的像素值与对应的背景模型中的均值做差，得到像素差值；
判断所述像素差值的绝对值是否大于前景阈值；
当所述像素差值的绝对值大于前景阈值时，确定所述像素差值对应的像素点为前景像素点；
当所述像素差值的绝对值不大于前景阈值时，确定所述像素差值对应的像素点为背景像素点。
可选的，所述根据所述灰度图像中背景像素点数量与像素点总数量的比值，确定所述灰度图像对应的监控区域是否存在机械入侵，具体包括：
判断所述灰度图像中背景像素点数量与像素点总数量的比值是否大于比值阈值；
当所述灰度图像中背景像素点数量与像素点总数量的比值大于比值阈值时，确定所述灰度图像对应的监控区域存在机械入侵。
本发明还提供一种输电线路防机械入侵的检测装置，包括：太阳能采集模块、充电管理模块、供电电源、监控摄像头、信息处理模块和无线通信模块；
所述太阳能采集模块通过所述充电管理模块与所述供电电源连接；所述充电管理模块用于当所述供电电源电量不足时将所述太阳能采集模块输入的电能输入所述供电电源；
所述供电电源与所述监控摄像头的电源端和所述信息处理模块的电源端均连接；所述监控摄像头的输出端与所述信息处理模块的输入端连接；所述监控摄像头用于对输电线路的监控区域拍摄，得到输电线路的区域图像；所述信息处理模块用于根据所述区域图像，采用基于混合高斯背景建模算法的运动目标检测模型对所述监控区域是否存在机械入侵进行检测；
所述信息处理模块通过所述无线通信模块与控制中心通信。
可选的，所述信息处理模块具体包括：
图像接收单元，用于接收所述输电线路的区域图像；
灰度转换单元，用于将所述区域图像转换为灰度图像；
混合高斯模型获取单元，用于获取所述灰度图像中每个像素点对应的混合高斯模型；每个像素点的混合高斯模型均包括多个单高斯模型；
背景模型构建单元，用于对于每个像素点，根据背景阈值选取所述混合高斯模型中的多个单高斯模型构建背景模型；
背景模型更新单元，用于根据所述像素点的像素值对所述像素点的背景模型的参数进行更新，得到更新后的背景模型；
背景像素点判断单元，用于根据所述灰度图像中的每个像素点对应的背景模型，确定对应的像素点是否为背景像素点；
机械入侵确定单元，用于根据所述灰度图像中背景像素点数量与像素点总数量的比值，确定所述灰度图像对应的监控区域是否存在机械入侵
可选的，还包括：现场警示模块；所述现场警示模块的输入端与所述信息处理模块的输出端连接，所述现场警示模块用于根据所述信息处理模块得到的机械入侵的检测结果生成不同的警示提示。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明采用背景建模技术实现大型机械入侵检测，能够满足输电线路下的基本检测要求，同时具有耗时短、实时性高等优点，有利于提高大型机械入侵的预警能力和鲁棒性。
此外，本发明的检测装置安装于输电线路杆塔上方，利用监控摄像头对目标区域实现大型机械防入侵的实时监测，节省人工巡线造成的人力成本，提高了输电线路下大型机械入侵的检测效率。采用太阳能供电模块实现装置供电，有利于解决输电线路野外工作环境难以获得充足电量供应的问题，相对于大型蓄电池供电等方案，本发明采用太阳能供电避免了线路检修人员更换电池等工作，节省工作量。采用无线通信模块实现对输电线路监控现场中大型机械入侵的预警信息传输，减少了布置长距离通信电缆带来的成本与维护问题。通过现场警示模块的布置提高了现场检测装置与输电线路中心控制室的交互能力，有利于输电线路下大型机械操作人员与中心控制室的信息沟通与反馈，提高监测的智能化和自动化水平。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明输电线路防机械入侵的检测方法的流程示意图；
图2为本发明输电线路防机械入侵的检测装置的结构示意图。
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、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做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。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明输电线路防机械入侵的检测方法的流程示意图。如图1所示，本发明输电线路防机械入侵的检测方法包括以下步骤：
