本申請(qǐng)是申請(qǐng)?zhí)枮椋?01410199455.0，發(fā)明創(chuàng)造名稱為《基于視頻運(yùn)動(dòng)檢測(cè)技術(shù)的電力設(shè)施防外破預(yù)警方案》，申請(qǐng)日為：2014年5月12日的發(fā)明專利申請(qǐng)的分案申請(qǐng)。

本發(fā)明屬于數(shù)字圖像處理領(lǐng)域，特別涉及電力設(shè)施的防外破預(yù)警方面的數(shù)字圖像處理。

背景技術(shù)：

隨著國(guó)民經(jīng)濟(jì)的發(fā)展，電力的供應(yīng)在社會(huì)的生產(chǎn)生活中占據(jù)著越來(lái)越重要的地位，而如何保障遠(yuǎn)距離高壓輸電線路等電力設(shè)施的安全穩(wěn)定運(yùn)行是亟需解決的課題。數(shù)字圖像處理等計(jì)算機(jī)技術(shù)的快速發(fā)展使得有關(guān)高壓輸電線路的安全監(jiān)控技術(shù)的研究與開(kāi)發(fā)出現(xiàn)新的思路。其中基于視頻的運(yùn)動(dòng)檢測(cè)技術(shù)作為計(jì)算機(jī)視覺(jué)應(yīng)用的分支，是一種通過(guò)視頻攝像機(jī)和電腦模仿人眼的功能將視頻圖像和電腦化模式識(shí)別結(jié)合起來(lái)的技術(shù)，日益成為各類監(jiān)控系統(tǒng)中最具優(yōu)勢(shì)、最有發(fā)展?jié)摿Φ臋z測(cè)方法。而將視頻檢測(cè)技術(shù)應(yīng)用到電力設(shè)施（如高壓輸電線路）的監(jiān)控防護(hù)中，形成基于視頻運(yùn)動(dòng)檢測(cè)的高壓輸電線路監(jiān)控預(yù)警系統(tǒng)，已經(jīng)成為了電力設(shè)施監(jiān)控領(lǐng)域研究的主流與前沿，引起了業(yè)界的高度關(guān)注。

然而有關(guān)該類系統(tǒng)的研究與開(kāi)發(fā)還遠(yuǎn)未成熟，目前已見(jiàn)諸報(bào)道的少量此類系統(tǒng)也存在如下問(wèn)題：（1）很多系統(tǒng)不具有智能化檢測(cè)算法，因而無(wú)法自動(dòng)化識(shí)別目標(biāo)，只能在有人值守的情況下才能實(shí)時(shí)監(jiān)測(cè)預(yù)警，從而產(chǎn)生極高的人力成本；（2）少數(shù)系統(tǒng)具有智能化檢測(cè)算法，但是視頻檢測(cè)不是由現(xiàn)場(chǎng)系統(tǒng)完成，而是通過(guò)無(wú)線通信傳輸?shù)竭h(yuǎn)程控制中心完成，鑒于無(wú)線通信環(huán)境的低可靠性難以保證對(duì)突發(fā)情況及時(shí)響應(yīng)，且一旦控制中心無(wú)法運(yùn)行，整個(gè)系統(tǒng)就將癱瘓；（3）極少數(shù)成型系統(tǒng)也未能解決在復(fù)雜場(chǎng)景、遮擋場(chǎng)景、黑夜場(chǎng)景等特殊情況下目標(biāo)檢測(cè)問(wèn)題，無(wú)法實(shí)現(xiàn)誤檢率和漏檢率的聯(lián)合最優(yōu)化。這些問(wèn)題都阻礙著該類系統(tǒng)的大規(guī)模商用。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要解決的技術(shù)問(wèn)題是提供一種可實(shí)現(xiàn)實(shí)時(shí)預(yù)警、實(shí)用性較好、實(shí)時(shí)性較高且準(zhǔn)確性較高的基于視頻運(yùn)動(dòng)檢測(cè)技術(shù)的電力設(shè)施防外破預(yù)警方案。

實(shí)現(xiàn)本發(fā)明目的的技術(shù)方案是提供一種電力設(shè)施防外破預(yù)警方案，包括如下幾個(gè)步驟：

①讀取圖像，將攝像頭所檢測(cè)的視頻按照一幀幀圖像讀取到內(nèi)存中并記錄該圖像的像素灰度值數(shù)據(jù)；

②根據(jù)時(shí)間設(shè)置相應(yīng)的閾值體系，時(shí)間為早上8點(diǎn)到下午5點(diǎn)之間確定為白晝模式、晚上8點(diǎn)到凌晨5點(diǎn)確定為黑夜模式，而對(duì)于其它時(shí)間即模糊時(shí)間區(qū)域，采用bayes定理進(jìn)行決策分類，黑夜和白晝模式采用相應(yīng)的不同閾值體系；

