CN103338336A - 一种架空输电线路通道烟火预警的视频检测方法 - Google Patents

Abstract

本发明公开了一种架空输电线路通道烟火预警的视频检测方法，包括嵌入式计算机系统，所述嵌入式计算机系统包括DSP及其外围芯片，其外围的芯片包括编码芯片、解码芯片、存贮芯片和CPLD器件，该方法包含以下步骤：视频信息预处理，视频背景建模和背景更新，数学形态学处理二值差分图像，移动目标图像的值质心坐标计算和质心移动曲线获取和移动目标质心运动曲线的利亚普诺夫指数计算。本发明使用结构简单的嵌入式系统，在线视频信息的智能处理具有节约数据通讯流量和成本优势；消除树叶在视频检测过程中的翻动造成像素值剧烈变化对图像前景检测的影响；并有效消除烟火检测过程中的人畜车辆移动和树荫云影移动造成的误报警。

Description

一种架空输电线路通道烟火预警的视频检测方法

技术领域

本发明提出一种架空输电线路通道烟火预警的视频检测方法。属于输电线路运行与维护技术领域。 

背景技术

输电线路外力破坏是指人为的线路事故，主要包含盗窃、交通事故、建筑施工等有意或无意的人为破坏。统计发现大量的外力破坏是由于疏忽大意、蓄意而造成的。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，严重威胁国家电力系统的安全运行。在电力系统人为破坏的设备中，输电线路是遭受外力破坏最频繁、最严重的电力设施。西安供电局王琨、彭青宁等提出采用CDMA1X无线通信技术实现架空输电线路现场的视频信息采集与传输，通过监控中心主站实现信息浏览和记录。对于架空输电线路的外力破坏（人畜车辆冲撞锯割和建筑开挖矿区采空），（输电线路防止外力破坏研究现状） 

火灾一直都是人民生命财产安全的巨大威胁之一，能够及时地对突发性火灾进行报警是减小或避免火灾带来的损失的有效方法。由于输电线路运行环境日益复杂以及输电线路建设历史原因，输电线路经常穿越农田耕地、森林山谷。在线路走廊内常发生因焚烧而产生的火焰和烟尘，这对输电线路的安全运行带来巨大的威胁。近年来，随着传感器，微电子和信息技术的进步，火灾检测与人工智能、信号处理技术等结合，许多基于物理的新型火灾探测技术和概念开始出现了，主要有如下几类检测技术：

1）复合型探测技术：火灾发生的同时会有多个物理特征伴随，为了使得检测结果更加准确，如分布式光纤传感器被引入，为地铁、车站提供检测。基于多传感器的复合火灾检测了使用了火灾的物理特征，如烟雾、热量、一氧化碳等。到目前为止，光电感烟式复合探测器发展较为成熟，英、日、美等国的多家公司已经推出了相应的产品。基于复合的探测技术利用多个传感器特征改进了检测效果，但是并未解决传统方法的不足 。

2）基于图像的火灾探测技术：该技术既可以检测火焰，又可以检测烟雾，且检测结果能够有效减少误报率和漏报率，实现对重要监控区域进行了有效的安全监控和保障。该技术适用于展览馆、机场、广场、库房以等，由于具有实际的应用价值，图像型火灾探测技术已经成为重要的研究领域。 

近年来，火灾探测研究开始转向火灾本身及深层次原理方面，取得了若干重要研究成果。在空间火灾检测方面，基于图像的火灾检测利用 CCD 摄像机和红外摄像机，结合数字图像处理以及模式识别等理论来检测火灾。通过摄像头采集的图像信号经过采集卡转换为数字信号后传入计算机，计算机后台根据火灾的火焰烟雾的多个图像特征结合计算机视觉和模式识别等相关理论来检测进行分析和处理，从而最终判别是否报警。 

