CN110929591A - 变电站监控方法、装置、计算机设备和存储介质 - Google Patents
变电站监控方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110929591A CN110929591A CN201911064485.XA CN201911064485A CN110929591A CN 110929591 A CN110929591 A CN 110929591A CN 201911064485 A CN201911064485 A CN 201911064485A CN 110929591 A CN110929591 A CN 110929591A
- Authority
- CN
- China
- Prior art keywords
- image
- information
- continuous images
- pixel
- foreign matter
- 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
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000012544 monitoring process Methods 0.000 title claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 69
- 238000004590 computer program Methods 0.000 claims description 25
- 238000007781 pre-processing Methods 0.000 claims description 22
- 230000005540 biological transmission Effects 0.000 claims description 18
- 230000033001 locomotion Effects 0.000 claims description 16
- 238000012806 monitoring device Methods 0.000 claims description 16
- 230000002159 abnormal effect Effects 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 10
- 238000001914 filtration Methods 0.000 description 7
- 241001465754 Metazoa Species 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 239000004575 stone Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 201000009310 astigmatism Diseases 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Biomedical Technology (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Multimedia (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Image Analysis (AREA)
- Human Computer Interaction (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Social Psychology (AREA)
- Psychiatry (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
Abstract
本申请涉及一种变电站监控方法、装置、计算机设备和存储介质。该方法包括:终端获取变电站的目标区域的多帧连续图像;对多帧连续图像进行二值化处理,得到多帧连续图像中所有目标物体的轮廓信息;根据轮廓信息判断多帧连续图像中是否存在异物信息;若存在异物信息,则根据异物信息确定是否生成报警信息。采用本方法能够实时监控变电站目标区域的动态情况,并对可能发生的异常情况进行预警提示,提高变电站的安全防护性能。
Description
技术领域
本申请涉及互联网技术领域,特别是涉及一种变电站监控方法、装置、计算机设备和存储介质。
背景技术
电力在居民的日常生活充当着重要角色,变电站是电力系统中对电压和电流进行变换,接收电能及分配电能的场所。变电站的正常运作直接影响人们的生活起居,需要人工不间断地监视变电站的实时情况。
传统的监控方法是利用摄像头采集变电站的实时视频图像,由人工通过视频图像实时监控变电站的变化情况,以应对突发事件,从而保证变电站的正常运作。
然而,传统的监控方法,人工持续关注多个摄像头采集变电站的实时视频图像,精神压力大,影响监视效果,导致变电站的安全防护性能差。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高变电站的安全防护性能的变电站监控方法、装置、计算机设备和存储介质。
第一方面,本申请提供一种变电站监控方法,该方法包括:
获取变电站的目标区域的多帧连续图像;
对所述多帧连续图像进行二值化处理,得到所述多帧连续图像中所有目标物体的轮廓信息;
根据所述轮廓信息判断所述多帧连续图像中是否存在异物信息;
若存在所述异物信息,则根据所述异物信息确定是否生成报警信息。
在其中一个实施例中,所述根据所述异物信息确定是否生成报警信息,包括:
根据所述异物信息的轮廓信息判断异物是否为人体;
若所述异物为人体,则检测当前帧图像中的所述人物是否佩戴安全帽;
若所述人物未佩戴安全帽,则生成所述报警信息。
在其中一个实施例中,所述方法还包括:
若所述异物不为人体,则根据所述异物信息的轮廓信息提取所述异物的特征信息;所述特征信息包括所述异物的尺寸、数量、位置、运动轨迹中的至少一个;
若所述异物的特征信息满足预设的报警条件,则生成所述报警信息。
在其中一个实施例中,所述报警条件包括以下条件中的至少一个:
