CN111223079A - 输电线路检测方法和装置、存储介质及电子装置 - Google Patents
输电线路检测方法和装置、存储介质及电子装置 Download PDFInfo
- Publication number
- CN111223079A CN111223079A CN201911425475.4A CN201911425475A CN111223079A CN 111223079 A CN111223079 A CN 111223079A CN 201911425475 A CN201911425475 A CN 201911425475A CN 111223079 A CN111223079 A CN 111223079A
- Authority
- CN
- China
- Prior art keywords
- image
- power transmission
- transmission line
- detected
- determining
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 162
- 238000001514 detection method Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 79
- 239000000203 mixture Substances 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 6
- 238000012544 monitoring process Methods 0.000 description 27
- 238000009826 distribution Methods 0.000 description 23
- 230000015654 memory Effects 0.000 description 18
- 230000002159 abnormal effect Effects 0.000 description 15
- 239000013598 vector Substances 0.000 description 12
- 238000004590 computer program Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000000605 extraction Methods 0.000 description 7
- 230000003993 interaction Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 description 1
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0008—Industrial image inspection checking presence/absence
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种输电线路检测方法和装置、存储介质及电子装置。其中,该方法包括:通过获取待检测输电线路的目标图像;基于背景差分法将目标图像的图像帧与对应待检测输电线路的背景图像的图像帧相减,得到差值,其中,背景图像是不含异物的输电线路正常状态的图像;在差值大于等于预定阈值的情况下,确定待检测输电线路中存在异物,达到了根据背景差分法确定输电线路中的是否存在异物的目的,从而实现了准确的确定输电线路的状态的技术效果,进而解决了现有技术中,输电线路中异物检测准确率较低的技术问题。
Description
技术领域
本发明涉及电力技术领域,具体而言,涉及一种输电线路检测方法和装置、存储介质及电子装置。
背景技术
输电线路的安全保障一直是输电业务重点之一。输电线路运行环境复杂,保障任务繁重。业务统计显示,输电线路每年因吊车违规作业等因素导致线路跳闸,造成大量经济损失。近年来且类似事件数目逐年增高,在200余处线路铁塔安装了远程图像监控设备,并可借助网络每隔5分钟获取一帧远程图像,提高了对线路安全的保障水平。但是,仅靠人工对摄像头进行监视存在着规模(无法全面的大规模监视)、时间(难以7*24监视)等方面限制,形成了监控瓶颈,严重制约了对突发事件反应处理能力的进一步提高。
传统的监控方式采用人工的方式进行监控,效率低,如果要做到24小时进行监控需要耗费大量的人力,所以通过智能监控系统来替代人工监控的方式将是大势所趋。由于现阶段国内的智能监控系统算法的局限性以及监控场景范围广,对于监控场景内的目标检测存在检测准确率较低、抗干扰性弱等缺点。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种输电线路检测方法和装置、存储介质及电子装置,以至少解决现有技术中,输电线路中异物检测准确率较低的技术问题。
根据本发明实施例的一个方面,提供了一种输电线路检测方法,包括:获取待检测输电线路的目标图像;基于背景差分法将所述目标图像的图像帧与对应所述待检测输电线路的背景图像的图像帧相减,得到差值,其中,所述背景图像是不含异物的输电线路正常状态的图像;在所述差值大于等于预定阈值的情况下,确定所述待检测输电线路中存在异物。
根据本发明实施例的另一方面,还提供了一种输电线路检测装置,包括:第一获取单元,用于获取待检测输电线路的目标图像;差值单元,用于基于背景差分法将所述目标图像的图像帧与对应所述待检测输电线路的背景图像的图像帧相减,得到差值,其中,所述背景图像是不含异物的输电线路正常状态的图像;第一确定单元,用于在所述差值大于等于预定阈值的情况下,确定所述待检测输电线路中存在异物。
根据本发明实施例的又一方面,还提供了一种计算机可读的存储介质,该计算机可读的存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述输电线路检测方法。
