CN107657260A - 一种输电线路周边环境中地面隐患的检测方法 - Google Patents
一种输电线路周边环境中地面隐患的检测方法 Download PDFInfo
- Publication number
- CN107657260A CN107657260A CN201710929920.5A CN201710929920A CN107657260A CN 107657260 A CN107657260 A CN 107657260A CN 201710929920 A CN201710929920 A CN 201710929920A CN 107657260 A CN107657260 A CN 107657260A
- Authority
- CN
- China
- Prior art keywords
- image
- region
- ground
- hidden danger
- transmission line
- 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.)
- Granted
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 57
- 238000001514 detection method Methods 0.000 title claims abstract description 51
- 230000005611 electricity Effects 0.000 title claims abstract description 44
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 9
- 230000004075 alteration Effects 0.000 claims description 8
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims description 4
- 230000005484 gravity Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000002265 prevention Effects 0.000 abstract description 7
- 238000010276 construction Methods 0.000 description 11
- 235000013399 edible fruits Nutrition 0.000 description 8
- 230000008859 change Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000007774 longterm Effects 0.000 description 4
- 238000007619 statistical method Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000006116 polymerization reaction Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明公开了一种输电线路周边环境中地面隐患的检测方法,它包括以下步骤:步骤1:对当前待检测图像做图像预处理,并进行边缘检测得到其边缘图像;步骤2:利用边缘图像分割出地面区域范围,并将非地面区域的像素值置0;步骤3:选择当前待检测图像的前一张图像作为对比图像,对对比图像按照步骤1进行同样操作,利用当前待检测图像和对比图像的边缘图像进行差分处理,并根据差分结果确定当前待检测图像中的变化区域;步骤4:统计当前待检测图像前后N张图像的变化区域信息,将出现频率高且位置集中的变化区域挑选出来作为有隐患的区域,并进行报警。本发明能够检测出输电线路线下的外力破坏事故隐患,为预防输电线路断电事故提供了科学依据。
Description
技术领域
本发明涉及一种输电线路周边环境中地面隐患的检测方法,属于计算机视觉及输电线路安全监管技术领域。
背景技术
随着国民经济的发展,各行各业对电力的需求不断扩大,各种人为和自然事故导致的断电造成的损失也越来越大。如何提早发现、处理和预防危害输电线路的自然灾害及意外事故,时刻保障电力正常供应,成为人们关注的焦点。
