CN113343841A - 电力隧道异常情况的确定方法和装置 - Google Patents
电力隧道异常情况的确定方法和装置 Download PDFInfo
- Publication number
- CN113343841A CN113343841A CN202110622404.4A CN202110622404A CN113343841A CN 113343841 A CN113343841 A CN 113343841A CN 202110622404 A CN202110622404 A CN 202110622404A CN 113343841 A CN113343841 A CN 113343841A
- Authority
- CN
- China
- Prior art keywords
- abnormal condition
- gray
- target
- image frame
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 245
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000013139 quantization Methods 0.000 claims abstract description 13
- 238000012544 monitoring process Methods 0.000 abstract description 14
- 230000005856 abnormality Effects 0.000 description 8
- 239000000779 smoke Substances 0.000 description 8
- 238000010892 electric spark Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004364 calculation method 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
- 239000011159 matrix material Substances 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000011900 installation process Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
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
Abstract
本发明公开了一种电力隧道异常情况的确定方法和装置。其中,该方法包括:获取电力隧道中的多个摄像设备所拍摄的视频流,其中,所述摄像设备用于拍摄所述电力隧道内的电缆情况;对每个视频流中的每帧图像进行图像灰度量化处理,得到每帧图像中各个像素点的灰度值;根据每帧图像中各个像素点的灰度值,确定所述每帧图像对应的隧道区域是否存在异常情况。本发明解决了现有技术无法实现对电缆隧道运行状态的主动感知与实时监测的技术问题。
Description
技术领域
本发明涉及电力设备的监测领域,具体而言,涉及一种电力隧道异常情况的确定方法和装置。
背景技术
针对电缆隧道作为城市电网的主要通道容纳输电骨干网络,是国网北京电缆公司的重要地下管线,一旦发生故障设备绝缘受损时极易产生消防隐患,是电力火灾的高危场所。电缆隧道的火灾隐患是影响电网运行风险的重要因素,一旦发生火灾将严重影响电网的安全运行和供电可靠性。因此,火灾及火灾隐患识别分析告警对电缆隧道的安全运行具有重要意义,但目前广泛应用的烟雾报警等探测感知系统存在滞后、误报率高等问题,并且不能及时发现弧光、电火花、少量烟雾等火灾隐患。
