CN105141887A - 一种基于热成像的海缆区域视频告警方法 - Google Patents

Abstract

一种基于热成像的海缆区域视频告警方法，本发明涉及一种视频告警方法。目前，海底电缆保护区水域安保监控，漏报概率也较大，可靠性低。本发明特征在于：热成像报警分析时，通过图像分割技术将船舶目标从背景图像中提取出来；在图像分割时，通过一阶导数和二阶导数检测一副图像中的边缘并对灰度级间断进行判断以将边缘线段组合为更长的边缘；一阶导数用于判断图像中的像素点是否为边缘点；二阶导数用于判断一边缘像素是在边缘亮的一边还是在暗的一边；一阶导数用梯度算子计算，二阶导数使用拉普拉斯算子计算。本技术方案利用热成像视频监控技术，提高了报警准确率，降低了海缆运行报警漏报和误报的概率。

Description

一种基于热成像的海缆区域视频告警方法

技术领域

本发明涉及一种视频告警方法，尤其涉及一种基于热成像的海缆区域视频告警方法。

背景技术

海底电缆保护区水域安保监控起初主要采用AIS船舶自动识别系统(以下简称AIS系统)作为船舶动态监控手段。AIS系统通过获取船上AIS船台发出船舶的相关位置、航速、航向等动态信息和船名、呼号等船舶静态信息，由岸基AIS台站接收船舶的AIS信息，以实现对AIS船舶的跟踪。该系统的缺点是只有在AIS岸台覆盖水域且安装有AIS船台的船舶才能被监控，受AIS船台是否开机和船舶静态信息输入是否规范的影响，且AIS信息更新速率较慢(一般至少15s)，尤其是小型船舶，因此通过AIS监控效果较有限，漏报概率也较大，可靠性大打折扣。

近年来，雷达识别技术在民用市场上得到了较为广泛的普及应用，海底电缆保护区水域安保监控在运用AIS技术的基础上，又开始引进雷达系统以实现主动探测监控。雷达系统可实现对区域内船舶的主动探测监控，可有效弥补AIS系统被动监控的不足。该系统的缺点是对小型船舶的识别能力相对较差，而且船舶之间相距较近时识别误差较大，安装基础条件也较高，需要向无委申请雷达频点，造价相对昂贵，不适合的广泛推广应用。

发明内容

本发明要解决的技术问题和提出的技术任务是对现有技术方案进行完善与改进，提供一种基于热成像的海缆区域视频告警方法，以达到兼顾成本及准确性的目的。为此，本发明采取以下技术方案。

一种基于热成像的海缆区域视频告警方法，包括：热成像监控步骤、热成像分析步骤、告警步骤，热成像拍摄后，对拍摄的视频画面进行分析，提取船舶轮廓位置，动态分析船舶在画面中的位置变化情况，并根据船舶的位置变化情况判断船舶是否处于航行状态，若在防锚损区发现船舶处于静止时则产生报警信号，其特征在于：热成像报警分析时，通过图像分割技术将船舶目标从背景图像中提取出来；在图像分割时，通过一阶导数和二阶导数检测一副图像中的边缘并对灰度级间断进行判断以将边缘线段组合为更长的边缘；一阶导数用于判断图像中的像素点是否为边缘点；二阶导数用于判断一边缘像素是在边缘亮的一边还是在暗的一边；一阶导数用梯度算子计算，二阶导数使用拉普拉斯算子计算。红外热成像技术是一种被动红外夜视技术，通过光电红外探测器将物体发热部位辐射的功率信号转换成电信号后，成像装置就可以一一对应地模拟出物体表面温度的空间分布，最后经系统处理，形成热图像视频信号，传至显示屏幕上，就得到与物体表面热分布相对应的热像图，即红外热图像。其受光照、天气等自然条件及背景变化(如海浪、云影、树叶摇动等情况)的影响小，可以得到较为准确的结果。通过视频智能分析技术对连续帧的热成像CCTV图像进行分析，实时解算出船舶的位置、航速等动态数据，从而通过CCTV系统主动识别出对海底电缆构成威胁的船舶目标。本技术方案利用热成像视频监控技术，对监控覆盖范围内的船舶进行全天候的主动监控与识别，既实现了对船舶的自动报警，也可让监管人员通过同一画面对报警进行验证，便捷且直观。热成像视频告警技术是对基于AIS、雷达、CCTV监控技术的海底电缆综合监控系统的有效补充，实现了对海洋输电电缆保护区域的多方位、多技术手段的立体化监控，满足对海缆保护区域的监控要求。利用热成像进行视频分析识别船舶的技术相比较雷达系统，在达到类似的主动探测目的同时，其造价更低、安装更简易、人工验证报警也更为直观准确，系统通过对热成像视频监控画面的实时分析识别，从画面中提取船舶目标，结合数据智能分析、自动报警功能实现了对海缆运行区域的全天候自动化智能监控，再结合海底电缆综合监控系统中已有的AIS、雷达、光电扰动等多种技术手段，基本杜绝发生因船舶在海缆区域锚泊而引发的事故，确保海缆的运行安全，提高海缆供电质量。

