CN107832696A - 一种电力作业现场物体安全特征识别系统 - Google Patents
一种电力作业现场物体安全特征识别系统 Download PDFInfo
- Publication number
- CN107832696A CN107832696A CN201711060245.3A CN201711060245A CN107832696A CN 107832696 A CN107832696 A CN 107832696A CN 201711060245 A CN201711060245 A CN 201711060245A CN 107832696 A CN107832696 A CN 107832696A
- Authority
- CN
- China
- Prior art keywords
- mrow
- electric power
- power operation
- msub
- msup
- 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
- 238000011065 in-situ storage Methods 0.000 title abstract 9
- 230000005540 biological transmission Effects 0.000 claims abstract description 12
- 239000013598 vector Substances 0.000 claims description 42
- 238000012545 processing Methods 0.000 claims description 25
- 239000011159 matrix material Substances 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 8
- 238000000034 method Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 claims description 4
- 238000003708 edge detection Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000007499 fusion processing Methods 0.000 claims description 2
- 238000013507 mapping Methods 0.000 claims description 2
- 230000009467 reduction Effects 0.000 claims description 2
- 230000011218 segmentation Effects 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 230000002708 enhancing effect Effects 0.000 claims 1
- 239000004576 sand Substances 0.000 claims 1
- 238000010276 construction Methods 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- XOOUIPVCVHRTMJ-UHFFFAOYSA-L zinc stearate Chemical compound [Zn+2].CCCCCCCCCCCCCCCCCC([O-])=O.CCCCCCCCCCCCCCCCCC([O-])=O XOOUIPVCVHRTMJ-UHFFFAOYSA-L 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种电力作业现场物体安全特征识别系统，包括智能手机、无线传输模块和后台服务器；其中，智能手机用于将电力作业现场物体图片上传至后台服务器，并接受后台服务器传送的电力作业现场物体安全判定结果，后台服务器用于接收、存储和处理电力作业现场物体图片，生成电力作业现场物体安全判定结果，并将电力作业现场物体安全判定结果反馈到智能手机，智能手机根据电力作业现场物体安全判定结果进行相应地显示。该发明用于对电力作业现场物体的安全特征进行识别，能够辅助安全监督人员进行作业现场的监察工作，发现作业现场的安全风险隐患。
Description
技术领域
本发明涉及电力作业现场安全技术领域，具体涉及一种电力作业现场物体安全特征识别系统。
背景技术
当前我国电力设施建设正处于高速发展阶段，全国上下都加大了基础设施的建设，常常出现多个电力工程同时开工建设，造成安全监督不力，从而施工现场及施工质量存在安全隐患，例如施工作业人员没有按照要求佩戴安全帽；栅栏围蔽、脚手架等设备存在安全隐患。目前电力作业现场的安全监督主要靠人为检查，对于施工风险识别等方面还存在弊端。因此，自动识别电力作业现场物体安全特征，实现实时、规范、标准化、信息化的对电力施工现场进行管理非常重要。
发明内容
针对上述问题，本发明旨在提供一种电力作业现场物体安全特征识别系统。
本发明的目的采用以下技术方案来实现：
一种电力作业现场物体安全特征识别系统，其特征是，包括智能手机、无线传输模块和后台服务器；其中，所述智能手机一方面用于将电力作业现场物体图片通过无线传输模块上传至后台服务器，另一方面可以接收所述后台服务器发送的电力作业现场物体安全判定结果，并根据电力作业现场物体安全判定结果进行相应地显示；所述后台服务器用于接收、存储和处理电力作业现场物体图片，生成电力作业现场物体安全判定结果并将电力作业现场物体安全判定结果反馈到所述智能手机。
