CN110020589A - 一种电力系统中的智能视频分析方法 - Google Patents
一种电力系统中的智能视频分析方法 Download PDFInfo
- Publication number
- CN110020589A CN110020589A CN201910095013.4A CN201910095013A CN110020589A CN 110020589 A CN110020589 A CN 110020589A CN 201910095013 A CN201910095013 A CN 201910095013A CN 110020589 A CN110020589 A CN 110020589A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- max
- electric system
- analysis method
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims abstract description 10
- 238000001514 detection method Methods 0.000 claims abstract description 9
- 230000008859 change Effects 0.000 claims abstract description 6
- 238000000605 extraction Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000001035 drying Methods 0.000 claims description 3
- 238000003708 edge detection Methods 0.000 claims description 3
- 230000007717 exclusion Effects 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 claims description 3
- 238000003707 image sharpening Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 abstract description 4
- 230000016776 visual perception Effects 0.000 abstract description 4
- 238000007689 inspection Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000007794 visualization technique Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- 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
- 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
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
- G06V20/42—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs
- H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
Abstract
本发明提供一种电力系统中的智能视频分析方法,包括如下步骤:S1、数据采集及预处理;S2、采用背景差分法进行移动目标检测分析,其过程如下:a、设置时间间隔Tgap,循环截取两幅视频图像Pi和Pj,分别进行预处理;b、设置最小像素变化值Pmin,采用减法运算计算出前后两幅视频图像对应像素点的差值,统计发生改变的像素点个数;c、设置检验图像状态发生改变的最小阈值Nmin和最大阈值Nmax,判断后进行报警处理。本发明分割效率和分割准确性高,视觉感知匹配性好,检测准确性好。
Description
技术领域
本发明涉及电力分析系统的技术领域,尤其涉及一种电力系统中的智能视频分析方法。
背景技术
智能变电站是智能电网建设中实现能源转化和控制的核心平台之一,研究开发变电站智能巡检技术和应用系统以提高变电站巡检的智能化和无人化值守水平,是新时期电网智能化建设、安全管理和信息共享的迫切需求。
随着电力系统规模的不断扩大和调度业务的日益复杂,电网设备的安全有效运行越来越重要,随着电网调度智能化及向无人值守方向发展,如何准确形象地了解电网设备的真实运行状态变的越来越重要。表现在:
1.电力调度自动化系统:随着社会和技术的发展,各级调度部门所管辖的电网规模越来越大,所采集的信息也越来越多,迫切需要图形化直观的自上而下的智能化的监视方式。
2.在线预警:在线预警是调度自动化系统的重要组成部分,主要实现对调度核心业务的监视和预警,例如对于电压的预警,对于线路、变压器负载率的预警等。
3.动态评估:主要从电网的安全性和充裕度方面构建评估的指标体系,通过对指标的动态提取和分析来评价当前电网的运行状态。