所述异物的尺寸大于预设的尺寸阈值;
所述异物的数量超过预设的数量阈值;
所述异物的位置处于预设的区域内;
所述异物的运动轨迹的目标方向指向所述预设的区域。
在其中一个实施例中,所述对所述多帧连续图像进行二值化处理,得到所述多帧连续图像中所有目标物体的轮廓信息之前,还包括:
对所述多帧连续图像进行预处理,得到处理后的多帧连续图像;所述预处理包括去高斯噪声处理和/或去脉冲噪声处理;
所述对所述多帧连续图像进行二值化处理,得到所述多帧连续图像中所有目标物体的轮廓信息,包括:
对所述处理后的多帧连续图像进行二值化处理,得到所述多帧连续图像中所有目标物体的轮廓信息。
在其中一个实施例中,所述对所述多帧连续图像进行二值化处理,得到所述多帧连续图像中所有目标物体的轮廓信息之前,还包括:
检测所述多帧连续图像中的雾霾浓度;
若所述雾霾浓度大于预设的雾霾浓度阈值,则对所述多帧连续图像进行去雾霾处理,得到多帧连续的清晰化图像;
所述对所述多帧连续图像进行预处理,得到处理后的多帧连续图像,包括:
对所述多帧连续的清晰化图像进行预处理,得到处理后的所述多帧连续的清晰化图像。
在其中一个实施例中,所述对所述多帧连续图像进行去雾霾处理,得到清晰化图像,包括:
根据所述雾霾浓度确定雾霾的去除强度;
获取所述多帧连续图像中每个图像中各像素的灰度值,将所述每个图像的最大灰度值确定为所述每个图像的整体大气光值;
根据所述每个图像的像素、所述去除强度,确定所述每个图像中各个像素的大气散射光值;
根据所述整体大气光值和所述大气散射光值,确定所述每个图像的各个像素的介质传输率;
根据所述每个图像的像素、所述每个图像的各个像素的介质传输率、所述整体大气光值,确定所述每个图像的各个像素的清晰化像素值;
根据所述每个图像的各个像素的清晰化像素值,得到所述清晰化图像。
第二方面,本申请提供一种变电站监控装置,该装置包括:
第一获取模块,用于获取变电站的目标区域的多帧连续图像;
第一处理模块,用于对所述多帧连续图像进行二值化处理,得到所述多帧连续图像中所有目标物体的轮廓信息;
判断模块,用于根据所述轮廓信息判断所述多帧连续图像中是否存在异物信息;
第一生成模块,用于若存在所述异物信息,则根据所述异物信息确定是否生成报警信息。
第三方面,本申请提供一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现第一方面中任一项实施例的步骤。
第四方面,本申请提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现第一方面中任一项实施例的步骤。
上述变电站监控方法、装置、计算机设备和存储介质,能够达到的有益效果包括:
终端获取变电站的目标区域的多帧连续图像;对多帧连续图像进行二值化处理,得到多帧连续图像中所有目标物体的轮廓信息;根据轮廓信息判断多帧连续图像中是否存在异物信息;若存在异物信息,则根据异物信息确定是否生成报警信息。通过比较多帧连续图像中所有目标物体的轮廓信息,判断是否有异物闯入变电站的目标区域,根据异物信息确定是否生成报警信息;该方法能够实时监控变电站目标区域的动态情况,并对可能发生的异常情况进行预警提示,与传统的人工监控相比,提高变电站的安全防护性能。
附图说明
图1为本申请实施例中一种变电站监控方法的应用环境图;
图2为本申请实施例中提供的一种变电站监控方法的流程示意图;
图3为本申请实施例中提供的另一种变电站监控方法的流程示意图;
图4为本申请实施例中提供的另一种变电站监控方法的流程示意图;
图5为本申请实施例中提供的另一种变电站监控方法的流程示意图;
图6为本申请实施例中提供的另一种变电站监控方法的流程示意图;
图7为本申请实施例中提供的一种变电站监控装置的框图;
图8为本申请实施例中提供的另一种变电站监控装置的框图;
图9为本申请实施例中提供的另一种变电站监控装置的框图;
图10为本申请实施例中提供的另一种变电站监控装置的框图;
图11为本申请实施例中提供的另一种变电站监控装置的框图;
图12为本申请实施例中提供的另一种变电站监控装置的框图;
图13为本申请实施例中提供的一种计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的变电站监控方法,可以应用于如图1所示的应用环境中,应用环境包括目标区域101、视频采集设备102以及终端103,视频采集设备102与终端103之间可以实现数据交互。其中,目标区域101是视频采集设备102可以监控到区域,目标区域101中可以设置但不限于变压器、电压互感器、电流互感器、组合电器等电气设备或机房,视频采集设备102可以用一个或者是多个摄像头组成,用于采集变电站的目标区域的视频图像;终端103可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备等,用于处理视频采集设备采集的视频图像。
下面将通过实施例并结合附图具体地对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。需要说明的是,本申请图2-图6实施例提供的变电站监控方法,其执行主体可以是终端,例如个人计算机,也可以是变电站监控装置,该变电站监控装置可以通过软件、硬件或者软硬件结合的方式成为终端的部分或全部。下述方法实施例中,均以执行主体是终端为例来进行说明。
在一个实施例中,如图2所示,提供了一种变电站监控方法,该方法包括以下步骤:
S201、获取变电站的目标区域的多帧连续图像。
其中,目标区域是通过视频采集设备能够实时监控到的区域,目标区域中可以设置但不限于变压器、电压互感器、电流互感器、组合电器等电气设备或机房。
在本实施例中,终端从视频采集设备获取变电站的目标区域的多帧连续图像,该多帧连续图像是视频采集设备实时采集的目标区域的图像。可选地,该图像可以是实时的连续图像,也可以预先设置采集周期,每隔一个采集周期获取一帧图像,得到多帧不连续的图像。
S202、对多帧连续图像进行二值化处理,得到多帧连续图像中所有目标物体的轮廓信息。
其中,二值化处理是将图像中像素点的灰度值设置为0或255。例如,预先设置灰度值的阈值,将像素点的灰度值小于阈值的像素点的灰度值设置为0,像素点的灰度值不小于阈值的像素点的灰度值设置为255,使整个图像呈现出明显的黑白效果。可选地,轮廓信息包括形状、高度、宽度等。