本发明的有益效果：本发明克服了现有电力作业现场主要靠人为检查存在的弊端，通过采用智能手机和后台服务器的架构，对电力作业现场拍摄的照片进行图像识别处理，能够自动识别出照片中存在安全隐患的地方，并提醒安全监督人员，提高了安全风险隐患识别的精度和可靠性。
附图说明
图1是本发明的原理图；
图2是本发明后台服务器的框架结构图。
附图标记：
智能手机1、后台服务器2、无线传输模块3；图像预处理单元21；安全特征提取单元22；安全特征识别单元23；安全特征数据库24；存储单元25。
具体实施方式
结合以下应用场景对本发明作进一步描述。
参见图1，图2，一种电力作业现场物体安全特征识别系统，其特征是，包括智能手机1、无线传输模块3和后台服务器2；其中，所述智能手机1一方面用于将电力作业现场物体图片通过无线传输模块3上传至后台服务器2，另一方面可以接收所述后台服务器2发送的电力作业现场物体安全判定结果，并根据电力作业现场物体安全判定结果进行相应地显示；所述后台服务器2用于接收、存储和处理电力作业现场物体图片，生成电力作业现场物体安全判定结果并将电力作业现场物体安全判定结果通过无线传输模块3反馈到所述智能手机1；当电力作业现场物体安全判定结果为该物体存在安全隐患时，智能手机上显示“电力作业现场物体存在安全隐患”，当电力作业现场物体安全判定结果为该物体无安全隐患时，智能手机上显示“电力作业现场物体安全”。
优选地，所述智能手机1上安装有用于采集电力作业现场物体图片的并与后台服务器2进行信息交互的移动应用客户端，所述移动应用客户端通过调用智能手机1上内置摄像头完成对电力作业现场物体图片的采集工作。
所述后台服务器2包括图片预处理单元21、安全特征提取单元22、安全特征识别单元23、安全特征数据库24和存储单元25；所述图片预处理单元21用于对电力作业现场物体图片进行去噪、增强和边缘检测，得到待检测电力作业现场物体图片；所述安全特征提取单元22用于提取待检测电力作业现场物体图片的特征信息，得到待检测电力作业现场物体图片的特征向量；所述安全特征数据库24用于存储已训练好的电力作业现场物体图片的安全特征向量；所述安全特征识别单元23用于将所述安全特征提取单元22得到的特征向量与所述安全特征数据库24中的安全特征向量进行匹配，判断采集到的电力作业现场物体图片是否存在安全风险隐患，生成电力作业现场物体安全判定结果并将该电力作业现场物体安全判定结果通过无线网络发送给移动应用客户端；所述存储单元25用于存储来自移动应用客户端的电力作业现场物体。
本发明的有益效果：克服了现有电力作业现场主要靠人为检查存在的弊端，通过采用智能手机上的移动应用客户端和后台服务器的架构，对电力作业现场拍摄的照片进行图像识别处理，能够自动识别出照片中存在安全隐患的地方，并提醒安全监督人员，提高了安全风险隐患识别的精度和可靠性。
优选地，所述图片预处理单元21所述图片预处理单元对电力作业现场物体图片进行去噪，具体为：
(1)对电力作业现场物体图片进行小波分解，得到一组小波系数；
(2)利用阈值处理函数对小波系数中高频分量系数进行阈值处理，得到小波系数中高频分量系数的估计值，设小波系数中高频分量系数集合为n为小波系数中高频分量系数的个数，定义阈值处理函数为：
其中，为高频分量系数集合中的第k个高频分量系数，Zk为阈值处理后得到的第k个高频分量系数的估计值，m和t为设定的调节因子，τ为设定的阈值；
(3)将得到的高频分量系数的估计值和小波系数中的低频分量系数进行小波重构，得到去噪电力作业现场物体图片。
本实施例采用上述函数对采集到的电力作业现场物体图片进行去噪处理，能够有效地去除电力作业现场物体图片中的随机噪声；2、该函数在阈值处连续，能够避免去噪电力作业现场物体图片产生的附加震荡；3、在阈值附近，阈值函数有比较好的平滑过渡带，这样得到的去噪电力作业现场物体图片更接近电力作业现场物体的真实情况，有利于后续对电力作业现场物体安全风险隐患的识别；
优选地，所述图像预处理单元21对去噪后的电力作业现场物体图片进行增强处理，具体包括：
(1)利用反射分量函数和入射分量函数的乘积描述去噪电力作业现场物体图片，对去噪电力作业现场物体图片求对数：
logP(x,y)＝log[F(x,y)×R(x,y)]
输出：
p(x,y)＝f(x,y)+r(x,y)；
其中，P(x,y)为去噪后的电力作业现场物体图片，F(x,y)为反射分量函数，R(x,y)为入射分量函数，p(x,y)为P(x,y)的对数形式，f(x,y)为反射分量函数的对数形式，r(x,y)为入射分量的对数形式；
(2)在以像素点E为中心，大小为C×C的窗口Γk内，利用下面线性关系式对r(x,y)进行局部线性转换，输出r(x,y)的线性关系：
其中，r′U为r(x,y)在像素点U处的像素估计值，αk、为局部线性转换因子，μk为r(x,y)在窗口Γk内的所有像素点的像素值均值，为r(x,y)在窗口Γk中的所有像素点的像素值方差，Q为窗口Γk内像素点的个数，为αk的正则化参数，rU为r(x,y)中像素点U处的像素值；
(3)将r(x,y)的线性关系映射到整个r(x,y)中，得到了r(x,y)中所有像素点的像素值的估计值，即为r(x,y)的估计值；
(4)将r(x,y)的估计值代入p(x,y)＝f(x,y)+r(x,y)求f(x,y)，并对f(x,y)求指数，即可得到新反射分量Fref；
(5)利用下式对新反射分量Fref进行增强处理，得到增强图像Ffinal；
其中，β为增强因子，Fref(x,y)为新反射分量Fref中像素点(x,y)处的灰度值，{Fref}为新反射分量Fref中所有像素点灰度值的集合。