与此同时,电缆隧道的数量随着社会经济的发展逐年增长。目前国网北京电缆公司的电缆隧道数量庞大,且每个电缆隧道均应按要求布置相应数量的监控摄像头,主干输电线路实现视频监控全覆盖,调控中心接入的摄像头监控画面的数量也随之急剧增加。当电网运行出现故障时,通过人工搜索的方法从海量摄像头监控画面发现、查看事故或异常现象、定位事故位置和类型耗时巨大、且效率十分低下,一旦发生火情很难及时告警并有效控制。
此外,由于传统电缆隧道工业视频平台在数据传输技术等方面的局限性,在电缆公司指挥中心布置统一的视频画面分析服务系统的方法受到综合数据网带宽的限制,难以做到实时、全面覆盖所有电缆隧道的全部监控摄像头,无法实现对电缆隧道运行状态的主动感知与实时监测。
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电力隧道异常情况的确定方法和装置,以至少解决视频画面分析服务系统的方法受到综合数据网带宽的限制,难以做到实时、全面覆盖所有电缆隧道的全部监控摄像头,无法实现对电缆隧道运行状态的主动感知与实时监测的技术问题。
根据本发明实施例的一个方面,提供了一种电力隧道异常情况的确定方法,所述方法还包括:获取电力隧道中的多个摄像设备所拍摄的视频流,其中,所述摄像设备用于拍摄所述电力隧道内的电缆情况;对每个视频流中的每帧图像进行图像灰度量化处理,得到每帧图像中各个像素点的灰度值;根据每帧图像中各个像素点的灰度值,确定所述每帧图像对应的隧道区域是否存在异常情况。
可选的,所述电力隧道的每类异常情况对应一个灰度阈值,根据每帧图像中各个像素点的灰度值,确定所述每帧图像对应的隧道区域是否存在异常情况,包括:判断每帧图像中的各个像素点的灰度值是否高于各类异常情况对应的灰度阈值;若目标图像帧中灰度值高于目标异常情况对应的灰度阈值的像素点数量超过预设数量,则确定所述目标图像帧对应有所述目标异常情况;基于所述目标图像帧对应的目标异常情况,确定所述目标图像帧对应的隧道区域是否存在异常情况。
可选的,在所述目标图像帧对应有一个所述目标异常情况的情况下,所述基于所述目标图像帧对应的目标异常情况,确定所述目标图像帧对应的隧道区域是否存在异常情况,包括:确定所述目标图像帧对应的隧道区域存在所述目标异常情况。
可选的,在所述目标图像帧对应有多个所述目标异常情况的情况下,所述基于所述目标图像帧对应的目标异常情况,确定所述目标图像帧对应的隧道区域是否存在异常情况,包括:依次将多个所述目标异常情况的灰度阈值,与所述目标图像帧中的各个像素点的灰度值进行计算,得到多个灰度差值;确定差值结果最小的灰度阈值对应的目标异常情况;确定所述目标图像帧对应的隧道区域存在所述差值结果最小的灰度阈值对应的目标异常情况。
可选的,所述方法还包括:获取所述电力隧道的多种异常情况和每种异常情况对应的图像帧集合;根据所述每种异常情况对应的图像帧集合,确定每种异常情况对应的灰度阈值。
可选的,根据所述每种异常情况对应的图像帧集合,确定每种异常情况对应的灰度阈值,包括:将所述每种异常情况对应的图像帧集合中的图像帧进行灰度处理,以确定每张图像帧中各个像素点的灰度值;将所述每种异常情况对应的图像帧集合中的每张图像帧中各个像素点的灰度值进行均值处理,得到所述每种异常情况对应的图像帧集合的灰度均值;以及将所述每种异常情况对应的图像帧集合的灰度均值,作为所述每种异常情况对应的灰度阈值。
可选的,在确定所述目标图像帧对应的隧道区域存在所述目标异常情况之后,所述方法还包括:发送提示信息,其中,所述提示信息用于提示所述目标图像帧对应的隧道区域存在所述目标异常情况。
