CN104994334A - 基于实时视频的变电站自动监控方法 - Google Patents
基于实时视频的变电站自动监控方法 Download PDFInfo
- Publication number
- CN104994334A CN104994334A CN201510310956.6A CN201510310956A CN104994334A CN 104994334 A CN104994334 A CN 104994334A CN 201510310956 A CN201510310956 A CN 201510310956A CN 104994334 A CN104994334 A CN 104994334A
- Authority
- CN
- China
- Prior art keywords
- region
- image
- information
- target
- state
- 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
Abstract
本发明公开了一种基于实时视频的变电站自动监控方法,其特征在于:该方法包括变电站监控区域周界防范、基于机器视觉技术的仪表数据及状态自动识别和基于机器视觉技术的电力开关设备状态自动判断三个部分,以供变电站收集足够的信息。本发明通过智能分析算法,针对变电站的特定环境,对变电站的周界、电表、电闸等进行智能分析,及时发现发生变化或出现问题地点,降低变电站发生问题风险,提高工作效率,节省人力成本。
Description
技术领域
本发明涉及一种变电站监控领域中的视频监控方法,尤其涉及一种基于实时视频的变电站自动监控方法。
背景技术
随着科学技术的不断发展,视频监控已经成为智能电网的一个非常重要的组成部分,为了保证变电站的安全运行和对设备的监控,要求增加变电站设备的图像监控和图像传输功能。传统的视频监控在事前预警、事中处理、事后取证、降低人工劳动强度、24小时无人值守监控等方面存在不足,基于智能视频分析技术的变电站视频监控系统和监控方法的需求也随之增加和越发急切。
发明内容
本发明为了解决上述现有技术中存在的问题,提供了一种基于实时视频的变电站自动监控方法。
本发明为解决这一问题所采取的技术方案是:
一种基于实时视频的变电站自动监控方法,包括变电站监控区域周界防范、基于机器视觉技术的仪表数据及状态自动识别和基于机器视觉技术的电力开关设备状态自动判断三个部分,以供变电站收集足够的信息;变电站监控区域周界防范部分包括以下步骤:标定信息、图像预处理、动态物体检测、物体轨迹跟踪和轨迹与区域判定;仪表数据及状态自动识别部分包括标定信息、图像预处理、指针检测和刻度计算步骤;电力开关设备状态自动判断部分包括标定信息、图像预处理和状态检测步骤。
变电站监控区域周界防范的具体步骤如下:
首先,标定信息
针对变电站多种设备的复杂环境,设定不同敏感度的区域,不同敏感度区域会触发不同级别的警报;敏感度区域共分三级,分别为蓝色、橙色和红色,分别触发蓝色警报、橙色警报和红色警报;区域的设置针对变电站设备容易遮挡的问题,采用多种绘制方式,对应蓝色、橙色和红色敏感度的区域分别用蓝色、橙色和红色线条进行绘制;根据不同的区域特点,绘制贴合实际场景的任意多边形、圆形或椭圆形区域在绘制好的每一个区域中,绘制排出区域,最多绘制8个排除区域,排除区域内的目标不报警,以排除报警区域中设备的正常运作导致的误报;
其次,图像预处理
对原始图像进行灰度转换;对已标定信息的仪表区域进行感兴趣区域的提取;对感兴趣区域进行增强;
再次,对动态物体进行检测
对出现在图像画面中的目标进行检测,对检测出的目标运用机器视觉技术进行分类识别,区分人、车辆、动物或其它物体,配合不同的敏感区域,根据预先设计的逻辑,触发不同级别报警;机器视觉技术的目标分类过程是通过离线训练的方式,得到一个可靠的分类器,再将现场分离出的目标送到分类器进行分类,区分出目标是人,车,动物还是其它物体;
然后,对动态物体的运动轨迹进行跟踪
通过在每一帧视频中找到与当前目标特征最匹配的区域的坐标,标示在视频帧中,形成目标的运行轨迹;
最后,对物体运动轨迹与区域进行判定
根据目标的类别、运行轨迹和运动速度,分析判别目标的危险程度,联动不同级别报警;
仪表数据及状态自动识别的具体步骤如下:
首先,标定信息并校准位置
在图像中预先描绘出设定仪表的区域和中心位置,多个刻度的位置和读数信息,用于后续刻度计算;根据标定的信息实时对仪表图像进行采集,作为样本进行在线学习,每隔30秒对仪表位置和刻度信息进行自动检测,自动校准,如果当前图像中检测不到仪表,则发出报警;检测到仪表位置有少量偏移时,自动调整监控设备,对位置进行校正,减少后续读数操作的误差;
其次,图像预处理
对原始图像进行灰度转换;对已标定信息的仪表区域进行感兴趣区域的提取;对感兴趣区域进行增强;
再次,指针检测
使用霍夫变换图像分析技术检测直线,通过对检测出的直线进行过滤和合并,结果作为指针;
最后,刻度计算
利用之前设定的仪表中心位置、仪表的多个参考点位置和读数,推算出现在指针的刻度读数。
电力开关设备状态自动判断的具体步骤如下:
首先,标定信息
对电力设备开关的各种状态的图像特征进行采集和分类,并在线实时学习状态的细微变化,为后续判断设备状态的变化做准备;
其次,图像预处理
对原始图像进行灰度转换;对已标定信息的仪表区域进行感兴趣区域的提取;对感兴趣区域进行增强;
最后,状态检测
使用霍夫变换图像分析技术对图像中设备开关的位置进行检测,通过检测出的信息特征与算法维护的各种状态特征进行比对,从而判断当前图像中设备开关的状态。
本发明具有的优点和积极效果是:
本发明为电网智能变电站辅助监控系统的一部分,通过智能分析算法,针对变电站的特定环境,对变电站的周界、电表、电闸等进行智能分析,及时发现发生变化或出现问题的地点,降低变电站发生问题的风险,提高工作效率,节省人力成本;减轻基层人员的设备维护保养工作负荷,提高整个监控管理的效率和效果;使视频监控在变电站日常生产安全方面将发挥巨大的作用,提升电力公司在智能电网应用的水平。
附图说明
图1是本发明的变电站监控区域周界防范部分的流程图;
图2是本发明的仪表数据及状态自动识别部分的流程图;
图3是霍夫变换技术的原理图;
图4是本发明的电力开关设备状态自动判断的流程图。
具体实施方式
以下参照附图和具体实施例对本发明的基于实时视频的变电站自动监控方法进行详细的说明。下面描述的具体实施例仅是本发明的最佳实施方式,而不能理解为对本发明的限制。
视频监控经过模拟、数字、高清几个阶段的发展,结合当前视频技术、计算机技术和机器视觉等图像处理分析技术的发展,使得基于变电站视频监控系统,对视频内容进行智能分析成为可能。
本发明的基于实时监控视频的变电站自动监控方法,针对变电站无人值守的特殊需求,主要包括变电站监控区域周界防范、基于机器视觉技术的仪表数据及状态自动识别技术和基于机器视觉技术的刀闸等电力开关设备状态自动判断三个部分,以供变电站收集足够信息,及时发现隐患或故障并进行定位,提高工作效率,节省人力成本。以上技术,从前端设备获取标准的H.264的视频流,把视频流解码为逐帧的视频数据,通过智能分析算法对图像数据进行处理和分析识别。为保证变电站安全运行,智能视频分析通过前端视频采集设备获取视频流,对所监控的画面进行不间断分析,并采用智能算法与用户定义的安全模型进行对比,一旦发现有安全威胁,立刻预警或报警。
(一)
变电站监控区域周界防范的具体步骤如下:
第一,标定信息
该发明不同于一般周界防范功能,特别针对变电站多种设备的复杂环境,设计了不同敏感度的区域,各区域会触发不同级别的报警。敏感度区域共分三级,分别为蓝色、橙色和红色,分别触发蓝色警报、橙色警报和红色警报。敏感度级别根据区域内设备的重要性和危险性设置,例如设备的电压越高,区域的敏感度越高,设备的价值越高,区域的敏感度越高。区域的设置针对变电站设备容易遮挡问题设计了多种绘制方式,可以灵活绘制:对应蓝色、橙色和红色敏感度的区域分别用蓝色、橙色和红色线条绘制;根据不同的区域特点,可以绘制任意多边形、圆形、椭圆形的区域,以贴合实际场景,在绘制好的每一个区域中,可以额外绘制最多8个排除区域,排除区域内的目标不报警,以排除报警区域中设备的正常运作导致的误报。
第二,图像预处理
对原始图像进行灰度转换;对已标定信息的仪表区域进行感兴趣区域的提取;对感兴趣区域进行增强;
第三,动态目标检测识别