有益效果：能够在保留去噪电力作业现场物体图片局部细节的同时有效地去除光照不均匀对去噪电力作业现场物体图片的影响，同时采用了增强算法对去除光照后的Fref进行增强处理，恢复了去噪电力作业现场物体图片中的灰度值信息，为后续边缘检测和安全特征提取起到了积极作用。
优选地，所述图像预处理单元21进一步对增强图像Ffinal进行边缘检测，并输出待检测电力作业现场物体图片，具体为：
(1)对增强图像Ffinal进行灰度化处理，得到增强图像Ffinal的灰度化图像；
(2)将灰度化图像等分成L个大小为u×v的子图像块，分别对各个子图像块进行均值滤波处理，之后采用中值滤波器对经均值滤波器处理后的子图像块进行中值滤波，得到滤波后的灰度化图像；
(3)在3×3邻域内，计算邻域内中心像素点的梯度幅值和梯度方向角，其中，中心像素点的梯度幅值计算公式为：
式中，MA中心像素点A(i,j)处的梯度幅值，I(i,j)为像素点(i,j)处的灰度值，为中心像素点A(i,j)在x方向的偏导数，其中 为中心像素点A(i,j)在y方向的偏导数，其中 为中心像素点A(i,j)在45°方向的偏导数，其中， 为中心像素点A(i,j)在135°方向的偏导数，其中，
中心像素点的梯度方向角计算公式为：
式中，θ(I,j)为中心像素点A(i,j)处的梯度方向，Ex(i,j)为中心像素点A(i,j)在水平方向上的差分，Ey(i,j)为中心像素点A(i,j)垂直方向上的差分；
(4)求中心像素点A所在邻域内的局部极大值点；
具体为：利用得到的中心像素点A的梯度方向求中心像素点A的梯度方向线，并将中心像素点A的梯度方向线与中心像素点A邻域边界的交点记为B1，B2，根据B1、B2最近邻像素点的梯度幅值求出B1，B2处的像素梯度幅值，其计算B1和B2两点像素梯度值的公式为：
其中，和为B1和B2两点的像素梯度值，A1、A2为B1的最近邻像素点，A3、A4为B2的最近邻像素点，w为像素点A处梯度方向的偏导比值的绝对值，且 和分别为像素点A1、A2、A3和A4处的像素梯度值；
如果且则像素点A为局部极大值点，并将像素点A处的灰度值设为256，否则将像素点A处的灰度值置0；
求灰度化图像中所有像素点的局部极大值点，可得到一个二值图像，其二值图像内非边缘的像素点的灰度值均为0，而可能为边缘的局部极大值点的灰度值为255；
(5)采用双阈值分割算法对灰度值为256的像素点进行细化处理，得到边缘点，将得到的边缘点对应到去噪电力作业现场物体图片相应的位置处，得到待检测电力作业现场物体图片。
有益效果：在对边缘检测时，选择在3×3邻域内，从8个方向对邻域中心的像素点求偏导，实现全方位扫描，使该点像素梯度值更接近标准值，梯度方向也最接近实际角度，采用这种定位方法得到的图像信息更为准确，而且也进一步抑制了噪声；在对局部极大值点进行求解时，选择了B1和B2对局部极大值进行判定，该方法能够对中心像素点的局部极大值进行更精准的判定，保证在后续选取边缘点时能够得到更为准确的边缘位置。
优选地，所述安全特征提取单元22用于提取待检测电力作业现场物体图片的特征信息，得到待检测电力作业现场物体图片的特征向量，具体包括：
(1)设待检测电力作业现场物体图片的特征向量为对待检测电力作业现场物体图片进行3层的二维双树小波变换，得到3层的系数矩阵，计算每一层系数矩阵的均值和方差，均值和方差的计算公式如下：
式中，P、Q为电力作业现场物体图片效果图的行和列的大小，ξd为经过第d层二维双树小波变换后得到的系数矩阵的均值，σd为经过第d层二维双树小波变换后得到的系数矩阵的方差，其中d＝1,2,3；Hd(a,b)为电力作业现场物体图片效果图中像素点(a,b)处经过第d层二维双树小波变换后得到的系数；
构造特征向量为：
式中，为特征向量，μd,为第d层，沿角度为s分解得到的系数矩阵的均值，σd,为第d层，沿角度为s分解得到的系数矩阵的方差，其中，d＝1,2,3，s＝15°,45°,75°；
(2)采用一个旋转不变的Gabor滤波器对原始目标图像效果图进行卷积操作，得到一组系数矩阵，并求该系数矩阵的均值ξG和方差σG，构造特征向量
(3)对特征向量和特征向量进行特征融合处理，得到特征向量即
(4)对特征向量进行降维处理，得到待检测电力作业现场物体的特征向量
有益效果：分别采用双树小波变换和一个旋转不变的Gabor滤波器对电力作业现场物体图片效果图进行安全特征提取，之后将各自得到的特征向量进行融合处理，用融合之后的特征向量来表述电力作业现场物体图片效果图的安全特征，不仅克服了传统离散小波变换的振动性、频谱混叠的缺点，同时也能够精准地电力作业现场物体图片效果图中的细节特征，提高了后续对安全风险隐患预测的准确度。
优选地，所述安全特征识别单元23其特征是，所述安全特征识别单元将待检测电力作业现场物体的特征向量与已训练好的安全特征数据库中的该物体对应的安全特征向量进行比较，如果待检测电力作业现场物体的特征向量与该安全特征向量满足则判定现场采集的电力作业现场物体不存在安全隐患，否则判定现场采集的电力作业现场物体存在安全隐患，输出判定结果，并将判定结果通过无线传输模块发送到所述移动应用客户端，其中，Xs为安全特征数据库中该物体对应的安全特征向量，为自定义的相似度因子。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。
Claims (8)
1.一种电力作业现场物体安全特征识别系统，其特征是，包括智能手机、无线传输模块和后台服务器；其中，所述智能手机用于将电力作业现场物体图片通过无线传输模块上传至后台服务器，还用于接收所述后台服务器发送的电力作业现场物体安全判定结果，并根据电力作业现场物体安全判定结果进行相应地显示；所述后台服务器用于接收、存储和处理电力作业现场物体图片，生成电力作业现场物体安全判定结果并将电力作业现场物体安全判定结果通过无线传输模块反馈到所述智能手机。
