CN113096063A - 一种基于短视频的输电导线舞动检测方法 - Google Patents

一种基于短视频的输电导线舞动检测方法 Download PDF

Info

Publication number
CN113096063A
CN113096063A CN202110183417.6A CN202110183417A CN113096063A CN 113096063 A CN113096063 A CN 113096063A CN 202110183417 A CN202110183417 A CN 202110183417A CN 113096063 A CN113096063 A CN 113096063A
Authority
CN
China
Prior art keywords
point
galloping
sequence
amplitude
fourier transform
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
Application number
CN202110183417.6A
Other languages
English (en)
Inventor
赵砚青
刘天宇
杨菲
姜新宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhiyang Innovation Technology Co Ltd
Original Assignee
Zhiyang Innovation Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhiyang Innovation Technology Co Ltd filed Critical Zhiyang Innovation Technology Co Ltd
Priority to CN202110183417.6A priority Critical patent/CN113096063A/zh
Publication of CN113096063A publication Critical patent/CN113096063A/zh
Pending legal-status Critical Current

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/262—Analysis of motion using transform domain methods, e.g. Fourier domain methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/269—Analysis of motion using gradient-based methods
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
    • 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
    • G06T2207/30232—Surveillance

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Physics (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开一种基于短视频的输电导线舞动检测方法，包括：获取输电导线短视频，使用光流分析算法跟踪导线的关键点，使用傅里叶变换分析频率和幅值。本发明能够根据视频信息以及其中的导线位置推断是否发生舞动以及导线的频率和振幅信息。本发明相比基于加速度传感器的检测方法，安装便捷且具有直观性。本发明相比于其他基于视频的输电导线舞动检测方法，采用光流分析算法，更适用于导线慢舞动或静止的状态，同时，本发明采用了滤波方法，使其抗扰性更强。本发明相比于其他基于视频的输电导线舞动检测方法，可以检测任意多根输电导线，更贴合实际应用场景。