对出现在画面中的目标进行检测,对检测出的目标运用机器视觉技术进行分类识别,区分人、车辆、动物和其他目标,配合不同的敏感区域,根据预先设计的逻辑,触发不同级别报警。对于人体目标,会根据变电站的标准工作服装特征和是否有安全帽以及安全帽的颜色,区分是工作人员还是其他人员,联动不同级别的报警。机器视觉技术主要是指用计算机代替人眼进行测量和判断的技术。该方案中用到的机器视觉技术主要包括目标的分类、目标跟踪、目标特征判断。目标分类的过程主要通过离线训练的方式,得到一个可靠的分类器,然后将现场分离出的目标送到分类器进行分类,区分出目标是人,车,动物还是其他物体;目标跟踪过程主要通过在每一帧视频中找到与当前目标特征最匹配的区域的坐标,标示在视频帧中,形成目标的运行轨迹;目标特征判断主要对已经识别为人体的目标,进行人体区域的分割,分割出头部、上身和下肢,对头部的像素特征进行分析,判断出是否戴安全帽,如果佩戴了,安全帽的颜色,对躯干的像素特征进行分析,分析出衣服的颜色是否是工作服。
第四,物体轨迹跟踪与区域判定
根据目标的类别、运行轨迹和运动速度,分析判别目标的危险程度,联动不同级别报警。
(二)
仪表数据及状态自动识别的具体步骤如下:
第一,标定信息及位置校准
标定信息部分是指在图像中预先描绘出设定仪表的中心位置,大致区域,多个刻度的位置和读数信息,用于后续刻度计算。根据标定的信息实时对仪表图像进行采集,作为样本进行在线学习,每隔30秒对仪表位置和刻度信息进行自动检测,自动校准,如果当前图像中检测不到仪表,则发出报警,以避免人为误操作或监控设备异常导致的画面偏移,检测到仪表,但位置有少量偏移,则自动调整监控设备,对位置进行校正,减少后续读数操作的误差。
第二,图像预处理
预处理是灰度转换、感兴趣区域提取、图像增强等多种算法综合运用。对原始图像进行灰度转换;对设定的仪表区域进行感兴趣区域的提取,减少周围环境的干扰;对感兴趣区域进行增强,减弱强光和弱光对算法准确性的影响。
第三,指针检测
指针检测的方法主要是使用霍夫变换等图像分析技术检测直线,通过对检测出的直线按照一定约束进行过滤、合并,结果作为指针。霍夫变换是图像处理技术中从图像里识别几何图形的基本方法之一,霍夫变换检测直线的主要步骤包括:
(1)首先对图像进行灰度化,然后对灰度图像进行轮廓检测,把图像中的物体的边缘轮廓提取出来;
(2)对边缘灰度图像进行二值化, 假设0代表背景, 1代表物体特征点;
(3)在参数空间r, ѳ里建立一个初始值全为零的累加的数组H[r,
ѳ] ,对于二值图像中每个以1 表示的点(x,y),
我们让取遍ѳ轴上所有可能的值, 并根据平面中直线的公式计算对应的r,再根据r与ѳ的取整后的值对数组进行累加计算H[r, ѳ]=
H[r, ѳ]+1;
(4)然后对数组H[r, ѳ]进行局部的峰值检测, 得到被检测直线的参数r和ѳ。霍夫变换原理图如图3所示。
第四,刻度计算
刻度计算是利用之前设定的仪表中心位置、仪表的多个参考点位置和读数,推算出现在指针的刻度读数。
(三)
电力开关设备状态自动判断的具体步骤如下:
第一,标定信息
标定信息是指对电力设备开关的各种状态的图像特征进行采集和分类,并在线实时学习状态的细微变化,为后续判断设备状态的变化做准备。
第二,图像预处理
预处理是灰度转换、感兴趣区域提取、图像增强等多种算法综合运用。对原始图像进行灰度转换;对设定的仪表区域进行感兴趣区域的提取,减少周围环境的干扰;对感兴趣区域进行增强,减弱强光和弱光对算法准确性的影响。
第三,状态检测
状态检测主要是使用霍夫变换等图像分析技术对图像中设备开关的位置进行检测,通过检测出的信息特征与算法维护的各种状态特征进行比对,从而判断当前图像中设备开关的状态。霍夫变换原理图如图3所示。
本发明的实时视频自动检测方法与传统的人工现场监控采集方式相比,有明显的优势。在智能视频分析检测技术中,需要分析的目标区域只要在视野范围之内,在视频中能够看到即可,没有其他什么要求,无需增加任何成本。智能视频分析可以极大地提高视频监控系统的使用效能,其主要优势体现在以下几个方面:
1、变电站监控区域周界防范,及时准确发现非法入侵。通过变电站监控区域周界防范技术的应用,当有入侵者侵入防范区域时就会被智能监控系统自动锁定跟踪并标识出行动轨迹,并对报警目标的类型进行判断,按紧急程度分级报警,同时报警信息上传平台,管理人员收到报警信息,可对入侵行为进行处理,这样可以做到“事前防范”。除了入侵检测以外,本项目中的智能视频监控系统还可进行如下几种智能分析:过线检测,遗留物检测,徘徊(滞留)检测。