2.根据权利要求1所述的一种电力作业现场物体安全特征识别系统，其特征是，所述智能手机上安装有用于采集电力作业现场物体图片的并与后台服务器进行信息交互的移动应用客户端，所述移动应用客户端通过调用智能手机上内置摄像头完成对电力作业现场物体图片的采集工作。
3.根据权利要求2所述的一种电力作业现场物体安全特征识别系统，其特征是，所述后台服务器包括图片预处理单元、安全特征提取单元、安全特征识别单元、安全特征数据库和存储单元；所述图片预处理单元用于对电力作业现场物体图片进行去噪、增强和边缘检测，得到待检测电力作业现场物体图片；所述安全特征提取单元用于提取待检测电力作业现场物体图片的特征信息，得到待检测电力作业现场物体图片的特征向量；所述安全特征数据库用于存储已训练好的电力作业现场物体图片的安全特征向量；所述安全特征识别单元用于将所述安全特征提取单元得到的特征向量与所述安全特征数据库中的安全特征向量进行匹配，判断采集到的电力作业现场物体图片是否存在安全风险隐患，生成电力作业现场物体安全判定结果并将该电力作业现场物体安全判定结果通过无线网络发送给移动应用客户端；所述存储单元用于存储来自移动应用客户端的电力作业现场物体图片。
4.根据权利要求3所述的一种电力作业现场物体安全特征识别系统，其特征是，所述图片预处理单元对电力作业现场物体图片进行去噪，具体为：
(1)对电力作业现场物体图片进行小波分解，得到一组小波系数；
(2)利用阈值处理函数对小波系数中高频分量系数进行阈值处理，得到小波系数中高频分量系数的估计值，设小波系数中高频分量系数集合为n为小波系数中高频分量系数的个数，定义阈值处理函数为：
<mrow>
<msub>
<mi>Z</mi>
<mi>k</mi>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mover>
<mi>z</mi>
<mo>^</mo>
</mover>
<mi>k</mi>
</msub>
<mo>-</mo>
<mi>&tau;</mi>
<mo>+</mo>
<mfrac>
<mrow>
<mn>0.5</mn>
<mo>&times;</mo>
<mi>m</mi>
<mo>&times;</mo>
<msup>
<mi>&tau;</mi>
<mrow>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msup>
</mrow>
<mrow>
<msup>
<msub>
<mover>
<mi>z</mi>
<mo>^</mo>
</mover>
<mi>k</mi>
</msub>
<mi>t</mi>
</msup>
</mrow>
</mfrac>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mover>
<mi>z</mi>
<mo>^</mo>
</mover>
<mi>k</mi>
</msub>
<mo>></mo>
<mi>&tau;</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>0.5</mn>
<mo>&times;</mo>
<mi>m</mi>
<mo>&times;</mo>
<mi>sgn</mi>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>z</mi>
<mo>^</mo>
</mover>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mfrac>
<mrow>
<mo>|</mo>
<msub>
<mover>
<mi>z</mi>
<mo>^</mo>
</mover>
<mi>k</mi>
</msub>
<msup>
<mo>|</mo>
<mrow>
<mi>t</mi>
<mo>+</mo>
<mfrac>
<mn>2</mn>
<mi>m</mi>
</mfrac>
</mrow>
</msup>
</mrow>
<msup>
<mi>&tau;</mi>
<mrow>
<mo>-</mo>
<mi>t</mi>
<mo>+</mo>
<mfrac>
<mrow>
<mn>2</mn>
<mo>-</mo>
<mi>m</mi>
</mrow>
<mi>m</mi>
</mfrac>
</mrow>
</msup>
</mfrac>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>|</mo>
<msub>
<mover>
<mi>z</mi>
<mo>^</mo>
</mover>
<mi>k</mi>
</msub>
<mo>|</mo>
<mo>&le;</mo>
<mi>&tau;</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mover>
<mi>z</mi>
<mo>^</mo>
</mover>
<mi>k</mi>
</msub>
<mo>+</mo>
<mi>&tau;</mi>
<mo>+</mo>
<mfrac>
<mrow>
<mn>0.5</mn>
<mo>&times;</mo>
<mi>m</mi>
<mo>&times;</mo>
<msup>
<mrow>
<mo>(</mo>
<mo>-</mo>
<mi>&tau;</mi>
<mo>)</mo>
</mrow>
<mrow>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msup>