在本实施例中,终端对从视频采集设备获取的多帧连续图像进行二值化处理,通过图像轮廓提取算法从经过二值化处理的每帧图像中提取所有目标的轮廓信息,例如,从图像中提取电气设备和异物的轮廓信息。其中,图像提取算法可以是基于区域的轮廓提取算法,也可以是基于边缘的轮廓提取算法,本申请实施例中不以此为限。
S203、根据轮廓信息判断多帧连续图像中是否存在异物信息。
其中,异物信息包括至少一个人体或异物的轮廓信息。
在本实施例中,根据从多帧连续图像中提取的轮廓信息,将当前帧图像与前一帧图像相应位置的轮廓信息进行一一比对,识别当前帧图像中是否存在异物信息。在识别过程中,当前帧图像的轮廓信息在前一帧图像相应位置未识别相同的轮廓信息,或者,当前帧图像的轮廓信息在后一帧图像相应位置未识别相同的轮廓信息,则该轮廓信息为异物的轮廓信息,当前帧图像存在异物信息,说明有异物闯入变电站的目标区域。
S204、若存在异物信息,则根据异物信息确定是否生成报警信息。
其中,报警信息可以是震动、警报、指示灯闪烁等形式,也可以是根据异物信息进行语言报警,例如,根据异物信息判断该异物为小动物时,生成报警语言“有异物闯入,请及时处理”。
在本实施例中,若判断出多帧连续图像中存在异物信息,根据异物信息判断异物是否会影响变电站的正常运作,或者,工作人员进入变电站是否具备安全措施,确定是否生成报警信息提示管理员有异常情况等。例如,根据异物信息判断有异物闯入机房,可能对变电站造成危害,则生成报警信息提示管理员进行处理。
本申请提供的变电站监控方法,终端获取变电站的目标区域的多帧连续图像;对多帧连续图像进行二值化处理,得到多帧连续图像中所有目标物体的轮廓信息;根据轮廓信息判断多帧连续图像中是否存在异物信息;若存在异物信息,则根据异物信息确定是否生成报警信息。通过比较多帧连续图像中所有目标物体的轮廓信息,判断是否有异物闯入变电站的目标区域,根据异物信息确定是否生成报警信息;该方法能够实时监控变电站目标区域的动态情况,并对可能发生的异常情况进行预警提示,与传统的人工监控相比,提高变电站的安全防护性能。
在图2所示实施例的基础上,如图3所示,在步骤S204“若存在异物信息,则根据异物信息确定是否生成报警信息”中,具体是若根据异物信息的轮廓信息判断异物为人体,当检测到人物未佩戴安全帽时,就生成报警信息,具体包括以下步骤:
S301、根据异物信息的轮廓信息判断异物是否为人体。
在本实施例中,经过判断当前帧图像存在异物信息,根据异物信息的轮廓信息判断当前帧图像中的异物是否为人体。由于正常人体与动物、树枝等异物的形状、高度、宽度有明显的区别,根据异物信息的轮廓信息的形状、高度、宽度等进行判断异物是否为人体。
S302、若异物为人体,则检测当前帧图像中的人物是否佩戴安全帽。
在本实施例中,终端根据异物信息的轮廓信息判断异物为人体,基于RPN网络模块模块和Faster R-CNN网络模块实现安全帽佩戴的检测。预先利用多帧连续图像对RPN网络模块和Faster R-CNN网络模块进行训练,根据训练后的模块判断当前帧图像中的人体是否佩戴安全帽。
进一步地,对RPN网络模块和Faster R-CNN网络模块训练过程进行说明。在本实施例中,预先将多帧连续图像缩放成大小统一的尺寸,然后将尺寸相同的多帧连续图像输入到RPN网络模块,首先将多帧连续图像输入到RPN网络模块的卷积层经过尺寸为3×3的卷积运算,得到的前景锚以及边界框回归的偏移量。其中RPN网络模块包括13个卷积层、4个池化层以及13个激活层。根据多帧连续图像进行卷积运算得到的前景锚以及边界框回归的偏移量,计算得到建议量,池化层根据建议量,从多帧连续图像中每个图像中提取建议特征,将建议特征输入到全连接层和softmax网络进行分类,得到多帧连续图像中每个图像的候选区域的数据,候选区域的数据输入到Faster R-CNN网络模块中进行训练,得到训练后多帧连续图像中每个图像的图像数据。根据训练后的图像数据再一次训练RPN网络模块,并更新RPN网络模块的参数,利用RPN网络模块的输出数据微调Faster R-CNN网络模块的数据,确定并更新Faster R-CNN网络模块的公共参数。根据训练后的RPN网络模块和Faster R-CNN网络模块判断工人是否带上安全帽。
S303、若人物未佩戴安全帽,则生成报警信息。
在本实施例中,若检测当前帧图像中人物未佩戴安全帽,则生成报警信息发出预警。例如,生成报警语音“进入变电站区域请佩戴安全帽”,提示进入变电站目标区域的人物做好安全措施。要若检测到当前帧图像中的人物已佩戴安全帽,则生成报警信息发出预警。可选地,可以检测当前帧图像中人物是否佩戴安全帽,也可以检测该人物是否穿戴工作服,
本申请提供的变电站监控方法,若检测到当前帧图像存在异物,根据异物信息得轮廓信息判断异物是否为人体;若异物为人体,则检测当前帧图像中的人物是否佩戴安全帽;若人物未佩戴安全帽,则生成报警信息对进入变电站的工作人员进行预警,保证进入变电站的工作人员做好安全措施,保障工作人员的安全。
进一步地,在图3所示实施例的基础上,若检测到异物不为人体,提取异物的特征信息,根据异物的特征信息判断异物是否对变电站产生危害,即是否满足预设的报警条件。如图4所示,接下来对异物不为人体的情况进行说明。
S401、若异物不为人体,则根据异物信息的轮廓信息提取异物的特征信息。
可选地,特征信息包括异物的尺寸、数量、位置、运动轨迹中的至少一个。
在本实施例中,根据异物信息的轮廓信息判断该异物不为人体时,根据异物信息的轮廓信息提取异物的特征信息。根据当前帧图像与前一帧图像的轮廓信息计算出异物的尺寸,位置与数量,并计算异物与相应图像中电气设备的空间坐标变化,获得异物的运动轨迹。例如,根据当前帧图像与前一帧图像的轮廓信息计算掉落到变电站的石头大小,位置与数量。若传入变电站的异物为小动物,还可以根据异物与相应图像中电气设备的空间坐标的相对变化,获得小动物的运动轨迹。
S402、若异物的特征信息满足预设的报警条件,则生成报警信息。
可选地,报警条件包括异物的尺寸大于预设的尺寸阈值、异物的数量超过预设的数量阈值、异物的位置处于预设的区域内、异物的运动轨迹的目标方向指向预设的区域中至少一个。其中,预设的区域为变电站的目标区域中预先划分核心区域,例如,机房所在的区域,变压器运转的区域等电气设备运行的重要区域。