围绕基于智能视频监控的火灾检测课题，目前国内外许多研究人员进行了许多相关研究，取得了若干重要成果。相关研究人员提出了若干基于的火焰检测算法，这些算法使用了各种火焰的视觉信号特征，包括火焰区域的颜色、运动及几何特征等。Healey et al.通过火焰的颜色信息来检测火焰；Phillips et al. Yamaguchi使用了轮廓的变化信息来检测火焰；使用了火焰像素的颜色以及像素的时域变化来检测；Chen et al.使用动态方法来检测火焰区域的闪烁变化；通过使用了基于物体边界像素的快速傅里叶变化(TFFT)来检测来检测火焰的尖点，因为不规则火焰的闪烁频率会比较稳定大约是10Hz,而且这种闪烁频率跟燃烧材料无关，不过在傅里叶区域方法有一个明显缺陷，那就是火焰闪烁不是一个纯粹的正弦变化通常是随机的，所以火焰区域就可能会出现没有尖点的情况，此外，傅里叶变换不包含时域信息，短时的傅里叶变在烟雾检测方面，研究人员就基于视频的烟雾检测的实时性和稳定性进行了大量研究，提出很多解决方案，日本学者 Nobuyuki等人提出了分型编码的烟雾检测算法，但该算法使用映射计算，缺乏实时性，算法相当耗时；B UgurToreyin使用了基于小波变换来检测视频烟雾，在假设摄像机静止的情况下，背景在烟雾的遮挡下将变得模糊，从而高频能量变低，该检测算法对背景图像的边缘和纹理有较高要求，从而限制了该算法的通用；学者Xueming Shu等基于光散射系统、烟雾通道系统、粒子成像系统，通过获得烟雾的粒子形状来检测烟雾，缺点是通过硬件实现，成本太高限制了应用；Khananian A等结合神经网络和遥感图像来检测森林大火产生的烟雾，但该方法需要卫星遥感的支持。 

通过对输电线路外力破坏防治措施和烟火视频检测研究现状分析可知，现有技术手段对于输电线路外力破坏的防治主要是采用强化巡线工作、法制宣传等方法，受人为主观因素影响大；烟火视频检测技术中，特别是对远距离大范围户外烟火视频检测技术唯有充分考虑树荫、云影移动对烟火检测结果的影响；基于卫星遥感和粒子成像技术的烟火检测成本高而输电线路通道烟火检测实际运用受到限制。 

发明内容

本发明要解决的技术问题在于提出一种架空输电线路通道烟火预警的视频检测方法。 

本发明解决其技术问题所采用的技术方案是： 

一种架空输电线路通道烟火预警的视频检测方法，包括嵌入式计算机系统，所述嵌入式计算机系统包括DSP及其外围芯片，其外围的芯片包括编码芯片、解码芯片、存贮芯片和CPLD器件，该方法包含以下步骤：

（1）视频信息预处理：将采集得到的视频格式直接分割成灰度图，并进行灰度均衡化，从而得到灰度图像序列，为进一步智能检测做准备；

所述的原始视频格式转换为灰度图的方法为，每帧图像每个像素值的YUV值设为（y,u,v）, 使用RGB算法将yuv变换为（r,g,b）=f(y,u,v)；再将rgb转换为灰度图，所述将rgb转换为灰度图为线性变换gray=g（r,g,b），

（2）视频背景建模和背景更新：:采用混合高斯法实现架空输电线路视频监控现场背景建模；并采用自适应更新方法进行背景信息的更新；使用背景减除法得到前景移动目标的图像； 

混合高斯建模和背景更新方法，包含以下步骤：

（2.1）混合高斯建模：用k个高斯成分组成的混合高斯模型表示像素在时间域上的概率分布模型, 像素j在t时刻取值为x _i 的概率为：

其中，

表示在时刻t像素j的混合高斯模型中，第i个高斯成分权重；以及

分别表示i个高斯成分的均方差和协方差，表示标准差，I表示单位阵，

表示高斯概率密度：

  

（2.2）自适应背景建模：将混合高斯模型中的K个高斯成分按照

由小到大的顺序；然后用像素当前值x _j 与其混合高斯模型中的K的高斯成分逐一比较，若x _j 与第i个高斯成分的均值之间差值小于一个该高斯成分的标准差的2.5~3.5倍，则用该像素值作为新的高斯成分，其余情况则背景模型保持不变，从而实现背景减除法中的背景混合高斯建模更新算法；