③通過(guò)圖像邊緣檢測(cè)算法對(duì)步驟①得到的視頻一系列的幀圖像處理來(lái)提取出電力設(shè)施的整體輪廓；

④在步驟②得到的閾值體系下，根據(jù)步驟③得到的電力設(shè)施輪廓生成整個(gè)視頻圖像的從內(nèi)到外的3至8個(gè)虛擬線圈；

⑤根據(jù)步驟③得到的電力設(shè)施輪廓和步驟④得到的虛擬線圈確定檢測(cè)區(qū)域，檢測(cè)區(qū)域?yàn)殡娏υO(shè)施輪廓以外、位于最內(nèi)的虛擬線圈以內(nèi)的區(qū)域以及所有相鄰的兩個(gè)虛擬線圈之間的區(qū)域；

⑥在步驟⑤得到的所有檢測(cè)區(qū)域內(nèi)采用混合高斯分布背景模型來(lái)進(jìn)行背景提取和更新；采用一個(gè)多重自適應(yīng)的混合高斯模型并根據(jù)高斯分布的持續(xù)性和變化性來(lái)檢測(cè)出背景點(diǎn)和前景點(diǎn)；背景的更新是通過(guò)引入更新率更新各高斯分布的權(quán)重來(lái)實(shí)現(xiàn)的；基于混合高斯分布背景模型的背景提取和更新的原理和處理方法如下：

設(shè)用來(lái)描述每個(gè)象素點(diǎn)顏色分布的高斯分布共有k個(gè)；在時(shí)刻，某象素點(diǎn)第i個(gè)高斯分布的概率密度函數(shù)為：

（3）

其中，表示時(shí)刻象素點(diǎn)的rgb強(qiáng)度值組成的顏色向量；、分別為時(shí)刻第個(gè)高斯分布的均值向量，協(xié)方差矩陣；

各高斯分布分別具有不同的權(quán)值和優(yōu)先級(jí)，它們按照優(yōu)先級(jí)從高到低進(jìn)行排序；滿足公式的前b個(gè)高斯分布被認(rèn)為是背景分布，而其它高斯分布則認(rèn)為前景分布，上式中，t為閾值，t的取值決定了背景分布的個(gè)數(shù)；在檢測(cè)前景點(diǎn)時(shí)，按照優(yōu)先級(jí)次序?qū)?imgfile="dest_path_image024.gif"wi="23"he="24"img-content="drawing"img-format="gif"orientation="portrait"inline="no"/>與各高斯分布逐一匹配，若沒(méi)有表示背景分布的高斯分布與匹配，則判定該點(diǎn)為前景點(diǎn)，否則為背景點(diǎn)；

若檢測(cè)時(shí)沒(méi)有找到任何高斯分布與匹配，則將優(yōu)先級(jí)最小的一個(gè)高斯分布去除，并根據(jù)引入一個(gè)新的高斯分布，并賦予較小的權(quán)值和較大的方差，若第k個(gè)高斯分布與匹配，則對(duì)第i個(gè)高斯分布的權(quán)值更新如下：

（4）

其中，為更新率，當(dāng)i=k時(shí)，，否則，；

⑦通過(guò)背景消減法得到檢測(cè)區(qū)域的前景，通過(guò)對(duì)一幀幀的檢測(cè)區(qū)域的圖像像素?cái)?shù)據(jù)和實(shí)時(shí)更新的檢測(cè)區(qū)域中的背景像素?cái)?shù)據(jù)做差值運(yùn)算，即可得到所檢測(cè)區(qū)域的前景；

⑧將步驟⑦得出的檢測(cè)區(qū)域的前景的像素?cái)?shù)據(jù)與步驟②得到的閾值體系即黑夜或白晝模式下的檢測(cè)閾值集進(jìn)行比較，若前景像素?cái)?shù)據(jù)超出了閾值范圍則進(jìn)入步驟⑨，否則繼續(xù)不斷循環(huán)步驟⑥至⑧，實(shí)時(shí)地進(jìn)行背景更新和前景的檢測(cè)，同時(shí)相隔一定時(shí)間后執(zhí)行步驟②再次檢測(cè)現(xiàn)在的模式為白晝模式還是黑夜模式并更新相應(yīng)的閾值體系；

⑨若前景像素?cái)?shù)據(jù)超出了閾值范圍，則認(rèn)為有運(yùn)動(dòng)物體靠近電力設(shè)施，此時(shí)立即通過(guò)預(yù)警系統(tǒng)及時(shí)發(fā)出預(yù)警信號(hào)。