作为对上述技术方案的进一步完善和补充，本发明还包括以下附加技术特征。

在梯度算子计算时：

图像f(x，y）在位置(x，y)的梯度定义为：

$\▿f=\left[\begin{array}{c}Gx\\ Gy\end{array}\right]=\left[\begin{array}{c}\frac{\∂f}{\∂x}\\ \frac{\∂f}{\∂y}\end{array}\right]$

在边缘检测中，用表示图像f(x，y)在位置(x，y)的梯度的向量值，

$\▿f=mag(\▿f)=\[G_2^x+G_2^y\]1/2$

令α(x，y)表示向量在(x，y)处的方向角，则由向量分析得到：

$\mathrm{\α}(x,y)=\arctan \left(\frac{Gy}{Gx}\right)$

其中，角度是以x轴为基准度量，边缘在(x，y)处的方向与此点的梯度向量的方向垂直。

在拉普拉斯算子计算时：

二维函数f(x，y)的拉普拉斯算子为：

${\▿}^{2}f=\frac{{\∂}^{2}f}{\∂x^2}+\frac{{\∂}^{2}f}{\∂y^2}$

拉普拉斯算子在分割中利用普拉斯算子的零交叉的性质进行边缘定位，并确定一个像素是在一条边缘暗的一边还是亮的一边。

进行边缘定位时，根据函数

${\▿}^{2}h\left(r\right)=-\[\frac{r^2-{\mathrm{\σ}}^2}{{\mathrm{\σ}}^4}\]e^{-\frac{r^2}{2{\mathrm{\σ}}^2}}$

对图像进行平滑处理，抵消由拉普拉斯算子的二阶导数引起的逐渐增加的噪声影响；其中r²＝x²+y²，σ是标准差。

红外摄像机安装于岸边，其以小于90°的倾角俯视水面上的船舶目标；在安装摄像机的时候，测量摄像机的经纬度坐标、海拔高度、水平垂直指向角、水平垂直视场角宽度参数，根据摄像机经纬度坐标、海拔高度、水平垂直指向角、水平垂直视场角宽度建立视频图像坐标与水平面上的对应坐标的投影变换公式，在计算船舶位置时将海拔高度作为水平面的高度，并通过水位测量仪对水平面高度进行修正。

在分析船舶位置时，采用静止摄像机照射光线与水平面或地平面相交的唯一性建立投影关系，并通过预先采集的至少3个控制点，建立视频图像任一像素位置与大地坐标的一一对应关系，根据每帧图像中所识别船舶目标的吃水线像素点计算获得船舶的实时坐标位置信息。

有益效果：本技术方案通过热成像视频分析及告警技术，可以真正实现对通用视频监控系统进行智能化的分析与识别，提高了海缆安全运行的监控能力，能够直观、及时、准确的发现船舶在海缆运行区域减速、锚泊等航行行为，提高了报警准确率，降低了海缆运行报警漏报和误报的概率。热成像视频分析及告警技术的信号采集采用通用的视频监控设备，大大提高了系统兼容性、可扩展性，降低了前端站点建设的资金投入。同时，自动准确报警，有效减轻了海缆运行监控值班人员的工作量。

附图说明

图1是本发明船舶目标地理位置计算说明图。

具体实施方式

以下结合说明书附图对本发明的技术方案做进一步的详细说明。

本发明包括热成像监控步骤、热成像分析步骤、告警步骤，热成像拍摄后，对拍摄的视频画面进行分析，提取船舶轮廓位置，动态分析船舶在画面中的位置变化情况，并根据船舶的位置变化情况判断船舶是否处于航行状态，若在防锚损区发现船舶处于静止时则产生报警信号。