（3）数学形态学处理二值差分图像：对图像序列的先进行二值化处理，采用基于灰度熵信息计算作为二值化阈值对图像进行二值化分割，其方法如下：

（3.1）图像二值化像素分割阈值的确定：输入灰度图像函数为

，输出二值图像函数为

，则

由于背景和前景是两个不同的信息源，因此采用是两个信息源上最大熵的阈值就是所要求的二值化阈值；

其中H _f （T）为计算得到前景信息熵，H _b （T）为计算得到的背景信息熵；最优阈值为：

                        。      

（3.2）移动目标前景二值图像的数学形态学处理：当前帧经过背景减除法后得到的二值图像，经过数学形态学的闭运算，闭运算数学表达式为：

   

其中B=(B1,B2)，B1,B2为击中击不中变换需要两个结构元素，合成一个结构元素对B；每帧图像与背景减除法得到的差分图像经过形态学的闭运算后得到一个相对连续光滑的运动目标边界曲线；

（3.3）二值图像质心坐标的计算：经过形态学处理之后的二值图像其运动目标已经为一个封闭的凸区域的像素集合，可以得到移动目标质心的坐标G（X，Y）：

   其中，    

  ， 

  ；                     

其中xi和yi分别为像素值不为零的所在行和列，N为不为零象素个数；

（4）移动目标图像的值质心坐标计算和质心移动曲线获取：由于经过二值化处理之后得到的差分图像，二值化差分图像的像素值只有“0”和“1”两个值，将像素值为“1”的所有像素行坐标和列坐标分别求取平均值得到移动目标质心当前帧所在坐标值；经过多帧图像坐标值计算，得到移动目标质心的运动曲线；

（5）移动目标质心运动曲线的利亚普诺夫指数计算：移动目标质心运动曲线利亚普诺夫指数计算方法，包含以下步骤：

（5.1）对移动目标质心运动曲线进行相空间重构，对于N点质心运动标量时间序列

可以用Takens嵌入定理去重构相空间Rm；

其中，Xi是重构相空间Rm中M点重构轨迹中的第i个点，而M=N-(m-1)p ，m是嵌入维，τ= p.Δt是时间延迟, τw=(m-1)τ是时间窗，其中Δt为采样周期，τw=(m-1)τ；

（5.2）计算最大利亚普诺夫指数λ ₁：经过相空间重构之后为了能在扩散的最大方向上计算λ ₁(i)，用下式来求λ ₁(i)： 

           　　　　　　　　　　

上式包括两个附加条件：

   

   

最后，可得

从而得到移动目标图像质心运动曲线的最大利亚普诺夫指数，根据该指数值可以有效辨识出图像帧中的移动目标是否为烟火升腾运动还是其他干扰运动。

本发明提出的一种架空输电线路通道烟火预警的视频检测方法，其有益效果如下： 

1．使用结构简单的嵌入式系统，在线视频信息的智能处理具有节约数据通讯流量和成本优势； 

2. 本方法实现无人值守的实时预警信息生成和报警现场的视频信息录制；本方法采用混合高斯法实现架空输电线路视频监控现场背景建模，并采用自适应更新方法实现背景信息的更新，使用背景减除法得到前景移动目标的图像，能消除树叶在视频检测过程中的翻动造成像素值剧烈变化对图像前景检测的影响；

3. 有效消除烟火检测过程中的人畜车辆移动和树荫云影移动造成的误报警：为了有效消除树荫的影响，可以通过移动速度检测得到，由于质心运动变化规律和速度可以有效区别出树荫的运动；对于云影移动的影响，由于速度和烟火腾升速度大致相仿，本方法提出采用求取运动目标质心运动曲线最大拉亚普诺夫指数值来判断。

附图说明：

图1是本发明实施例的方法的流程图。

具体实施方式：

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

如图1所示，一种架空输电线路通道烟火预警的视频检测方法，包括嵌入式计算机系统，所述嵌入式计算机系统包括DSP及其外围芯片，外围芯片包括编码芯片、解码芯片、NAND Flash Memory、DDR2 SDRAM、CPLD 等，其中解码芯片选用的是 TVP5146PFP，在 TVP5146PFP 的作用下有模拟信号变为 YCBCr 模式的数字信号，进入 TMS320DM6446 中进行相关算法处理。片选信号经过CPLD 的扩展后控制存储芯片的选通，把需要进行存储的图像数据通过数据线送入图像存储器 DDR2 SDRAM 中进行处理，经由 TMS320DM6446 处理完成的视频数据则通过其视频输出端口经过编码放大输出到视频输出设备； 