步骤100：获取输电线路的区域图像。所述区域图像由监控摄像头对所述输电线路的监控区域拍摄得到。具体的，本发明实时获取同一监控区域的多张区域图像，形成监控视频。后续是针对每一张区域图像进行的操作。
步骤200：将区域图像转换为灰度图像。具体的，将RGB彩色三通道的区域图像的每一个像素点的色位值进行加权平均，可以得到该像素点对应的灰度值，即像素值，进而得到整个灰度图像。公式如下：
Gray(i,j)＝0.299·R(i,j)+0.578·G(i,j)+0.114·B(i,j) (1)
式中，Gray(i,j)为区域图像中第i行第j列的像素点的灰度值，即像素值；R(i,j)为所述区域图像中第i行第j列的像素点的红色色位值；G(i,j)为所述区域图像中第i行第j列的像素点的绿色色位值；B(i,j)为所述区域图像中第i行第j列的像素点的蓝色色位值。
步骤300：获取灰度图像中每个像素点对应的混合高斯模型。每个像素点的混合高斯模型均包括多个单高斯模型。初始时，需要对每个像素点构建多个单高斯模型，然后加权得到混合高斯模型。具体过程如下：
对所述灰度图像中每个像素点构建多个单高斯模型，公式如下：
Figure BDA0002706220170000071
式中，η(xt,μi,t,τi,t)为t时刻第x个像素点的第i个单高斯模型；xt为t时刻第x个像素点的像素值；μi,t为t时刻第x个像素点的第i个单高斯模型的均值；τi,t为t时刻第x个像素点的第i个单高斯模型的协方差矩阵，
Figure BDA0002706220170000084
δi,t为t时刻第x个像素点的第i个单高斯模型的标准差，I为三维单位矩阵。
利用公式将每个像素点的所有单高斯模型加权，得到混合高斯模型，公式如下：
Figure BDA0002706220170000081
式中，p(xt)表示t时刻第x个像素点的混合高斯模型，p(xt)为混合高斯分布概率密度函数；wi,t为t时刻第x个像素点的第i个单高斯模型的权重；k为t时刻第x个像素点的单高斯模型的个数。
每个像素点对应的混合高斯模型构建完成后，在后续图像检测过程中，直接获取该混合高斯模型即可，无需重复构建。
步骤400：对于每个像素点，根据背景阈值选取混合高斯模型中的多个单高斯模型构建背景模型。首先，计算所述混合高斯模型中每个单高斯模型的权重与标准差的比值，并将所述混合高斯模型的所有单高斯模型按照权重与标准差的比值降序排序，得到单高斯模型排序序列。然后，从所述单高斯模型排序序列中选取大于背景阈值Hr的前B个单高斯模型，构建背景模型，公式如下：
Figure BDA0002706220170000082
Figure BDA0002706220170000083
式中，Bg(xt)为t时刻第x个像素点的背景模型；wi,t为t时刻第x个像素点的第i个单高斯模型的权重；η(xt,μi,t,τi,t)为t时刻第x个像素点的第i个单高斯模型；xt为t时刻第x个像素点的像素值；μi,t为t时刻第x个像素点的第i个单高斯模型的均值；τi,t为t时刻第x个像素点的第i个单高斯模型的协方差矩阵。
步骤500：根据像素点的像素值对像素点的背景模型的参数进行更新，得到更新后的背景模型。具体过程如下：
对于当前时刻第x个像素点的背景模型中第i个单高斯模型，判断是否满足公式(6)。
|xt-μi,t-1|≤2.5δi,t-1 (6)
式中，xt为当前时刻即t时刻第x个像素点的像素值；μi,t-1为t-1时刻第x个像素点的第i个单高斯模型的均值；δi,t-1为t-1时刻第x个像素点的第i个单高斯模型的标准差。
当当前时刻第x个像素点的背景模型中所有单高斯模型均不满足公式(6)时，将所述第x个像素点的背景模型中权重最小的单高斯模型替换为新的单高斯模型；新的单高斯模型的均值为当前时刻第x个像素点的像素值，新的单高斯模型的标准差和权重值为随机值。
当满足公式(6)时，将当前时刻第x个像素点的背景模型第i个单高斯模型的参数进行更新，更新公式为：
wi,t＝(1-α)·wi,t-1+α (7)
μi,t＝(1-ρ)·μi,t-1+ρ·xt (8)
Figure BDA0002706220170000091
式中，wi,t为当前时刻第i个单高斯模型的权重，当前时刻为t时刻；wi,t-1为t-1时刻第i个单高斯模型的权重；α为学习率参数；μi,t为当前时刻第i个单高斯模型的均值；μi,t-1为t-1时刻第i个单高斯模型的均值；ρ为中间变量，ρ＝α/wi,t；δi,t为当前时刻第i个单高斯模型的标准差；δi,t-1为t-1时刻第i个单高斯模型的标准差；xt为当前时刻第x个像素点的像素值。