根据本发明实施例的另一方面,还提供了一种电力隧道异常情况的确定装置,包括:获取单元,用于获取电力隧道中的多个摄像设备所拍摄的视频流,其中,所述摄像设备用于拍摄所述电力隧道内的电缆情况;灰度量化单元,用于对每个视频流中的每帧图像进行图像灰度量化处理,得到每帧图像中各个像素点的灰度值;确定单元,用于根据每帧图像中各个像素点的灰度值,确定所述每帧图像对应的隧道区域是否存在异常情况。
根据本申请的另一方面,提供了一种存储介质,所述存储介质包括存储的程序,其中,所述程序执行上述任意一项所述的电力隧道异常情况的确定方法。
根据本申请的另一方面,提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述任意一项所述的电力隧道异常情况的确定方法。
在本发明实施例中,基于电力隧道异常现象识别告警模块,对电力隧道的实时视频流进行检测分析,确定电力隧道内的各个隧道区域是否存在异常情况。此时,若某隧道区域存在异常情况,则值班人员可以根据确定该隧道区域存在异常情况的图像帧和该图像帧对应的视频流进行查看分析处理,辨识异常情况的具体发生位置、发生时间、异常情况的具体详情,大大的提高电力系统自动化程度,同时减少运行人员工作强度,提高设备监控质量,有效保障了无人值班的电缆隧道及电力系统的安全运行。
也即,本申请通过电力隧道异常隐患辨识监控及联动预警技术,将电力隧道内的异常情况识别分析告警仪与电缆综合处理平台相结合,打造一个实时的火灾告警信息综合处理平台,实现了主动感知和实时监测电缆隧道异常,辨识电缆隧道火灾隐患并预警的技术效果。
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电力隧道异常情况的确定方法的示意图一;
图2是根据本发明实施例的一种可选的电力隧道异常情况的确定方法的示意图二;
图3是根据本发明实施例的一种可选的电力隧道异常情况的确定方法的示意图三;
图4是根据本发明实施例的一种可选的电力隧道异常情况的确定装置的示意图;
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,提供了一种电力隧道异常情况的确定的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的电力隧道异常情况的确定方法,如图1所示,该方法包括如下步骤:
步骤S102,获取电力隧道中的多个摄像设备所拍摄的视频流,其中,所述摄像设备用于拍摄所述电力隧道内的电缆情况。
步骤S104,对每个视频流中的每帧图像进行图像灰度量化处理,得到每帧图像中各个像素点的灰度值。
步骤S106,根据每帧图像中各个像素点的灰度值,确定所述每帧图像对应的隧道区域是否存在异常情况。
优选的,本申请通过电力隧道异常现象识别告警模块,实现“对每个视频流中的每帧图像进行图像灰度量化处理,得到每帧图像中各个像素点的灰度值”和“根据每帧图像中各个像素点的灰度值,确定所述每帧图像对应的隧道区域是否存在异常情况”步骤,而电力隧道异常现象识别告警模块至少可以监控20路视频流。
在本发明实施例中,基于电力隧道异常现象识别告警模块,对电力隧道的实时视频流进行检测分析,确定电力隧道内的各个隧道区域是否存在异常情况。此时,若某隧道区域存在异常情况,则值班人员可以根据确定该隧道区域存在异常情况的图像帧和该图像帧对应的视频流进行查看分析处理,辨识异常情况的具体发生位置、发生时间、异常情况的具体详情,大大的提高电力系统自动化程度,同时减少运行人员工作强度,提高设备监控质量,有效保障了无人值班的电缆隧道及电力系统的安全运行。
也即,本申请通过电力隧道异常隐患辨识监控及联动预警技术,将电力隧道内的异常情况识别分析告警仪与电缆综合处理平台相结合,打造一个实时的火灾告警信息综合处理平台,实现了主动感知和实时监测电缆隧道异常,辨识电缆隧道火灾隐患并预警的技术效果。
