CN102496232B - 一种输电设施监控方法及系统 - Google Patents
一种输电设施监控方法及系统 Download PDFInfo
- Publication number
- CN102496232B CN102496232B CN201110411604.1A CN201110411604A CN102496232B CN 102496232 B CN102496232 B CN 102496232B CN 201110411604 A CN201110411604 A CN 201110411604A CN 102496232 B CN102496232 B CN 102496232B
- Authority
- CN
- China
- Prior art keywords
- invader
- modeling
- characteristic information
- camera
- type
- Prior art date
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 38
- 229910000831 Steel Inorganic materials 0.000 claims description 32
- 239000010959 steel Substances 0.000 claims description 32
- 235000019735 Meat-and-bone meal Nutrition 0.000 claims description 14
- 230000000007 visual effect Effects 0.000 claims description 8
- 238000000034 method Methods 0.000 claims description 7
- 230000003068 static Effects 0.000 claims description 4
- XEEYBQQBJWHFJM-UHFFFAOYSA-N iron Chemical compound data:image/svg+xml;base64,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 data:image/svg+xml;base64,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 [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 abstract 2
- 239000011514 iron Substances 0.000 abstract 2
- 229910052742 iron Inorganic materials 0.000 abstract 2
- 239000011159 matrix materials Substances 0.000 description 8
- 238000010586 diagrams Methods 0.000 description 6
- 230000029578 entry into host Effects 0.000 description 6
- 230000037010 Beta Effects 0.000 description 4
- 230000000875 corresponding Effects 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 241000209094 Oryza Species 0.000 description 2
- 235000007164 Oryza sativa Nutrition 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 235000009566 rice Nutrition 0.000 description 2
- 281000077935 Earth Point companies 0.000 description 1
- 240000004678 Panax pseudoginseng Species 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 280000967758 Point M companies 0.000 description 1