根据本发明实施例的又一方面,还提供了一种电子装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,上述处理器通过计算机程序执行上述的输电线路检测方法。
在本发明实施例中,通过获取待检测输电线路的目标图像;基于背景差分法将目标图像的图像帧与对应待检测输电线路的背景图像的图像帧相减,得到差值,其中,背景图像是不含异物的输电线路正常状态的图像;在差值大于等于预定阈值的情况下,确定待检测输电线路中存在异物,达到了根据背景差分法确定输电线路中的是否存在异物的目的,从而实现了准确的确定输电线路的状态的技术效果,进而解决了现有技术中,输电线路中异物检测准确率较低的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种可选的输电线路检测方法的应用环境的示意图;
图2是根据本发明实施例的一种可选的输电线路检测方法的流程图;
图3是根据本发明实施例的一种可选的CEDD特征抽取流程图;
图4是根据本发明实施例的一种可选的输电线路检测装置的结构示意图;
图5是根据本发明实施例的一种可选的输电线路检测方法的电子装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例的一个方面,提供了一种输电线路检测方法,可选地,作为一种可选的实施方式,上述输电线路检测方法可以但不限于应用于如图1所示的硬件环境中的输电线路检测系统中,其中,该输电线路检测系统可以包括但不限于终端设备102、网络110及服务器112。
其中,上述终端设备102中可以包括但不限于:人机交互屏幕104,处理器106及存储器108。人机交互屏幕104用于通过人机交互接口获取人机交互指令,还用于呈现输电线路的图像;处理器106用于响应上述人机交互指令。存储器108用于存储背景图像的属性信息,以及目标图像的属性信息。这里服务器可以包括但不限于:数据库114及处理引擎116,处理引擎116用于调用数据库114中存储的背景图像,与目标图像进行比对,在差值大于等于预定阈值的情况下,确定待检测输电线路中存在异物。基于背景差分法可以准确的确定输电线路中是否存在异物,进而提高了输电线路中异物检测准确率。
具体过程如以下步骤:在终端设备102中的人机交互屏幕104显示待检测输电线路的目标图像。如步骤S102-S108,获取获取待检测输电线路的目标图像,并将该目标图像通过网络110发送服务器112。在服务器112基于背景差分法将目标图像的图像帧与对应待检测输电线路的背景图像的图像帧相减,得到差值,其中,背景图像是不含异物的输电线路正常状态的图像;在差值大于等于预定阈值的情况下,确定待检测输电线路中存在异物。然后将上述确定出的结果返回终端设备102。
然后,如步骤S102-S108,终端设备102获取待检测输电线路的目标图像;基于背景差分法将目标图像的图像帧与对应待检测输电线路的背景图像的图像帧相减,得到差值,其中,背景图像是不含异物的输电线路正常状态的图像;在差值大于等于预定阈值的情况下,确定待检测输电线路中存在异物。进而避免检查人员长时间一直盯着监控录像确认输电线路中的是否存在异物。达到了根据背景差分法确定输电线路中的是否存在异物的目的,从而实现了准确的确定输电线路的状态的技术效果,进而解决了现有技术中,输电线路中异物检测准确率较低的技术问题。
可选地,在本实施例中,上述输电线路检测方法可以但不限于应用于服务器114中,用于协助终端设备对目标图像进行计算。该终端设备102可以但不限于为手机、平板电脑、笔记本电脑、PC机等支持运行应用客户端的终端设备。上述服务器114和终端设备102可以但不限于通过网络实现数据交互,上述网络可以包括但不限于无线网络或有线网络。其中,该无线网络包括:蓝牙、WIFI及其他实现无线通信的网络。上述有线网络可以包括但不限于:广域网、城域网、局域网。上述仅是一种示例,本实施例中对此不作任何限定。
可选地,作为一种可选的实施方式,如图2所示,上述输电线路检测方法包括:
步骤S202,获取待检测输电线路的目标图像。
步骤S204,基于背景差分法将目标图像的图像帧与对应待检测输电线路的背景图像的图像帧相减,得到差值,其中,背景图像是不含异物的输电线路正常状态的图像;
步骤S206,在差值大于等于预定阈值的情况下,确定待检测输电线路中存在异物。
通过本申请提供的实施例,通过获取待检测输电线路的目标图像;基于背景差分法将目标图像的图像帧与对应待检测输电线路的背景图像的图像帧相减,得到差值,其中,背景图像是不含异物的输电线路正常状态的图像;在差值大于等于预定阈值的情况下,确定待检测输电线路中存在异物,达到了根据背景差分法确定输电线路中的是否存在异物的目的,从而实现了准确的确定输电线路的状态的技术效果,进而解决了现有技术中,输电线路中异物检测准确率较低的技术问题。
作为一种可选的实施方案,获取待检测输电线路的目标图像之前,包括:
S1,获取预定时间段内的多张待检测输电线路中的多张输电线路的样本图像;
S2,基于高斯混合算法通过多张样本图像确定待检测输电线路的背景图像。
在实际应用中,基于高斯混合模型的背景图像建模如下:
将采用基于高斯混合模型来进行背景图像建模。高斯混合模型是把每一个像素按照多个高斯分布相混合,可以实现对多种背景变化(主要指不同的光照变化)的处理。该模型的参数可以通过自适应的方式得到更新。在采样过程中引入高斯噪声,则利用自适应的高斯分布就可以直观描述出来每一个像素点上发生的变化。高斯分布的数学表达如下:
实现基于高斯混合模型的背景建模,即利用一个特定像素的像素值是一个随时间始终处于变化之中的过程量,而非定值。对于每一个像素值而言,都和相应的时间点一一对应。以灰度值为例,对于任意特定时间t,一个特定像素(x0,y0)的高斯分布就是一长串的历史数据值,在特定的时间范围内可以得到一个灰度范围量。假设把该时间段内的每一个表面用值k来标定,k{1,2,...,K},k为状态数目,其为常量。K个状态中部分对应背景,另一部分对应前景。对于灰度图像,每个状态k由一个具有参数{u,}的高斯分布表示:
其中,uk为高斯分布的均值标量。对于RGB颜色模型的图像来说,状态k由一个参数{u,σ}的高斯分布描述:
在实际环境中,场景的活动往往是不能预知的,所以难以预计像素点的下一个值由哪个表面获取。所以像素值的序列就是一个随机变化的釆样。由于生成某一个状态的采样是不连续值,所以状态分布可以用K个高斯分布的和来表示:
由公式的内容很容易看出:在时刻t观察像素Xt的概率,其值等K个分布的概率加权和。Wk,i为第k个高斯分布的权值。基于高斯混合模型背景更新比较复杂,背景更新过程中不但要改变高斯分布自身的参数,还必须更新各个分布的权重以及优先级等,在检测过程中如果找不到与Xt匹配的高斯分布,则会去除优先级最低的高斯分布,并且对Xt构建新的高斯分布,同时对其赋予较小的权值和较大的方差,然后对所有高斯分布进行归一化处理。假设第n个高斯分布与Xt匹配,则其权值如下:
其中,上式表示背景更新快慢的权值更新率,以上公式表明与Xt匹配时高斯分布的权值得到提高,其他分布的权值也就是代表前景目标的值分布会相应降低,以此为依据实现对背景图像的更新。
作为一种可选的实施例,在差值大于等于预定阈值的情况下,确定待检测输电线路中存在异物之后,包括:
发出报警信息,以及显示对应输电线路中出现异物的输电线位置。
具体的是,该报警信息可以包括但不限于文本形式的信息、蜂鸣声音的报警信息等等。即在后台分析程序检测出监控图像中有异常时,会自动生成异常报警信息。用户登录系统后,默认显示当前各摄像头监控到的异常报警信息(也可查看历史报警信息),用户点击某条报警后可查看报警前后的相关历史图像及其分析结果。
其中,按照用户指定的要求显示后台保存的监控图像。用户可以查看某个摄像头的最新图像或历史图像,也可以对指定时间或指定摄像头的监控图像进行回放和轮巡显示。另外,浏览时可以暂停更新图像,并能对其进行异常信息标注。同时,用户也可以快速查看当前帧前、后某一时间段内的相关图像。
作为一种可选的实施例,在差值大于等于预定阈值的情况下,确定待检测输电线路中存在异物之后,包括:
通过灰度阈值法将目标图像中的异物与目标图像进行分割,确定异物对应的图像信息。
在实际应用中,基于灰度阈值法的异物目标分割。灰度阈值法是把图像的灰度分成不同的等级,然后用设置灰度阈值的方法确定有意义的区域或预分割物体的边界,该方法中最简单的就是二值化的阈值分割。一副图像一般包括背景、目标和噪声,怎样从灰度图像中提取目标?设定某一个阈值,可以将图像像素分成两部分区域:小于T的像素及大于T的像素,例如输入图像表示为f(x,y),输出图像表表示为h(x,y),则
上式表示图像的二值化过程即阈值分割:它的目的就是求一个阈值T并用T将图像f(x,y)分成对象物体和背景两个领域。在实际图像中,背景和目标不一定只分布在两个灰度范围,这时就需要两个或以上的阈值来进行图像分割了。
阈值的选取作为一种区域分割技术,其重点应用在具有较强对比的景物中即物体与背景有较强的对比性。然而合理有效的选取阈值是一个相对较难处理的问题。这是因为在一般的图像处理中,处理的图像数据(对象物的图像数据和背景图像数据)经常混合在一起,此外图像数据中还包括各种噪声数据。
作为一种可选的实施方案,在差值大于等于预定阈值的情况下,确定待检测输电线路中存在异物之后,包括:
通过灰度阈值法将目标图像中的异物与目标图像进行分割,确定异物对应的图像信息;
根据异物对应的图像信息识别出异物的类型。
其中,根据异物对应的图像信息识别出异物的类型,可以包括:
提取异物对应的图像信息中的颜色特征和纹理特征;
根据颜色特征和纹理特征确定异物的类型。
在实际应用中,可以基于支持向量机和多特征融合的异物识别。
1、特征表示
①CEDD特征
CEDD的英文全称是Color and Edge Directivity Descriptor,即颜色和边缘方向特征描述符。它结合了图像的颜色和纹理信息,生成一个144位的直方图。这个特征提取方法可以分为两个子模块系统,提取颜色信息的是颜色模块,提取纹理信息的是纹理模块。CEDD直方图信息由六个区域组成,也就是纹理模块,六个区域就是提取出的6维向量直方图,然后在这些纹理信息的每一维中再加入颜色模块提取出的24维颜色信息,这样就可以将颜色和纹理有效结合起来,最终得出6*24=144维的直方图信息。其原理如图3所示,CEDD特征抽取流程图。
②ColorLayout特征
颜色布局描述符以一种非常紧密的形式有效地表示了视觉信号的颜色空间分布。它以非常小的计算代价,带来高的检索效率。其提取方法如下:
a、将图像从RGB空间映射到YCrCb空间,映射公式为
Y=0.299·R+0.587·G+0.114·B
Cb=-0.169·R-0.331·G+0.500·B
Cr=0.500·R-0.419·G-0.081·B
b、将整幅图像分成64块(每块尺寸为(W/8)×(H/8)其中W为整幅图像的宽度,H为整幅图像的高度),计算每一块中所有像素各颜色分量(Y,Cr,Cb)的平均值,并以此作为该块的代表颜色(主颜色);
c、对各块的平均值数据进行DCT变换;
d、通过之字形扫描和量化,取出三组颜色DCT变换后的低频分量,共同构成该图像的颜色布局描述符。
③EdgeHistogram特征
边缘直方图是基于图像边缘的统计特征,能较好地反映目标的边缘和纹理特征,而且运算速度较高。其提取的具体步骤如下:
a、将图像转换成灰度图,每个象素的灰度值可以根据RGB颜色分量计算得到。
b、将整幅图像分成4×4块。
c、分别对16块1/16子图像进行sobel边缘算子运算,得到边缘图像。
d、统计子图像中的边缘直方图,该直方图包括4个直方条。
(横轴为0,1,2,3四个边缘方向,纵轴为该方向上的象素数占子图像总的象素数的比率)