2009年我国国家电网公司提出“坚强智能电网”发展规划,输电线路智能化巡检开始受到人们的重视。目前在我国许多地方已开始通过在各个高压输电线路的杆塔上安装摄像头来监控输电线路情况,代替传统的人工巡线。最初时,摄像头拍摄图像或视频传回服务器,再由人工观察来排查隐患,工作量非常大,而且主观性强,效率低下。随着智能信息处理技术的发展,人们开始探索自动检测场景中隐患的方法,也取得了一定的进展。
例如,2012年何川在《高压输电线路视频监控技术研究》一文中提出了自适应阈值目标提取算法、基于减法运算及纹理特性的识别算法、改进的模版匹配算法和基于特征值点的插值算法,降低了环境对识别的干扰,在输电线路覆冰、断线、施工机械入侵和线路弧垂越限等异常的视频监控中有一定作用;2015年张烨在《输电线路防外力破坏智能预警系统研究》中提出利用高斯混合模型、背景差分和最小外界矩形等算法实现对云台摄像机捕捉的运动目标进行检测和识别的方法,在输电线路防外力破坏方面起到了积极的作用。
事实上,拍摄视频进行监控的方式还存在一些不足,如大量信息冗余、传输流量消耗、不间断电力供应难等问题。针对这些不足,部分人开始改变思路,尝试间隔性拍摄图片来进行监控,该方式以牺牲部分实时性为代价减少了大量的冗余信息及流量、能源消耗,比视频监控模式具备更好的前景和应用价值。但是由于间隔拍摄的图片之间缺少连续性,缺少动态信息,原来基于视频的隐患检测算法就不再适用,需要设计新的基于间隔拍摄的图像相应检测算法,在这一方面,人们尚处于起步阶段,还没有成熟健全的检测方法。
输电线路场景中的隐患多种多样,主要包括施工工地、堆积物、工程车辆、大型机械、线下植物、火灾等等。其相应的检测方法也很难统一,应该具体问题具体分析,对不同隐患设计不同的检测算法。这里,我们仅讨论施工工地及堆积物这类长期复合隐患的检测的相关内容。
输电线路环境中地面长期隐患主要包括施工工地、堆积物等类型,由于这些区域人为活动密集,且可能有一些大型机械出现,所以有可能会碰触高压输电线,造成断电,所以是一种较为常见的隐患,需要通过监控及时掌握其动态,并提醒相关工作人员注意。
与施工机械、车辆、火灾等独立隐患不同,这些长期隐患并不是单独的一个目标,而是许多目标在一段时间内活动的聚合,直接对图像中的单个目标进行识别显然无法检测到这些隐患,因此,迫切需要一种能够检测输电线路周边环境中施工工地和堆积物等地面隐患的方法。
发明内容
针对上述不足,本发明提供了一种输电线路周边环境中地面隐患的检测方法,其能够检测出输电线路线下的外力破坏事故隐患,为预防输电线路断电事故提供了科学依据,具备较大的实用价值。
本发明解决其技术问题采取的技术方案是:
本发明的一种输电线路周边环境中地面隐患的检测方法,其特征是,通过对安装在输电线路杆塔上的摄像头拍摄的输电线路环境图像进行地面隐患分析,检测出输电线路线下的外力破坏事故隐患。
进一步地,所述输电线路环境图像进行地面隐患分析的过程包括以下步骤:
步骤1:对当前待检测图像做图像预处理,并进行边缘检测得到其边缘图像;
步骤2:利用边缘图像分割出地面区域范围,并将非地面区域的像素值置0;
步骤3:选择当前待检测图像的前一张图像作为对比图像,对对比图像按照步骤1进行同样操作,利用当前待检测图像和对比图像的边缘图像进行差分处理,并根据差分结果确定当前待检测图像中的变化区域;
步骤4:统计当前待检测图像前后N张图像的变化区域信息,将出现频率高且位置集中的变化区域挑选出来作为有隐患的区域,并进行报警。
进一步地,所述步骤1的具体步骤如下:
步骤11,将彩色图像转化为灰度图;
步骤12,对图像进行核大小为5*5的中值滤波,消除噪声并保留边缘信息;
步骤13,利用Sobel算子对图像进行边缘检测;
步骤14,利用大津法求得图像二值化的自适应阈值T,并将图像中小于该阈值的像素置为0。
进一步地,所述步骤2的具体步骤如下:
步骤21,对步骤1中得到的边缘图像的连通域进行分析,取面积最大且重心位置最靠上的无边缘区域作为天空区域,除去天空区域外的最大连通区域即为地面区域;
步骤22,将分割出地面区域范围的边缘图像中对应非地面区域的像素值置0。
进一步地,所述步骤3的具体步骤如下:
步骤31,选择当前待检测图像的前一张图像作为对比图像,对对比图像按照步骤1进行同样操作;
步骤32,将当前待检测图像和对比图像转化到HSV和YUV颜色空间;
步骤33,在色调H、色差U和色差V三个分量上进行差分处理,使用大津法对差分结果进行二值化处理并将二值化后的图像作或运算合并得到最终的差分结果;
步骤34,遍历差分结果图像,提取其中的连通区域,去除像素数少于200的区域,以剩余的每个连通区域的外接矩形作为变化区域。
进一步地,所述步骤4的具体步骤如下:
步骤41,将800*600像素的图像分割为48个100*100像素的方形区域,并用数组A[x][y]记录对应区域中的出现变化的次数,A[x][y]中数值初值均为0,x=0、1、2......7,y=0、1、2......5;
步骤42,统计当前待检测图像前后N张图像的变化区域信息,对于每一张图像,如果在一个100*100的区域中存在完整或部分的变化区域,则在数组A[x][y]中该区域对应位置加1,每张图片中的变化区域最多使数组A[x][y]中同位置的计数增加1;
步骤43,选取数组A[x][y]中计数值大于等于7的对应区域作为存在隐患的区域,并进行报警。
进一步地,N位正整数且N≥8。
本发明的另一种输电线路周边环境中地面隐患的检测方法,其特征是,首先对图像进行相关预处理,然后利用边缘检测获得其边缘图像,再根据边缘图像分割出图像中的地面区域;在检测时,对于每一张新的图像,都与同摄像头拍摄的前一张图像作对比,在HSV和YUV颜色空间的多个分量上进行差分,融合差分结果得到该图像中发生变化的区域,然后统计该摄像头拍摄的最近10张图像的变化区域信息,挑选出现频率高且位置集中的区域作为有隐患的区域,进行报警。
进一步地,所述的检测方法包括以下具体步骤:
步骤1:对当前待检测图像做图像预处理,并进行边缘检测得到其边缘图像;
步骤2:利用边缘图像分割出地面区域范围,并将非地面区域的像素值置0;
步骤3:选择当前待检测图像的前一张图像作为对比图像,对对比图像按照步骤1进行同样操作,利用当前待检测图像和对比图像的边缘图像进行差分处理,并根据差分结果确定当前待检测图像中的变化区域;
步骤4:统计当前待检测图像前后10张图像的变化区域信息,将出现频率高且位置集中的变化区域挑选出来作为有隐患的区域,并进行报警。
本发明的有益效果是:
本发明通过对安装在输电线路杆塔上的摄像头拍摄的图像进行地面隐患分析,检测其中的线下施工工地、堆积物等地面隐患,为预防输电线路外力破坏事故提供科学依据。本发明充分考虑了输电线路环境中地面隐患的特点,总结了有隐患时图像中出现变化的规律,并利用统计方法进行隐患检测,能够较好地检测出图片中的地面隐患,提醒人们关注这些目标,为预防输电线路断电事故提供了科学依据,具备较大的实用价值。
本发明首先对图像进行相关预处理,然后利用边缘检测获得其边缘图像,再根据边缘图像分割出图像中的地面区域;在检测时,对于每一张新的图像,都与同摄像头拍摄的前一张图像作对比,在HSV和YUV颜色空间的多个分量上进行差分,融合差分结果得到该图像中发生变化的区域,然后统计该摄像头拍摄的最近10张图像的变化区域信息,挑选出现频率高且位置集中的区域作为有隐患的区域,进行报警。本发明得到了较好的检测效果,通过检测出输电线路线下的外力破坏事故隐患,为预防输电线路断电事故提供了科学依据,具备较大的实用价值。
附图说明
图1为本发明的方法流程图;
图2(a)和图2(b)为地面区域分割结果对比示意图,图2(a)为地面区域分割前待检测图像的示意图,图2(b)为对待检测图像进行地面区域分割后的示意图;
图3为图像分割区域与数组A的对应关系示意图。
具体实施方式
为能清楚说明本方案的技术特点,下面通过具体实施方式并结合其附图对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开,下文中对特定例子的部件和设置进行描述。此外,本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的,其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意,在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。
与施工机械、车辆、火灾等独立隐患不同,输电线路下方附近的施工工地和堆积物这些地面长期隐患并不是单独的一个目标,而是许多目标在一段时间内活动的聚合,直接对图像中的单个目标进行识别显然无法检测到这些隐患,本发明从统计分析的角度寻求解决问题的方法。本发明将当前图像与上一张图像差分的结果视作变化区域,通过对有隐患和无隐患情况下变化区域分布的分析,发现规律如下表所示:
根据上述规律做出假设:如果某处出现了线下施工、停车场、堆积物等隐患,在该区域处的人为活动会非常活跃,进而在图像上表现出较多的变化;如果场景中不存在隐患,则没有密集的人为活动,图像中出现的变化也较少,且位置是离散分布的。对于这一假设,通过观察拍摄的输电线路环境图像进行验证,发现除闹市及路口等人为活动本身就密集的特殊场景外,大部分场景的情况都符合该假设。