進(jìn)一步的，其中步驟①是在vc++6.0平臺(tái)上對(duì)視頻的一幀幀bmp格式的圖像文件順序地進(jìn)行讀取到內(nèi)存中并記錄該圖像的像素灰度值數(shù)據(jù)。

進(jìn)一步的，其中步驟②中，bayes函數(shù)為：

（1）

表示要加以判別的2個(gè)模式類別即白晝模式和黑夜模式，表示特征向量、即當(dāng)前幀圖像平均灰度值；表示2個(gè)模式出現(xiàn)的先驗(yàn)概率，隨季節(jié)、周圍環(huán)境的不同而變化，可由歷史數(shù)據(jù)統(tǒng)計(jì)得到；分別表示白晝模式、黑夜模式下平均灰度值為的條件概率，由經(jīng)驗(yàn)獲得；判別公式為：

若（2）

則判為白晝模式；否則，判為黑夜模式；則該判斷方法可表示為：

式中為當(dāng)前時(shí)間，通過(guò)確定黑夜或白晝模式后設(shè)置相應(yīng)的閾值體系。

進(jìn)一步的，其中步驟③中，圖像邊緣檢測(cè)算法采用邊緣算子法、曲線擬合法、模板匹配法或門限化法之一。

進(jìn)一步的，其中步驟④中，確定電力設(shè)施輪廓后，在電力設(shè)施輪廓周圍通過(guò)基于統(tǒng)計(jì)幾何學(xué)的虛擬線圈生成方法生成整個(gè)視頻圖像的從內(nèi)到外的3至8個(gè)虛擬線圈：設(shè)攝像頭與高壓線路之間的距離為、俯仰角為、方位角為；圖像上線路某點(diǎn)切向量定義為以攝像頭近端為起點(diǎn)沿著線路的方向指向該點(diǎn)的向量，表示為；圖像上線路某點(diǎn)法向量定義為以該點(diǎn)出發(fā)沿著線路垂線的方向的向量，表示為；通過(guò)統(tǒng)計(jì)學(xué)理論建立法向量和切向量的幾何函數(shù)關(guān)系：；

在實(shí)際系統(tǒng)中，距離、俯仰角、方位角參數(shù)可通過(guò)現(xiàn)場(chǎng)調(diào)試獲得；通過(guò)可視化界面利用手動(dòng)的方式可準(zhǔn)確地獲得輸電線路各點(diǎn)的坐標(biāo)；在此基礎(chǔ)上，利用上述幾何函數(shù)關(guān)系即可獲得整個(gè)線路的虛擬線圈。

進(jìn)一步的，步驟⑧中，相隔40至90分鐘后執(zhí)行步驟②再次檢測(cè)現(xiàn)在的模式為白晝模式還是黑夜模式并更新相應(yīng)的閾值體系。

本發(fā)明具有積極的效果：（1）本發(fā)明的電力設(shè)施防外破預(yù)警方案根據(jù)數(shù)據(jù)的不同層面和不同的視頻檢測(cè)區(qū)域相應(yīng)地建立閾值參數(shù)體系，以供聯(lián)合決策使用從而提高視頻檢測(cè)的精確性和適用性，并考慮到本方案實(shí)施環(huán)境中黑夜和白晝模式圖像像素差別很大，這直接影響到相應(yīng)的檢測(cè)閾值參數(shù)。因此本方案采用貝葉斯決策理論來(lái)辨別黑夜模式和白晝模式，同時(shí)根據(jù)不同的模式來(lái)設(shè)置不同的閾值體系，由這些實(shí)時(shí)更新的閾值參數(shù)體系來(lái)聯(lián)合決策，這樣能夠更大程度上提高預(yù)警的準(zhǔn)確性、適用性和穩(wěn)定性。

（2）本發(fā)明的電力設(shè)施防外破預(yù)警方案運(yùn)用視頻運(yùn)動(dòng)檢測(cè)處理技術(shù)來(lái)檢測(cè)電力設(shè)施周圍的交通狀態(tài)，能夠全天候（黑夜和白晝兩種模式下）對(duì)那些可能破壞電力設(shè)施的運(yùn)動(dòng)物體能夠自動(dòng)地進(jìn)行提前預(yù)警，實(shí)時(shí)性較高。

（3）本發(fā)明的電力設(shè)施防外破預(yù)警方案混合高斯分布背景模型進(jìn)行圖像背景的提取與更新，采用背景消減法進(jìn)行運(yùn)動(dòng)物體的檢測(cè)，能夠很好地適應(yīng)外界環(huán)境的變化，保證了視頻檢測(cè)的快速性和實(shí)時(shí)性。