在本实施例中,异物的特征信息满足预设的报警条件中的至少一个,表示异物可能对变电站的电气设备产生危害,则生成报警信息。例如,异物为滚石,石头的尺寸大于预设的尺寸阈值,可能影响工作人员的出行或电气设备的运转,或者,异物的位置处于预先划分的设备运转核心区域,异物的数量超过预设的数量阈值,可能对电气设备的正常运行造成影响,则生成报警信息,提醒工作人员对该异物进行清理。若闯入变电站的异物为小动物,获取该小动物的运动轨迹,若运动轨迹有朝向变电站的电气设备方向运动的趋势,可能会对电气设备产生危害,则生成报警信息预警。
本申请提供的变电站监控方法,若检测到当前帧图像异物不为人体,则根据异物信息的轮廓信息提取异物的特征信息;若异物的特征信息满足预设的报警条件,则生成报警信息。上述实施例中,报警条件包括异物的尺寸大于预设的尺寸、异物的数量超过预设的数量、异物的位置处于预设的位置、异物的运动轨迹有向变电站的电气设备运动的趋势四种情况。从多方面分析异物是否会对电气设备造成危害,从而确定是否生成报警信息进行处理,保障电气设备的正常运转,提高变电站的安全防护性能
在图2所示实施例的基础上,为了便于获取目标物体的轮廓信息,需要对多帧连续图像进行预处理。可选地,在步骤S202“对多帧连续图像进行二值化处理,得到多帧连续图像中所有目标物体的轮廓信息”之前,对多帧连续图像进行预处理,得到处理后的多帧连续图像。
在本实施例中,终端从视频采集设备获取到多帧连续图像,采用图像滤波技术对多帧连续图像进行预处理,得到处理后的多帧连续图像。其中,预处理包括去高斯噪声处理和/或去脉冲噪声处理。可选地,对多帧连续图像进行二值化处理,得到多帧连续图像中所有目标物体的轮廓信息,具体是对处理后的多帧连续图像进行二值化处理,得到多帧连续图像中所有目标物体的轮廓信息。
本申请提供的变电站监控方法,对获取的多帧连续图像进行预处理,得到处理后的多帧连续图像,去除多帧连续图像中的高斯噪声和脉冲噪声,便于获取更加准确的轮廓信息。
进一步地,受到恶劣天气的影响,使变电站的监控效果降低。例如,雾霾天气容易导致采集的图像不清晰,因此,如图5所示,当检测到多帧连续图像中的雾霾浓度超过阈值,将对图像进行清晰化处理,具体过程包括以下步骤:
S501、检测多帧连续图像中的雾霾浓度。
在本实施例中,如果有雾霾天气,视频采集设备采集的多帧连续图像是不清晰的,影响监视效果。因此,需要对视频采集设备采集的多帧连续图像中的雾霾浓度进行检测,确定多帧连续图像中的雾霾浓度值。可选地,还可以通过传感器检测变电站的目标区域的雾霾浓度,确定是否需要对多帧连续图像进行去雾霾处理。
S502、若雾霾浓度大于预设的雾霾浓度阈值,则对多帧连续图像进行去雾霾处理,得到多帧连续的清晰化图像。
在本实施例中,将检测得到的雾霾浓度与预先设置的浓度阈值比较,若雾霾浓度大于预设的雾霾浓度阈值,则对多帧连续图像进行去雾霾处理,得到多帧连续的清晰化图像;若雾霾浓度不大于预设的雾霾浓度阈值,则说明雾霾浓度对多帧连续图像的清晰度影响较小,不需要进行雾霾处理。其中,对多帧连续图像的去雾霾处理和预处理之间的先后时序并不影响本方案的实施。可选地,对多帧连续图像进行预处理,得到处理后的多帧连续图像,包括:对多帧连续的清晰化图像进行预处理,得到处理后的多帧连续的清晰化图像。
本申请提供的变电站监控方法,通过检测多帧连续图像中的雾霾浓度,若雾霾浓度大于预设的雾霾浓度阈值,则对多帧连续图像进行去雾霾处理,得到多帧连续的清晰化图像。对多帧连续图像进行去雾霾处理,有利于获取目标物体的轮廓信息,提高监控效果,进而提高变电站的安全防护性能。
在图5所示实施例的基础上,如图6所示,对多帧连续图像的去雾霾处理具体过程是确定出每个图像的各个像素的清晰化像素值,根据每个图像的各个像素的清晰化像素值,得到清晰化图像。接下来,具体对多帧连续图像的去雾霾处理过程进行说明。
S601、根据雾霾浓度确定雾霾的去除强度。
其中,雾霾去除强度取值在0到1之间。
在本实施例中,若检测到雾霾浓度大于预设的雾霾浓度阈值,将根据雾霾浓度确定雾霾的去除强度。雾霾的去除强度可以根据预先建立的计算规则确定,可以根据雾霾浓度等级划分。例如,雾霾浓度等级为一级、二级、三级对应的去除强度分别为0.7、0.5、0.3,也可以根据预先建立的计算规则确定更加具体的雾霾去除强度。
S602、获取多帧连续图像中每个图像中各像素的灰度值,将每个图像的最大灰度值确定为每个图像的整体大气光值。
在本实施例中,终端根据获取多帧连续图像的确定出每个图像中各个像素的灰度值,将每个图像中各个像素值的灰度值进行比较,取各个图像的最大灰度值作为该图像的整体大气光值。可选地,每个图像的整体大气光值可以是终端根据获取多帧连续图像的确定的,也可以是从视频采集设备获取的。例如,终端确定出图像的各个像素值分别为0、15、45、107、108、109、156、178、195、205、208、215、233等,其中,经过比较最大的灰度值为233,则该图像的整体大气光值为233。
S603、根据每个图像的像素、去除强度,确定每个图像中各个像素的大气散射光值。
在本实施例中,每个图像中各个像素的大气散射光值是根据每个像素和去除强度获得的。终端提取每个图像中各像素的R、G、B三颜色通道像素值中最小值作为对应像素的目标像素值;使用保持边缘的高斯平滑滤波器(Edge-Preserving GaussianFilter、EPGF)对该目标像素值进行滤波处理,获得滤波目标像素值,将目标像素值减去滤波目标像素值以获得目标像素差值;使用EPGF对目标像素差值进行滤波处理,获得滤波目标像素差值;将滤波目标像素值减去滤波目标像素差值,获得雾霾去除基准值,将雾霾去除强度乘以雾霾去除基准值,获得雾霾去除阈值;取雾霾去除阈值和目标像素值中的最小值作为比较参考值,比较0与比较参考值的大小,取最大值作为每个图像中各像素的大气散射光值。
S604、根据整体大气光值和大气散射光值,确定每个图像的各个像素的介质传输率。
在本实施例中,每个图像的各个像素的介质传输率是根据每个图像对应的整体大气光值和该图像的各个像素的大气散光值获得的。终端根据每个图像中各像素的大气散射光值除以整体大气光值,获得每个图像中各像素的除值,再将1减去每个图像中各像素除值,获得每个图像中各像素的介质传输率。
S605、根据每个图像的像素、每个图像的各个像素的介质传输率、整体大气光值,确定每个图像的各个像素的清晰化像素值。