据此本发明提出了一种输电线路周边环境中地面隐患的检测方法,它设计了对变化区域进行统计分析的检测方法,得到了较好的检测效果,为预防输电线路断电事故提供了科学依据,具备较大的实用价值。
实施例1
本发明的一种输电线路周边环境中地面隐患的检测方法,它通过对安装在输电线路杆塔上的摄像头拍摄的输电线路环境图像进行地面隐患(输电线路下方及附近是否有可能对输电线路造成破坏的施工工地、停车场、堆积物等隐患)分析,检测出输电线路线下的外力破坏事故隐患。
如图1所示,所述输电线路环境图像进行地面隐患分析的过程包括以下步骤:
步骤1:对如图2(a)所示的当前待检测图像做图像预处理,并进行边缘检测得到其边缘图像。
所述步骤1的具体步骤如下:
步骤11,将彩色图像转化为灰度图;
步骤12,对图像进行核大小为5*5的中值滤波,消除噪声并保留边缘信息;
步骤13,利用Sobel算子对图像进行边缘检测;
步骤14,利用大津法求得图像二值化的自适应阈值T,并将图像中小于该阈值的像素置为0,而图像中大于该阈值的像素则不变。
步骤2:利用边缘图像分割出地面区域范围,并将非地面区域的像素值置0。
所述步骤2的具体步骤如下:
步骤21,对步骤1中得到的边缘图像的连通域进行分析,取面积最大且重心位置最靠上的无边缘区域作为天空区域,除去天空区域外的最大连通区域即为地面区域;结果如图2(b)所示,图2(b)中下方的黑色部分为图2(a)划分出的地面区域;
步骤22,将分割出地面区域范围的边缘图像中对应非地面区域的像素值置0,避免影响后续检测。
步骤3:选择当前待检测图像的前一张图像(即拍摄当前待检测图像的摄像头拍摄的当前待检测图像前一张图像)作为对比图像,对对比图像按照步骤1进行同样操作,利用当前待检测图像和对比图像的边缘图像进行差分处理,并根据差分结果确定当前待检测图像中的变化区域;
所述步骤3的具体步骤如下:
步骤31,选择当前待检测图像的前一张图像作为对比图像,对对比图像按照步骤1进行同样操作;
步骤32,将当前待检测图像和对比图像转化到HSV和YUV颜色空间;
步骤33,在色调H、色差U和色差V三个分量上进行差分处理,使用大津法对差分结果进行二值化处理并将二值化后的图像作或运算合并得到最终的差分结果;
步骤34,遍历差分结果图像,提取其中的连通区域,去除像素数少于200的区域,以剩余的每个连通区域的外接矩形作为变化区域。
步骤4:统计当前待检测图像前后N张图像的变化区域信息,将出现频率高且位置集中的变化区域挑选出来作为有隐患的区域,并进行报警,其中,N位正整数且N≥8。。
所述步骤4的具体步骤如下:
步骤41,将800*600像素的图像分割为48个100*100像素的方形区域,并用数组A[x][y]记录对应区域中的出现变化的次数,分割区域与数组A[x][y]的对应关系如图3所示,其中,A[x][y]中数值初值均为0,x=0、1、2......7,y=0、1、2......5;
步骤42,统计当前待检测图像前后N张图像的变化区域信息,对于每一张图像,如果在一个100*100的区域中存在完整或部分的变化区域,则在数组A[x][y]中该区域对应位置加1,每张图片中的变化区域最多使数组A[x][y]中同位置的计数增加1(即使同一张图片中有多个变化区域出现在同一个100*100的区域中,数组A[x][y]中该区域的计数也只增加1);
步骤43,选取数组A[x][y]中计数值大于等于7的对应区域作为存在隐患的区域,并进行报警。
实施例2
本发明的另一种输电线路周边环境中地面隐患的检测方法,首先对图像进行相关预处理,然后利用边缘检测获得其边缘图像,再根据边缘图像分割出图像中的地面区域;在检测时,对于每一张新的图像,都与同摄像头拍摄的前一张图像作对比,在HSV和YUV颜色空间的多个分量上进行差分,融合差分结果得到该图像中发生变化的区域,然后统计该摄像头拍摄的最近10张图像的变化区域信息,挑选出现频率高且位置集中的区域作为有隐患的区域,进行报警。
如图1所示,实施例2的检测方法包括以下具体步骤:
步骤1:对当前待检测图像做图像预处理,并进行边缘检测得到其边缘图像。本步骤包括以下具体步骤:
步骤11,将彩色图像转化为灰度图;
步骤12,对图像进行核大小为5*5的中值滤波,消除噪声并保留边缘信息;
步骤13,利用Sobel算子进行边缘检测;
步骤14,利用大津法求得二值化的自适应阈值T,将小于该阈值的像素置0,大于阈值的像素不变。
步骤2:利用边缘图像分割出地面区域范围,并将非地面区域的像素值置0。本步骤包括以下具体步骤:
步骤21,对步骤1得到的边缘图像的连通域进行分析,取面积最大且重心位置最靠上的无边缘区域作为天空区域,除去天空区域外的最大连通区域即为地面区域,结果如图2所示,其中图2(b)中下方的黑色部分为图2(a)划分出的地面区域;
步骤22,将原图中对应非地面区域的像素值置0,避免影响后续检测。
步骤3:选择当前待检测图像的前一张图像作为对比图像,对对比图像按照步骤1进行同样操作,利用当前待检测图像和对比图像的边缘图像进行差分处理,并根据差分结果确定当前待检测图像中的变化区域。本步骤包括以下具体步骤:
步骤31,选择该摄像头拍摄的前一张图像作为对比图像,同样执行步骤1中的预处理;
步骤32,将当前待检测图像和对比图像转化到HSV和YUV颜色空间;
步骤33,在色调H、色差U和色差V三个分量上进行差分,使用大津法对差分结果进行二值化,将二值化后的图像作或运算合并得到最终的差分结果;
步骤34,遍历差分结果图像,提取其中的连通区域,去除像素数少于200的区域,以剩余的每个连通区域的外接矩形作为变化区域。
步骤4:统计当前待检测图像前后10张图像的变化区域信息,将出现频率高且位置集中的变化区域挑选出来作为有隐患的区域,并进行报警。本步骤包括以下具体步骤:
步骤41,将800*600像素的图像分割为48个100*100像素的方形区域,并用数组A[8][6]记录对应区域中的出现变化的次数,分割区域与数组A的对应关系如图3所示,A中数值初值均为0;
步骤42,统计该摄像头拍摄的最近10张图像中的(由步骤3计算得到的)变化区域信息,对于每一张图像,如果在一个100*100的区域中存在完整或部分的变化区域,则在数组A中该区域对应位置加1,每张图片中的变化区域最多使数组A中同位置的计数增加1,意为即使同一张图片中有多个变化区域出现在同一个100*100的区域中,数组A中该区域的计数也只增加1;
步骤43,选取数组A中计数值大于等于7的对应区域作为存在隐患的区域,进行报警。
本发明充分考虑了输电线路环境中地面隐患的特点,总结了有隐患时图像中出现变化的规律,并利用统计方法进行隐患检测,能够较好地检测出图片中的地面隐患,提醒人们关注这些目标,为预防输电线路断电事故提供了科学依据,具备较大的实用价值。
此外,本发明的应用范围不局限于说明书中描述的特定实施例的工艺、机构、制造、物质组成、手段、方法及步骤。从本发明的公开内容,作为本领域的普通技术人员将容易地理解,对于目前已存在或者以后即将开发出的工艺、机构、制造、物质组成、手段、方法或步骤,其中它们执行与本发明描述的对应实施例大体相同的功能或者获得大体相同的结果,依照本发明可以对它们进行应用。因此,本发明所附权利要求旨在将这些工艺、机构、制造、物质组成、手段、方法或步骤包含在其保护范围内。
Claims (9)
1.一种输电线路周边环境中地面隐患的检测方法,其特征是,通过对安装在输电线路杆塔上的摄像头拍摄的输电线路环境图像进行地面隐患分析,检测出输电线路线下的外力破坏事故隐患。
2.根据权利要求1所述的一种输电线路周边环境中地面隐患的检测方法,其特征是,所述输电线路环境图像进行地面隐患分析的过程包括以下步骤:
步骤1:对当前待检测图像做图像预处理,并进行边缘检测得到其边缘图像;
步骤2:利用边缘图像分割出地面区域范围,并将非地面区域的像素值置0;
步骤3:选择当前待检测图像的前一张图像作为对比图像,对对比图像按照步骤1进行同样操作,利用当前待检测图像和对比图像的边缘图像进行差分处理,并根据差分结果确定当前待检测图像中的变化区域;
步骤4:统计当前待检测图像前后N张图像的变化区域信息,将出现频率高且位置集中的变化区域挑选出来作为有隐患的区域,并进行报警。
3.根据权利要求2所述的一种输电线路周边环境中地面隐患的检测方法,其特征是,所述步骤1的具体步骤如下:
步骤11,将彩色图像转化为灰度图;
步骤12,对图像进行核大小为5*5的中值滤波,消除噪声并保留边缘信息;
步骤13,利用Sobel算子对图像进行边缘检测;
步骤14,利用大津法求得图像二值化的自适应阈值T,并将图像中小于该阈值的像素置为0。
4.根据权利要求2所述的一种输电线路周边环境中地面隐患的检测方法,其特征是,所述步骤2的具体步骤如下:
步骤21,对步骤1中得到的边缘图像的连通域进行分析,取面积最大且重心位置最靠上的无边缘区域作为天空区域,除去天空区域外的最大连通区域即为地面区域;
步骤22,将分割出地面区域范围的边缘图像中对应非地面区域的像素值置0。
5.根据权利要求2所述的一种输电线路周边环境中地面隐患的检测方法,其特征是,所述步骤3的具体步骤如下:
步骤31,选择当前待检测图像的前一张图像作为对比图像,对对比图像按照步骤1进行同样操作;