（4）本發(fā)明的電力設(shè)施防外破預(yù)警方案簡(jiǎn)單而且易于實(shí)現(xiàn)，具有較好的應(yīng)用前景。

附圖說(shuō)明

圖1為輸電線路的虛擬線圈示意圖。

具體實(shí)施方式

（實(shí)施例1）

本實(shí)施例的電力設(shè)施防外破預(yù)警方案包括如下步驟：

①讀取圖像，將攝像頭所檢測(cè)的視頻按照一幀幀圖像讀取到內(nèi)存中并記錄該圖像的像素灰度值數(shù)據(jù)；本實(shí)施例是在vc++6.0平臺(tái)上對(duì)視頻的一幀幀bmp格式的圖像文件順序地進(jìn)行讀取到內(nèi)存中并記錄該圖像的像素灰度值數(shù)據(jù)。

②根據(jù)時(shí)間設(shè)置相應(yīng)的閾值體系，時(shí)間為早上8點(diǎn)到下午5點(diǎn)之間確定為白晝模式、晚上8點(diǎn)到凌晨5點(diǎn)確定為黑夜模式，而對(duì)于其它時(shí)間即模糊時(shí)間區(qū)域，由于亮度逐漸變化且跳躍性強(qiáng)，情況較復(fù)雜，采用bayes定理進(jìn)行決策分類，bayes函數(shù)為：

（1）

表示要加以判別的2個(gè)模式類別即白晝模式和黑夜模式，表示特征向量（當(dāng)前幀圖像平均灰度值）。表示2個(gè)模式出現(xiàn)的先驗(yàn)概率，隨季節(jié)、周圍環(huán)境的不同而變化，可由歷史數(shù)據(jù)統(tǒng)計(jì)得到；分別表示白晝模式、黑夜模式下平均灰度值為的條件概率，由經(jīng)驗(yàn)獲得。判別公式為：

若（2）

則判為白晝模式；否則，判為黑夜模式。則該判斷方法可表示為：

式中為當(dāng)前時(shí)間，通過(guò)確定黑夜或白晝模式后設(shè)置相應(yīng)的不同閾值體系。

③通過(guò)圖像邊緣檢測(cè)算法對(duì)步驟①得到的視頻一系列的幀圖像處理來(lái)提取出電力設(shè)施的整體輪廓；圖像邊緣檢測(cè)算法可采用例如邊緣算子法、曲線擬合法、模板匹配法、門限化法等。

④在步驟②得到的閾值體系下，根據(jù)步驟③得到的電力設(shè)施輪廓，在電力設(shè)施輪廓周圍通過(guò)基于統(tǒng)計(jì)幾何學(xué)的虛擬線圈生成方法生成整個(gè)視頻圖像的從內(nèi)到外的3至8個(gè)虛擬線圈：見(jiàn)圖1，設(shè)攝像頭與高壓線路之間的距離為、俯仰角為、方位角為。圖像上線路某點(diǎn)切向量定義為以攝像頭近端為起點(diǎn)沿著線路的方向指向該點(diǎn)的向量，表示為。圖像上線路某點(diǎn)法向量定義為以該點(diǎn)出發(fā)沿著線路垂線的方向的向量，表示為。通過(guò)統(tǒng)計(jì)學(xué)理論建立法向量和切向量的幾何函數(shù)關(guān)系：。

在實(shí)際系統(tǒng)中，距離、俯仰角、方位角參數(shù)可通過(guò)現(xiàn)場(chǎng)調(diào)試獲得。而且，還通過(guò)可視化界面利用手動(dòng)的方式準(zhǔn)確地獲得輸電線路各點(diǎn)的坐標(biāo)。在此基礎(chǔ)上，利用上述幾何函數(shù)關(guān)系即可獲得整個(gè)線路的虛擬線圈。

⑤根據(jù)步驟③得到的電力設(shè)施輪廓和步驟④得到的虛擬線圈確定檢測(cè)區(qū)域，檢測(cè)區(qū)域?yàn)殡娏υO(shè)施輪廓以外、位于最內(nèi)的虛擬線圈以內(nèi)的區(qū)域以及所有相鄰的兩個(gè)虛擬線圈之間的區(qū)域。