2、仪表数据及状态自动识别,准确读取各类仪表数据。通过视频智能读取算法,准确读取变电站模拟表和数字表的读数,这样工作人员在主站端即可高效地完成日常巡视,从而代替以往的人员必须到现场的巡视方式,并完成远程对现场重点设备与重点部位的相关情况采集。
3、电力开关设备状态自动判断,对刀闸等设备开关的状态变化及时核对和进行报警通知。通过视频分析,可以准确判断开关状态。刀闸远程操作或跳闸时,智能监控系统会及时识别刀闸开合状态,供操作人员参考,然后每完成一个项次的检查确认,操作人员能将图像拍照保存,然后转入下一操作项次。这样一来就代替了人员到现场进行确认的方式,更简便更快捷。
4、标准的SDK接口,便于与其他系统对接。视频智能分析模块提供标准的SDK,能够方便的与其他系统对接,把数据和识别结果发送给对接平台,提高系统的灵活性和集成性。
本发明的基于实时视频的变电站自动监测方法,真正意义上实现了变电站的无人值守。变电站监控通过引入智能分析技术,成功的实现了全天候可靠监控、更高的报警精确度、更快的系统响应速度、更有效的资源节约。减轻基层人员的设备维护保养工作负荷,提高整个监控管理的效率和效果。使视频监控在变电站日常生产安全方面将发挥巨大的作用。该项技术的不断发展有利于我国电力系统监控领域整体向前发展,提升我国电力系统监控管理水平。
Claims (4)
1.一种基于实时视频的变电站自动监控方法,其特征在于:该方法包括变电站监控区域周界防范、基于机器视觉技术的仪表数据及状态自动识别和基于机器视觉技术的电力开关设备状态自动判断三个部分,以供变电站收集足够的信息;变电站监控区域周界防范部分包括以下步骤:标定信息、图像预处理、动态物体检测、物体轨迹跟踪和轨迹与区域判定;仪表数据及状态自动识别部分包括标定信息、图像预处理、指针检测和刻度计算步骤;电力开关设备状态自动判断部分包括标定信息、图像预处理和状态检测步骤
。
2.根据权利要求1所述的基于实时视频的变电站自动监控方法,其特征在于,变电站监控区域周界防范的具体步骤如下:
首先,标定信息
针对变电站多种设备的复杂环境,设定不同敏感度的区域,不同敏感度区域会触发不同级别的警报;敏感度区域共分三级,分别为蓝色、橙色和红色,分别触发蓝色警报、橙色警报和红色警报;区域的设置针对变电站设备容易遮挡的问题,采用多种绘制方式,对应蓝色、橙色和红色敏感度的区域分别用蓝色、橙色和红色线条进行绘制;根据不同的区域特点,绘制贴合实际场景的任意多边形、圆形或椭圆形区域在绘制好的每一个区域中,绘制排出区域,最多绘制8个排除区域,排除区域内的目标不报警,以排除报警区域中设备的正常运作导致的误报;
其次,图像预处理
对原始图像进行灰度转换;对已标定信息的仪表区域进行感兴趣区域的提取;对感兴趣区域进行增强;
再次,对动态物体进行检测
对出现在图像画面中的目标进行检测,对检测出的目标运用机器视觉技术进行分类识别,区分人、车辆、动物或其它物体,配合不同的敏感区域,根据预先设计的逻辑,触发不同级别报警;机器视觉技术的目标分类过程是通过离线训练的方式,得到一个可靠的分类器,再将现场分离出的目标送到分类器进行分类,区分出目标是人,车,动物还是其它物体;
然后,对动态物体的运动轨迹进行跟踪
通过在每一帧视频中找到与当前目标特征最匹配的区域的坐标,标示在视频帧中,形成目标的运行轨迹;
最后,对物体运动轨迹与区域进行判定
根据目标的类别、运行轨迹和运动速度,分析判别目标的危险程度,联动不同级别报警。
3.根据权利要求1所述的基于实时视频的变电站自动监控方法,其特征在于,仪表数据及状态自动识别的具体步骤如下:
首先,标定信息并校准位置
在图像中预先描绘出设定仪表的区域和中心位置,多个刻度的位置和读数信息,用于后续刻度计算;根据标定的信息实时对仪表图像进行采集,作为样本进行在线学习,每隔30秒对仪表位置和刻度信息进行自动检测,自动校准,如果当前图像中检测不到仪表,则发出报警;检测到仪表位置有少量偏移时,自动调整监控设备,对位置进行校正,减少后续读数操作的误差;
其次,图像预处理
对原始图像进行灰度转换;对已标定信息的仪表区域进行感兴趣区域的提取;对感兴趣区域进行增强;
再次,指针检测
使用霍夫变换图像分析技术检测直线,通过对检测出的直线进行过滤和合并,结果作为指针;
最后,刻度计算
利用之前设定的仪表中心位置、仪表的多个参考点位置和读数,推算出现在指针的刻度读数。