- 280000638271 Reference Point companies 0.000 description 1
- 235000005035 ginseng Nutrition 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006011 modification reactions Methods 0.000 description 1
- 230000003287 optical Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000035882 stress Effects 0.000 description 1
- 238000006467 substitution reactions Methods 0.000 description 1
Abstract
本发明公开一种输电设施监控方法和系统，该方法包括：对监控区域进行三维立体视觉的建模，并对可能的入侵物进行建模，得到入侵物模型，实时采集监控区域内的图像信息，并检测是否有入侵物，当检测到有入侵物时，提取入侵物的特征信息，对比提取出的入侵物的特征信息与建模中的入侵物的特征信息，以确定入侵物的类型，计算入侵物与目标铁塔间水平距离和入侵物的体积参数，根据入侵物类型、与目标铁塔间的水平距离和入侵物的体积参数，根据入侵物的类型、与目标铁塔之间的水平距离和入侵物的体积参数，确定入侵物的威胁程度，该方法应用于电力设施监控系统中，利用该系统，提高监控的准确性。
Description
一种输电设施监控方法及系统
技术领域
[0001] 本发明涉及视频监控领域，特别是一种基于三维场景计算的输电设施监控方法及系统。
背景技术
[0002] 统计表明，电力设施遭受外力破坏已经成为影响电网安全运行的重要因素。其中，输电设施是遭受外力破坏最频繁最严重的电力设施。通常情况下，利用视频监控系统自动定位有潜在危险的输电区域，对破坏行为进行监控，从而降低人工排查故障的成本。
[0003]目前国内外输电设施视频监控系统主要是以摄像机结合某些传感器对输电设施进行监控。也有一些电力设施的监控系统中采用了图像识别的算法，在这些系统中，首先利用高斯混合模型或C0DEB00K(密码书)方法对背景进行建模，然后采用对各种中心距的计算对危险目标进行建模，通过对危险目标的分析，从而判别是否存在威胁。
[0004] 但是，上述的方法无法准确计算入侵物的位置和大小，因此，监控的准确性较低。
发明内容
[0005] 本发明提供一种输电设施监控方法及系统，以解决现有技术中输电设施的监控方法无法准确计算入侵物的位置和大小而降低监控的准确性的问题。
[0006] 本发明提供一种输电设施监控方法，包括:
[0007] 对监控区域进行三维立体视觉系统的建模，并对可能的入侵物进行建模，得到入侵物模型；
[0008] 实时采集监控区域内的图像信息，并检测是否有入侵物；
[0009] 当检测到有入侵物时，提取所述入侵物的特征信息；
[0010] 对比所述提取出的入侵物的特征信息与所述建模中的入侵物的特征信息，以确定入侵物的类型。
[0011] 计算所述入侵物与目标铁塔间水平距离和所述入侵物的体积参数。
[0012] 根据所述入侵物类型、与目标铁塔间的水平距离和入侵物的体积参数，确定所述入侵物的威胁程度。
[0013] 所述对可能入侵物进行建模包括对入侵物的静态建模和对入侵物的动态建模。
[0014] 当所述提取出的入侵物的特征信息为所述入侵物的轮廓时，所述对比所述提取出的入侵物的特征信息与所述建模中的入侵物的特征信息，以确定入侵物的类型的过程包括:
[0015] 将所述提取出的入侵物的轮廓与所述入侵物模型的轮廓信息进行比对；
[0016] 根据所述比对的结果确定所述入侵物的类型。
[0017] 还包括:
[0018] 当所述入侵物的威胁程度超出预设安全范围时，启动报警装置。
[0019] —种输电设施监控系统,包括:[0020] 信号采集模块，用于采集监控区域内的图像信息；
[0021] 建模模块，用于对监控区域范围进行三维立体视觉系统建模，并对可能的入侵物进行建模，得到入侵物模型；
[0022]中央处理模块，与所述信号采集模块、所述建模模块相连接，接收所述信号采集模块发送的图像信息，并检测是否有入侵物，当检测到有入侵物时，提取所述入侵物的特征信息，对比所述提取出得入侵物的特征信息与所述建模中的入侵物的特征信息，以确定入侵物的类型，并计算所述入侵物与目标铁塔间水平距离和所述入侵物的体积参数，根据所述入侵物类型，与目标铁塔间的水平距离和入侵物的体积参数，确定所述入侵物的威胁程度。