在本实施例中,每个图像的各个像素的清晰化像素值是每个图像的像素、每个图像的各个像素的介质传输率和整体大气光值获得的。终端用1减去每个图像的各个像素的介质传输率,获得每个图像的各个像素的第一差值,将该第一差值乘以整体大气光值,获得每个图像的各个像素的乘积值,根据每个图像的像素获取每个图像的各个像素的像素值,将该像素值减去该乘积值,获得每个图像的各个像素第二差值,将该第二差值除以每个图像的各个像素的介质传输率,获得每个图像的各个像素的清晰化像素值。可选地,每个图像的各个像素的像素值包括R、G、B三颜色通道像素值,相应地,每个图像的各个像素清晰化像素值包括每个图像的各个像素的R、G、B三颜色通道清晰化像素值。
S606、根据每个图像的各个像素的清晰化像素值,得到清晰化图像。
在本实施例中,终端根据每个图像的各个像素的清晰化像素值对图像进行去雾霾处理,得到清晰化图像。具体是利用每个图像的各个像素的R、G、B三颜色通道清晰化像素值去处理对应的像素,最终得到清晰的多帧连续图像。
本申请提供的变电站监控方法,根据雾霾浓度确定雾霾的去除强度;将每个图像中各像素的最大灰度值确定为每个图像的整体大气光值;根据每个图像的像素、去除强度,确定每个图像中各个像素的大气散射光值;根据整体大气光值和大气散射光值,确定每个图像的各个像素的介质传输率;根据每个图像的像素、每个图像的各个像素的介质传输率、整体大气光值,确定每个图像的各个像素的清晰化像素值;根据每个图像的各个像素的清晰化像素值,得到清晰化图像。利用清晰化像素值对图像进行去雾霾处理,得到清晰化图像,有利于提高监控效果,对异常情况的辨别更加准确,提高变电站的安全防护。
应该理解的是,虽然图2-6的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-6中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图7所示,提供了一种变电站监控装置,包括:第一获取模块701、第一处理模块702、判断模块703和第一生成模块704,其中:
第一获取模块701,用于获取变电站的目标区域的多帧连续图像;
第一处理模块702,用于对多帧连续图像进行二值化处理,得到多帧连续图像中所有目标物体的轮廓信息;
判断模块703,用于根据轮廓信息判断多帧连续图像中是否存在异物信息;
第一生成模块704,用于若存在异物信息,则根据异物信息确定是否生成报警信息。
在一个实施例中,如图8所示,该第一生成模块704包括:
判断单元7041,用于根据异物信息的轮廓信息判断异物是否为人体;
检测单元7042,用于若异物为人体,则检测当前帧图像中的人物是否佩戴安全帽;
生成单元7043,用于若人物未佩戴安全帽,则生成报警信息。
在一个实施例中,如图9所示,该装置700还包括:
提取模块705,用于若异物不为人体,则根据异物信息的轮廓信息提取异物的特征信息;
第一生成模块704,还用于若异物的特征信息满足预设的报警条件,则生成报警信息。
在一个实施例中,报警条件包括以下条件中的至少一个:
异物的尺寸大于预设的尺寸阈值;
异物的数量超过预设的数量阈值;
异物的位置处于预设的区域内;
异物的运动轨迹的目标方向指向预设的区域运动。
在一个实施例中,如图10所示,该装置700还包括:
第二处理模块706,用于对多帧连续图像进行预处理,得到处理后的多帧连续图像;
第一处理模块702执行对多帧连续图像进行二值化处理,得到多帧连续图像中所有目标物体的轮廓信息,包括:
第一处理模块702对处理后的多帧连续图像进行二值化处理,得到多帧连续图像中所有目标物体的轮廓信息。
在一个实施例中,如图11所示,该装置700还包括:
检测模块707,用于检测多帧连续图像中的雾霾浓度;
第三处理模块708,用于若雾霾浓度大于预设的雾霾浓度阈值,则对多帧连续图像进行去雾霾处理,得到多帧连续的清晰化图像;
第二处理模块706执行对多帧连续图像进行预处理,得到处理后的多帧连续图像,包括:
第二处理模块706对多帧连续的清晰化图像进行预处理,得到处理后的多帧连续的清晰化图像。
在一个实施例中,如图12所示,该第三处理模块708包括:
第一确定单元7081,用于根据雾霾浓度确定雾霾的去除强度;
第二确定单元7082,用于获取多帧连续图像中每个图像中各像素的灰度值,将每个图像的最大灰度值确定为每个图像的整体大气光值;
第三确定单元7083,用于根据每个图像的像素、去除强度,确定每个图像中各个像素的大气散射光值;
第四确定单元7084,用于根据整体大气光值和大气散射光值,确定每个图像的各个像素的介质传输率;
第五确定单元7085,用于根据每个图像的像素、每个图像的各个像素的介质传输率、整体大气光值,确定每个图像的各个像素的清晰化像素值;
图像单元7086,用于根据每个图像的各个像素的清晰化像素值,得到清晰化图像。
上述所有的变电站监控装置实施例,其实现原理和技术效果与上述变电站监控方法对应的实施例类似,在此不再赘述。
关于变电站监控装置的具体限定可以参见上文中对于变电站监控方法的限定,在此不再赘述。上述变电站监控装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图13所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种变电站监控方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图13中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取变电站的目标区域的多帧连续图像;
对多帧连续图像进行二值化处理,得到多帧连续图像中所有目标物体的轮廓信息;
根据轮廓信息判断多帧连续图像中是否存在异物信息;
若存在异物信息,则根据异物信息确定是否生成报警信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据异物信息确定是否生成报警信息,包括:
根据异物信息的轮廓信息判断异物是否为人体;
若异物为人体,则检测当前帧图像中的人物是否佩戴安全帽;
若人物未佩戴安全帽,则生成报警信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
若异物不为人体,则根据异物信息的轮廓信息提取异物的特征信息;特征信息包括异物的尺寸、数量、位置、运动轨迹中的至少一个;