4.根据权利要求1所述的基于实时视频的变电站自动监控方法,其特征在于,电力开关设备状态自动判断的具体步骤如下:
首先,标定信息
对电力设备开关的各种状态的图像特征进行采集和分类,并在线实时学习状态的细微变化,为后续判断设备状态的变化做准备;
其次,图像预处理
对原始图像进行灰度转换;对已标定信息的仪表区域进行感兴趣区域的提取;对感兴趣区域进行增强;
最后,状态检测
使用霍夫变换图像分析技术对图像中设备开关的位置进行检测,通过检测出的信息特征与算法维护的各种状态特征进行比对,从而判断当前图像中设备开关的状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510310956.6A CN104994334A (zh) | 2015-06-09 | 2015-06-09 | 基于实时视频的变电站自动监控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510310956.6A CN104994334A (zh) | 2015-06-09 | 2015-06-09 | 基于实时视频的变电站自动监控方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104994334A true CN104994334A (zh) | 2015-10-21 |
Family
ID=54306083
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510310956.6A Pending CN104994334A (zh) | 2015-06-09 | 2015-06-09 | 基于实时视频的变电站自动监控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104994334A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105701934A (zh) * | 2016-04-19 | 2016-06-22 | 武汉理工光科股份有限公司 | 光纤传感周界安防系统的图形化策略配置方法 |
CN106101618A (zh) * | 2016-06-16 | 2016-11-09 | 中国铝业股份有限公司 | 基于图像识别的现场设备视频监控方法 |
CN106507037A (zh) * | 2016-09-30 | 2017-03-15 | 北京中星微电子有限公司 | 人员入侵/越界的智能监控方法和系统 |
CN107743124A (zh) * | 2017-10-18 | 2018-02-27 | 优来博(重庆)科技有限公司 | 实验室资源共享与管理系统及实验仪器或设备的监控方法 |
CN107862245A (zh) * | 2017-09-27 | 2018-03-30 | 广东电网有限责任公司中山供电局 | 一种客户端配电房的异常监测方法 |
CN109214316A (zh) * | 2018-08-21 | 2019-01-15 | 北京深瞐科技有限公司 | 周界防护方法及装置 |
CN109246392A (zh) * | 2018-09-21 | 2019-01-18 | 南京七宝机器人技术有限公司 | 一种基于机器视觉的变电站顺序控制校核装置 |
CN109308447A (zh) * | 2018-07-29 | 2019-02-05 | 国网上海市电力公司 | 在电力远程监控中自动提取设备运行参数和运行状态的方法 |
CN109492637A (zh) * | 2018-11-06 | 2019-03-19 | 西安艾润物联网技术服务有限责任公司 | 识别区的调整方法、识别仪终端及可读存储介质 |
CN109858474A (zh) * | 2019-01-08 | 2019-06-07 | 北京全路通信信号研究设计院集团有限公司 | 一种变压器油面温控器检测与识别方法 |
CN109902624A (zh) * | 2019-02-27 | 2019-06-18 | 百度在线网络技术(北京)有限公司 | 用于呈现信息的方法和装置 |