步骤600：根据灰度图像中的每个像素点对应的背景模型，确定对应的像素点是否为背景像素点。首先，对每个像素点的像素值与对应的背景模型中的均值做差，得到像素差值。然后，判断所述像素差值的绝对值是否大于前景阈值；当所述像素差值的绝对值大于前景阈值时，确定所述像素差值对应的像素点为前景像素点；当所述像素差值的绝对值不大于前景阈值时，确定所述像素差值对应的像素点为背景像素点。
步骤700：根据灰度图像中背景像素点数量与像素点总数量的比值，确定灰度图像对应的监控区域是否存在机械入侵。当灰度图像中背景像素点数量与像素点总数量的比值大于比值阈值时，确定所述灰度图像对应的监控区域存在机械入侵。
基于上述方法，本发明还提供一种输电线路防机械入侵的检测装置，图2为本发明输电线路防机械入侵的检测装置的结构示意图。如图2所示，本发明输电线路防机械入侵的检测装置包括：太阳能采集模块201、充电管理模块202、供电电源203、监控摄像头204、信息处理模块205和无线通信模块206。
所述太阳能采集模块201通过所述充电管理模块202与所述供电电源203连接。本发明的太阳能采集模块201采用太阳能电池板；所述充电管理模块202采用光敏电阻传感器；所述供电电源203采用锂电池。所述充电管理模块202与太阳能电池板的正负引脚连接，作为电能输入线；所述供电电源203与充电管理模块202的电源稳压输出端口连接。所述太阳能采集模块201用于吸收太阳光并将太阳能转化为电能；所述充电管理模块202用于检测当前供电电源203的电量并控制充电开关，当供电电源203的电量不足时将输入的电能适当调理后给供电电源充电。
所述供电电源203用于给其他模块供电，具体的，所述供电电源203与所述监控摄像头204的电源端和所述信息处理模块205的电源端均连接。
所述监控摄像头204的输出端与所述信息处理模块205的输入端连接，所述监控摄像头204通过信息处理模块205的IIC总线配置摄像头初始化参数，通过USB高速接口将图像数据传输给信息处理模块205。
所述监控摄像头204用于对输电线路的监控区域拍摄，得到输电线路的区域图像，所述监控摄像头204采用高清工业相机。所述信息处理模块205采用STM32F103ZE嵌入式开发板，用于根据所述区域图像，采用基于混合高斯背景建模算法的运动目标检测模型对所述监控区域是否存在机械入侵进行检测，具体检测过程如图1所示。
所述无线通信模块206通过串行通信接口与信息处理模块205连接，所述信息处理模块205通过所述无线通信模块206与控制中心通信，无线通信模块206用于接收信息处理模块205的输出信息并实现短信与数据收发功能，可以传输提示信息到输电线路的远程控制中心。本发明中所述无线通信模块206采用通信芯片SIM900A。
作为另一实施例，本发明的所述信息处理模块205具体包括：
图像接收单元，用于接收所述输电线路的区域图像；
灰度转换单元，用于将所述区域图像转换为灰度图像；
混合高斯模型获取单元，用于获取所述灰度图像中每个像素点对应的混合高斯模型；每个像素点的混合高斯模型均包括多个单高斯模型；
背景模型构建单元，用于对于每个像素点，根据背景阈值选取所述混合高斯模型中的多个单高斯模型构建背景模型；
背景模型更新单元，用于根据所述像素点的像素值对所述像素点的背景模型的参数进行更新，得到更新后的背景模型；
背景像素点判断单元，用于根据所述灰度图像中的每个像素点对应的背景模型，确定对应的像素点是否为背景像素点；
机械入侵确定单元，用于根据所述灰度图像中背景像素点数量与像素点总数量的比值，确定所述灰度图像对应的监控区域是否存在机械入侵。
作为另一实施例，本发明的输电线路防机械入侵的检测装置还包括：现场警示模块；所述现场警示模块的输入端与所述信息处理模块的输出端连接，所述现场警示模块用于根据所述信息处理模块得到的机械入侵的检测结果生成不同的警示提示。例如，所述现场警示模块通过信息处理模块的IO输入输出接口与信息处理模块连接，当信息处理模块检测结果为存在机械入侵时，信息处理模块向现场警示模块发送高电平信号作为警示信息，现场警示模块根据接收到的信息处理模块的输出信息发出声响，对现场人员进行提醒。同时，信息处理模块向无线传输模块传输信号完成警示信息的发送。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种输电线路防机械入侵的检测方法，其特征在于，包括：