[0023] 所述的建模模块包括:输电设施立体视觉系统标定模型单元和入侵物模型单元。
[0024] 所述的信号采集模块包括:单目摄像机。
[0025] 所述的系统还包括报警装置，与所述中央处理模块相连接，当所述中央处理模块触发警报时，报警装置报警。
[0026] 从以上技术方案可以看出，本发明中，提供的一种基于三维场景计算的输电设施监控方法及系统，对监控范围内进行三维立体视觉系统的建模，对可能入侵物建立模型，当监控范围内有入侵物时，采用模式识别，提取出入侵物的信息，对比与之前建立的可能入侵物的模型得到入侵物的类型，计算入侵物与目标铁塔间水平距离和入侵物的体积参数，根据入侵物类型、与目标铁塔间的水平距离和入侵物的体积参数，确定入侵物的威胁程度，提高了监控的准确性。
附图说明
[0027] 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，下面将对发明或现有技术描述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中记载的一些实施例，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。
[0028] 图1为本发明实施例一公开的一种输电设施监控方法的流程图示意图；
[0029] 图2为本发明实施例二公开的一种输电设施监控方法的流程图示意图；
[0030] 图3为本发明实施例公开的一种输电设施监控系统的结构示意图；
[0031] 图4为本发明实施例公开的又一输电设施监控系统的结构示意图。
具体实施方式
[0032] 下面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，都属于本发明的保护范围。
[0033] 本发明实施例一公开一种输电设施监控方法，图1为本发明实施例一公开输电设施监控方法的流程图示意图，参照图1所示，监控方法的步骤可以如下:
[0034] 步骤101:对监控区域进行三维立体视觉系统的建模，并对可能的入侵物进行建模，得到入侵物模型；
[0035] 本实施例中对监控区域进行三维立体视觉系统的建模即为基于单目摄像机的三维立体视觉系统的标定，具体的标定过程如下所示:
[0036] 首先，在计算机视觉中，通常使用的坐标都是齐次坐标，齐次坐标与传统的坐标相t匕，有以下变化:
[0038] k = 0,表示无限远的点k古O表示有限远的点，
[0039] 而在标定过程中，几个比较重要的坐标系的定义如下:
[0040] 数字图像坐标(xim，yim)
[0041] 图像平面坐标(x，y)
[0042]摄像机坐标(Xc，Yc, Zc)
[0043] 真实世界坐标(Xw，Yw, Zw)
[0044] 在这四个坐标系中，除了第一个数字图像坐标系使用的单位是像素之外，其余的坐标系使用的都是长度单位。
[0045] 世界坐标系是在现实世界中选定一个基准点建立的坐标系，用来描述真实世界中的目标位置以及相机所处的位置，通常情况下按照能使计算简化的标准来选取原点和各个方向。
[0046] 摄像机坐标系则是以相机镜头光心作为坐标原点，X和y轴平行于象平面，z轴和像平面垂直，并且z轴和相机象平面的交点作为相机的主点，即图像平面坐标系的原点。
[0047] 数字图像坐标系和图像平面坐标系都位于象平面上，并且拥有同样的坐标轴方向，区别在于数字图像坐标系的原点通常位于象平面左上角，而图像平面坐标系的原点通常位于象平面中心点。
[0048] 假设有真实世界中的一个点P (Xw，Yw, Zw)，根据相机的针孔模型，其投影到摄像机坐标系的位置如下:
[0050] 式中:R是一个3X3的矩阵，并且是一个列向量或者行向量单位正交的旋转矩阵；T是一个3X I的矩阵，表示位置的平移量，故可称为平移矩阵。
[0051] 我们用(U，V)表示数字图像坐标系，其单位为像素；用(X，y)来表示象平面上的坐标，如图1所示。在不考虑摄像机镜头径向畸变的前提下，两者关系为
[0053] 式中:
被称为相机的内部参数矩阵，(U(l，Vtl)是象平面上的主点坐标，
a、&称为象平面上U、V轴上的比例因子。
[0054] 我们在这里做了两点假设，首先假设标定目标物为一个平面，并且位于世界坐标系的XOY平面上，即Z = 0 ;其次假设该物平面与摄像机象平面之间是平行关系。之后的计算都是基于这两个假设。
[0055] 用ri表示旋转矩阵R的列向量，t表示平移矩阵T的列向量，则有如下关系式:
[0057]式中:
[0058] 根据前面的推导，在不考虑摄像机镜头径向畸变的前提下，可以得到如下联系象平面和世界坐标系的关系式:
[0060] 从而可以得到，象平面上的点m对应的物点M的关系式为:
_1] Tn = HM
[0062] KmH = At1 r2 t] ,M = [X,Y,Z,\f m = [u,v,\f，
[0063] 综合以上的推导可以得出:只要得出参数a，P ,U0, V0的值，矩阵A就可以被确定出来，再加上Lr1 r2 t]的值便可以完全的确定从真实世界坐标到图像平面二维坐标的映射关系，也就是说相机模型的参数就被完全确定下来。在这些参数中，a，P，Utl, Vtl完全取决于相机的内部结构，和外部环境没有联系，故而被称为相机内部参数，也就是内参；而Lr1 r2t]则是和相机在世界坐标系中所处的方位有关，和内部参数结构无关，故而被称为相机外部参数，也就是外参。
[0064] 在实际的架空线路监控系统中，监控摄像机都架设于杆塔上，其中某一监控摄像机只负责监控相邻两杆塔之间的一半距离，而另外一半距离的监控由对面杆塔上的监控相机来完成，当监控摄像机的视角能够覆盖两相邻杆塔之间的一半距离时，单目视觉系统就可以监控两杆塔之间的所有区域。[0065] 在此，我们可以假设目标杆塔和监控摄像机的象平面平行。对于这个假设，我们做如下误差分析:
[0066] 监控摄像机与地面之间距离为h，监控摄像机和目标杆塔顶点之间的水平距离为1，与目标杆塔底点的水平距离为r目标杆塔高度为H。
[0067]目标杆塔高度误差Λ H为:
[0068]
[0069] 在实际情况下，1通常为三四百米，这里我们假设I为320m，而杆塔的宽一般为一二十米，因而我们可以假设1'为310m，h假设为16m，H假设为32m，那么:
[0070]
[0071] 那么目标杆塔高度的相对误差为:
[0072]
[0073] 从数据分析结果中可以看出，假设目标杆塔与摄像机象平面平行所带来的误差在可接受范围之内，同时可以简化理论分析。
[0074] 步骤102:实时采集监控区域内的图像信息，并检测是否有入侵物；
[0075] 步骤103:当检测到有入侵物时，提取所述入侵物的特征信息；
[0076] 本实施例中对于可能入侵物的建模采用最新的模式识别技术提取出入侵物，本实施例中优选的采用图像差异感知模型的算法来稳定地识别输电设施实时监控图像中的运动目标，通过Haar(哈瑞)特征结合Adaboost (自适应)方法训练分类器，识别出有威胁的入侵物。
[0077] 步骤104:对比所述提取出得入侵物的特征信息与所述建模中的入侵物的特征信息，以确定入侵物的类型；
[0078] 步骤105:计算所述入侵物与目标铁塔间水平距离和所述入侵物的体积参数；
[0079] 以大型工程车辆为例说明入侵物与目标铁塔间水平距离和所述入侵物的体积参数。
[0080] 计算入侵大型工程车辆与目标铁塔间的水平距离。
[0081] 仅考虑整个系统中的某一个监控摄像机，监控摄像机位于点O的位置，α是监控摄像机的成像平面，点O到α的距离为监控摄像机焦距f，AB为目标铁塔，铁塔高度为h，距离监控摄像机所在的铁塔距离为U，连接BO并延长与成像平面α交于点EHgESAB的像点。在纵深方向上的待测点L距离监控摄像机的水平距离为L1，连接LO并向两边延长，交平面α于点D，交AB的延长线于点C。
[0082]由几何知识不难得到:
所以有:
[0083]
[0084]解得:
[0085] 上式即为平坦地形条件下根据图像坐标计算纵深距离的关系式。
[0086] 可以看出，由于其他的变量都是可以事先获得的已知量，因而L1只是I的函数。当我们需要计算待测点距离监控摄像机的水平距离时，只要求出待测点与目标铁塔接地点之间的图像像素距离1，然后代入上式中即可解出待测点与监控摄像机之间的水平距离。
[0087] 当入侵工程车并没有出现在中轴线上时，需要对入侵大型工程车辆和中轴线之间的偏差距离作出估计，并将偏差距离带入计算。
[0088] 设入侵大型工程车辆和中轴线之间偏差距离为X米，那么，入侵工程车辆和监控摄像机之间的实际距离L' !为
[0089]
[0090]
[0092] 假设这样一种情况，即入侵大型工程车辆距离监控摄像机水平距离160m，即L1 =
160m,当偏差距离X为32m时，
此时:
[0093] 也就是说，此时当侵入工程车辆距离架空输电线路有三十多米的距离时，计算得到的工程车辆和监控相机之间的水平距离的相对误差约为2 %，这说明我们完全可以忽略偏差距离X对于水平距离L1的影响，从而可以简化计算。
[0094] 计算入侵大型工程车辆的体积参数，例如高度。
[0095] 根据图像坐标距离计算出待测点的纵深距离之后，便可以由成像光路计算出位于
待测点的物体的垂直高度。在待测点L处有一垂直物体LH，其高度待测，LH成在成像面上