CN110427824A (zh) * | 2019-06-28 | 2019-11-08 | 特斯联(北京)科技有限公司 | 一种人工智能虚拟场景的安防自动测试方法及系统 |
CN111144232A (zh) * | 2019-12-09 | 2020-05-12 | 国网智能科技股份有限公司 | 基于智能视频监控的变电站电子围栏监测方法、存储介质及设备 |
CN111835084A (zh) * | 2020-07-22 | 2020-10-27 | 中国南方电网有限责任公司超高压输电公司南宁局 | 一种基于视觉识别的变电站工作票安全措施完整性判别方法 |
CN112700403A (zh) * | 2020-12-09 | 2021-04-23 | 国网宁夏电力有限公司检修公司 | 一种带电间隔防误入检测方法、介质及系统 |
CN113449599A (zh) * | 2021-05-27 | 2021-09-28 | 国网河北省电力有限公司行唐县供电分公司 | 一种基于图像识别技术的室内变电站智能运维辅助装置 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050225637A1 (en) * | 2004-04-13 | 2005-10-13 | Globaleye Network Intelligence Ltd. | Area monitoring |
CN1870750A (zh) * | 2006-04-29 | 2006-11-29 | 北京北大方正电子有限公司 | 一种报警处理系统及方法 |
CN101059896A (zh) * | 2007-05-16 | 2007-10-24 | 华为技术有限公司 | 侦测报警方法和报警系统 |
CN101320505A (zh) * | 2008-07-04 | 2008-12-10 | 浙江大学 | 基于多路网络视频流并行处理的分区视频监控方法 |
JP2009239507A (ja) * | 2008-03-26 | 2009-10-15 | Smk Corp | 監視システム |
CN102722166A (zh) * | 2012-06-29 | 2012-10-10 | 山东电力集团公司电力科学研究院 | 变电站设备智能视觉检测系统及状态检测方法 |
CN103164692A (zh) * | 2012-12-03 | 2013-06-19 | 北京科技大学 | 一种基于计算机视觉的特种车辆仪表自动识别系统及算法 |
CN103634571A (zh) * | 2013-11-29 | 2014-03-12 | 国家电网公司 | 基于移动客户端的不规则多边形监控预警区域划定方法 |
CN103927507A (zh) * | 2013-01-12 | 2014-07-16 | 山东鲁能智能技术有限公司 | 一种改进的变电站巡检机器人的多仪表读数识别方法 |
CN104573702A (zh) * | 2014-12-01 | 2015-04-29 | 长沙众治电气技术有限公司 | 一种六氟化硫压力仪表图像自动识别方法 |
CN104657711A (zh) * | 2015-02-09 | 2015-05-27 | 中国石油大学(华东) | 一种鲁棒的指针式仪表读数自动识别方法 |
-
2015
- 2015-06-09 CN CN201510310956.6A patent/CN104994334A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050225637A1 (en) * | 2004-04-13 | 2005-10-13 | Globaleye Network Intelligence Ltd. | Area monitoring |
CN1870750A (zh) * | 2006-04-29 | 2006-11-29 | 北京北大方正电子有限公司 | 一种报警处理系统及方法 |
CN101059896A (zh) * | 2007-05-16 | 2007-10-24 | 华为技术有限公司 | 侦测报警方法和报警系统 |
JP2009239507A (ja) * | 2008-03-26 | 2009-10-15 | Smk Corp | 監視システム |