获取输电线路的区域图像；所述区域图像由监控摄像头对所述输电线路的监控区域拍摄得到；
将所述区域图像转换为灰度图像；
获取所述灰度图像中每个像素点对应的混合高斯模型；每个像素点的混合高斯模型均包括多个单高斯模型；
对于每个像素点，根据背景阈值选取所述混合高斯模型中的多个单高斯模型构建背景模型；
根据所述像素点的像素值对所述像素点的背景模型的参数进行更新，得到更新后的背景模型；
根据所述灰度图像中的每个像素点对应的背景模型，确定对应的像素点是否为背景像素点；
根据所述灰度图像中背景像素点数量与像素点总数量的比值，确定所述灰度图像对应的监控区域是否存在机械入侵。
2.根据权利要求1所述的输电线路防机械入侵的检测方法，其特征在于，所述将所述区域图像转换为灰度图像，具体包括：
利用公式Gray(i,j)＝0.299·R(i,j)+0.578·G(i,j)+0.114·B(i,j)将所述区域图像中每个像素点的红色色位值、绿色色位值和蓝色色位值进行加权平均，得到每个像素点的像素值；其中，Gray(i,j)为所述区域图像中第i行第j列的像素点的灰度值，即像素值；R(i,j)为所述区域图像中第i行第j列的像素点的红色色位值；G(i,j)为所述区域图像中第i行第j列的像素点的绿色色位值；B(i,j)为所述区域图像中第i行第j列的像素点的蓝色色位值；
依次计算每个像素点的像素值，得到所述灰度图像。
3.根据权利要求1所述的输电线路防机械入侵的检测方法，其特征在于，所述获取所述灰度图像中每个像素点对应的混合高斯模型，具体包括：
利用公式
Figure FDA0002706220160000011
对所述灰度图像中每个像素点构建多个单高斯模型；其中，η(xt,μi,t,τi,t)为t时刻第x个像素点的第i个单高斯模型；xt为t时刻第x个像素点的像素值；μi,t为t时刻第x个像素点的第i个单高斯模型的均值；τi,t为t时刻第x个像素点的第i个单高斯模型的协方差矩阵，
Figure FDA0002706220160000021
δi,t为t时刻第x个像素点的第i个单高斯模型的标准差，I为三维单位矩阵；
利用公式
Figure FDA0002706220160000022
将每个像素点的所有单高斯模型加权，得到混合高斯模型；其中，p(xt)表示t时刻第x个像素点的混合高斯模型，p(xt)为混合高斯分布概率密度函数；wi,t为t时刻第x个像素点的第i个单高斯模型的权重；k为t时刻第x个像素点的单高斯模型的个数。
4.根据权利要求1所述的输电线路防机械入侵的检测方法，其特征在于，所述对于每个像素点，根据背景阈值选取所述混合高斯模型中的多个单高斯模型构建背景模型，具体包括：
对于每个像素点，计算所述混合高斯模型中每个单高斯模型的权重与标准差的比值；
将所述混合高斯模型的所有单高斯模型按照权重与标准差的比值降序排序，得到单高斯模型排序序列；
从所述单高斯模型排序序列中选取大于背景阈值的前B个单高斯模型，利用公式
Figure FDA0002706220160000023
构建背景模型；其中，Bg(xt)为t时刻第x个像素点的背景模型；wi,t为t时刻第x个像素点的第i个单高斯模型的权重；η(xt,μi,t,τi,t)为t时刻第x个像素点的第i个单高斯模型；xt为t时刻第x个像素点的像素值；μi,t为t时刻第x个像素点的第i个单高斯模型的均值；τi,t为t时刻第x个像素点的第i个单高斯模型的协方差矩阵。
5.根据权利要求1所述的输电线路防机械入侵的检测方法，其特征在于，所述根据所述像素点的像素值对所述像素点的背景模型的参数进行更新，得到更新后的背景模型，具体包括：
对于当前时刻第x个像素点的背景模型中第i个单高斯模型，判断是否满足|xt-μi,t-1|≤2.5δi,t-1；其中，xt为当前时刻即t时刻第x个像素点的像素值；μi,t-1为t-1时刻第x个像素点的第i个单高斯模型的均值；δi,t-1为t-1时刻第x个像素点的第i个单高斯模型的标准差；
当当前时刻第x个像素点的背景模型中所有单高斯模型均不满足|xt-μi,t-1|≤2.5δi,t-1时，将所述第x个像素点的背景模型中权重最小的单高斯模型替换为新的单高斯模型；新的单高斯模型的均值为当前时刻第x个像素点的像素值，新的单高斯模型的标准差和权重值为随机值；