该方法包含以下步骤：

（1）视频信息预处理：由于采集得到的视频格式为UYVY420格式，可以直接分割成灰度图，并进行灰度均衡化，有效节约了程序运行时所需的内存空间，从而得到灰度图像序列，为进一步智能检测做准备；在原始视频格式转换为灰度图过程中，每帧图像每个像素值的YUV值设为（y,u,v）,将yuv变换为RGB算法（r,g,b）=f(y,u,v)；rgb转换为灰度图时为线性变换gray=g（r,g,b），因此，原始YUV到灰度图的直接变换为：gray=T(y,u,v);

（2）视频背景建模和背景更新。为消除树叶在视频检测过程中的翻动造成像素值剧烈变化对图像前景检测的影响，采用混合高斯法实现架空输电线路视频监控现场背景建模。并采用自适应更新方法实现背景信息的更新；使用背景减除法得到前景移动目标的图像； 

（3）数学形态学处理二值差分图像。对图像序列的先进行二值化处理，在进行二值化处理的过程中，本方法充分考虑了背景复杂和光照的影响，采用基于灰度熵信息计算作为二值化阈值对图像进行二值化分割；阈值(threshold )是把目标和背景区分开的标尺，选取适当的阈值就是既要尽可能保存图像信息，又要尽可能减少背景和噪声的干扰，这是选择阈 值的原则。设定某一阈值将灰度图像的像素分成大于阈值的像素群和小于阈值的像素群两部分。

（4）移动目标图像的值质心坐标计算和质心移动曲线获取。移动目标的质心坐标，是指经过二值化处理之后得到的差分图像，二值化差分图像的像素值只有“0”和“1”两个值，将像素值为“1”的所有像素行坐标和列坐标分别求取平均值得到移动目标质心当前帧所在坐标值；经过多帧图像坐标值计算，得到移动目标质心的运动曲线。 

（5）移动目标质心运动曲线的利亚普诺夫指数计算：李雅普诺夫指数可用来度量一动力系统的邻近轨道在相空间中的平均指数发散性或收敛性.正的李氏指数是对邻近轨道指数发散性的一种度量.而负的李氏指数则是对邻近轨道指数收敛性的一种度量.特别是若一动力系统是发散的,则正的李雅普诺夫指数往往意味着奇怪吸引子或混沌的存在。 

上述架空输电线路通道烟火预警的视频检测方法，步骤（3）中，混合高斯建模和背景更新方法，包含以下步骤： 

步骤一：混合高斯建模。用3个高斯成分组成的混合高斯模型表示像素在时间域上的概率分布模型, 像素j在t时刻取值为x _i 的概率为：

其中，

表示在时刻t像素j的混合高斯模型中，第i个高斯成分权重；

以及

分别表示i个高斯成分的均方差和协方差，

表示标准差，I表示单位阵，

表示高斯概率密度：

        

步骤二：自适应背景建模。随着输电线路监测现场场景的变化，监控画面的每个像素的高斯混合模型都需要被不断的学习更新，更新方法是将混合高斯模型中的K个高斯分成按照由小到大的顺序，然后用像素当前值x _j 与其混合高斯模型中的K的高斯成分逐一比较，弱x _j 与第i个高斯成分的均值之间差值小于一个该高斯成分的标准差的2.5~3.5倍，则用该像素值作为新的高斯成分，其余情况则背景模型保持不变。从而实现背景减除法中的背景混合高斯建模更新算法。