</mrow>
<mrow>
<msup>
<msub>
<mover>
<mi>z</mi>
<mo>^</mo>
</mover>
<mi>k</mi>
</msub>
<mi>t</mi>
</msup>
</mrow>
</mfrac>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mover>
<mi>z</mi>
<mo>^</mo>
</mover>
<mi>k</mi>
</msub>
<mo><</mo>
<mo>-</mo>
<mi>&tau;</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中，为高频分量系数集合中的第k个高频分量系数，Zk为阈值处理后得到的第k个高频分量系数的估计值，m和t为设定的调节因子，τ为设定的阈值；
(3)将得到的高频分量系数的估计值和小波系数中的低频分量系数进行小波重构，得到去噪电力作业现场物体图片。
5.根据权利要求4所述的一种电力作业现场物体安全特征识别系统，其特征是，所述图像预处理单元对去噪后的电力作业现场物体图片进行增强处理，具体为：
(1)利用反射分量函数和入射分量函数的乘积描述去噪电力作业现场物体图片，对去噪电力作业现场物体图片求对数：
logP(x,y)＝log[F(x,y)×R(x,y)]
输出：
p(x,y)＝f(x,y)+r(x,y)；
其中，P(x,y)为去噪后的电力作业现场物体图片，F(x,y)为反射分量函数，R(x,y)为入射分量函数，p(x,y)为P(x,y)的对数形式，f(x,y)为反射分量函数的对数形式，r(x,y)为入射分量的对数形式；
(2)在以像素点E为中心，大小为C×C的窗口Γk内，利用下面线性关系式对r(x,y)进行局部线性转换，输出r(x,y)的线性关系：
其中，r′U为r(x,y)在像素点U处的像素估计值，αk、为局部线性转换因子，μk为r(x,y)在窗口Γk内的所有像素点的像素值均值，为r(x,y)在窗口Γk中的所有像素点的像素值方差，Q为窗口Γk内像素点的个数，为αk的正则化参数，rU为r(x,y)中像素点U处的像素值；
(3)将r(x,y)的线性关系映射到整个r(x,y)中，得到了r(x,y)中所有像素点的像素值的估计值，即为r(x,y)的估计值；
(4)将r(x,y)的估计值代入p(x,y)＝f(x,y)+r(x,y)求f(x,y)，并对f(x,y)求指数，即可得到新反射分量Fref；
(5)利用下式对新反射分量Fref进行增强处理，得到增强图像Ffinal；
<mrow>
<msup>
<mi>F</mi>
<mrow>
<mi>f</mi>
<mi>i</mi>
<mi>n</mi>
<mi>a</mi>
<mi>l</mi>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>255</mn>
<mo>&times;</mo>
<mfrac>
<mrow>
<mo>(</mo>
<msup>
<mi>F</mi>
<mrow>
<mi>r</mi>
<mi>e</mi>
<mi>f</mi>
</mrow>
</msup>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
<mo>-</mo>
<mi>min</mi>
<msup>
<mrow>
<mo>(</mo>
<mo>{</mo>
<msup>
<mi>F</mi>
<mrow>
<mi>r</mi>
<mi>e</mi>
<mi>f</mi>
</mrow>
</msup>
<mo>}</mo>
<mo>)</mo>
</mrow>
<mi>&beta;</mi>
</msup>
</mrow>
<mrow>
<mi>max</mi>
<mrow>
<mo>(</mo>
<mo>{</mo>
<msup>
<mi>F</mi>
<mrow>
<mi>r</mi>
<mi>e</mi>
<mi>f</mi>
</mrow>
</msup>
<mo>}</mo>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>min</mi>
<mrow>
<mo>(</mo>
<mo>{</mo>
<msup>
<mi>F</mi>
<mrow>
<mi>r</mi>
<mi>e</mi>
<mi>f</mi>
</mrow>
</msup>
<mo>}</mo>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
其中，β为增强因子，Fref(x,y)为新反射分量Fref中像素点(x,y)处的灰度值，{Fref}为新反射分量Fref中所有像素点灰度值的集合。
6.根据权利要求5所述的一种电力作业现场物体安全特征识别系统，其特征是，所述图像预处理单元进一步对增强图像Ffinal进行边缘检测，并输出待检测电力作业现场物体图片，具体为：
(1)对增强图像Ffinal进行灰度化处理，得到增强图像Ffinal的灰度化图像；
(2)将灰度化图像等分成L个大小为u×v的子图像块，分别对各个子图像块进行均值滤波处理，之后采用中值滤波器对经均值滤波器处理后的子图像块进行中值滤波，得到滤波后的灰度化图像；
(3)在3×3邻域内，计算邻域内中心像素点A的梯度幅值和梯度方向角，并根据求得的中心像素点A处的梯度方向角求中心像素点A所在邻域内的局部极大值点，如果像素点A是所在邻域内的局部极大值点，则将像素点A处的灰度值设为255，否则将像素点A处的灰度值置0；