热成像报警分析时，通过图像分割技术将船舶目标从背景图像中提取出来；通过图像分割技术将船舶目标从背景图像中提取出来，在图像分割中，通过一阶导数和二阶导数检测一副图像中的边缘对灰度级间断进行检测，一阶导数可以用于检测图像中的一个点是否是边缘点(也就是判断一个点是否在斜坡上)。同样，二阶导数的符号可以用于判断一个边缘像素是在边缘亮的一边还是在暗的一边。围绕一条边缘，二阶导数有两条附加性质：(1)对图像中的每条边缘，二阶导数生成两个值；(2)一条连接二阶导数正极值和负极值的虚构直线将在边缘中点附近穿过零点，二阶导数的这个过零点的性质对于确定粗边线的中心非常有用。为了对有意义的边缘点进行分类，与这个点相联系的灰度级转变必须在这一点的背景上的转变更强。由于采用局部计算进行处理，决定一个值是否有效的方法就是选定门限，因此，如果一个点的二维一阶导数比指定的门限大，就定义图像中的此点是一个边缘点，依据预先设定好的连接准则，相联系的一组这样的边缘点就定义为一条边缘。分割的关键问题是如何将边缘线段组合为更长的边缘。如果选择使用二阶导数，则另一个可用的定义就是将图像中的边缘点定义为它的二阶导数的零交叉点。图像中的一阶导数用梯度算子计算，二阶导数使用拉普拉斯算子得到。

其中，梯度算子：

一副数字图像的一阶导数是基于各种二维梯度的近似值。图像f(x，y)在位置(x，y)的梯度定义为下列向量：

$\▿f=\left[\begin{array}{c}Gx\\ Gy\end{array}\right]=\left[\begin{array}{c}\frac{\∂f}{\∂x}\\ \frac{\∂f}{\∂y}\end{array}\right]$

从向量分析中可知，梯度向量指向在坐标(x，y)的f的最大变化率方向。

在边缘检测中，一个重要的量是这个向量的大小，用表示，

$\▿f=mag(\▿f)=\[G_2^x+G_2^y\]1/2$

这个量给出了在方向上每增加单位距离后f(x，y)值增大后的最大变化率。

梯度向量的方向也是一个重要的量。令α(x，y)表示向量在(x，y)处的方向角。然后，由向量分析得到：

$\mathrm{\α}(x,y)=\arctan \left(\frac{Gy}{Gx}\right)$

其中，角度是以x轴为基准度量的。边缘在(x，y)处的方向与此点的梯度向量的方向垂直。

计算图像的梯度要基于每个像素位置都得到偏导数和

拉普拉斯算子：

二维函数f(x，y)的拉普拉斯算子是如下定义的二阶导数：

${\▿}^{2}f=\frac{{\∂}^{2}f}{\∂x^2}+\frac{{\∂}^{2}f}{\∂y^2}$

拉普拉斯算子在分割中所起的作用包括：(1)利用它的零交叉的性质进行边缘定位，(2)确定一个像素是在一条边缘暗的一边还是亮的一边。

对第一类作用，拉普拉斯算子与平滑过程一起利用零交叉作为找到边缘的前兆。考虑函数

$h\left(r\right)=-e^{-\frac{r^2}{2{\mathrm{\σ}}^2}}$

其中r²＝x²+y²,σ是标准差。用一副图像与该函数卷积模糊该图像，图像的模糊程度是由σ值决定的。h的拉普拉斯算子(h关于r的二阶导数)是：

${\▿}^{2}h\left(r\right)=-\[\frac{r^2-{\mathrm{\σ}}^2}{{\mathrm{\σ}}^4}\]e^{-\frac{r^2}{2{\mathrm{\σ}}^2}}$

这个公式一般称为高斯型的拉普拉斯算子(简称LoG)。在LoG公式中使用高斯型函数的目的就是对图像进行平滑处理，使用拉普拉斯算子的目的是提供一副用零交叉确定边缘位置的图像。图像的平滑处理减少了噪声的影响，并且它的主要作用还是抵消由拉普拉斯算子的二阶导数引起的逐渐增加的噪声影响。