上述架空输电线路通道烟火预警的视频检测方法，步骤（4）中，图像二值化和图像数学形态学处理方法，包括以下步骤： 

步骤1：图像二值化像素分割阈值的确定。图像二值化是指用灰度变换来研究灰度图像的一种常用方法，阈值(threshold )是把目标和背景区分开的标尺，选取适当的阈值就是既要尽可能保存图像信息，又要尽可能减少背景和噪声的干扰，这是选择阈值的原则。设定某一阈值将灰度图像的像素分成大于阈值的像素群和小于阈值的像素群两部分。输入灰度图像函数为

，输出二值图像函数为

，则

由于背景和前景是两个不同的信息源，因此采用是两个信息源上最大熵的阈值就是所要求的二值化阈值

其中H _f （T）为计算得到前景信息熵，H _b （T）为计算得到的背景信息熵。最优阈值为：

                        。      

步骤2：移动目标前景二值图像的数学形态学处理。当前帧经过背景减除法后得到的二值图像，经过数学形态学的闭运算，闭运算数学表达式为：

   

闭运算其实就是先膨胀运算然后再腐蚀运算。击中击不中变换需要两个结构元素B1,B2，合成一个结构元素对B=(B1,B2)。一个用于探测图像内部，作为击中部分；另外一个用于探测图像的外部，作为击不中部分。每帧图像与背景减除法得到的差分图像经过形态学的闭运算后得到一个相对连续光滑的运动目标边界曲线；

步骤3：二值图像质心坐标的计算。经过形态学处理之后的二值图像其运动目标已经为一个封闭的（可能包含图像边界）凸区域的像素集合，可以得到移动目标质心的坐标G（X，Y）：

       

  ， 

                       

其中xi和yi分别为像素值不为零的所在行和列，……。

上述架空输电线路通道烟火预警的视频检测方法，步骤（6）中，移动目标质心运动曲线利亚普诺夫指数计算方法，包含以下步骤： 

步骤   

对移动目标质心运动曲线进行相空间重构，对于一N点质心运动标量时间序列

可以用Takens嵌入定理去重构相空间Rm。

这里Xi是重构相空间Rm中M点重构轨迹中的第i个点，而M=N-(m-1)p ，m是嵌入维，τ= p.Δt是时间延迟, τw=(m-1)τ是时间窗，其中Δt为采样周期.可见，在重构相空间时只要选择m，τ和τw中的任意两个参数即可，另一个参数可由τw=(m-1)τ直接求得. 

步骤   

：计算λ ₁。经过相空间重构之后为了能在扩散的最大方向上计算λ ₁(i)，用下式来求λ ₁(i)： 

           　　　　　　　　　　

这里需要附加两个条件：

   

   

最后，可得

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (4)

1.一种架空输电线路通道烟火预警的视频检测方法，包括嵌入式计算机系统，所述嵌入式计算机系统包括DSP及其外围芯片，其外围的芯片包括编码芯片、解码芯片、存贮芯片和CPLD器件，其特征在于，该方法包含以下步骤：

（1）视频信息预处理：将采集得到的视频格式直接分割成灰度图，并进行灰度均衡化，从而得到灰度图像序列，为进一步智能检测做准备；

（2）视频背景建模和背景更新：:采用混合高斯法实现架空输电线路视频监控现场背景建模；并采用自适应更新方法进行背景信息的更新；使用背景减除法得到前景移动目标的图像； 

混合高斯建模和背景更新方法，包含以下步骤：

（2.1）混合高斯建模：由k个高斯成分组成的混合高斯模型表示像素在时间域上的概率分布模型, 像素j在t时刻取值为x _i 的概率为：

    

其中，表示在时刻t像素j的混合高斯模型中，第i个高斯成分权重；

以及分别表示i个高斯成分的均方差和协方差，

表示标准差，I表示单位阵，

表示高斯概率密度：

  

（2.2）自适应背景建模：将混合高斯模型中的K个高斯成分按照

由小到大的顺序；然后用像素当前值x _j 与其混合高斯模型中的K的高斯成分逐一比较，若x _j 与第i个高斯成分的均值之间差值小于一个该高斯成分的标准差的2.5~3.5倍，则用该像素值作为新的高斯成分，其余情况则背景模型保持不变，从而实现背景减除法中的背景混合高斯建模更新算法；