在一个可选的示例中,所述电力隧道的每类异常情况对应一个灰度阈值,根据每帧图像中各个像素点的灰度值,确定所述每帧图像对应的隧道区域是否存在异常情况,包括:判断每帧图像中的各个像素点的灰度值是否高于各类异常情况对应的灰度阈值;若目标图像帧中灰度值高于目标异常情况对应的灰度阈值的像素点数量超过预设数量,则确定所述目标图像帧对应有所述目标异常情况;基于所述目标图像帧对应的目标异常情况,确定所述目标图像帧对应的隧道区域是否存在异常情况。优选的,所述异常情况的类别至少包括以下任一:弧光异常、电火花异常、烟雾异常、火灾异常。
举例说明:判断每帧图像中的各个像素点的灰度值是否高于弧光异常情况对应的灰度阈值,若存在某一帧图像中灰度值高于弧光异常情况对应的灰度阈值的像素点数量超过预设数量,则该帧图像为目标图像帧,且该目标图像帧对应有孤光异常情况;判断每帧图像中的各个像素点的灰度值是否高于电火花异常情况对应的灰度阈值,若存在某一帧图像中灰度值高于电火花异常情况对应的灰度阈值的像素点数量超过预设数量,则该帧图像为目标图像帧,且该目标图像帧对应有电火花异常情况;判断每帧图像中的各个像素点的灰度值是否高于烟雾异常情况对应的灰度阈值,若存在某一帧图像中灰度值高于烟雾异常情况对应的灰度阈值的像素点数量超过预设数量,则该帧图像为目标图像帧,且该目标图像帧对应有烟雾异常情况;同理,判断每帧图像中的各个像素点的灰度值是否高于火灾异常情况对应的灰度阈值,若存在某一帧图像中灰度值高于火灾异常情况对应的灰度阈值的像素点数量超过预设数量,则该帧图像为目标图像帧,且该目标图像帧对应有火灾异常情况;依次类推,其他类型的异常情况也如上处理。
也即,根据每类异常情况对应的灰度阈值,判断每帧图像是否对应有异常情况;再根据每帧图像对应的异常情况,确定每帧图像对应的隧道区域是否存在异常情况。
在一个可选的示例中,在所述目标图像帧对应有一个所述目标异常情况的情况下,所述基于所述目标图像帧对应的目标异常情况,确定所述目标图像帧对应的隧道区域是否存在异常情况,包括:确定所述目标图像帧对应的隧道区域存在所述目标异常情况。
也即,在所述目标图像帧仅对应有一个目标异常情况的情况下,该唯一对应的目标异常情况就是目标图像帧对应的隧道区域内存在的异常情况。
在一个可选的示例中,在所述目标图像帧对应有多个所述目标异常情况的情况下,所述基于所述目标图像帧对应的目标异常情况,确定所述目标图像帧对应的隧道区域是否存在异常情况,包括:依次将多个所述目标异常情况的灰度阈值,与所述目标图像帧中的各个像素点的灰度值进行计算,得到多个灰度差值;确定差值结果最小的灰度阈值对应的目标异常情况;确定所述目标图像帧对应的隧道区域存在所述差值结果最小的灰度阈值对应的目标异常情况。
上述示例所描述的内容为:若目标图像帧对应有多个所述目标异常情况,则判断该目标图像帧对应的隧道区域内存在的异常情况究竟是哪个目标异常情况。现举例说明:若目标图像帧对应有A异常情况和B异常情况,则将A异常情况的灰度阈值与目标图像帧中的像素点的灰度值进行计算,得到A异常情况的灰度差值;将B异常情况的灰度阈值与目标图像帧中的像素点的灰度值进行计算,得到B异常情况的灰度差值;此时判断A异常情况的灰度差值与B异常情况的灰度差值之间的大小,确定灰度差值较小的异常情况为目标图像帧对应的隧道区域内存在的异常情况。
在一个可选的示例中,在确定所述目标图像帧对应的隧道区域存在所述目标异常情况之后,所述方法还包括:发送提示信息,其中,所述提示信息用于提示所述目标图像帧对应的隧道区域存在所述目标异常情况。
也即,在确定电力隧道内存在异常情况后,向相关工作人员/相关系统发送提示信息,以告知相关工作人员/相关系统该电力隧道内发生的异常情况的相关信息,例如:异常情况的发生地点、异常情况的判断依据、异常情况的处理建议……
在一个可选的示例中,所述方法还包括:获取所述电力隧道的多种异常情况和每种异常情况对应的图像帧集合;根据所述每种异常情况对应的图像帧集合,确定每种异常情况对应的灰度阈值。