若异物的特征信息满足预设的报警条件,则生成报警信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
报警条件包括以下条件中的至少一个:
异物的尺寸大于预设的尺寸阈值;
异物的数量超过预设的数量阈值;
异物的位置处于预设的区域内;
异物的运动轨迹的目标方向指向预设的区域。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
对多帧连续图像进行二值化处理,得到多帧连续图像中所有目标物体的轮廓信息之前,还包括:
对多帧连续图像进行预处理,得到处理后的多帧连续图像;预处理包括去高斯噪声处理和/或去脉冲噪声处理;
对多帧连续图像进行二值化处理,得到多帧连续图像中所有目标物体的轮廓信息,包括:
对处理后的多帧连续图像进行二值化处理,得到多帧连续图像中所有目标物体的轮廓信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
对多帧连续图像进行二值化处理,得到多帧连续图像中所有目标物体的轮廓信息之前,还包括:
检测多帧连续图像中的雾霾浓度;
若雾霾浓度大于预设的雾霾浓度阈值,则对多帧连续图像进行去雾霾处理,得到多帧连续的清晰化图像;
对多帧连续图像进行预处理,得到处理后的多帧连续图像,包括:
对多帧连续的清晰化图像进行预处理,得到处理后的多帧连续的清晰化图像。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
对多帧连续图像进行去雾霾处理,得到清晰化图像,包括:
根据雾霾浓度确定雾霾的去除强度;
获取多帧连续图像中每个图像中各像素的灰度值,将每个图像的最大灰度值确定为每个图像的整体大气光值;
根据每个图像的像素、去除强度,确定每个图像中各个像素的大气散射光值;
根据整体大气光值和大气散射光值,确定每个图像的各个像素的介质传输率;
根据每个图像的像素、每个图像的各个像素的介质传输率、整体大气光值,确定每个图像的各个像素的清晰化像素值;
根据每个图像的各个像素的清晰化像素值,得到清晰化图像。
上述实施例提供的计算机设备,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取变电站的目标区域的多帧连续图像;
对多帧连续图像进行二值化处理,得到多帧连续图像中所有目标物体的轮廓信息;
根据轮廓信息判断多帧连续图像中是否存在异物信息;
若存在异物信息,则根据异物信息确定是否生成报警信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据异物信息确定是否生成报警信息,包括:
根据异物信息的轮廓信息判断异物是否为人体;
若异物为人体,则检测当前帧图像中的人物是否佩戴安全帽;
若人物未佩戴安全帽,则生成报警信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
若异物不为人体,则根据异物信息的轮廓信息提取异物的特征信息;特征信息包括异物的尺寸、数量、位置、运动轨迹中的至少一个;
若异物的特征信息满足预设的报警条件,则生成报警信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
报警条件包括以下条件中的至少一个:
异物的尺寸大于预设的尺寸阈值;
异物的数量超过预设的数量阈值;
异物的位置处于预设的区域内;
异物的运动轨迹的目标方向指向预设的区域。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对多帧连续图像进行二值化处理,得到多帧连续图像中所有目标物体的轮廓信息之前,还包括:
对多帧连续图像进行预处理,得到处理后的多帧连续图像;预处理包括去高斯噪声处理和/或去脉冲噪声处理;
对多帧连续图像进行二值化处理,得到多帧连续图像中所有目标物体的轮廓信息,包括:
对处理后的多帧连续图像进行二值化处理,得到多帧连续图像中所有目标物体的轮廓信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对多帧连续图像进行二值化处理,得到多帧连续图像中所有目标物体的轮廓信息之前,还包括:
检测多帧连续图像中的雾霾浓度;
若雾霾浓度大于预设的雾霾浓度阈值,则对多帧连续图像进行去雾霾处理,得到多帧连续的清晰化图像;
对多帧连续图像进行预处理,得到处理后的多帧连续图像,包括:
对多帧连续的清晰化图像进行预处理,得到处理后的多帧连续的清晰化图像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对多帧连续图像进行去雾霾处理,得到清晰化图像,包括:
根据雾霾浓度确定雾霾的去除强度;
获取多帧连续图像中每个图像中各像素的灰度值,将每个图像的最大灰度值确定为每个图像的整体大气光值;
根据每个图像的像素、去除强度,确定每个图像中各个像素的大气散射光值;
根据整体大气光值和大气散射光值,确定每个图像的各个像素的介质传输率;
根据每个图像的像素、每个图像的各个像素的介质传输率、整体大气光值,确定每个图像的各个像素的清晰化像素值;
根据每个图像的各个像素的清晰化像素值,得到清晰化图像。
上述实施例提供的计算机可读存储介质,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种变电站监控方法,其特征在于,所述方法包括:
获取变电站的目标区域的多帧连续图像;
对所述多帧连续图像进行二值化处理,得到所述多帧连续图像中所有目标物体的轮廓信息;
根据所述轮廓信息判断所述多帧连续图像中是否存在异物信息;
若存在所述异物信息,则根据所述异物信息确定是否生成报警信息。
2.根据权利要求1所述的方法,其特征在于,所述根据所述异物信息确定是否生成报警信息,包括:
根据所述异物信息的轮廓信息判断异物是否为人体;
若所述异物为人体,则检测当前帧图像中的所述人物是否佩戴安全帽;
若所述人物未佩戴安全帽,则生成所述报警信息。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
若所述异物不为人体,则根据所述异物信息的轮廓信息提取所述异物的特征信息;所述特征信息包括所述异物的尺寸、数量、位置、运动轨迹中的至少一个;