当满足|xt-μi,t-1|≤2.5δi,t-1时，将当前时刻第x个像素点的背景模型中第i个单高斯模型的参数进行更新，更新公式为：
wi,t＝(1-α)·wi,t-1+α；
μi,t＝(1-ρ)·μi,t-1+ρ·xt；
Figure FDA0002706220160000031
其中，wi,t为当前时刻第i个单高斯模型的权重，当前时刻为t时刻；wi,t-1为t-1时刻第i个单高斯模型的权重；α为学习率参数；μi,t为当前时刻第i个单高斯模型的均值；μi,t-1为t-1时刻第i个单高斯模型的均值；ρ为中间变量，ρ＝α/wi,t；δi,t为当前时刻第i个单高斯模型的标准差；δi,t-1为t-1时刻第i个单高斯模型的标准差；xt为当前时刻第x个像素点的像素值。
6.根据权利要求1所述的输电线路防机械入侵的检测方法，其特征在于，所述根据所述灰度图像中的每个像素点对应的背景模型，确定对应的像素点是否为背景像素点，具体包括：
对于所述灰度图像中的每个像素点，对所述像素点的像素值与对应的背景模型中的均值做差，得到像素差值；
判断所述像素差值的绝对值是否大于前景阈值；
当所述像素差值的绝对值大于前景阈值时，确定所述像素差值对应的像素点为前景像素点；
当所述像素差值的绝对值不大于前景阈值时，确定所述像素差值对应的像素点为背景像素点。
7.根据权利要求1所述的输电线路防机械入侵的检测方法，其特征在于，所述根据所述灰度图像中背景像素点数量与像素点总数量的比值，确定所述灰度图像对应的监控区域是否存在机械入侵，具体包括：
判断所述灰度图像中背景像素点数量与像素点总数量的比值是否大于比值阈值；
当所述灰度图像中背景像素点数量与像素点总数量的比值大于比值阈值时，确定所述灰度图像对应的监控区域存在机械入侵。
8.一种输电线路防机械入侵的检测装置，其特征在于，包括：太阳能采集模块、充电管理模块、供电电源、监控摄像头、信息处理模块和无线通信模块；
所述太阳能采集模块通过所述充电管理模块与所述供电电源连接；所述充电管理模块用于当所述供电电源电量不足时将所述太阳能采集模块输入的电能输入所述供电电源；
所述供电电源与所述监控摄像头的电源端和所述信息处理模块的电源端均连接；所述监控摄像头的输出端与所述信息处理模块的输入端连接；所述监控摄像头用于对输电线路的监控区域拍摄，得到输电线路的区域图像；所述信息处理模块用于根据所述区域图像，采用基于混合高斯背景建模算法的运动目标检测模型对所述监控区域是否存在机械入侵进行检测；
所述信息处理模块通过所述无线通信模块与控制中心通信。
9.根据权利要求8所述的输电线路防机械入侵的检测装置，其特征在于，所述信息处理模块具体包括：
图像接收单元，用于接收所述输电线路的区域图像；
灰度转换单元，用于将所述区域图像转换为灰度图像；
混合高斯模型获取单元，用于获取所述灰度图像中每个像素点对应的混合高斯模型；每个像素点的混合高斯模型均包括多个单高斯模型；
背景模型构建单元，用于对于每个像素点，根据背景阈值选取所述混合高斯模型中的多个单高斯模型构建背景模型；
背景模型更新单元，用于根据所述像素点的像素值对所述像素点的背景模型的参数进行更新，得到更新后的背景模型；
背景像素点判断单元，用于根据所述灰度图像中的每个像素点对应的背景模型，确定对应的像素点是否为背景像素点；
机械入侵确定单元，用于根据所述灰度图像中背景像素点数量与像素点总数量的比值，确定所述灰度图像对应的监控区域是否存在机械入侵。
10.根据权利要求8所述的输电线路防机械入侵的检测装置，其特征在于，还包括：现场警示模块；所述现场警示模块的输入端与所述信息处理模块的输出端连接，所述现场警示模块用于根据所述信息处理模块得到的机械入侵的检测结果生成不同的警示提示。
CN202011039649.6A 2020-09-28 2020-09-28 一种输电线路防机械入侵的检测方法及装置 Pending CN112183337A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011039649.6A CN112183337A (zh) 2020-09-28 2020-09-28 一种输电线路防机械入侵的检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011039649.6A CN112183337A (zh) 2020-09-28 2020-09-28 一种输电线路防机械入侵的检测方法及装置