(4)求灰度化图像中所有像素点的局部极大值点，得到一个二值图像，其二值图像内非边缘的像素点的灰度值均为0，而可能为边缘的局部极大值点的灰度值为255；
(5)采用双阈值分割算法对灰度值为255的像素点进行细化处理，得到边缘点，将得到的边缘点对应到去噪后的电力作业现场物体图片相应的位置处，得到待检测电力作业现场物体图片。
7.根据权利要求6所述的一种电力作业现场物体安全特征识别系统，其特征是，所述安全特征提取单元用于提取待检测电力作业现场物体图片的特征信息，得到待检测电力作业现场物体图片的特征向量，具体为：
(1)设待检测电力作业现场物体图片的特征向量为对待检测电力作业现场物体图片进行3层的二维双树小波变换，得到3层的系数矩阵，计算每一层系数矩阵的均值和方差，均值和方差的计算公式如下：
<mrow>
<msub>
<mi>&xi;</mi>
<mi>d</mi>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>P</mi>
<mo>&times;</mo>
<mi>Q</mi>
</mrow>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>a</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>P</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>b</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mo>|</mo>
<msub>
<mi>H</mi>
<mi>d</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>a</mi>
<mo>,</mo>
<mi>b</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
</mrow>
<mrow>
<msub>
<mi>&sigma;</mi>
<mi>d</mi>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>P</mi>
<mo>&times;</mo>
<mi>Q</mi>
</mrow>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>a</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>P</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>b</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mo>|</mo>
<msub>
<mi>H</mi>
<mi>d</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>a</mi>
<mo>,</mo>
<mi>b</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>&xi;</mi>
<mi>d</mi>
</msub>
<msup>
<mo>|</mo>
<mn>2</mn>
</msup>
</mrow>
式中，P、Q为电力作业现场物体图片效果图的行和列的大小，ξd为经过第d层二维双树小波变换后得到的系数矩阵的均值，σd为经过第d层二维双树小波变换后得到的系数矩阵的方差，其中d＝1,2,3；Hd(a,b)为电力作业现场物体图片效果图中像素点(a,b)处经过第d层二维双树小波变换后得到的系数；
构造特征向量为：
式中，为特征向量，μd,s为第d层，沿角度为s分解得到的系数矩阵的均值，σd，s为第d层，沿角度为s分解得到的系数矩阵的方差，其中，d＝1,2,3，s＝15°,45°,75°；
(2)采用一个旋转不变的Gabor滤波器对原始目标图像效果图进行卷积操作，得到一组系数矩阵，并求该系数矩阵的均值ξG和方差σG，构造特征向量
(3)对特征向量和特征向量进行特征融合处理，得到特征向量即
(4)对特征向量进行降维处理，得到待检测电力作业现场物体的特征向量
8.根据权利要求7所述的一种电力作业现场物体安全特征识别系统，其特征是，所述安全特征识别单元将待检测电力作业现场物体的特征向量与已训练好的安全特征数据库中的该物体对应的安全特征向量进行比较，如果待检测电力作业现场物体的特征向量与该安全特征向量满足则判定现场采集的电力作业现场物体不存在安全隐患，否则判定现场采集的电力作业现场物体存在安全隐患，输出判定结果，并将判定结果通过无线传输模块发送到所述移动应用客户端，其中，Xs为安全特征数据库中该物体对应的安全特征向量，θ为自定义的相似度因子。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711060245.3A CN107832696B (zh) | 2017-11-01 | 2017-11-01 | 一种电力作业现场物体安全特征识别系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711060245.3A CN107832696B (zh) | 2017-11-01 | 2017-11-01 | 一种电力作业现场物体安全特征识别系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107832696A true CN107832696A (zh) | 2018-03-23 |