Description

一种基于短视频的输电导线舞动检测方法
技术领域
本发明公开一种基于输电导线的视频数据来检测导线舞动频率和幅值的方法，属于输电线路智能运检的技术领域。
背景技术
随着我国居民和企业对电力资源需求的不断增长，对其稳定性的要求也越来越高。由于我国冬季气候普遍寒冷，尤其是东北地区平均气温仅为零下10摄氏度，在降水等天气的影响下会导致导线覆冰情况的发生。而一旦导线上覆盖了一定厚度的冰层，在风力影响下便会发生舞动现象。导线舞动对输电线路的损害极大。由于导线覆冰，其重量就已接近导线本身和铁架塔的承受极限，一旦发生舞动，在力的作用下导线将不停地相互碰撞发生短路引起线路跳闸并造成大范围停电，给居民和企业造成不便或经济损失。在严重情况下，由于导线相互拉扯超过承受极限引起铁架塔和导线本身损坏，在导致长时间停电的同时还需支出高昂的维修成本，造成极大的经济损失。由此可见，能够及时在导线舞动发生时发出预警，对输电线路的稳定运行意义重大。
现有的技术领域中，针对导线舞动提出的检测手段和方案主要有以下两种：
第一种方案为输电导线安装加速度传感器以检测导线是否发生舞动。
例如中国专利文献CN112197858A公开一种适用于特高压导线的舞动检测仪，采用MEMS加速度传感器提高了数据采集精度；提高了数据安全性；系统具有超低功耗；可以保持舞动检测仪的低功耗；舞动检测仪数据采集精度高；该舞动检测仪现场安装方便。
中国专利文献CN109886396A公开提供了一种输电线路舞动在线预测系统及方法。其中，一种输电线路舞动在线预测系统，包括：舞动采集单元，其被配置为采集输电线路的舞动信息和覆冰厚度；获取当前舞动信息、覆冰厚度和气象信息，并输入至训练完成的输电线路舞动模型中，输出输电线路预测舞动轨迹；计算置信度确定舞动预警等级，按照等级发布线路舞动预警。该专利文献利用所述第一处理器与九轴传感器相连，所述九轴传感器集成了三轴加速度计、三轴磁力计和三轴陀螺仪；所述九轴传感器用于采集输电线路的舞动信息。
上述第一种方法虽然原理简单，灵敏度高且较为精确，但缺点是导线周围的交变电磁场、温度漂移和零度漂移等因素会严重影响加速度传感器的性能，需要克服这些不利因素；而且，基于加速度传感器的检测装置需要安装在导线上，需要整条线路停电安装，不仅成本极高而且较为危险，不利于大范围部署推广。
第二种方案为输电导线安装视频监控设备并通过图像处理的方法检测导线是否舞动并计算舞动的幅值和频率。
例如中国专利CN102155933A公开了一种基于视频差异分析的输电线路导线舞动测量方法，通过对摄像机在线采集的输电线路导线舞动的视频和图像进行处理，得到符合光流场运算的输电导线图像，利用金字塔光流场算法计算出导线上像素点的光流速度值，再通过摄像机选定，计算出导线舞动的实际位移。本发明基于视频差异分析的输电线路导线舞动测量方法。
中国专利文献CN107742307A公开了基于改进帧差法的输电线路舞动特征提取及参数分析方法，通过图像灰度化处理，均值滤波处理，改进帧差法处理，曲线拟合及参数分析完成输电线路舞动状况在线监测。本发明根据输电线在较短区间内近似直线的特征，利用线型特征模版对图像进行均值滤波处理和改进帧差处理，能够较好的去除噪声且保留输电线轮廓。通过分析拟合曲线的极值点来计算输电线舞动参数，方法简单，计算速度快，抗干扰能力强。
上述第二类方法是将监控装置安装与杆塔的某一合适位置并以一定视角拍摄舞动短视频，同时通过互联网将视频传输到舞动分析服务器上，根据导线的状态判断是否舞动并分析计算舞动参数，但是，现有技术却没有专门针对导线慢舞动或静止的状态的图像识别方法，而实现上述的技术效果的技术阻力之一就是提高识别方法的抗扰性；在实际工作场景中，被监测导线的数量较多，分布规律往往被视频采集的成像角度影响较大，因此，本技术领域中，也存在同时监测任意多根输电导线时无法满足实际应用场景的技术问题。
发明内容
针对现有的问题，本发明公开一种基于短视频的输电导线舞动检测方法，通过现场安装的摄像机拍摄的短视频，根据输电导线的位置变化信息判定输电导线是否存在舞动，并输出相关的舞动参数。
本发明为了实现上述目的所采用的技术方案是：
一种基于短视频的输电导线舞动检测方法，其特征在于，包括：
a：获取监控摄像机拍摄的短视频，在拍摄视野内为待检测导线上选定关键点并记录其坐标和换算比例η，其中换算比例η＝关键点实际长度/关键点的像素长度；
b：使用光流分析算法跟踪所有选定的关键点；
其中，所述步骤b包含：
b1：选取初始特征点向量，即步骤a中选定的关键点对应坐标；
b2：求解光流方程
fxu+fyυ+ft＝0
其中，fx和fy分别是所述短视频某一图像沿着x方向和y方向上的梯度，ft是图像沿着时间方向的梯度，u和v分别是x和y沿着时间方向的待求解的变化量；
b3：使用Lucas-Kanada方法求解光流方程，得到特征点相对于上一帧的变化量u和v，进而可求出当前帧的坐标，迭代短视频的每一帧图像，得到每个特征点的所有坐标组成的序列，记为L，其中第i个特征点的坐标序列记为Li；
c：使用高斯滤波对L进行滤波处理，减小异常抖动提升后续分析的精度；
d：使用傅里叶变换对L进行频域分析；
其中，步骤d包含：
d1：求取L在时间方向上的梯度，得到L的单调性变化点序列，取第一个单调递减点至最后一个单调递增点之间的序列，记为l，或者取第一个单调递增点至最后一个单调递减点之间的序列，记为l；
d2：对l使用快速傅里叶变换，其中傅里叶变换公式为
Figure BDA0002942083520000031