Publications (1)

Publication Number Publication Date
CN112183337A true CN112183337A (zh) 2021-01-05

Family

ID=73944651

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011039649.6A Pending CN112183337A (zh) 2020-09-28 2020-09-28 一种输电线路防机械入侵的检测方法及装置

Country Status (1)

Country Link
CN (1) CN112183337A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113096075A (zh) * 2021-03-25 2021-07-09 南京理工大学 输电线路缠绕异物清除器的入侵物检测方法及***

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070206865A1 (en) * 2006-03-02 2007-09-06 Honeywell International Inc. Block-based Gaussian Mixture Model video motion detection
CN101256626A (zh) * 2008-02-28 2008-09-03 王路 基于计算机视觉的入侵监控方法
CN102254396A (zh) * 2011-07-06 2011-11-23 北京国铁华晨通信信息技术有限公司 基于视频的入侵检测方法及装置
CN103700114A (zh) * 2012-09-27 2014-04-02 中国航天科工集团第二研究院二O七所 一种基于可变高斯混合数的复杂背景建模方法
CN103839346A (zh) * 2013-03-11 2014-06-04 成都百威讯科技有限责任公司 一种智能门窗防入侵装置以及***、智能门禁***
CN104331910A (zh) * 2014-11-24 2015-02-04 沈阳建筑大学 一种基于机器视觉的轨道障碍物检测***
CN104483712A (zh) * 2014-12-09 2015-04-01 北京国网富达科技发展有限责任公司 输电线路外物入侵检测方法、装置及***
CN104658152A (zh) * 2015-02-15 2015-05-27 西安交通大学 一种基于视频的运动物体入侵报警方法
CN105844671A (zh) * 2016-04-12 2016-08-10 河北大学 一种变光照条件下的快速背景减除法
CN106780548A (zh) * 2016-11-16 2017-05-31 南宁市浩发科技有限公司 基于交通视频的运动车辆检测方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070206865A1 (en) * 2006-03-02 2007-09-06 Honeywell International Inc. Block-based Gaussian Mixture Model video motion detection
CN101256626A (zh) * 2008-02-28 2008-09-03 王路 基于计算机视觉的入侵监控方法
CN102254396A (zh) * 2011-07-06 2011-11-23 北京国铁华晨通信信息技术有限公司 基于视频的入侵检测方法及装置
CN103700114A (zh) * 2012-09-27 2014-04-02 中国航天科工集团第二研究院二O七所 一种基于可变高斯混合数的复杂背景建模方法
CN103839346A (zh) * 2013-03-11 2014-06-04 成都百威讯科技有限责任公司 一种智能门窗防入侵装置以及***、智能门禁***
CN104331910A (zh) * 2014-11-24 2015-02-04 沈阳建筑大学 一种基于机器视觉的轨道障碍物检测***
CN104483712A (zh) * 2014-12-09 2015-04-01 北京国网富达科技发展有限责任公司 输电线路外物入侵检测方法、装置及***
CN104658152A (zh) * 2015-02-15 2015-05-27 西安交通大学 一种基于视频的运动物体入侵报警方法
CN105844671A (zh) * 2016-04-12 2016-08-10 河北大学 一种变光照条件下的快速背景减除法
CN106780548A (zh) * 2016-11-16 2017-05-31 南宁市浩发科技有限公司 基于交通视频的运动车辆检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
夏海英等: "基于时空分布的混合高斯背景建模改进方法", 《计算机应用研究》, no. 05 *
程光耀等: "《三维曲面彩色喷绘技术》", 31 July 2018, 文化发展出版社, pages: 124 - 125 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113096075A (zh) * 2021-03-25 2021-07-09 南京理工大学 输电线路缠绕异物清除器的入侵物检测方法及***
CN113096075B (zh) * 2021-03-25 2022-09-27 南京理工大学 输电线路缠绕异物清除器的入侵物检测方法及***