CN101320505A (zh) * | 2008-07-04 | 2008-12-10 | 浙江大学 | 基于多路网络视频流并行处理的分区视频监控方法 |
CN102722166A (zh) * | 2012-06-29 | 2012-10-10 | 山东电力集团公司电力科学研究院 | 变电站设备智能视觉检测系统及状态检测方法 |
CN103164692A (zh) * | 2012-12-03 | 2013-06-19 | 北京科技大学 | 一种基于计算机视觉的特种车辆仪表自动识别系统及算法 |
CN103927507A (zh) * | 2013-01-12 | 2014-07-16 | 山东鲁能智能技术有限公司 | 一种改进的变电站巡检机器人的多仪表读数识别方法 |
CN103634571A (zh) * | 2013-11-29 | 2014-03-12 | 国家电网公司 | 基于移动客户端的不规则多边形监控预警区域划定方法 |
CN104573702A (zh) * | 2014-12-01 | 2015-04-29 | 长沙众治电气技术有限公司 | 一种六氟化硫压力仪表图像自动识别方法 |
CN104657711A (zh) * | 2015-02-09 | 2015-05-27 | 中国石油大学(华东) | 一种鲁棒的指针式仪表读数自动识别方法 |
Non-Patent Citations (1)
Title |
---|
余松煜,周源华,张瑞编: "《数字图像处理》", 28 February 2007, 上海:上海交通大学出版社 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105701934A (zh) * | 2016-04-19 | 2016-06-22 | 武汉理工光科股份有限公司 | 光纤传感周界安防系统的图形化策略配置方法 |
CN106101618A (zh) * | 2016-06-16 | 2016-11-09 | 中国铝业股份有限公司 | 基于图像识别的现场设备视频监控方法 |
CN106507037A (zh) * | 2016-09-30 | 2017-03-15 | 北京中星微电子有限公司 | 人员入侵/越界的智能监控方法和系统 |
CN107862245A (zh) * | 2017-09-27 | 2018-03-30 | 广东电网有限责任公司中山供电局 | 一种客户端配电房的异常监测方法 |
CN107743124B (zh) * | 2017-10-18 | 2020-12-11 | 重庆因博科技有限公司 | 实验室资源共享与管理系统 |
CN107743124A (zh) * | 2017-10-18 | 2018-02-27 | 优来博(重庆)科技有限公司 | 实验室资源共享与管理系统及实验仪器或设备的监控方法 |
CN109308447A (zh) * | 2018-07-29 | 2019-02-05 | 国网上海市电力公司 | 在电力远程监控中自动提取设备运行参数和运行状态的方法 |
CN109214316A (zh) * | 2018-08-21 | 2019-01-15 | 北京深瞐科技有限公司 | 周界防护方法及装置 |
CN109246392A (zh) * | 2018-09-21 | 2019-01-18 | 南京七宝机器人技术有限公司 | 一种基于机器视觉的变电站顺序控制校核装置 |
CN109492637A (zh) * | 2018-11-06 | 2019-03-19 | 西安艾润物联网技术服务有限责任公司 | 识别区的调整方法、识别仪终端及可读存储介质 |
CN109858474A (zh) * | 2019-01-08 | 2019-06-07 | 北京全路通信信号研究设计院集团有限公司 | 一种变压器油面温控器检测与识别方法 |
CN109858474B (zh) * | 2019-01-08 | 2021-10-19 | 北京全路通信信号研究设计院集团有限公司 | 一种变压器油面温控器检测与识别方法 |
CN109902624A (zh) * | 2019-02-27 | 2019-06-18 | 百度在线网络技术(北京)有限公司 | 用于呈现信息的方法和装置 |