的像为DE，根据几何知识可得:
，所以有:
[0096]
[0097] 上式中，f由相机参数标定得到，l1/l0由
计算得到，DE直接由手动标出。
[0098] 步骤106:根据所述入侵物类型、与目标铁塔间的水平距离和入侵物的体积参数，确定所述入侵物的威胁程度。
[0099] 本实施例中的体积参数可以为入侵物轮廓的长、宽和高。
[0100] 上述实施例一通过对监控区域进行三维立体视觉系统的建模，并对可能的入侵物进行建模，得到入侵物的模型，实施采集监控区域内的图像信息，并检测是否有入侵物，当检测到有入侵物时，提取所述入侵物的特征信息，对比入侵物的特征信息与所述建模中的入侵物的特征信息，以确定入侵物的类型，计算所述入侵物与目标铁塔间水平距离和所述入侵物的体积参数，根据所述入侵物类型、与目标铁塔间的水平距离和入侵物的体积参数，确定所述入侵物的威胁程度。本实施例公开的输电设施监控方法中，通过将入侵物与预先设定的入侵物模型进行比对，并依据预先建立的三维立体视觉系统建模，得到入侵物的体积参数和距离目标铁塔间水平距离，从而确定其威胁程度，提高了监控的准确性。
[0101] 参见图2，为本发明实施例二公开输电设施监控方法的流程示意图，该方法步骤包括:
[0102] 步骤201:对监控区域进行三维立体视觉系统的建模，并对可能的入侵物进行静态建模和对入侵物的动态建模，得到入侵物的模型；
[0103] 步骤202:实时采集监控区域内的图像信息，并检测是否有入侵物；
[0104] 步骤203:当检测到有入侵物时，提取所述入侵物的轮廓信息；
[0105] 步骤204:将所述提取出的入侵物的轮廓特征信息与所述入侵物模型的轮廓信息进行比对，根据所述比对的结果确定所述入侵物的类型；
[0106] 步骤205:计算所述入侵物与目标铁塔间水平距离和所述入侵物的体积参数；
[0107] 步骤206:根据所述入侵物类型、与目标铁塔间的水平距离和入侵物的体积参数，确定所述入侵物的威胁程度；
[0108] 步骤207:当所述入侵物的威胁程度超出预设安全范围时，启动报警装置。
[0109] 上述实施例二通过对监控区域进行三维立体视觉系统的建模，并对可能的入侵物进行静态建模和对入侵物的动态建模，得到入侵物模型，实时采集监控区域内的图像信息，并检测是否有入侵物，当检测到有入侵物时，提取所述入侵物的轮廓特征信息，将所述提取出的入侵物的轮廓特征信息与所述入侵物模型的轮廓信息进行比对，根据所述比对的结果确定所述入侵物的类型，计算所述入侵物与目标铁塔间水平距离和所述入侵物的体积参数，根据所述入侵物类型、与目标铁塔间的水平距离和入侵物的体积参数，确定所述入侵物的威胁程度，当所述入侵物的威胁程度超出预设安全范围时，启动报警装置。本实施例公开的输电设施监控方法中，通过将入侵物与预先设定的入侵物模型进行比对，并依据预先建立的三维立体视觉系统建模，得到入侵物的体积参数和距离目标铁塔间水平距离，从而确定其威胁程度，当入侵物的威胁程度超出预设安全范围时，启动报警装置，提高了监控的准确性。
[0110] 与上述本发明一种输电设施监控方法实施例1所提供的方法线对应，参见图3，本发明还提供了一种输电设施监控系统，在本实施例中，该系统可以包括:
[0111] 信号采集模块301、建模模块302和中央处理模块303 ；
[0112]其中:
[0113] 信号采集模块301，用于采集监控区域内的图像信息；
[0114] 建模模块302，用于对监控区域范围进行三维立体视觉系统建模，并对可能的入侵物进行建模，得到入侵物模型；
[0115]中央处理模块303，与所述信号采集模块301、所述建模模块302相连接，接收所述信号采集模块发送的图像信息，并检测是否有入侵物，当检测到有入侵物时，提取所述入侵物的特征信息，对比所述提取出得入侵物的特征信息与所述建模中的入侵物的特征信息，以确定入侵物的类型，并计算所述入侵物与目标铁塔间水平距离和所述入侵物的体积参数，根据所述入侵物类型，与目标铁塔间的水平距离和入侵物的体积参数，确定所述入侵物的威胁程度。
[0116] 上述实施例对应的输电设施监控系统，建模模块用于对监控区域范围进行三维立体视觉系统建模，并对可能的入侵物进行建模，得到入侵物模型，信号采集模块用于采集监控区域内的图像信息，中央处理模块，与所述信号采集模块、所述建模模块相连接，接收所述信号采集模块发送的图形信息，并检测是否有入侵物，当检测到有入侵物时，提取所述入侵物的特征信息，对比所述提取出得入侵物的特征信息与所述建模中的入侵物的特征信息，以确定入侵物的类型，并计算所述入侵物与目标铁塔间水平距离和所述入侵物的体积参数，根据所述入侵物类型，与目标铁塔间的水平距离和入侵物的体积参数，确定所述入侵物的威胁程度，提高了监控的准确性。