（3）数学形态学处理二值差分图像：对图像序列的先进行二值化处理，采用基于灰度熵信息计算作为二值化阈值对图像进行二值化分割，其方法如下：

（3.1）图像二值化像素分割阈值的确定：输入灰度图像函数为

，输出二值图像函数为，则

由于背景和前景是两个不同的信息源，因此采用是两个信息源上最大熵的阈值就是所要求的二值化阈值；

其中H _f （T）为计算得到前景信息熵，H _b （T）为计算得到的背景信息熵；最优阈值为：

                        

；

（3.2）移动目标前景二值图像的数学形态学处理：当前帧经过背景减除法后得到的二值图像，经过数学形态学的闭运算，闭运算数学表达式为：

   

其中B=(B1,B2)，B1,B2为击中击不中变换需要两个结构元素，合成一个结构元素对B；每帧图像与背景减除法得到的差分图像经过形态学的闭运算后得到一个相对连续光滑的运动目标边界曲线；

（3.3）二值图像质心坐标的计算：经过形态学处理之后的二值图像其运动目标已经为一个封闭的凸区域的像素集合，可以得到移动目标质心的坐标G（X，Y）：

   其中，    

  ， 

  ；                     

其中xi和yi分别为像素值不为零的所在行和列，N为不为零象素个数；

（4）移动目标图像的值质心坐标计算和质心移动曲线获取：由于经过二值化处理之后得到的差分图像，二值化差分图像的像素值只有“0”和“1”两个值，将像素值为“1”的所有像素行坐标和列坐标分别求取平均值得到移动目标质心当前帧所在坐标值；经过多帧图像坐标值计算，得到移动目标质心的运动曲线；

（5）移动目标质心运动曲线的利亚普诺夫指数计算：移动目标质心运动曲线利亚普诺夫指数计算方法，包含以下步骤：

（5.1）对移动目标质心运动曲线进行相空间重构，对于N点质心运动标量时间序列

可以用Takens嵌入定理去重构相空间Rm；

其中，Xi是重构相空间Rm中M点重构轨迹中的第i个点，而M=N-(m-1)p ，m是嵌入维，τ= p.Δt是时间延迟, τw=(m-1)τ是时间窗，其中Δt为采样周期，τw=(m-1)τ；

（5.2）计算最大利亚普诺夫指数λ ₁：经过相空间重构之后为了能在扩散的最大方向上计算λ ₁(i) ，用下式来求λ ₁(i)： 

           　　　　　　　　　　

上式包括两个附加条件：

      

最后，可得

从而得到移动目标图像质心运动曲线的最大利亚普诺夫指数。

2.根据权利要求1所述的基于视频检测架空输电线路通道烟火方法，其特征在于，步骤（1）中所述的原始视频格式转换为灰度图的方法为，每帧图像每个像素值的YUV值设为（y,u,v）, 使用RGB算法将yuv变换为（r,g,b）=f(y,u,v)；再将rgb转换为灰度图，所述将rgb转换为灰度图为线性变换gray=g（r,g,b）。

3.根据权利要求1所述的基于视频检测架空输电线路通道烟火方法，其特征在于，所述步骤（5）中移动目标质心运动曲线利亚普诺夫指数计算采用以下方法：

（5.1）对移动目标质心运动曲线进行相空间重构，对于N点质心运动标量时间序列可以用Takens嵌入定理去重构相空间Rm；

其中，Xi是重构相空间Rm中M点重构轨迹中的第i个点，而M=N-(m-1)p ，m是嵌入维，τ= p.Δt是时间延迟, τw=(m-1)τ是时间窗，其中Δt为采样周期，τw=(m-1)τ；

（5.2）计算最大利亚普诺夫指数λ ₁：经过相空间重构之后为了能在扩散的最大方向上计算λ ₁(i)，用下式来求λ ₁(i)： 

           　　　　　　　　　　

上式包括两个附加条件：

      

可得

从而得到移动目标图像质心运动曲线的最大利亚普诺夫指数。

4.根据权利要求1所述的基于视频检测架空输电线路通道烟火方法，其特征在于，所述嵌入式计算机系统的DSP芯片采用TMS320DM6446芯片，解码芯片采用 TVP5146PFP芯片。

Images