步骤32,将当前待检测图像和对比图像转化到HSV和YUV颜色空间;
步骤33,在色调H、色差U和色差V三个分量上进行差分处理,使用大津法对差分结果进行二值化处理并将二值化后的图像作或运算合并得到最终的差分结果;
步骤34,遍历差分结果图像,提取其中的连通区域,去除像素数少于200的区域,以剩余的每个连通区域的外接矩形作为变化区域。
6.根据权利要求2所述的一种输电线路周边环境中地面隐患的检测方法,其特征是,所述步骤4的具体步骤如下:
步骤41,将800*600像素的图像分割为48个100*100像素的方形区域,并用数组A[x][y]记录对应区域中的出现变化的次数,A[x][y]中数值初值均为0,x=0、1、2......7,y=0、1、2......5;
步骤42,统计当前待检测图像前后N张图像的变化区域信息,对于每一张图像,如果在一个100*100的区域中存在完整或部分的变化区域,则在数组A[x][y]中该区域对应位置加1,每张图片中的变化区域最多使数组A[x][y]中同位置的计数增加1;
步骤43,选取数组A[x][y]中计数值大于等于7的对应区域作为存在隐患的区域,并进行报警。
7.根据权利要求2至6任意一项所述的一种输电线路周边环境中地面隐患的检测方法,其特征是,N位正整数且N≥8。
8.一种输电线路周边环境中地面隐患的检测方法,其特征是,首先对图像进行相关预处理,然后利用边缘检测获得其边缘图像,再根据边缘图像分割出图像中的地面区域;在检测时,对于每一张新的图像,都与同摄像头拍摄的前一张图像作对比,在HSV和YUV颜色空间的多个分量上进行差分,融合差分结果得到该图像中发生变化的区域,然后统计该摄像头拍摄的最近10张图像的变化区域信息,挑选出现频率高且位置集中的区域作为有隐患的区域,进行报警。
9.根据权利要求8所述的一种输电线路周边环境中地面隐患的检测方法,其特征是,所述的检测方法包括以下具体步骤:
步骤1:对当前待检测图像做图像预处理,并进行边缘检测得到其边缘图像;
步骤2:利用边缘图像分割出地面区域范围,并将非地面区域的像素值置0;
步骤3:选择当前待检测图像的前一张图像作为对比图像,对对比图像按照步骤1进行同样操作,利用当前待检测图像和对比图像的边缘图像进行差分处理,并根据差分结果确定当前待检测图像中的变化区域;
步骤4:统计当前待检测图像前后10张图像的变化区域信息,将出现频率高且位置集中的变化区域挑选出来作为有隐患的区域,并进行报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710929920.5A CN107657260B (zh) | 2017-10-09 | 2017-10-09 | 一种输电线路周边环境中地面隐患的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710929920.5A CN107657260B (zh) | 2017-10-09 | 2017-10-09 | 一种输电线路周边环境中地面隐患的检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107657260A true CN107657260A (zh) | 2018-02-02 |
CN107657260B CN107657260B (zh) | 2020-08-14 |
Family
ID=61117078
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710929920.5A Active CN107657260B (zh) | 2017-10-09 | 2017-10-09 | 一种输电线路周边环境中地面隐患的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107657260B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109903265A (zh) * | 2019-01-19 | 2019-06-18 | 创新奇智(南京)科技有限公司 | 一种图像变化区域侦测阀值设定方法、系统及其电子装置 |
CN110378892A (zh) * | 2019-07-24 | 2019-10-25 | 国网山东省电力公司电力科学研究院 | 一种快速检测输电线路通道隐患的方法 |
CN112330597A (zh) * | 2020-10-14 | 2021-02-05 | 浙江大华技术股份有限公司 | 一种图像差异检测方法、装置及计算机设备 |