⑥在步驟⑤得到的所有檢測(cè)區(qū)域內(nèi)采用混合高斯分布背景模型來(lái)進(jìn)行背景提取和更新。視頻圖像背景的提取很大程度上決定了圖像檢測(cè)的準(zhǔn)確度，而基于不同背景模型的背景提取算法也優(yōu)劣不同。本方案采用混合高斯分布背景模型，即采用一個(gè)多重自適應(yīng)的混合高斯模型并根據(jù)高斯分布的持續(xù)性和變化性來(lái)檢測(cè)出背景點(diǎn)和前景點(diǎn)。背景的更新是通過(guò)引入更新率更新各高斯分布的權(quán)重來(lái)實(shí)現(xiàn)的。基于混合高斯分布背景模型的背景提取和更新的原理和處理方法如下：

設(shè)用來(lái)描述每個(gè)象素點(diǎn)顏色分布的高斯分布共有k個(gè)。在時(shí)刻，某象素點(diǎn)第i個(gè)高斯分布的概率密度函數(shù)為：

（3）

其中，表示時(shí)刻象素點(diǎn)的rgb強(qiáng)度值組成的顏色向量；、分別為時(shí)刻第個(gè)高斯分布的均值向量，協(xié)方差矩陣。

各高斯分布分別具有不同的權(quán)值和優(yōu)先級(jí)，它們按照優(yōu)先級(jí)從高到低進(jìn)行排序。滿足公式（t為閾值，t的取值決定了背景分布的個(gè)數(shù)）的前b個(gè)高斯分布被認(rèn)為是背景分布，而其它高斯分布則認(rèn)為前景分布。在檢測(cè)前景點(diǎn)時(shí)，按照優(yōu)先級(jí)次序?qū)?imgfile="dest_path_image082.gif"wi="23"he="25"img-content="drawing"img-format="gif"orientation="portrait"inline="no"/>與各高斯分布逐一匹配，若沒(méi)有表示背景分布的高斯分布與匹配，則判定該點(diǎn)為前景點(diǎn)，否則為背景點(diǎn)。

若檢測(cè)時(shí)沒(méi)有找到任何高斯分布與匹配，則將優(yōu)先級(jí)最小的一個(gè)高斯分布去除，并根據(jù)引入一個(gè)新的高斯分布，并賦予較小的權(quán)值和較大的方差，若第k個(gè)高斯分布與匹配，則對(duì)第i個(gè)高斯分布的權(quán)值更新如下：

（4）

其中，為更新率，當(dāng)i=k時(shí)，，否則，。

⑦通過(guò)背景消減法得到檢測(cè)區(qū)域的前景。背景消減法是一種利用當(dāng)前幀圖像與背景圖像對(duì)應(yīng)象素點(diǎn)的灰度差值來(lái)檢測(cè)運(yùn)動(dòng)物體的技術(shù)：如果當(dāng)前圖像的象素點(diǎn)和背景圖像的象素點(diǎn)灰度值差別很大，就認(rèn)為此象素點(diǎn)有運(yùn)動(dòng)物體；相反，如果當(dāng)前圖像的象素點(diǎn)和背景圖像的象素點(diǎn)灰度值差別較小，在一定的閾值范圍內(nèi)，就認(rèn)為此象素點(diǎn)為背景象素點(diǎn)。則通過(guò)對(duì)一幀幀的檢測(cè)區(qū)域的圖像像素?cái)?shù)據(jù)和實(shí)時(shí)更新的檢測(cè)區(qū)域中的背景像素?cái)?shù)據(jù)做差值運(yùn)算，即可得到所檢測(cè)區(qū)域的前景。

⑧將步驟⑦得出的檢測(cè)區(qū)域的前景的像素?cái)?shù)據(jù)與步驟②得到的閾值體系即黑夜或白晝模式下的檢測(cè)閾值集進(jìn)行比較，由于黑夜和白晝模式圖像像素差別很大，這直接影響到相應(yīng)的檢測(cè)閾值參數(shù)，若前景像素?cái)?shù)據(jù)超出了閾值范圍則進(jìn)入步驟⑨，否則繼續(xù)不斷循環(huán)步驟⑥至⑧，實(shí)時(shí)地進(jìn)行背景更新和前景的檢測(cè)，同時(shí)相隔一定時(shí)間后執(zhí)行步驟②再次檢測(cè)現(xiàn)在的模式為白晝模式還是黑夜模式并更新相應(yīng)的閾值體系，通常間隔時(shí)間為40分鐘至90分鐘，確保視頻檢測(cè)的實(shí)時(shí)性和持續(xù)性。

⑨若前景像素?cái)?shù)據(jù)超出了閾值范圍，則認(rèn)為有運(yùn)動(dòng)物體靠近電力設(shè)施，此時(shí)立即通過(guò)預(yù)警系統(tǒng)及時(shí)發(fā)出預(yù)警信號(hào)。