[0117] 参见图4,优选的,本发明实施例中所述的输电设施监控系统中，建模模块302包括:输电设施立体视觉系统标定模型单元304和入侵物模型单元305。
[0118] 优选的，本发明实施例2中所述的输电设施监控系统中，信号采集模块301包括:单目摄像机。
[0119] 采用单目摄像机可以同时监控两杆塔之间的所有区域。
[0120] 优选的，本发明实施例2中所述的输电设施监控系统中，还包括报警装置306 ；
[0121] 所述报警装置306与所述中央处理模块303相连，当所述入侵物的威胁程度超出预设安全范围时，中央处理模块303触发警报时，报警装置报警。
[0122] 采用报警装置可以有效的防御入侵物的威胁，当入侵物的威胁程度超出预设安全范围时，报警装置会报警。
[0123] 上述实施例对应的输电设施监控系统，建模模块用于对监控区域范围进行三维立体视觉系统建模，并对可能的入侵物进行建模，得到入侵物模型，信号采集模块包括单目摄像机用于同时监控区域内的图像信息，中央处理模块，与所述信号采集模块、所述建模模块相连接，接收所述信号采集模块发送的图形信息，并检测是否有入侵物，当检测到有入侵物时，提取所述入侵物的特征信息，对比所述提取出得入侵物的特征信息与所述建模中的入侵物的特征信息，以确定入侵物的类型，并计算所述入侵物与目标铁塔间水平距离和所述入侵物的体积参数，根据所述入侵物类型，与目标铁塔间的水平距离和入侵物的体积参数，确定所述入侵物的威胁程度，当威胁程度出处预设安全范围时，中央处理模块触发警报，报警装置报警，提高了监控的准确性。
[0124] 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。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0125] 对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽范围。
Claims (8)
1.一种输电设施监控方法，其特征在于，步骤包括: 对监控区域进行基于单目摄像机的三维立体视觉系统标定，并对可能的入侵物进行建模，得到入侵物模型； 实时采集监控区域内的图像信息，并检测是否有入侵物； 当检测到有入侵物时，提取所述入侵物的特征信息； 对比所述提取出的入侵物的特征信息与所述建模中的入侵物的特征信息，以确定入侵物的类型； 计算所述入侵物与目标铁塔间水平距离和所述入侵物的体积参数； 根据所述入侵物类型、与目标铁塔间的水平距离和入侵物的体积参数，确定所述入侵物的威胁程度。
2.根据权利要求1所述的方法，其特征在于，所述对可能的入侵物进行建模包括对入侵物的静态建模和对入侵物的动态建模。
3.根据权利要求2所述的方法，其特征在于，当所述提取出的入侵物的特征信息为所述入侵物的轮廓时，所述对比所述提取出的入侵物的特征信息与所述建模中的入侵物的特征信息，以确定入侵物的类型的过程包括: 将所述提取出的入侵物的轮廓特征信息与所述入侵物模型的轮廓信息 进行比对； 根据所述比对的结果确定所述入侵物的类型。
4.根据权利要求1所述的方法，其特征在于，还包括: 当所述入侵物的威胁程度超出预设安全范围时，启动报警装置。
5.一种输电设施监控系统，其特征在于，包括: 信号采集模块，用于采集监控区域内的图像信息； 建模模块，用于对监控区域范围进行基于单目摄像机的三维立体视觉系统的标定，并对可能的入侵物进行建模，得到入侵物模型； 中央处理模块，与所述信号采集模块、所述建模模块相连接，接收所述信号采集模块发送的图像信息，并检测是否有入侵物，当检测到有入侵物时，提取所述入侵物的特征信息，对比所述提取出得入侵物的特征信息与所述建模中的入侵物的特征信息，以确定入侵物的类型，并计算所述入侵物与目标铁塔间水平距离和所述入侵物的体积参数，根据所述入侵物类型，与目标铁塔间的水平距离和入侵物的体积参数，确定所述入侵物的威胁程度。
6.根据权利要求5所述的系统，其特征在于，所述的建模模块包括:输电设施立体视觉系统标定模型单元和入侵物模型单元。
7.根据权利要求5所述的系统，其特征在于，所述的信号采集模块包括:单目摄像机。