e、将16个子图像的直方条综合起来,得到包括64个直方条的整幅图像的边缘直方图。
④ScalableColor特征
该描述符是HSV颜色空间的颜色直方图。首先将HSV颜色空间均匀量化成256维,并将每维的值量化成11比特表示。
表1对HSV中每个颜色分量的具体划分表
为了获得更高的的编码效率,再将这11比特的整数映射到非线性的4比特表示:
表2比特的整数映射到非线性的4比特表
但是256维HSV直方图的4比特表示将需要1024比特/直方图,这对于许多应用来说还是太庞大了。为了降低每个直方图所需的比特数并且使应用具有伸缩性,使用Haar变换对直方图进行编码。
⑤FCTH特征
模糊颜色和纹理直方图特征可从3个模糊单元的组合求得结果。先将图像划分成若干分块,在第一个模糊单元中以HSV颜色空间的三个信道为输入,经模糊系统最终产生10-bin的直方图。在第二个模糊单元修改每个颜色的色调后,经模糊系统最终产生24-bin的直方图。以上两个模糊单元在颜色描述子的章节中已详细作了解释,且模糊颜色描述子与CEDD中所提的颜色描述子是同一个概念,在此不再累述。在第三个模糊单元中,将图像分块经Harr小波变换成一组纹理元素,模糊系统以这些纹理元素集为输入将24-bin直方图转换成192-bin的直方图。最后是描述FCTH特征提取的实现。
首先定义与提取颜色信息相关的单元为颜色单元,与提取纹理信息相关的单元为纹理单元,纹理单元所在的模糊系统产生了8个区间,颜色单元所在的模糊系统产生了24个独立区间,这样最终的直方图将产生8*24=192bin区域。为了塑造这个直方图,衡量图像的细节与计算要求,先将图像分割成1600个分块。如果定义纹理单元的bin为N并且颜色单元的bin为M,那么该图像分块的直方图位置将为:N*24+M。
a)在纹理单元模块中,每个图像分块经Harr小波变换得到三个纹理元素fLH,fHL和fHH的值,经模糊关联系统分类可将该图像分块归类于8-bin直方图中的一种。假设该图像分块被归类到第二bin中,则它对应的纹理应为低能量水平激活区。b)在颜色单元模块中,每个图像分块被转化到HSV颜色空间。信道色调H,饱和度S,亮度V组成模糊系统的输入,得到输出为10-bin的直方图。假设输出结果为第4bin,对应的颜色为红色。第二个模糊系统(24-bin模糊关联)将原先的每个色调再次分割成3色调,改变亮度V为两个模糊区间,得出输出为24-bin直方图。再假设输出结果为第4bin,此时对应的颜色却为深红色。合并这三个模糊系统最终可将该图像分块归类为27bin(1*24+3)。
c)反复对图像的所有分块执行上(a),(b)两个步骤,得到整张图像的直方图,直方图会归一于{0-1}区间内,而每个直方图可量化为3比特。
⑥Tamura特征
基于人类对纹理的视觉感知的心理学的研究,Tamura等人提出了纹理特征的表达。Tamura纹理特征的六个分量对应于心理学角度上纹理特征的六种属性,分别是粗糙度(coarseness)、对比度(contrast)、方向度(directionality)、线像度(linelikeness)、规整度(regularity)和粗略度(roughness)。
2、基于支持向量机的异物识别
考虑以下形式的n点测试集D:
其中,yi是1或者-1。
超平面的数学形式可以写作:W·X-b=0。
其中X是超平面上的点,W是垂直于超平面的向量。
根据几何知识,我们知道W向量垂直于分类超平面。加入位移b的目的是增加间隔。如果没有b的话,那超平面将不得不通过原点,限制了这个方法的灵活性。
由于要求最大间隔,因此需要知道支持向量以及(与最佳超平面)平行的并且离支持向量最近的超平面。可以看到这些平行超平面可以由方程族:W·X-b=1或是W·X-b=-1来表示。
由于只是超平面的法向量,长度未定,是一个变量,所以等式右边的1和-1只是为计算方便而取的常量,其他常量只要互为相反数亦可。如果这些训练数据是线性可分的,那就可以找到这样两个超平面,在它们之间没有任何样本点并且这两个超平面之间的距离也最大。通过几何不难得到这两个超平面之间的距离是2/|w|,因此我们需要最小化|w|。同时为了使得样本数据点都在超平面的间隔区以外,我们需要保证对于所有的i满足其中的一个条件:
W·Xi-b≥1
或是
W·Xi-b≤-1
这两个式子可以写作:
yi(W·Xi-b≥1)≥1,1≤i≤n
现在寻找最佳超平面这个问题就变成了在1这个约束条件下最小化|w|.这是一个二次规划(QPquadratic programming)最优化中的问题,更清楚的表示:
满足yi(W·Xi-b)≥1,其中i=1,...,n。1/2因子是为了数学上表达的方便加上的。解如上约束问题,通常的想法可能是使用非负拉格朗日乘数αi于下式:
此式表明寻找一个鞍点,这样所有可以被yi(W·Xi-b)-1>0分离的点就无关紧要了,因为我们必须设置相应的αi为零。
这个问题现在可以用标准二次规划技术标准和程序解决。结论可以表示为如下训练向量的线性组合:
其中只有很少的αi会大于0.对应的Xi就是支持向量,这些支持向量在边缘上并且满足yi(W·Xi-b)=1.由此可以推导出支持向量也满足:
因此允许定义偏移量b.在实际应用中,把所有支持向量NSV的偏移量做平均后鲁棒性更强:
3、配置文件夹设计