船舶目标地理位置计算方法为：

要实现对船舶航行速度的判断并建立船舶的跟踪，以及与系统的其他功能模块相配合，则需要通过有效的投影算法建立视频监控图像的像素点与大地坐标的一一对应关系，即实时计算出船舶目标的大地坐标数据(经纬度)。

通常监视船舶的摄像机都是安装在一个岸边的高处，以小于90°的倾角俯视水面上的船舶等目标。这种情况下，矩形的视频画面投影在水平面上是一个梯形区域，视频图像上的每一个像素，对应的是从摄像机发出的一条射线，这条射线与水平面的交点即是这个像素在实际空间的对应坐标。

如图1所示的船舶目标地理位置计算说明图，采用静止摄像机照射光线与水平面或地平面相交的唯一性建立投影关系，并通过预先采集至少3个控制点，建立视频图像任一像素位置与大地坐标的一一对应关系，从而可根据每帧图像中所识别船舶目标的吃水线像素点获得船舶的实时坐标位置信息。

船舶目标轨迹跟踪方法为：

当船舶目标被识别出来且已计算出船舶经纬度后，需要建立对船舶目标的轨迹跟踪，跟踪是在船舶目标视频的基础上，在视频帧之间对比寻找特征信息相近的目标，将它们进行关联，从而形成对一个目标的持续跟踪，并进一步提取目标的运动信息，如运动轨迹、方向、速度等。在计算运动目标的运动参数时，跟踪目标的中心位置提取非常关键。图像上几个像素的偏差在经过投影变换后可能转变为几十米乃至数百米的偏差。而在录取过程中，由于视频图像背景噪音等因素的影响，提取出的目标中心位置往往难以稳定在实际点上。所以需要对中心点进行滤波处理，以防轨迹曲线产生大的波动。目标在刚进入画面和驶离画面时，中心点也很难提取，因为目标并不全在视频图像中。这种情况下，可以使用模拟补偿的算法对其进行特殊处理，有效平滑了目标运动轨迹，也使计算出来的运动参数更为准确。

海缆区域船舶报警流程为：通过以上船舶目标识别提取、船舶目标地理位置计算、船舶轨迹跟踪三个过程的处理后，已经可以将船舶实际在海面上航行的状态(位置、运动轨迹、方向、速度)以图形化的符号展示在海缆监控平台上面，海缆区域船舶预警(或报警)实际上就是对船舶在海缆保护区域的航行状态进行分析，根据预设的规则对当前在海缆保护区内航行或停泊的船舶实现预报警)，从而达到预防船舶抛锚损坏海缆的目的。

具体报警流程描述如下：

(1)报警监测区域设置

每条需要保护的海底电缆均有报警监测区域，该区域是通过海底电缆的经纬度坐标序列和防护距离这两个参数自动计算而成，防护距离是根据每条海底电缆的现场实际环境不同分别进行设定，并自动生成的报警监测区域。

(2)船舶航行行为分析

基于热成像视频监控技术的船舶动态监测手段是通过热成像视频分析技术，从视频画面中提取船舶的经纬度坐标，并对连续帧视频进行分析，从而推算出船舶的运动速度，并结合在海缆保护区域(即报警监测区域)预设的船舶速度限制规则，实现对船舶在海缆保护区域低速或停泊行为的自动报警。

热成像视频采集到视频画面后，对成像后的图像所有像素点进行行为分析，把符合船舶特征的目标像素点序列识别为船舶，根据其像素点在画面中的动态变化，分析其运动方向、速度，为报警处理提供原始数据支持。

(3)报警处理流程

当新报警发生或某未结束的报警产生新的子系统报警时，系统会发出声光提示，提醒管理员进行处理：

船舶报警计算功能是以海缆预警报警区域为基础，通过对热成像视频分析船舶动态的位置、速度等信息的实时计算，自动识别海缆预警报警区域的低速船舶和停泊船舶，并产生报警信息。

报警提示功能根据报警位置、报警种类在电子海图上动画展现报警提示，同时辅以声音提示，以引起值班人员的注意。

报警处理包括报警确认、报警登记、警情处置等功能。当值班员收到报警信息后可通过一体化平台调用CCTV监控视频，查看现场的具体状况，并通过无线远程语音系统对现场进行干预和指挥，同时可调用CCTV联动追踪功能对报警船舶进行跟踪，确保该船舶顺利离开海缆预报警区域。在人机互动界面上，显示报警区域、报警类型、及实时的红外图像。