变换后的序列记为l’；
d3：在l’的前半段中寻找最大值和其对应的频率f，由频率得到序列变化的周期T；再将l’使用逆傅里叶变换得到l”，分析l”每个帧周期内的最大值和最小值，即得到像素振幅，并根据换算比例η计算实际振幅；
e：将每条导线的舞动曲线、最大振幅和平均频率分析结果返回给后台。
根据本发明优选的，所述舞动曲线即上述步骤中通过光流法获取到的关键点的连续变化的坐标，而每个坐标有x，y两个方向，取变化程度最大的那个方向并转化为振幅，以时间为横轴，以振幅为纵轴绘制的曲线。
根据本发明优选的，所述最大振幅即是所述舞动曲线最大值点和最小值点的差值，平均频率由傅里叶变换得到。
与现有技术相比，本发明具有以下有益效果：
本发明能够根据视频信息以及其中的导线位置推断是否发生舞动以及导线的频率和振幅信息。
本发明相比基于加速度传感器的检测方法，安装便捷且具有直观性。
本发明相比于其他基于视频的输电导线舞动检测方法，采用光流分析算法，更适用于导线慢舞动或静止的状态，同时，本发明采用了滤波方法，使其抗扰性更强。
本发明相比于其他基于视频的输电导线舞动检测方法，可以检测任意多根输电导线，更贴合实际应用场景。
具体实施方式
下面结合实施例和附图对本发明做进一步说明，但不限于此。
实施例1、
一种基于短视频的输电导线舞动检测方法，包括：
a：获取监控摄像机拍摄的短视频，在拍摄视野内为待检测导线上选定关键点并记录其坐标和换算比例η，其中换算比例η＝关键点实际长度/关键点的像素长度；
b：使用光流分析算法跟踪所有选定的关键点；
其中，所述步骤b包含：
b1：选取初始特征点向量，即步骤a中选定的关键点对应坐标；
b2：求解光流方程
fxu+fyυ+ft＝0
其中，fx和fy分别是所述短视频某一图像沿着x方向和y方向上的梯度，ft是图像沿着时间方向的梯度，u和v分别是x和y沿着时间方向的待求解的变化量；
b3：使用Lucas-Kanada方法求解光流方程，得到特征点相对于上一帧的变化量u和v，进而可求出当前帧的坐标，迭代短视频的每一帧图像，得到每个特征点的所有坐标组成的序列，记为L，其中第i个特征点的坐标序列记为Li；
c：使用高斯滤波对L进行滤波处理，减小异常抖动提升后续分析的精度；
d：使用傅里叶变换对L进行频域分析；
其中，步骤d包含：
d1：求取L在时间方向上的梯度，得到L的单调性变化点序列，取第一个单调递减点至最后一个单调递增点之间的序列，记为l，或者取第一个单调递增点至最后一个单调递减点之间的序列，记为l；
d2：对l使用快速傅里叶变换，其中傅里叶变换公式为
Figure BDA0002942083520000051
变换后的序列记为l’；
d3：在l’的前半段中寻找最大值和其对应的频率f，由频率得到序列变化的周期T；再将l’使用逆傅里叶变换得到l”，分析l”每个帧周期内的最大值和最小值，即得到像素振幅，并根据换算比例η计算实际振幅；
e：将每条导线的舞动曲线、最大振幅和平均频率分析结果返回给后台。
根据本发明优选的，所述舞动曲线即上述步骤中通过光流法获取到的关键点的连续变化的坐标，而每个坐标有x，y两个方向，取变化程度最大的那个方向并转化为振幅，以时间为横轴，以振幅为纵轴绘制的曲线。
根据本发明优选的，所述最大振幅即是所述舞动曲线最大值点和最小值点的差值，平均频率由傅里叶变换得到。
应用例、
利用实施例1所述的方法对某地摄像机拍摄的输电导线短视频进行处理，视频检测确定所述输电导线的舞动振幅和频率，其中视频中的一帧如图1所示。
结合实施例1所述输电导线舞动检测方法，包括：
a：为待检测导线选定若干关键点并记录其坐标和换算比例η，如图1选定了三个关键点，分别记为A、B和C，其在图像二维坐标系的坐标值分别为(1185,90)、(708,452)和(617,496)，选定导线上关键点，计算该关键点的像素长度，A点像素长度为34px，B：14px，C：8px，三个关键点对应的导线实际长度为0.4米，因此η＝0.4/关键点像素长度；即ηA＝0.4/34＝0.0118、ηB＝0.4/14＝0.0286和ηC＝0.4/8＝0.0500；
b：选取初始特征点向量，即步骤a中选定的关键点的坐标；
c：使用Lucas-Kanada方法求解光流方程，得到特征点在当前帧的新坐标，迭代短视频的每一帧图像，得到每个特征点的所有坐标组成的序列，记为L，其中A点的坐标序列记为LA＝[(1185,90),(1185,88),...,(1179,99)]，B点的坐标序列记为LB＝[(708,452),(707,450),...,(719,454)]，C点的坐标序列记为LC＝[(617,496),(617,496),...,(615,495)]；
d：使用高斯滤波对LA、LB和LC进行滤波处理，减小异常抖动提升后续分析的精度；
e：求取LA、LB和LC在时间方向上的梯度，得到其单调性变化点序列，取第一个单调递减点至最后一个单调递增点之间的序列，得到整周期序列，将其记为lA、lB和lC；
f：对l使用快速傅里叶变换，将变换后的序列记为l’；
g：在l’的前半段中寻找最大值和其对应的频率fA＝0.44Hz、fB＝0.44Hz和fC＝0.19Hz，再将l’使用逆傅里叶变换得到l”，分析l”每个帧周期内的最大值和最小值，即得到像素振幅，pA＝29、pB＝15和pC＝5并根据换算比例ηA、ηB和ηC计算实际振幅zA＝0.35米、zB＝0.44米和zC＝0.23米；
h：将每条导线的舞动曲线、最大振幅和平均频率等分析结果返回给后台，据此生成检测效果视频，其中一帧如图2所示。