CN112541399A (zh) * | 2020-11-19 | 2021-03-23 | 山东信通电子股份有限公司 | 一种输电线路监拍控制方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184552A (zh) * | 2011-05-11 | 2011-09-14 | 上海理工大学 | 一种基于差分融合与图像边缘信息的运动目标检测方法 |
JP2011222053A (ja) * | 2011-08-11 | 2011-11-04 | Chugoku Electric Power Co Inc:The | 活線接近警報用の保安具及び活線接近警報方法 |
CN102446390A (zh) * | 2011-03-16 | 2012-05-09 | 上海市电力公司 | 一种对输电线路附近监控区域进行安全检测、预警的方法和系统 |
CN105447530A (zh) * | 2016-01-05 | 2016-03-30 | 国网四川省电力公司检修公司 | 基于图像识别技术的输电线路隐患及故障检测方法 |
-
2017
- 2017-10-09 CN CN201710929920.5A patent/CN107657260B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102446390A (zh) * | 2011-03-16 | 2012-05-09 | 上海市电力公司 | 一种对输电线路附近监控区域进行安全检测、预警的方法和系统 |
CN102184552A (zh) * | 2011-05-11 | 2011-09-14 | 上海理工大学 | 一种基于差分融合与图像边缘信息的运动目标检测方法 |
JP2011222053A (ja) * | 2011-08-11 | 2011-11-04 | Chugoku Electric Power Co Inc:The | 活線接近警報用の保安具及び活線接近警報方法 |
CN105447530A (zh) * | 2016-01-05 | 2016-03-30 | 国网四川省电力公司检修公司 | 基于图像识别技术的输电线路隐患及故障检测方法 |
Non-Patent Citations (5)
Title |
---|
JING ZHOU ET AL: "A centralized monitoring and analysis system of transmission lines in mined-out area", 《 2011 6TH IEEE CONFERENCE ON INDUSTRIAL ELECTRONICS AND APPLICATIONS》 * |
POORANI RAMACHANDRAN ET AL: "Mechanical State Estimation for Overhead Transmission Lines With Level Spans", 《 IEEE TRANSACTIONS ON POWER SYSTEMS》 * |
何冰: "输电线路中反大型机械外力破坏的智能预警功能的实现", 《华东电力》 * |
刘冰清等: "区域选取与差异图融合的目标变化检测方法", 《科学技术与工程》 * |
杜金桥: "输电线路防外力破坏预警系统设计与研究", 《中国优秀硕士学位论文全文数据库(电子期刊)工程科技Ⅱ辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109903265A (zh) * | 2019-01-19 | 2019-06-18 | 创新奇智(南京)科技有限公司 | 一种图像变化区域侦测阀值设定方法、系统及其电子装置 |
CN110378892A (zh) * | 2019-07-24 | 2019-10-25 | 国网山东省电力公司电力科学研究院 | 一种快速检测输电线路通道隐患的方法 |
CN112330597A (zh) * | 2020-10-14 | 2021-02-05 | 浙江大华技术股份有限公司 | 一种图像差异检测方法、装置及计算机设备 |
CN112541399A (zh) * | 2020-11-19 | 2021-03-23 | 山东信通电子股份有限公司 | 一种输电线路监拍控制方法及装置 |