对于每个线路名为line的线路,建立一个文件夹line,文件夹line下包括:文件夹classes,用来存储图像数据,可以包括的子目录有:1"crane";2"pump";3"tower";4"diggerLoader";5"fog";0其他子目录下是图片。对应变量Stringimagespath文件夹temp,用来存储过程中产生的临时性文件,文件opt.model.temp用来存储参数优化中的模型,对应变量Stringtempoptmodelpath;文件opt.result.temp用来存储参数优化中的预测结果,对应变量Stringtempoptresultpath;文件image.feature.temp用来存储图像分类中图像的特征,对应变Stringtempimgfeaturepath;文件image.feature.scale.temp用来存储图像分类时归一化后的图像特征,对应变量Stringtempscaleimgfeaturepath;文件image.result.temp用来存储图像分类时分类结果,对应变量Stringtempimageresultpath;文件features.feature,用来存储提取classes下图片的特征。对应变量Stringfeaturepath;文件scale.params用来存储归一化的参数。Stringscaleparamspath;文件features.feature.scale,用来存储归一化之后的特征。
对应变量Stringscalefeaturepath;文件features.feature.scale.train用来存储训练数据的特征。对应变量Stringtrainfeaturepath;文件features.feature.scale.predict用来存储测试数据的特征。Stringpredictfeaturepath;文件final.model用来存储训练模型对应变量Stringfinalmodelpath;线路相关变量除了上述变量之外,还需要一个异常类别变量,通过异常类别复选框得到Stringadnormalclasslabel;取值:1"crane";2"pump";3"tower";4"diggerLoader";5"fog"。
作为一种可选的实施方案,在同时检测多个待检测输电线路时,在差值大于等于预定阈值的情况下,确定待检测输电线路中存在异物之后,包括:
获取目标对象的第一操控指令,其中,第一操控指令用于调取确定存在异物的输电线路图像;
响应操控指令,显示存在异物的输线电路的图像。
作为一种可选的实施方案,,响应操控指令,显示存在异物的输线电路的图像之后,还包括:
获取目标对象的第二操控指令,其中,第二操控指令用于对显示存在异物的输线电路的图像进行预定操作;
响应第二操控指令,执行预定操作。
其中,该预定操作可以包括但不限于实现对异常图像的标注、查询、修改、删除等操作,并能查询异常图像产生时刻前后摄像头采集的历史图像信息。
可选的,通过本申请提供的实施例,运用智能化监控系统将直接提高线路反外力水平,有望显著增强输电检修人员对突发事件的预警及控制能力。可以直接帮助值班人员完成对输电线路异常情况的监控,在监控效率和监控范围上都将大大提升。同时,将可以间接降低公司有关突发事件处理成本、降低人力保障成本等。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
根据本发明实施例的另一个方面,还提供了一种用于实施上述输电线路检测方法的输电线路图像检测系统。
输电线路视频监控图像管理软件:主要实现监控图像的浏览、查询、报警信息的查看及异常报警和异常图像的检索和浏览等功能,同时包含线路及摄像头管理和用户管理模块。各模块的主要功能如下:
用户管理模块:实现系统用户的添加、修改、删除及用户登录、权限管理等功能。
线路及摄像头管理模块:实现线路及摄像头信息的添加、修改、删除、查看、列表及摄像头显示顺序排序方式设定等功能。
监控图像浏览模块:按照用户指定的要求显示后台保存的监控图像。用户可以查看某个摄像头的最新图像或历史图像,也可以对指定时间或指定摄像头的监控图像进行回放和轮巡显示。另外,浏览时可以暂停更新图像,并能对其进行异常信息标注。同时,用户也可以快速查看当前帧前、后某一时间段内的相关图像。
异常报警查看模块:后台分析程序检测出监控图像中有异常时,会自动生成异常报警信息。用户登录系统后,默认显示当前各摄像头监控到的异常报警信息(也可查看历史报警信息),用户点击某条报警后可查看报警前后的相关历史图像及其分析结果。
异常图像库管理模块:实现对异常图像的标注、查询、修改、删除等操作,并能查询异常图像产生时刻前后摄像头采集的历史图像信息。
数据库用于存储检测系统中的数据:
输电线路视频监控系统图像管理软件后台数据库采用SQLServer2005来实现,数据库名称为ElectVideoMonitorSys,内部主要设计设计如下的表来存储相关的图像和数据。
在本系统中,主要设计了表:Table_UserInfo(用户信息表)、Table_LineInfo(线路信息表)、Table_CameraInfo(摄像头信息表)Table_AbnormalImg(异常图像信息表)和Table_AlarmInfo(报警信息表)来存储输电线路视频监控系统中涉及到的相关人员、线路、摄像头及图像等信息。
根据本发明实施例的另一个方面,还提供了一种用于实施上述输电线路检测方法的输电线路检测装置。如图4所示,该装置包括:第一获取单元41、差值单元43以及第一确定单元45。
第一获取单元41,用于获取待检测输电线路的目标图像。
差值单元43,用于基于背景差分法将目标图像的图像帧与对应待检测输电线路的背景图像的图像帧相减,得到差值,其中,背景图像是不含异物的输电线路正常状态的图像。
第一确定单元45,用于在差值大于等于预定阈值的情况下,确定待检测输电线路中存在异物。
通过本申请提供的实施例,第一获取单元41获取待检测输电线路的目标图像;差值单元43基于背景差分法将目标图像的图像帧与对应待检测输电线路的背景图像的图像帧相减,得到差值,其中,背景图像是不含异物的输电线路正常状态的图像;第一确定单元45在差值大于等于预定阈值的情况下,确定待检测输电线路中存在异物。达到了根据背景差分法确定输电线路中的是否存在异物的目的,从而实现了准确的确定输电线路的状态的技术效果,进而解决了现有技术中,输电线路中异物检测准确率较低的技术问题。
作为一种可选的实施方案,上述装置还包括:
第二获取单元,用于获取待检测输电线路的目标图像之前,获取预定时间段内的多张待检测输电线路中的多张输电线路的样本图像;