4.可视化:可视化技术是指将抽象的事物或过程变为图形或图象的表示方法,电力系统可视化主要是指将电力系统中抽象的负荷数据、电压数据、潮流数据、负载率数据等通过等高线、等深线、曲线、棒图、饼图等方式展现的一种技术手段。
5、无人值班:由于变电站等多在无人的郊区,交通不便,人力、交通成本上升,也对工作人员的劳动强度及身心健康不利,因此,电网的发展向无人值守方向发展,这就要求对电网设备有真实形象的了解,如遥控拉开刀闸时,刀闸是否确实处于分位等状况,要有视频予以确认,才能保证安全。
但是目前电力系统中的智能视频分析技术,其图像处理技术还不成熟,分割效率和分割准确性低,视觉感知匹配性差,检测准确性低。
发明内容
本发明的目的在于提供一种电力系统中的智能视频分析方法,分割效率和分割准确性高,视觉感知匹配性好,检测准确性好。
为了达到上述目的,本发明采用如下技术方案:一种电力系统中的智能视频分析方法,包括如下步骤:
S1、数据采集及预处理:采集视频、红外、放电数据信息,传输至后方服务器,然后对其进行预处理工作,预处理工作包括选定图像颜色模型、图像灰度化、图像直方图均衡化、图像去躁、图像锐化、图像边缘检测和图像分割;
S2、对目标提取的算法分析:采用背景差分法进行移动目标检测分析,其过程如下:
a、设置时间间隔Tgap,循环截取两幅视频图像Pi和Pj,分别进行预处理;
b、设置最小像素变化值Pmin,采用减法运算计算出前后两幅视频图像对应像素点的差值,统计发生改变的像素点个数,计算公式如下:
式中,N为总的像素改变点数;
c、设置检验图像状态发生改变的最小阈值Nmin和最大阈值Nmax,当N≤Nmax时,不发出警报信号,直接排除干扰,当N≥Nmax时,也无需发出报警信号,直接排除干燥,当Nmin≤N≤Nmax时,监测场景中发生了异常,进行报警处理。
进一步的,所述S2中,对目标提取的算法分析还包括安全帽的识别,其基于移动目标跟踪并通过高斯混合模型检测,在该模型中每个像素被建模为K个高斯分布的集合,在第N帧上某特定像素的值为XN的概率可表示为:
其中,wj为第k个高斯内核的权重系数;
η(XN;θi)是对应的正态分布;
其中,μk为均值,为第k个内核的方差,K个高斯分布按值Wk/σk排序并取前B个分布作为背景模型;
其中,阈值T为背景模型的最小占比,即为场景中出现背景像素的最小先验概率,背景抠除,则计算为标记距离任意一个高斯分布大于2.5倍标准方差的前景像素。
进一步的,在高斯混合背景模型提取场景内的前景移动目标后,目标表示为各连通图像区域。
进一步的,在移动目标能准确检测跟踪的前提下,进一步检测安全帽并判断其与移动目标的相对位置,从而识别安全帽是否佩戴于目标顶部位置,安全帽通常以红、黄、蓝、白颜色为主,对视频画面进行HSV颜色直方图统计,并以相应颜色区块的面积、形状信息为辅助,可定位安全帽所在位置。
采用上述技术方案后,本发明具有如下优点:1、采用背景差分法进行移动目标检测分析,能获得较准确的语义对象分割结果并具有较好的视觉感知匹配性,有效提高了检测效率,提高了视频分析的效率;2、通过安全帽的识别,其基于移动目标跟踪并通过高斯混合模型检测,大大减轻了运维人员的工作量和误操作,充分利用了图像处理领域的相关技术加强电力系统的智能监控方式和自动化水平。
具体实施方式
下面结合具体实施例对本发明作进一步说明。
本发明提供的一种电力系统中的智能视频分析方法,包括如下步骤:
S1、数据采集及预处理:采集视频、红外、放电数据信息,传输至后方服务器,然后对其进行预处理工作,预处理工作包括选定图像颜色模型、图像灰度化、图像直方图均衡化、图像去躁、图像锐化、图像边缘检测和图像分割;
S2、对目标提取的算法分析:采用背景差分法进行移动目标检测分析,其过程如下:
a、设置时间间隔Tgap,循环截取两幅视频图像Pi和Pj,分别进行预处理;
b、设置最小像素变化值Pmin,采用减法运算计算出前后两幅视频图像对应像素点的差值,统计发生改变的像素点个数,计算公式如下:
式中,N为总的像素改变点数;
c、设置检验图像状态发生改变的最小阈值Nmin和最大阈值Nmax,当N≤Nmax时,不发出警报信号,直接排除干扰,当N≥Nmax时,也无需发出报警信号,直接排除干燥,当Nmin≤N≤Nmax时,监测场景中发生了异常,进行报警处理。
在本实施例中,所述S2中,对目标提取的算法分析还包括安全帽的识别,其基于移动目标跟踪并通过高斯混合模型检测,在该模型中每个像素被建模为K个高斯分布的集合,在第N帧上某特定像素的值为XN的概率可表示为:
其中,wj为第k个高斯内核的权重系数;
η(XN;θi)是对应的正态分布;
其中,μk为均值,为第k个内核的方差,K个高斯分布按值Wk/σk排序并取前B个分布作为背景模型;
其中,阈值T为背景模型的最小占比,即为场景中出现背景像素的最小先验概率,背景抠除,则计算为标记距离任意一个高斯分布大于2.5倍标准方差的前景像素。
在本实施例中,在高斯混合背景模型提取场景内的前景移动目标后,目标表示为各连通图像区域。
在本实施例中,在移动目标能准确检测跟踪的前提下,进一步检测安全帽并判断其与移动目标的相对位置,从而识别安全帽是否佩戴于目标顶部位置,安全帽通常以红、黄、蓝、白颜色为主,对视频画面进行HSV颜色直方图统计,并以相应颜色区块的面积、形状信息为辅助,可定位安全帽所在位置。