Claims (3)

1.一种基于短视频的输电导线舞动检测方法，其特征在于，包括：
a：获取监控摄像机拍摄的短视频，在拍摄视野内为待检测导线上选定关键点并记录其坐标和换算比例η，其中换算比例η＝关键点实际长度/关键点的像素长度；
b：使用光流分析算法跟踪所有选定的关键点；
其中，所述步骤b包含：
b1：选取初始特征点向量，即步骤a中选定的关键点对应坐标；
b2：求解光流方程
fxu+fyv+ft＝0
其中，fx和fy分别是所述短视频某一图像沿着x方向和y方向上的梯度，ft是图像沿着时间方向的梯度，u和v分别是x和y沿着时间方向的待求解的变化量；
b3：使用Lucas-Kanada方法求解光流方程，得到特征点相对于上一帧的变化量u和v，进而可求出当前帧的坐标，迭代短视频的每一帧图像，得到每个特征点的所有坐标组成的序列，记为L，其中第i个特征点的坐标序列记为Li；
c：使用高斯滤波对L进行滤波处理；
d：使用傅里叶变换对L进行频域分析；
其中，步骤d包含：
d1：求取L在时间方向上的梯度，得到L的单调性变化点序列，取第一个单调递减点至最后一个单调递增点之间的序列，记为l，或者取第一个单调递增点至最后一个单调递减点之间的序列，记为l；
d2：对l使用快速傅里叶变换，其中傅里叶变换公式为
Figure FDA0002942083510000011
变换后的序列记为l’；
d3：在l’的前半段中寻找最大值和其对应的频率f，由频率得到序列变化的周期T；再将l’使用逆傅里叶变换得到l”，分析l”每个帧周期内的最大值和最小值，即得到像素振幅，并根据换算比例η计算实际振幅；
e：将每条导线的舞动曲线、最大振幅和平均频率分析结果返回给后台。
2.根据权利要求1所述的一种基于短视频的输电导线舞动检测方法，其特征在于，所述舞动曲线即上述步骤中通过光流法获取到的关键点的连续变化的坐标，而每个坐标有x，y两个方向，取变化程度最大的那个方向并转化为振幅，以时间为横轴，以振幅为纵轴绘制的曲线。
3.根据权利要求1或2所述的一种基于短视频的输电导线舞动检测方法，其特征在于，其特征在于，所述最大振幅即是所述舞动曲线最大值点和最小值点的差值，平均频率由傅里叶变换得到。
CN202110183417.6A 2021-02-08 2021-02-08 一种基于短视频的输电导线舞动检测方法 Pending CN113096063A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110183417.6A CN113096063A (zh) 2021-02-08 2021-02-08 一种基于短视频的输电导线舞动检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110183417.6A CN113096063A (zh) 2021-02-08 2021-02-08 一种基于短视频的输电导线舞动检测方法