8.根据权利要求5所述的系统，其特征在于，所述的系统还包括报警装置，与所述中央处理模块相连接，当所述入侵物的威胁程度超出预设安全范围时，中央处理模块触发警报时，报警装置报警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201110411604.1A CN102496232B (zh) | 2011-12-12 | 2011-12-12 | 一种输电设施监控方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201110411604.1A CN102496232B (zh) | 2011-12-12 | 2011-12-12 | 一种输电设施监控方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102496232A CN102496232A (zh) | 2012-06-13 |
| CN102496232B true CN102496232B (zh) | 2014-05-07 |
Family
ID=46188052
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201110411604.1A CN102496232B (zh) | 2011-12-12 | 2011-12-12 | 一种输电设施监控方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102496232B (zh) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103871185B (zh) * | 2012-12-12 | 2016-05-11 | 国家电网公司 | 输电线路反外力处理方法、装置及系统 |
| CN103310589B (zh) * | 2013-07-05 | 2015-06-17 | 国家电网公司 | 一种报警信息生成方法及装置 |
| CN103745484B (zh) * | 2013-12-31 | 2017-02-15 | 国家电网公司 | 一种电力设施带电作业的人员目标安全预警方法 |
| CN104933816B (zh) * | 2014-03-17 | 2017-08-11 | 南充鑫源通讯技术有限公司 | 一种自动感应安防系统的感应距离设置方法及装置 |
| CN105744140A (zh) * | 2014-12-10 | 2016-07-06 | 信泰光学(深圳)有限公司 | 待测物出现次数记录装置及方法 |
| CN105915846B (zh) * | 2016-04-26 | 2019-09-20 | 成都通甲优博科技有限责任公司 | 一种单双目复用的入侵物监测方法及系统 |
| CN106157507B (zh) * | 2016-07-08 | 2018-04-17 | 武汉三江中电科技有限责任公司 | 一种基于雷达和视频融合的输电线路立体防护装置 |
| CN106056821B (zh) * | 2016-08-13 | 2018-04-24 | 哈尔滨理工大学 | 输电线路异物入侵智能视频在线监测评估系统 |
| CN106680885A (zh) * | 2016-12-30 | 2017-05-17 | 杭州后博科技有限公司 | 一种非维护人员上塔两级检测方法及系统 |
| CN107169401B (zh) * | 2017-02-10 | 2020-05-05 | 北京交通大学 | 基于轨道视觉特征谱的轨道入侵物检测方法 |
| CN107391631A (zh) * | 2017-07-10 | 2017-11-24 | 国家电网公司 | 一种输电线路通道立体空间监控及快速测距方法 |
| CN107729803A (zh) * | 2017-08-18 | 2018-02-23 | 国网上海市电力公司 | 输电线可疑飞行物识别方法 |
| CN109345787A (zh) * | 2018-09-21 | 2019-02-15 | 南京机灵侠软件技术有限公司 | 一种基于智能图像识别技术的输电线路防外损监控报警系统 |
-
2011
- 2011-12-12 CN CN201110411604.1A patent/CN102496232B/zh active IP Right Grant
Non-Patent Citations (6)
| Title |
|---|
| 刘广州 等.远程可视监控系统在输电线路防外破中的应用.《安徽电气工程职业技术学院学报》.2011,第16卷(第1期),第102-104页. |
| 图像和视频分析在电力设备监控系统中的应用;杨永辉 等;《计算机应用》;20100630;第30卷;第281-284、301页 * |
| 杨国宇 等.架空输电线路智能视频监控研究与分析.《科技创新导报》.2009,(第28期),第1-2页. |