CN110427824A (zh) * | 2019-06-28 | 2019-11-08 | 特斯联(北京)科技有限公司 | 一种人工智能虚拟场景的安防自动测试方法及系统 |
CN111144232A (zh) * | 2019-12-09 | 2020-05-12 | 国网智能科技股份有限公司 | 基于智能视频监控的变电站电子围栏监测方法、存储介质及设备 |
CN111835084A (zh) * | 2020-07-22 | 2020-10-27 | 中国南方电网有限责任公司超高压输电公司南宁局 | 一种基于视觉识别的变电站工作票安全措施完整性判别方法 |
CN112700403A (zh) * | 2020-12-09 | 2021-04-23 | 国网宁夏电力有限公司检修公司 | 一种带电间隔防误入检测方法、介质及系统 |
CN113449599A (zh) * | 2021-05-27 | 2021-09-28 | 国网河北省电力有限公司行唐县供电分公司 | 一种基于图像识别技术的室内变电站智能运维辅助装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104994334A (zh) | 基于实时视频的变电站自动监控方法 | |
CN108307146B (zh) | 一种高压输电线路安全隐患检测系统及方法 | |
CN102722166B (zh) | 变电站设备智能视觉检测系统及状态检测方法 | |
CN106326808B (zh) | 基于无人机图像的检测输电线路杆塔上鸟窝的方法 | |
CN108537154A (zh) | 基于hog特征和机器学习的输电线路鸟巢识别方法 | |
CN114373245B (zh) | 基于数字化电厂的智能巡检系统 | |
CN108037133A (zh) | 一种基于无人机巡检图像的电力设备缺陷智能识别方法及其系统 | |
CN102842211B (zh) | 一种基于图像识别的输电线路防外力监控预警系统及方法 | |
CN111144291A (zh) | 基于目标检测的视频监控区域人员入侵判别方法及装置 | |
CN104787084A (zh) | 一种铁路异物侵限检测系统及检测方法 | |
CN111599031A (zh) | 一种电力巡检机器人巡检数据采集分析方法及系统 | |
CN110866616A (zh) | 一种变电站二次设备故障预警方法及装置 | |
CN112776856A (zh) | 轨道异物侵限监测方法、装置、系统及监控主机设备 | |
CN112257632A (zh) | 一种基于边缘计算的变电站监测系统 | |
CN116826958A (zh) | 一种数字化输电通道智能安全巡检方法 | |
CN113536440B (zh) | 一种基于bim运维管理系统的数据处理方法 | |
CN115880722A (zh) | 一种配电作业人员穿戴的智能识别方法、系统和介质 | |
CN104574729A (zh) | 一种报警方法、装置及系统 | |
CN110543809A (zh) | 一种电力作业现场风险监管入侵视频识别方法 | |
CN106355187A (zh) | 视觉信息在电力设备监测中的应用 | |
CN112351247A (zh) | 一种基于图像处理的水电厂内电光闪光检测方法 | |
CN111310723A (zh) | 基于深度学习技术的变电站人员穿戴规范分析方法 | |
CN210271176U (zh) | 一种人体行为识别装置 | |
CN112101375A (zh) | 一种基于深度学习的智能变电站设备状态检测方法和系统 | |
CN112087058A (zh) | 基于电力数字模型的智能巡检系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | 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 |
Application publication date: 20151021 |
|
RJ01 | Rejection of invention patent application after publication |