第二确定单元,用于基于高斯混合算法通过多张样本图像确定待检测输电线路的背景图像。
其中,第二确定单元包括:更新模块,用于根据预定条件更新背景图像。
作为一种可选的实施方案,上述装置还包括:
发出单元,用于在差值大于等于预定阈值的情况下,确定待检测输电线路中存在异物之后,发出报警信息,以及显示对应输电线路中出现异物的输电线位置。
作为一种可选的实施方案,上述装置还包括:
第三确定单元,用于在差值大于等于预定阈值的情况下,确定待检测输电线路中存在异物之后,通过灰度阈值法将目标图像中的异物与目标图像进行分割,确定异物对应的图像信息。
作为一种可选的实施方案,上述装置还包括:
第四确定单元,用于在差值大于等于预定阈值的情况下,确定待检测输电线路中存在异物之后,通过灰度阈值法将目标图像中的异物与目标图像进行分割,确定异物对应的图像信息;
识别单元,用于根据异物对应的图像信息识别出异物的类型。
其中,上述识别单元,包括:
提取模块,用于提取异物对应的图像信息中的颜色特征和纹理特征;
确定模块,用于根据颜色特征和纹理特征确定异物的类型。
作为一种可选的实施方案,上述装置还包括:,在同时检测多个待检测输电线路时,在差值大于等于预定阈值的情况下,上述装置包括:
第三获取单元,用于确定待检测输电线路中存在异物之后,获取目标对象的第一操控指令,其中,第一操控指令用于调取确定存在异物的输电线路图像;
第一响应单元,用于响应操控指令,显示存在异物的输线电路的图像。
作为一种可选的实施方案,上述装置还包括:
第四获取单元,用于响应操控指令,显示存在异物的输线电路的图像之后,获取目标对象的第二操控指令,其中,第二操控指令用于对显示存在异物的输线电路的图像进行预定操作;
第二响应单元,用于响应第二操控指令,执行预定操作。
根据本发明实施例的又一个方面,还提供了一种用于实施上述输电线路检测方法的电子装置,如图5所示,该电子装置包括存储器502和处理器504,该存储器502中存储有计算机程序,该处理器504被设置为通过计算机程序执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述电子装置可以位于计算机网络的多个网络设备中的至少一个网络设备。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,获取待检测输电线路的目标图像;
S2,基于背景差分法将目标图像的图像帧与对应待检测输电线路的背景图像的图像帧相减,得到差值,其中,背景图像是不含异物的输电线路正常状态的图像;
S3,在差值大于等于预定阈值的情况下,确定待检测输电线路中存在异物。
可选地,本领域普通技术人员可以理解,图5所示的结构仅为示意,电子装置也可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile Internet Devices,MID)、PAD等终端设备。图5其并不对上述电子装置的结构造成限定。例如,电子装置还可包括比图5中所示更多或者更少的组件(如网络接口等),或者具有与图5所示不同的配置。
其中,存储器502可用于存储软件程序以及模块,如本发明实施例中的输电线路检测方法和装置对应的程序指令/模块,处理器504通过运行存储在存储器502内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的输电线路检测方法。存储器502可包括高速随机存储器,还可以包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器502可进一步包括相对于处理器504远程设置的存储器,这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。其中,存储器502具体可以但不限于用于存储背景图像信息以及目标图像信息等信息。作为一种示例,如图5所示,上述存储器502中可以但不限于包括上述输电线路检测装置中的第一获取单元41、差值单元43以及确定单元45。此外,还可以包括但不限于上述输电线路检测装置中的其他模块单元,本示例中不再赘述。
可选地,上述的传输装置506用于经由一个网络接收或者发送数据。上述的网络具体实例可包括有线网络及无线网络。在一个实例中,传输装置506包括一个网络适配器(Network Interface Controller,NIC),其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中,传输装置506为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
此外,上述电子装置还包括:显示器508,用于显示上述出现异物的输电线路;和连接总线510,用于连接上述电子装置中的各个模块部件。
根据本发明的实施例的又一方面,还提供了一种计算机可读的存储介质,该计算机可读的存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述计算机可读的存储介质可以被设置为存储用于执行以下步骤的计算机程序:
S1,获取待检测输电线路的目标图像;
S2,基于背景差分法将目标图像的图像帧与对应待检测输电线路的背景图像的图像帧相减,得到差值,其中,背景图像是不含异物的输电线路正常状态的图像;
S3,在差值大于等于预定阈值的情况下,确定待检测输电线路中存在异物。