Publications (1)

Publication Number Publication Date
CN113096063A true CN113096063A (zh) 2021-07-09

Family

ID=76663752

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110183417.6A Pending CN113096063A (zh) 2021-02-08 2021-02-08 一种基于短视频的输电导线舞动检测方法

Country Status (1)

Country Link
CN (1) CN113096063A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114782803A (zh) * 2022-03-22 2022-07-22 扬州蓝德森科技有限公司 一种基于压缩采样和图像识别的监测输电线舞动的方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6372984B1 (en) * 1999-10-21 2002-04-16 Tyco Electronics Logistics Ag Conductor galloping control device and method of installation
CN102155933A (zh) * 2011-03-08 2011-08-17 西安工程大学 一种基于视频差异分析的输电导线舞动测量方法
CN102279084A (zh) * 2011-05-03 2011-12-14 西安工程大学 基于微惯性测量组合的输电导线舞动定位系统及定位方法
CN104897269A (zh) * 2015-06-16 2015-09-09 西安电子科技大学 基于线扫描成像的架空电线振动频率测量系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6372984B1 (en) * 1999-10-21 2002-04-16 Tyco Electronics Logistics Ag Conductor galloping control device and method of installation
CN102155933A (zh) * 2011-03-08 2011-08-17 西安工程大学 一种基于视频差异分析的输电导线舞动测量方法
CN102279084A (zh) * 2011-05-03 2011-12-14 西安工程大学 基于微惯性测量组合的输电导线舞动定位系统及定位方法
CN104897269A (zh) * 2015-06-16 2015-09-09 西安电子科技大学 基于线扫描成像的架空电线振动频率测量系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114782803A (zh) * 2022-03-22 2022-07-22 扬州蓝德森科技有限公司 一种基于压缩采样和图像识别的监测输电线舞动的方法

Similar Documents

Publication Publication Date Title
Liu et al. Advances of research on high-speed railway catenary
CN103778476B (zh) 一种基于视频分析的输电导线舞动实时监测与预测方法
CN101556142B (zh) 架空线路覆冰厚度的视觉检测方法
CN104574390B (zh) 基于视频监测技术的输电导线舞动幅值及频率的计算方法
CN111798386B (zh) 一种基于边缘识别与最大序列密度估计的河道流速测量方法
CN104933403B (zh) 一种基于间隔棒识别的导线舞动的监测方法
CN110285877B (zh) 基于Spark Streaming的列车实时定位跟踪与速度计算方法
KR20210033262A (ko) 송전선로의 환경침해 진단장치
CN111462045B (zh) 一种悬链支撑组件缺陷的检测方法
CN112395972B (zh) 一种基于无人机图像处理的电力系统绝缘子串识别方法
CN111353496B (zh) 一种红外弱小目标实时检测方法
JP2019109839A (ja) モデル生成装置、生成方法、及びプログラム
CN117274818B (zh) 一种输电线路弧垂监测及覆冰判断方法及装置
CN106060466A (zh) 一种基于视频图像序列的绝缘子跟踪监测方法
CN113096063A (zh) 一种基于短视频的输电导线舞动检测方法
Chen et al. High-speed railway pantograph-catenary anomaly detection method based on depth vision neural network
CN115797772A (zh) 一种架空输电线路覆冰厚度分类预警方法及系统
CN112070783A (zh) 一种输电线路绝缘子串的风偏检测方法及装置
CN113744267B (zh) 一种基于深度学习的输电导线覆冰检测和厚度估计的方法
CN112561968B (zh) 一种基于单目视觉的输电导线舞动监测方法及装置
Huang et al. A deep learning augmented vision-based method for measuring dynamic displacements of structures in harsh environments
CN113409303A (zh) 一种高速铁路接触网目标检测与跟踪方法
CN115830024B (zh) 基于图像分割的桥梁拉索微小运动振动检测方法
CN116740647A (zh) 基于双目相机和深度学习的高压输电线路舞动监测方法
CN107230217A (zh) 一种基于图像及灰色预测的输电线路山火预警方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210709

RJ01 Rejection of invention patent application after publication