可以理解的是,S1中,数据采集及预处理过程中,通过安装视频监控、红外云台测温、开关柜温湿度监测、开关柜抽湿装置控制、SF6泄漏监测、空调系统控制、风机系统控制、照明系统远程控制、图像智能分析等系统,建立变电站智能巡检管理平台,实现变电站巡视工作的可视化、智能化,可以取代人工巡检,确保设备安全运行。
除上述优选实施例外,本发明还有其他的实施方式,本领域技术人员可以根据本发明作出各种改变和变形,只要不脱离本发明的精神,均应属于本发明所附权利要求所定义的范围。
Claims (4)
1.一种电力系统中的智能视频分析方法,其特征在于,包括如下步骤:
S1、数据采集及预处理:采集视频、红外、放电数据信息,传输至后方服务器,然后对其进行预处理工作,预处理工作包括选定图像颜色模型、图像灰度化、图像直方图均衡化、图像去躁、图像锐化、图像边缘检测和图像分割;
S2、对目标提取的算法分析:采用背景差分法进行移动目标检测分析,其过程如下:
a、设置时间间隔Tgap,循环截取两幅视频图像Pi和Pj,分别进行预处理;
b、设置最小像素变化值Pmin,采用减法运算计算出前后两幅视频图像对应像素点的差值,统计发生改变的像素点个数,计算公式如下:
式中,N为总的像素改变点数;
c、设置检验图像状态发生改变的最小阈值Nmin和最大阈值Nmax,当N≤Nmax时,不发出警报信号,直接排除干扰,当N≥Nmax时,也无需发出报警信号,直接排除干燥,当Nmin≤N≤Nmax时,监测场景中发生了异常,进行报警处理。
2.根据权利要求1所述的电力系统中的智能视频分析方法,其特征在于,所述S2中,对目标提取的算法分析还包括安全帽的识别,其基于移动目标跟踪并通过高斯混合模型检测,在该模型中每个像素被建模为K个高斯分布的集合,在第N帧上某特定像素的值为XN的概率可表示为:其中,wj为第k个高斯内核的权重系数;
η(XN;θi)是对应的正态分布;
其中,μk为均值,为第k个内核的方差,K个高斯分布按值Wk/σk排序并取前B个分布作为背景模型;
其中,阈值T为背景模型的最小占比,即为场景中出现背景像素的最小先验概率,背景抠除,则计算为标记距离任意一个高斯分布大于2.5倍标准方差的前景像素。
3.根据权利要求2所述的电力系统中的智能视频分析方法,其特征在于,在高斯混合背景模型提取场景内的前景移动目标后,目标表示为各连通图像区域。
4.根据权利要求2所述的电力系统中的智能视频分析方法,其特征在于,在移动目标能准确检测跟踪的前提下,进一步检测安全帽并判断其与移动目标的相对位置,从而识别安全帽是否佩戴于目标顶部位置,安全帽通常以红、黄、蓝、白颜色为主,对视频画面进行HSV颜色直方图统计,并以相应颜色区块的面积、形状信息为辅助,可定位安全帽所在位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910095013.4A CN110020589A (zh) | 2019-01-31 | 2019-01-31 | 一种电力系统中的智能视频分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910095013.4A CN110020589A (zh) | 2019-01-31 | 2019-01-31 | 一种电力系统中的智能视频分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110020589A true CN110020589A (zh) | 2019-07-16 |
Family
ID=67188955
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910095013.4A Pending CN110020589A (zh) | 2019-01-31 | 2019-01-31 | 一种电力系统中的智能视频分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110020589A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110677619A (zh) * | 2019-08-20 | 2020-01-10 | 青岛萨纳斯智能科技股份有限公司 | 一种智能监控视频处理方法 |
CN110991674A (zh) * | 2019-12-13 | 2020-04-10 | 安徽飞凯电子技术有限公司 | 一种基于大数据的高压输电设备智能监管系统 |
CN112860760A (zh) * | 2021-01-29 | 2021-05-28 | 云南电网有限责任公司电力科学研究院 | 一种配电网设备智能辨识系统 |
CN113506419A (zh) * | 2021-06-30 | 2021-10-15 | 中标慧安信息技术股份有限公司 | 基于视频数据的室内安全状态分析方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107222660A (zh) * | 2017-05-12 | 2017-09-29 | 河南工业大学 | 一种分布式网络视觉监控系统 |
CN107801000A (zh) * | 2017-10-17 | 2018-03-13 | 国网江苏省电力公司盐城供电公司 | 一种输电线路防外破智能视频监控系统 |
-