| CN107832696B CN107832696B (zh) | 2018-09-21 |
Family
ID=61651523
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711060245.3A Active CN107832696B (zh) | 2017-11-01 | 2017-11-01 | 一种电力作业现场物体安全特征识别系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107832696B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109034129A (zh) * | 2018-08-31 | 2018-12-18 | 佛山铮荣科技有限公司 | 一种具有人脸识别功能的机器人 |
| CN109165233A (zh) * | 2018-09-06 | 2019-01-08 | 江苏佳源科技有限公司 | 一种智能低压分路监测系统 |
| CN109270394A (zh) * | 2018-10-16 | 2019-01-25 | 江苏佳源科技有限公司 | 一种智能低压分路监测系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040071338A1 (en) * | 2002-10-11 | 2004-04-15 | Nefian Ara V. | Image recognition using hidden markov models and coupled hidden markov models |
| CN102169614A (zh) * | 2011-01-14 | 2011-08-31 | 云南电力试验研究院(集团)有限公司 | 一种基于图像识别的电力作业安全监护方法 |
| 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 |
| US20140031065A1 (en) * | 2012-07-27 | 2014-01-30 | Apple Inc. | Providing time zone information to wireless communication devices |
| CN103617699A (zh) * | 2013-12-02 | 2014-03-05 | 国家电网公司 | 一种电力作业现场安全智能监护系统 |
| CN203931065U (zh) * | 2014-06-19 | 2014-11-05 | 国家电网公司 | 一种电力作业现场安全区域预警装置 |
| CN107103437A (zh) * | 2017-06-20 | 2017-08-29 | 安徽南瑞继远电网技术有限公司 | 一种基于图像识别的电力作业行为管控系统 |
-
2017
- 2017-11-01 CN CN201711060245.3A patent/CN107832696B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040071338A1 (en) * | 2002-10-11 | 2004-04-15 | Nefian Ara V. | Image recognition using hidden markov models and coupled hidden markov models |
| CN102169614A (zh) * | 2011-01-14 | 2011-08-31 | 云南电力试验研究院(集团)有限公司 | 一种基于图像识别的电力作业安全监护方法 |
| 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 |
| US20140031065A1 (en) * | 2012-07-27 | 2014-01-30 | Apple Inc. | Providing time zone information to wireless communication devices |
| CN103617699A (zh) * | 2013-12-02 | 2014-03-05 | 国家电网公司 | 一种电力作业现场安全智能监护系统 |
| CN203931065U (zh) * | 2014-06-19 | 2014-11-05 | 国家电网公司 | 一种电力作业现场安全区域预警装置 |
| CN107103437A (zh) * | 2017-06-20 | 2017-08-29 | 安徽南瑞继远电网技术有限公司 | 一种基于图像识别的电力作业行为管控系统 |
Non-Patent Citations (2)
| Title |
|---|
| 刘卫东: "小波阈值去噪函数的改进方法分析", 《高电压技术》 * |
| 汪晨: "图像识别综述及在电力信息安全中的应用研究", 《计算机技术与发展》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109034129A (zh) * | 2018-08-31 | 2018-12-18 | 佛山铮荣科技有限公司 | 一种具有人脸识别功能的机器人 |
| CN109165233A (zh) * | 2018-09-06 | 2019-01-08 | 江苏佳源科技有限公司 | 一种智能低压分路监测系统 |