需要说明的是:异常情况对应的图像帧集合中的每帧图像的像素格式,与摄像设备所拍摄的视频流中的每帧图像的像素格式相同,例如:28*28像素格式。
在一个可选的示例中,根据所述每种异常情况对应的图像帧集合,确定每种异常情况对应的灰度阈值,包括:将所述每种异常情况对应的图像帧集合中的图像帧进行灰度处理,以确定每张图像帧中各个像素点的灰度值;将所述每种异常情况对应的图像帧集合中的每张图像帧中各个像素点的灰度值进行均值处理,得到所述每种异常情况对应的图像帧集合的灰度均值;以及将所述每种异常情况对应的图像帧集合的灰度均值,作为所述每种异常情况对应的灰度阈值。
举例说明:若电力隧道的异常情况包括:C类异常情况。此时,则将C类异常情况对应的图像帧集合中的图像帧进行灰度处理,确定每张图像帧中各个像素点的灰度值;再将C类异常情况对应的图像帧集合中的每张图像帧中各个像素点的灰度至进行均值处理,得到唯一一个灰度均值,该灰度均值就是C类异常情况的灰度阈值。同理,其他类别的异常情况的灰度阈值的计算方式亦如上计算。
需要说明的是:为了便于计算每种异常情况对应的灰度均值,可以将每种异常情况对应的图像帧集合中的图像帧的图像格式转换为二维数组,进而转换为一维数组;最后,基于一维数组的图像帧求取灰度均值。
为了使得本领域技术人员能够更加清楚地了解本申请的技术方案,以下将结合具体的实施例来说明。
如图2所示,电力隧道内设置有多个摄像设备,每20路摄像设备的视频流对应一个电力隧道异常现象识别告警模块,以便电力隧道异常现象识别告警模块识别对应20路摄像设备的视频流是否拍照到异常情况;此时,每个电力隧道异常现象识别告警模块通过综合数据网连通电缆综合处理平台,而值班人员在该电缆综合处理平台上,可以查看到电力隧道异常现象识别告警模块确定的异常情况的报告信息,例如:存在异常情况的隧道区域所对应的图像帧,以及,该图像帧对应的视频流。
如图3所示,该电力隧道异常情况的确定方法主要包括两个部分:
其一、确定电力隧道的每类异常情况对应的灰度阈值。
其二、根据摄像设备所拍摄的视频流,确定电力隧道内是否存在异常情况。
针对“确定电力隧道的每类异常情况对应的灰度阈值”,需要说明的是:先获取各类异常情况的异常图像(例如:弧光异常、电火花异常、烟雾异常、火灾异常分别对应有50000张异常图像),每张图像大小为28*28像素,然后将每张图像的图像格式从二维数组(28*28像素)转换成一维数组(28x28=784像素);再对每图像进行灰度量化处理,灰度级一般为0-255(8bit),得到784个矩阵点灰度值;最后对每种异常情况的图像灰度值进行均值求取,得到四类异常情况的灰度阈值。
针对“根据摄像设备所拍摄的视频流,确定电力隧道内是否存在异常情况”,需要说明的是:接入实时视频流,对视频流中的每帧图像进行灰度量化处理得到28*28像素图像,将视频流中的每帧图像的灰度值与4个灰度阈值作差,当且仅当帧图像的784个像素点矩阵的灰度值数量与灰度矩阵阈值数量80%不同(正常画面帧图像矩阵灰度值数量数低于80%阈值矩阵数量)且差值最小,那么可判定此时摄像头画面,发生阈值差值最小的该种异常画面情况。
也即,当电力隧道异常现象识别告警模块告警时,电力隧道异常现象识别告警模块可作出判定动作,准确辨识弧光、电火花、少量烟雾、明火火焰等火灾隐患现象,并通过综合数据网将火灾隐患的告警信息推送电缆综合处理平台告知调度员决策。
此外,需要说明的是:装置安装过程中,针对电缆隧道使用不同的摄像头型号和DVR及NVR型号,宜修改配置文件,使得辨识预警模块正常工作。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例还提供了一种电力隧道异常情况的确定装置,需要说明的是,本申请实施例的电力隧道异常情况的确定装置可以用于执行本申请实施例所提供的用于电力隧道异常情况的确定方法。以下对本申请实施例提供的电力隧道异常情况的确定装置进行介绍。