以上所示的一种基于热成像的海缆区域视频告警方法是本发明的具体实施例，已经体现出本发明实质性特点和进步，可根据实际的使用需要，在本发明的启示下，对其进行形状、结构等方面的等同修改，均在本方案的保护范围之列。

Claims (5)

1.一种基于热成像的海缆区域视频告警方法，包括：热成像监控步骤、热成像分析步骤、告警步骤，热成像拍摄后，对拍摄的视频画面进行分析，提取船舶轮廓位置，动态分析船舶在画面中的位置变化情况，并根据船舶的位置变化情况判断船舶是否处于航行状态，若在防锚损区发现船舶处于静止时则产生报警信号，其特征在于：热成像报警分析时，通过图像分割技术将船舶目标从背景图像中提取出来；在图像分割时，通过一阶导数和二阶导数检测一副图像中的边缘并对灰度级间断进行判断以将边缘线段组合为更长的边缘；一阶导数用于判断图像中的像素点是否为边缘点；二阶导数用于判断边缘像素是在边缘亮的一边还是在暗的一边；一阶导数用梯度算子计算，二阶导数使用拉普拉斯算子计算。

2.根据权利要求1所述的一种基于热成像的海缆区域视频告警方法，其特征在于：在梯度算子计算时：

图像f(x，y)在位置(x，y)的梯度定义为：

$\▿f=\left[\begin{array}{c}Gx\\ Gy\end{array}\right]=\left[\begin{array}{c}\frac{\∂f}{\∂x}\\ \frac{\∂f}{\∂y}\end{array}\right]$

在边缘检测中，用表示图像f(x，y)在位置(x，y)的梯度的向量值，

$\▿f=mag(\▿f)=\[G_2^x+G_2^y\]1/2$

令α(x，y)表示向量在(x，y)处的方向角，则由向量分析得到：

$\mathrm{\α}(x,y)=arctan\left(\frac{Gy}{Gx}\right)$

其中，角度是以x轴为基准度量，边缘在(x，y)处的方向与此点的梯度向量的方向垂直。

3.根据权利要求1所述的一种基于热成像的海缆区域视频告警方法，其特征在于：在拉普拉斯算子计算时：

二维函数f(x，y)的拉普拉斯算子为：

${\▿}^{2}f=\frac{{\∂}^{2}f}{\∂x^2}+\frac{{\∂}^{2}f}{\∂y^2}$

拉普拉斯算子在分割中利用普拉斯算子的零交叉的性质进行边缘定位，并确定一个像素是在一条边缘暗的一边还是亮的一边。

进行边缘定位时，根据函数

${\▿}^{2}h\left(r\right)=-\[\frac{r^2-{\mathrm{\σ}}^2}{{\mathrm{\σ}}^4}\]e^{-\frac{r^2}{2{\mathrm{\σ}}^2}}$

对图像进行平滑处理，抵消由拉普拉斯算子的二阶导数引起的逐渐增加的噪声影响；其中r²＝x²+y²，σ是标准差。

4.根据权利要求1所述的一种基于热成像的海缆区域视频告警方法，其特征在于：红外摄像机安装于岸边，其以小于90°的倾角俯视水面上的船舶目标；在安装摄像机的时候，测量摄像机的经纬度坐标、海拔高度、水平垂直指向角、水平垂直视场角宽度参数，根据摄像机经纬度坐标、海拔高度、水平垂直指向角、水平垂直视场角宽度建立视频图像坐标与水平面上的对应坐标的投影变换公式，在计算船舶位置时将海拔高度作为水平面的高度，并通过水位测量仪对水平面高度进行修正。

5.根据权利要求1所述的一种基于热成像的海缆区域视频告警方法，其特征在于：在分析船舶位置时，采用静止摄像机照射光线与水平面或地平面相交的唯一性建立投影关系，并通过预先采集的至少3个控制点，建立视频图像任一像素位置与大地坐标的一一对应关系，根据每帧图像中所识别船舶目标的吃水线像素点计算获得船舶的实时坐标位置信息。