Similar Documents

Publication Publication Date Title
CN109284739B (zh) 一种基于深度学习的输电线路防外力破坏预警方法及***
CN103078673A (zh) 一种适用于山区电网巡检的专用无人直升机***
CN102446390A (zh) 一种对输电线路附近监控区域进行安全检测、预警的方法和***
CN105516684A (zh) 电网输电线巡视方法
CN112863100B (zh) 一种智能施工安全监测***及方法
CN105516685A (zh) 电力电网输电线巡视方法
CN107612503B (zh) 太阳能面板故障检测方法及***以及机器人
CN105574669A (zh) 时空联合数据聚类分析的输变电设备状态异常检测方法
CN111784954B (zh) 一种架空输电线路防外破报警装置及方法
CN200975900Y (zh) 一种对输电线路覆冰及舞动的在线预警装置
CN113099242B (zh) 一种输电线路视频监测数据处理方法及***
CN105610087A (zh) 电网输电线巡视***
CN112183337A (zh) 一种输电线路防机械入侵的检测方法及装置
CN104503351A (zh) 一种铺设架空线的智能监控***及方法
Zhen et al. Transmission tower protection system based on Internet of Things in smart grid
CN113320656B (zh) 一种漂浮式光伏电站安全监控方法及***
CN117522028A (zh) 一种水电站实时运行数据可视化展示***
CN105610960A (zh) 电力电网输电线巡视***
CN105516683A (zh) 输电线巡视方法
CN206331072U (zh) Snv架空线路型故障远程监测***
CN116722641A (zh) 一种物联网节点设备低功耗运行***
CN113542697B (zh) 基于深度学习的采砂船自适应监控***的自适应监控方法
CN210491068U (zh) 一种基于物联网的电力线路态势感知装置及其控制***
CN211877967U (zh) 一种基于物联网的植物生长用土壤环境检测装置
CN110782431B (zh) 一种基于深度学习的高压电线结冰区域检测方法

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
CB03 Change of inventor or designer information

Inventor after: Li Bing

Inventor after: Zhao Zhenbing

Inventor after: Nie Liqiang

Inventor after: Zhao Yanqing

Inventor after: Xiong Jianping

Inventor after: Luo Wang

Inventor after: Yang Xu

Inventor after: Zhang Zhibai

Inventor after: Wang Xinying

Inventor after: Zhai Yongjie

Inventor before: Li Bing

Inventor before: Yang Xu

Inventor before: Zhang Zhibai

Inventor before: Wang Xinying

Inventor before: Zhai Yongjie

Inventor before: Zhao Zhenbing

CB03 Change of inventor or designer information
TA01 Transfer of patent application right

Effective date of registration: 20220310

Address after: 071003 North China Electric Power University No.1 campus, 619 Yonghua North Street, Baoding City, Hebei Province

Applicant after: NORTH CHINA ELECTRIC POWER University (BAODING)

Applicant after: SHANDONG University

Applicant after: Zhiyang Innovation Technology Co.,Ltd.

Applicant after: ZHEJIANG DAHUA TECHNOLOGY Co.,Ltd.

Applicant after: NARI Group Corp.

Address before: 071003 North China Electric Power University No.1 campus, 619 Yonghua North Street, Baoding City, Hebei Province

Applicant before: NORTH CHINA ELECTRIC POWER University (BAODING)

TA01 Transfer of patent application right