| CN109270394A (zh) * | 2018-10-16 | 2019-01-25 | 江苏佳源科技有限公司 | 一种智能低压分路监测系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107832696B (zh) | 2018-09-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10269138B2 (en) | UAV inspection method for power line based on human visual system | |
| CN105809655B (zh) | 车辆检查方法和系统 | |
| CN106548182B (zh) | 基于深度学习和主成因分析的路面裂纹检测方法及装置 | |
| CN110543857A (zh) | 基于图像分析的违禁物识别方法、装置、系统和存储介质 | |
| CN109409355B (zh) | 一种新型变压器铭牌识别的方法及装置 | |
| CN106610969A (zh) | 基于多模态信息的视频内容审查系统及方法 | |
| CN112101138B (zh) | 基于深度学习的桥梁拉索表面缺陷实时识别系统及方法 | |
| CN107665348B (zh) | 一种变电站数字仪表的数字识别方法和装置 | |
| CN111402238A (zh) | 一种通过机器视觉实现的缺陷标识系统 | |
| CN107832696B (zh) | 一种电力作业现场物体安全特征识别系统 | |
| CN117036352B (zh) | 一种基于人工智能的视频分析方法及系统 | |
| CN109255785A (zh) | 一种轴承外观缺陷检测系统 | |
| CN118015435B (zh) | 基于移动计算平台的实时人脸抓拍方法及系统 | |
| Alaei et al. | Document image quality assessment based on improved gradient magnitude similarity deviation | |
| CN117197700B (zh) | 智能化无人巡检接触网缺陷识别系统 | |
| CN117745709A (zh) | 一种铁路异物侵限检测方法、系统、设备及介质 | |
| CN115797970B (zh) | 基于YOLOv5模型的密集行人目标检测方法及系统 | |
| Das et al. | Evaluation of text detection and localization methods in natural images | |
| Tribak et al. | Remote solar panels identification based on patterns localization | |
| CN117218672A (zh) | 一种基于深度学习的病案文字识别方法及系统 | |
| Schmugge et al. | Automatic detection of cracks during power plant inspection | |
| EP4148658A1 (en) | Method and system for super-resolution reconstruction of heterogeneous stereoscopic images | |
| RU2542876C2 (ru) | Устройство выделения высокодетализированных объектов на изображении сцены | |
| CN114119490A (zh) | 苹果表面缺陷在线检测方法及装置 | |
| CN108230182B (zh) | 一种电力作业现场物体安全特征识别系统 |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20190621 Address after: 510000 No. 2 Tianhe Second Road, Tianhe District, Guangzhou City, Guangdong Province Patentee after: Guangzhou Power Supply Bureau Address before: 510000 No. 2 Tianhe Second Road, Tianhe District, Guangzhou City, Guangdong Province Co-patentee before: GUANGZHOU KE TENG INFORMATION TECHNOLOGY CO., LTD. Patentee before: Guangzhou Power Supply Bureau |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20210210 Address after: 510620, No. two, No. 2, Tianhe South Road, Guangzhou, Guangdong, Tianhe District Patentee after: Guangzhou Power Supply Bureau of Guangdong Power Grid Co.,Ltd. Address before: 510000 No. 2 Tianhe Second Road, Tianhe District, Guangzhou City, Guangdong Province Patentee before: GUANGZHOU POWER SUPPLY Co.,Ltd. |