若所述异物的特征信息满足预设的报警条件,则生成所述报警信息。
4.根据权利要求3所述的方法,其特征在于,所述报警条件包括以下条件中的至少一个:
所述异物的尺寸大于预设的尺寸阈值;
所述异物的数量超过预设的数量阈值;
所述异物的位置处于预设的区域内;
所述异物的运动轨迹的目标方向指向所述预设的区域。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述对所述多帧连续图像进行二值化处理,得到所述多帧连续图像中所有目标物体的轮廓信息之前,还包括:
对所述多帧连续图像进行预处理,得到处理后的多帧连续图像;所述预处理包括去高斯噪声处理和/或去脉冲噪声处理;
所述对所述多帧连续图像进行二值化处理,得到所述多帧连续图像中所有目标物体的轮廓信息,包括:
对所述处理后的多帧连续图像进行二值化处理,得到所述多帧连续图像中所有目标物体的轮廓信息。
6.根据权利要求1-4任一项所述的方法,其特征在于,所述对所述多帧连续图像进行二值化处理,得到所述多帧连续图像中所有目标物体的轮廓信息之前,还包括:
检测所述多帧连续图像中的雾霾浓度;
若所述雾霾浓度大于预设的雾霾浓度阈值,则对所述多帧连续图像进行去雾霾处理,得到多帧连续的清晰化图像;
所述对所述多帧连续图像进行预处理,得到处理后的多帧连续图像,包括:
对所述多帧连续的清晰化图像进行预处理,得到处理后的所述多帧连续的清晰化图像。
7.根据权利要求6所述的方法,其特征在于,所述对所述多帧连续图像进行去雾霾处理,得到清晰化图像,包括:
根据所述雾霾浓度确定雾霾的去除强度;
获取所述多帧连续图像中每个图像中各像素的灰度值,将所述每个图像的最大灰度值确定为所述每个图像的整体大气光值;
根据所述每个图像的像素、所述去除强度,确定所述每个图像中各个像素的大气散射光值;
根据所述整体大气光值和所述大气散射光值,确定所述每个图像的各个像素的介质传输率;
根据所述每个图像的像素、所述每个图像的各个像素的介质传输率、所述整体大气光值,确定所述每个图像的各个像素的清晰化像素值;
根据所述每个图像的各个像素的清晰化像素值,得到所述清晰化图像。
8.一种变电站监控装置,其特征在于,所述装置包括:
第一获取模块,用于获取变电站的目标区域的多帧连续图像;
第一处理模块,用于对所述多帧连续图像进行二值化处理,得到所述多帧连续图像中所有目标物体的轮廓信息;
判断模块,用于根据所述轮廓信息判断所述多帧连续图像中是否存在异物信息;
第一生成模块,用于若存在所述异物信息,则根据所述异物信息确定是否生成报警信息。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911064485.XA CN110929591A (zh) | 2019-11-04 | 2019-11-04 | 变电站监控方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911064485.XA CN110929591A (zh) | 2019-11-04 | 2019-11-04 | 变电站监控方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110929591A true CN110929591A (zh) | 2020-03-27 |
Family
ID=69850250
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911064485.XA Pending CN110929591A (zh) | 2019-11-04 | 2019-11-04 | 变电站监控方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110929591A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111443633A (zh) * | 2020-04-13 | 2020-07-24 | 深圳市水务技术服务有限公司 | 一体化泵站远程监控管理方法、装置、设备以及存储介质 |
CN112257610A (zh) * | 2020-10-23 | 2021-01-22 | 岭东核电有限公司 | 核电设备监控方法、装置、计算机设备和存储介质 |
CN112862817A (zh) * | 2021-03-16 | 2021-05-28 | 精英数智科技股份有限公司 | 一种基于机器视觉的滚筒乱绳检测方法及装置 |
CN112967467A (zh) * | 2021-02-24 | 2021-06-15 | 九江学院 | 文物防盗方法、系统、移动终端及存储介质 |
CN113781741A (zh) * | 2021-09-15 | 2021-12-10 | 南方电网数字电网研究院有限公司 | 基于网关的电力越界行为告警方法、装置、设备和介质 |
CN115100580A (zh) * | 2022-08-23 | 2022-09-23 | 浙江大华技术股份有限公司 | 一种异物检测方法、装置、终端及计算机可读存储介质 |
CN117253195A (zh) * | 2023-11-13 | 2023-12-19 | 广东申立信息工程股份有限公司 | 一种ipc安全监测方法、监测系统、计算机设备和可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101266710A (zh) * | 2007-03-14 | 2008-09-17 | 中国科学院自动化研究所 | 一种基于规则的全天候智能视频分析监控方法 |
CN110309718A (zh) * | 2019-05-27 | 2019-10-08 | 安徽继远软件有限公司 | 一种电网作业人员安全帽佩戴检测方法 |
-
2019
- 2019-11-04 CN CN201911064485.XA patent/CN110929591A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101266710A (zh) * | 2007-03-14 | 2008-09-17 | 中国科学院自动化研究所 | 一种基于规则的全天候智能视频分析监控方法 |