可选地,在本实施例中,本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:闪存盘、只读存储器(Read-Only Memory,ROM)、随机存取器(Random Access Memory,RAM)、磁盘或光盘等。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在上述计算机可读取的存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在存储介质中,包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的客户端,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种输电线路检测方法,其特征在于,包括:
获取待检测输电线路的目标图像;
基于背景差分法将所述目标图像的图像帧与对应所述待检测输电线路的背景图像的图像帧相减,得到差值,其中,所述背景图像是不含异物的输电线路正常状态的图像;
在所述差值大于等于预定阈值的情况下,确定所述待检测输电线路中存在异物。
2.根据权利要求1所述的方法,其特征在于,获取待检测输电线路的目标图像之前,所述方法包括:
获取预定时间段内的多张所述待检测输电线路中的多张输电线路的样本图像;
基于高斯混合算法通过所述多张样本图像确定所述待检测输电线路的所述背景图像。
3.根据权利要求1所述的方法,其特征在于,在所述差值大于等于预定阈值的情况下,确定所述待检测输电线路中存在异物之后,所述方法包括:
发出报警信息,以及显示对应输电线路中出现异物的输电线位置。
4.根据权利要求1所述的方法,其特征在于,在所述差值大于等于预定阈值的情况下,确定所述待检测输电线路中存在异物之后,所述方法包括:
通过灰度阈值法将所述目标图像中的异物与所述目标图像进行分割,确定所述异物对应的图像信息。
5.根据权利要求4所述的方法,其特征在于,在所述差值大于等于预定阈值的情况下,确定所述待检测输电线路中存在异物之后,所述方法包括:
通过灰度阈值法将所述目标图像中的异物与所述目标图像进行分割,确定所述异物对应的图像信息;
根据所述异物对应的图像信息识别出所述异物的类型。
6.根据权利要求5所述的方法,其特征在于,根据所述异物对应的图像信息识别出所述异物的类型,包括:
提取所述异物对应的图像信息中的颜色特征和纹理特征;
根据所述颜色特征和所述纹理特征确定所述异物的类型。
7.根据权利要求1-6任一所述的方法,其特征在于,在同时检测多个待检测输电线路时,在所述差值大于等于预定阈值的情况下,确定所述待检测输电线路中存在异物之后,所述方法包括:
获取目标对象的第一操控指令,其中,所述第一操控指令用于调取确定存在异物的输电线路图像;
响应所述操控指令,显示存在异物的输线电路的图像。
8.根据权利要求7所述的方法,其特征在于,响应所述操控指令,显示存在异物的输线电路的图像之后,所述方法包括:
获取所述目标对象的第二操控指令,其中,所述第二操控指令用于对显示存在异物的输线电路的图像进行预定操作;
响应所述第二操控指令,执行所述预定操作。
9.根据权利要求2所述的方法,其特征在于,基于高斯混合算法通过所述多张样本图像确定所述待检测输电线路的所述背景图像,包括:
根据预定条件更新所述背景图像。
10.一种输电线路检测装置,其特征在于,包括:
第一获取单元,用于获取待检测输电线路的目标图像;
差值单元,用于基于背景差分法将所述目标图像的图像帧与对应所述待检测输电线路的背景图像的图像帧相减,得到差值,其中,所述背景图像是不含异物的输电线路正常状态的图像;
第一确定单元,用于在所述差值大于等于预定阈值的情况下,确定所述待检测输电线路中存在异物。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911425475.4A CN111223079A (zh) | 2019-12-31 | 2019-12-31 | 输电线路检测方法和装置、存储介质及电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911425475.4A CN111223079A (zh) | 2019-12-31 | 2019-12-31 | 输电线路检测方法和装置、存储介质及电子装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111223079A true CN111223079A (zh) | 2020-06-02 |
Family
ID=70828068
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911425475.4A Pending CN111223079A (zh) | 2019-12-31 | 2019-12-31 | 输电线路检测方法和装置、存储介质及电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111223079A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111860218A (zh) * | 2020-06-30 | 2020-10-30 | 海尔优家智能科技(北京)有限公司 | 预警方法和装置、存储介质及电子装置 |
CN113838037A (zh) * | 2021-09-28 | 2021-12-24 | 国网山东省电力公司曲阜市供电公司 | 一种高空输电线异物检测方法及系统 |
WO2022033015A1 (zh) * | 2020-08-11 | 2022-02-17 | 天津拓影科技有限公司 | 图像中异常区域的处理方法、装置和图像分割方法、装置 |
CN115631466A (zh) * | 2022-12-22 | 2023-01-20 | 国网浙江省电力有限公司宁波供电公司 | 一种架空输电线路的识别检测方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254394A (zh) * | 2011-05-31 | 2011-11-23 | 西安工程大学 | 一种基于视频差异分析的输电线路杆塔防盗监控方法 |