CN112541399B (zh) * | 2020-11-19 | 2022-11-15 | 山东信通电子股份有限公司 | 一种输电线路监拍控制方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107657260B (zh) | 2020-08-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100585656C (zh) | 一种基于规则的全天候智能视频分析监控方法 | |
CN107657260A (zh) | 一种输电线路周边环境中地面隐患的检测方法 | |
CN105744232B (zh) | 一种基于行为分析技术的输电线路视频防外破的方法 | |
CN101587606B (zh) | 一种展览场地人员流量检测方法及系统 | |
CN107679495A (zh) | 一种输电线路周边活动工程车辆的检测方法 | |
CN102013147B (zh) | 高压输电塔智能防盗监控方法和装置 | |
CN108307146A (zh) | 一种高压输电线路安全隐患检测系统及方法 | |
CN103500324B (zh) | 基于视频监控的暴力行为识别方法 | |
WO2014031615A1 (en) | Method and system for detecting sea-surface oil | |
CN107222726B (zh) | 电力设施防外破预警方法 | |
CN102968625A (zh) | 基于轨迹的船舶识别与跟踪方法 | |
CN113903081A (zh) | 一种水电厂图像视觉识别人工智能报警方法及装置 | |
Choeychuen | Available car parking space detection from webcam by using adaptive mixing features | |
CN110728212B (zh) | 一种基于计算机视觉的道路井盖监控装置及监控方法 | |
Dong et al. | Camera anomaly detection based on morphological analysis and deep learning | |
Huang et al. | Automatic shadow removal by illuminance in HSV color space | |
CN107680089A (zh) | 一种高压输电线路摄像头图像异常的自动判断方法 | |
CN110378892A (zh) | 一种快速检测输电线路通道隐患的方法 | |
CN106251351B (zh) | 一种基于云变换的输电线路山火监测阈值计算方法 | |
CN107609556A (zh) | 一种输电线路环境中高空作业机械的检测方法 | |
CN111524158B (zh) | 水利工程复杂场景下的前景目标检测方法 | |
Miao et al. | Video smoke detection algorithm using dark channel priori | |
Gao et al. | Design and implementation of fire detection system using new model mixing | |
Panda et al. | Robust real-time object tracking under background clutter | |
CN105590329B (zh) | 一种油气田视频监控中运动目标的智能检测算法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240109 Address after: No.336, nanxinzhuang West Road, Shizhong District, Jinan City, Shandong Province Patentee after: Jinan University Industrial Technology Research Institute Co.,Ltd. Address before: 250022 No. 336, South Xin Zhuang West Road, Shizhong District, Ji'nan, Shandong Patentee before: University of Jinan |
|
TR01 | Transfer of patent right |