| 杨永辉 等.图像和视频分析在电力设备监控系统中的应用.《计算机应用》.2010,第30卷第281-284、301页. |
| 架空输电线路智能视频监控研究与分析;杨国宇 等;《科技创新导报》;20091231(第28期);第1-2页 * |
| 远程可视监控系统在输电线路防外破中的应用;刘广州 等;《安徽电气工程职业技术学院学报》;20110331;第16卷(第1期);第102-104页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102496232A (zh) | 2012-06-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Tejedor et al. | Toward prevention of pipeline integrity threats using a smart fiber-optic surveillance system | |
| CN105404844B (zh) | 一种基于多线激光雷达的道路边界检测方法 | |
| CN104567708B (zh) | 基于主动式全景视觉的隧道全断面高速动态健康检测装置与方法 | |
| CN104005325B (zh) | 基于深度和灰度图像的路面裂缝检测装置和方法 | |
| CN103411553B (zh) | 多线结构光视觉传感器的快速标定方法 | |
| CN103164706B (zh) | 基于视频信号分析的对象计数方法与装置 | |
| CN103778681B (zh) | 一种车载高速公路巡检系统及数据获取和处理方法 | |
| CN104680555B (zh) | 基于视频监控的越界检测方法及越界监控系统 | |
| US20180357542A1 (en) | 1D-CNN-Based Distributed Optical Fiber Sensing Signal Feature Learning and Classification Method | |
| CN101488222B (zh) | 一种基于运动目标表象和运动信息的摄像机自标定方法 | |
| CN106097755A (zh) | 用于识别泊车场地和/或空出场地的方法 | |
| CN106053475B (zh) | 基于主动式全景视觉的隧道病害全断面动态快速检测装置 | |
| CN104821056B (zh) | 基于雷达与视频融合的智能警戒方法 | |
| CN104670155B (zh) | 基于云端车联网的车辆防盗报警系统 | |
| CN101939191B (zh) | 对象检测与辨识系统 | |
| CN103559791B (zh) | 一种融合雷达和ccd摄像机信号的车辆检测方法 | |
| CN106192634B (zh) | 一种铁路轨道弹条扣件状态自动检测装置以及方法 | |
| CN109100741B (zh) | 一种基于3d激光雷达及图像数据的目标检测方法 | |
| CN105180890A (zh) | 融合激光点云和数字影像的岩体结构面产状测量方法 | |
| CN101549683B (zh) | 自动识别道路深坑与障碍物的车辆智能方法 | |
| CN102811343B (zh) | 一种基于行为识别的智能视频监控系统 | |
| Guan et al. | Using mobile LiDAR data for rapidly updating road markings | |
| CN104374376B (zh) | 一种车载三维测量系统装置及其应用 | |
| Huang et al. | A novel multi-planar LIDAR and computer vision calibration procedure using 2D patterns for automated navigation | |
| CN102435174B (zh) | 基于混合式双目视觉的障碍物检测方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| C06 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| C10 | Entry into substantive examination | ||
| GR01 | Patent grant | ||
| C14 | Grant of patent or utility model |