CN102955940A (zh) * | 2012-11-28 | 2013-03-06 | 山东电力集团公司济宁供电公司 | 一种输电线路物体检测系统及方法 |
CN104483712A (zh) * | 2014-12-09 | 2015-04-01 | 北京国网富达科技发展有限责任公司 | 输电线路外物入侵检测方法、装置及系统 |
-
2019
- 2019-12-31 CN CN201911425475.4A patent/CN111223079A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254394A (zh) * | 2011-05-31 | 2011-11-23 | 西安工程大学 | 一种基于视频差异分析的输电线路杆塔防盗监控方法 |
CN102955940A (zh) * | 2012-11-28 | 2013-03-06 | 山东电力集团公司济宁供电公司 | 一种输电线路物体检测系统及方法 |
CN104483712A (zh) * | 2014-12-09 | 2015-04-01 | 北京国网富达科技发展有限责任公司 | 输电线路外物入侵检测方法、装置及系统 |
Non-Patent Citations (3)
Title |
---|
张烨;黄新波;李菊清;张慧莹;刘新慧;邢晓强;: "视频图像处理在输电线路安防系统的应用" * |
李文静;黄新波;冯玲;舒佳;方寿贤;: "视频差异化分析在输电线路杆塔防盗系统中的应用" * |
章云;周竹;周素茵;: "基于混合特征与最小二乘支持向量机的山核桃鲜果识别" * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111860218A (zh) * | 2020-06-30 | 2020-10-30 | 海尔优家智能科技(北京)有限公司 | 预警方法和装置、存储介质及电子装置 |
WO2022033015A1 (zh) * | 2020-08-11 | 2022-02-17 | 天津拓影科技有限公司 | 图像中异常区域的处理方法、装置和图像分割方法、装置 |
CN114078108A (zh) * | 2020-08-11 | 2022-02-22 | 天津拓影科技有限公司 | 图像中异常区域的处理方法、装置和图像分割方法、装置 |
CN114078108B (zh) * | 2020-08-11 | 2023-12-22 | 北京阅影科技有限公司 | 图像中异常区域的处理方法、装置和图像分割方法、装置 |
CN113838037A (zh) * | 2021-09-28 | 2021-12-24 | 国网山东省电力公司曲阜市供电公司 | 一种高空输电线异物检测方法及系统 |
CN115631466A (zh) * | 2022-12-22 | 2023-01-20 | 国网浙江省电力有限公司宁波供电公司 | 一种架空输电线路的识别检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111223079A (zh) | 输电线路检测方法和装置、存储介质及电子装置 | |
CN112379231B (zh) | 一种基于多光谱图像的设备检测方法及装置 | |
CN107808139B (zh) | 一种基于深度学习的实时监控威胁分析方法及系统 | |
CN112381784A (zh) | 一种基于多光谱图像的设备检测系统 | |
US8340412B2 (en) | Image processing | |
CN108280190A (zh) | 图像分类方法、服务器及存储介质 | |
CN105869175A (zh) | 一种图像分割方法及系统 | |
CN115100471A (zh) | 基于移动终端的储粮害虫多维信息采集及预警方法 | |
CN114241358A (zh) | 基于数字孪生变电站的设备状态展示方法、装置和设备 | |
CN113515655A (zh) | 一种基于图像分类的故障识别方法及装置 | |
CN112839200A (zh) | 基于5g技术的电厂违章行为识别方法、系统和网络服务端 | |
CN111798435A (zh) | 图像处理方法、工程车辆侵入输电线路监测方法及系统 | |
CN108900895B (zh) | 一种对视频流的目标区域的屏蔽方法及其装置 | |
CN116109954A (zh) | 房屋安全隐患识别方法、装置及存储介质 | |
CN117612060A (zh) | 基于人工智能检测的视频预警系统、方法、设备及介质 | |
CN115205780A (zh) | 一种工地违规的监控方法、系统、介质及电子设备 | |
CN117692611A (zh) | 基于5g的安防图像传输方法及系统 | |
CN106960188B (zh) | 天气图像分类方法及装置 | |
CN112883827A (zh) | 图像中指定目标的识别方法、装置、电子设备和存储介质 | |
CN101876993A (zh) | 一种地基数字云图的纹理特征抽取和检索方法 | |
CN112528825A (zh) | 一种基于图像识别的车站乘客招援服务方法 | |
CN117875746A (zh) | 指标阈值的确定方法、装置、存储介质及电子装置 | |
CN114241400A (zh) | 电网系统的监控方法及其装置、计算机可读存储介质 | |
US9076080B1 (en) | Automated diagnostic analysis of image data | |
CN112153464A (zh) | 一种智慧城市管理系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200602 |