2019
- 2019-01-31 CN CN201910095013.4A patent/CN110020589A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107222660A (zh) * | 2017-05-12 | 2017-09-29 | 河南工业大学 | 一种分布式网络视觉监控系统 |
CN107801000A (zh) * | 2017-10-17 | 2018-03-13 | 国网江苏省电力公司盐城供电公司 | 一种输电线路防外破智能视频监控系统 |
Non-Patent Citations (1)
Title |
---|
王永辉 等: "《电力系统作业监护中的视频智能分析应用研究》", 《电力安全技术》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110677619A (zh) * | 2019-08-20 | 2020-01-10 | 青岛萨纳斯智能科技股份有限公司 | 一种智能监控视频处理方法 |
CN110991674A (zh) * | 2019-12-13 | 2020-04-10 | 安徽飞凯电子技术有限公司 | 一种基于大数据的高压输电设备智能监管系统 |
CN110991674B (zh) * | 2019-12-13 | 2020-08-11 | 安徽飞凯电子技术有限公司 | 一种基于大数据的高压输电设备智能监管系统 |
CN112860760A (zh) * | 2021-01-29 | 2021-05-28 | 云南电网有限责任公司电力科学研究院 | 一种配电网设备智能辨识系统 |
CN112860760B (zh) * | 2021-01-29 | 2023-03-31 | 云南电网有限责任公司电力科学研究院 | 一种配电网设备智能辨识系统 |
CN113506419A (zh) * | 2021-06-30 | 2021-10-15 | 中标慧安信息技术股份有限公司 | 基于视频数据的室内安全状态分析方法及系统 |
CN113506419B (zh) * | 2021-06-30 | 2022-08-19 | 中标慧安信息技术股份有限公司 | 基于视频数据的室内安全状态分析方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110020589A (zh) | 一种电力系统中的智能视频分析方法 | |
CN103456024B (zh) | 一种运动目标越线判断方法 | |
CN110070530A (zh) | 一种基于深度神经网络的输电线路覆冰检测方法 | |
CN111339883A (zh) | 复杂场景下基于人工智能的变电站内异常行为识别与检测方法 | |
CN108680833B (zh) | 基于无人机的复合绝缘子缺陷检测系统 | |
CN113903081A (zh) | 一种水电厂图像视觉识别人工智能报警方法及装置 | |
CN111582188B (zh) | 一种基于人工智能的混凝土浇筑旁站监理方法 | |
CN110127479A (zh) | 一种基于视频分析的电梯门开关异常检测方法 | |
CN110120155A (zh) | 一种化工厂区车辆超限超载智能监控报警系统 | |
CN113516076A (zh) | 一种基于注意力机制改进的轻量化YOLO v4安全防护检测方法 | |
CN112308032B (zh) | 一种视频检测的井下风门智能协同联动控制方法 | |
CN104780361A (zh) | 一种城市视频监控系统的质量评价方法 | |
CN116824517B (zh) | 基于可视化的变电站运维安全管控系统 | |
CN112017195A (zh) | 一种应用于城市轨道交通的智能综合监控系统 | |
WO2024027009A1 (zh) | 一种变电站绝缘子的红外热成像缺陷检测方法及装置 | |
CN113111771A (zh) | 一种发电厂工作人员不安全行为的识别方法 | |
CN104268548B (zh) | 一种基于道路图像的积雪检测方法 | |
CN110543809A (zh) | 一种电力作业现场风险监管入侵视频识别方法 | |
CN110633609B (zh) | 基于人脸对象位置分析的定位平台 | |
CN115810161A (zh) | 一种变电站火灾识别方法及系统 | |
CN115083212A (zh) | 一种基于三维建模的无人机定位智能管理系统 | |
CN111027365B (zh) | 基于人脸对象位置分析的定位方法 | |
Xiao et al. | Monitoring the Abnormal Human Behaviors in Substations based on Probabilistic Behaviours Prediction and YOLO-V5 | |
CN113920535A (zh) | 一种基于YOLOv5的电子区域检测方法 | |
CN112750149A (zh) | 基于运动目标检测的高压隔离开关故障监测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190716 |