CN110309718A (zh) * | 2019-05-27 | 2019-10-08 | 安徽继远软件有限公司 | 一种电网作业人员安全帽佩戴检测方法 |
Non-Patent Citations (1)
Title |
---|
甘佳佳等: "结合精确大气散射图计算的图像快速去雾", 《中国图象图形学报》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111443633A (zh) * | 2020-04-13 | 2020-07-24 | 深圳市水务技术服务有限公司 | 一体化泵站远程监控管理方法、装置、设备以及存储介质 |
CN112257610A (zh) * | 2020-10-23 | 2021-01-22 | 岭东核电有限公司 | 核电设备监控方法、装置、计算机设备和存储介质 |
CN112257610B (zh) * | 2020-10-23 | 2024-05-07 | 岭东核电有限公司 | 核电设备监控方法、装置、计算机设备和存储介质 |
CN112967467A (zh) * | 2021-02-24 | 2021-06-15 | 九江学院 | 文物防盗方法、系统、移动终端及存储介质 |
CN112862817A (zh) * | 2021-03-16 | 2021-05-28 | 精英数智科技股份有限公司 | 一种基于机器视觉的滚筒乱绳检测方法及装置 |
CN113781741A (zh) * | 2021-09-15 | 2021-12-10 | 南方电网数字电网研究院有限公司 | 基于网关的电力越界行为告警方法、装置、设备和介质 |
CN115100580A (zh) * | 2022-08-23 | 2022-09-23 | 浙江大华技术股份有限公司 | 一种异物检测方法、装置、终端及计算机可读存储介质 |
CN117253195A (zh) * | 2023-11-13 | 2023-12-19 | 广东申立信息工程股份有限公司 | 一种ipc安全监测方法、监测系统、计算机设备和可读存储介质 |
CN117253195B (zh) * | 2023-11-13 | 2024-02-27 | 广东申立信息工程股份有限公司 | 一种ipc安全监测方法、监测系统、计算机设备和可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110929591A (zh) | 变电站监控方法、装置、计算机设备和存储介质 | |
CN109670441B (zh) | 一种实现安全帽穿戴识别的方法、系统、终端以及计算机可读存储介质 | |
CN110443210B (zh) | 一种行人跟踪方法、装置以及终端 | |
CN112396658B (zh) | 一种基于视频的室内人员定位方法及定位系统 | |
CN111199200A (zh) | 基于电力防护装备的佩戴检测方法、装置和计算机设备 | |
CN101271514A (zh) | 一种快速目标检测和目标输出的图像检测方法及装置 | |
CN109903272B (zh) | 目标检测方法、装置、设备、计算机设备和存储介质 | |
CN110532988B (zh) | 行为监控方法、装置、计算机设备和可读存储介质 | |
CN112364722A (zh) | 核电作业人员监控处理方法、装置和计算机设备 | |
CN113989711A (zh) | 一种配电施工安全工器具使用识别方法及系统 | |
CN117274722B (zh) | 基于红外图像的配电箱智能检测方法 | |
CN111460988A (zh) | 一种违规行为识别方法及装置 | |
CN112989910A (zh) | 电力目标检测方法、装置、计算机设备和存储介质 | |
CN103810696A (zh) | 一种目标对象图像检测方法及装置 | |
CN107818304A (zh) | 一种智能安防系统身份识别方法 | |
CN110781754A (zh) | 一种人工巡检智能监测的方法、装置、系统及存储介质 | |
CN108288025A (zh) | 一种车载视频监控方法、装置及设备 | |
Sutrisno et al. | Design of pothole detector using gray level co-occurrence matrix (GLCM) and neural network (NN) | |
CN113314230A (zh) | 基于大数据的智能防疫方法、装置、设备及存储介质 | |
CN114764895A (zh) | 异常行为检测装置和方法 | |
CN103996266A (zh) | 基于视频分析的尾矿库安全监测装置 | |
CN109272535B (zh) | 一种基于图像识别的配电房安全区预警方法 | |
CN110569717A (zh) | 局部放电检测方法、装置、系统、设备及可读存储介质 | |
CN108121942B (zh) | 一种指纹识别的方法及装置 | |
CN115909212A (zh) | 一种电力作业典型违章行为实时预警方法 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20201019 Address after: 510620 Tianhe District, Guangzhou, Tianhe South Road, No. two, No. 2, No. Applicant after: Guangzhou Power Supply Bureau of Guangdong Power Grid Co.,Ltd. Address before: 510620 Tianhe District, Guangzhou, Tianhe South Road, No. two, No. 2, No. Applicant before: GUANGZHOU POWER SUPPLY Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200327 |
|
RJ01 | Rejection of invention patent application after publication |