图4是根据本申请实施例的电力隧道异常情况的确定装置的示意图。如图4所示,该装置包括:
获取单元10,用于获取电力隧道中的多个摄像设备所拍摄的视频流,其中,所述摄像设备用于拍摄所述电力隧道内的电缆情况;
灰度量化单元30,用于对每个视频流中的每帧图像进行图像灰度量化处理,得到每帧图像中各个像素点的灰度值;
确定单元50,用于根据每帧图像中各个像素点的灰度值,确定所述每帧图像对应的隧道区域是否存在异常情况。
可选地,在本申请实施例提供的电力隧道异常情况的确定装置中,所述电力隧道的每类异常情况对应一个灰度阈值,确定单元包括:判断子单元,用于判断每帧图像中的各个像素点的灰度值是否高于各类异常情况对应的灰度阈值;第一确定子单元,用于若目标图像帧中灰度值高于目标异常情况对应的灰度阈值的像素点数量超过预设数量,则确定所述目标图像帧对应有所述目标异常情况;第二确定子单元,用于基于所述目标图像帧对应的目标异常情况,确定所述目标图像帧对应的隧道区域是否存在异常情况。
可选地,在本申请实施例提供的电力隧道异常情况的确定装置中,在所述目标图像帧对应有一个所述目标异常情况的情况下,第二确定子单元包括:第一确定模块,用于确定所述目标图像帧对应的隧道区域存在所述目标异常情况。
可选地,在本申请实施例提供的电力隧道异常情况的确定装置中,在所述目标图像帧对应有多个所述目标异常情况的情况下,第二确定子单元包括:计算模块,用于依次将多个所述目标异常情况的灰度阈值,与所述目标图像帧中的各个像素点的灰度值进行计算,得到多个灰度差值;第二确定模块,用于确定差值结果最小的灰度阈值对应的目标异常情况;第三确定模块,用于确定所述目标图像帧对应的隧道区域存在所述差值结果最小的灰度阈值对应的目标异常情况。
可选地,在本申请实施例提供的电力隧道异常情况的确定装置中,所述装置还包括:获取子单元,用于获取所述电力隧道的多种异常情况和每种异常情况对应的图像帧集合;第三确定子单元,用于根据所述每种异常情况对应的图像帧集合,确定每种异常情况对应的灰度阈值。
可选地,在本申请实施例提供的电力隧道异常情况的确定装置中,第三确定子单元包括:第四确定子单元,用于将所述每种异常情况对应的图像帧集合中的图像帧进行灰度处理,以确定每张图像帧中各个像素点的灰度值;第五确定子单元,用于将所述每种异常情况对应的图像帧集合中的每张图像帧中各个像素点的灰度值进行均值处理,得到所述每种异常情况对应的图像帧集合的灰度均值;第六确定子单元,用于将所述每种异常情况对应的图像帧集合的灰度均值,作为所述每种异常情况对应的灰度阈值。
可选地,在本申请实施例提供的电力隧道异常情况的确定装置中,所述装置还包括:发送单元,用于在确定所述目标图像帧对应的隧道区域存在所述目标异常情况之后,发送提示信息,其中,所述提示信息用于提示所述目标图像帧对应的隧道区域存在所述目标异常情况。
本申请实施例提供的电力隧道异常情况的确定装置,在本发明实施例中,基于电力隧道异常现象识别告警模块,对电力隧道的实时视频流进行检测分析,确定电力隧道内的各个隧道区域是否存在异常情况。此时,若某隧道区域存在异常情况,则值班人员可以根据确定该隧道区域存在异常情况的图像帧和该图像帧对应的视频流进行查看分析处理,辨识异常情况的具体发生位置、发生时间、异常情况的具体详情,大大的提高电力系统自动化程度,同时减少运行人员工作强度,提高设备监控质量,有效保障了无人值班的电缆隧道及电力系统的安全运行。
也即,本申请通过电力隧道异常隐患辨识监控及联动预警技术,将电力隧道内的异常情况识别分析告警仪与电缆综合处理平台相结合,打造一个实时的火灾告警信息综合处理平台,实现了主动感知和实时监测电缆隧道异常,辨识电缆隧道火灾隐患并预警的技术效果。
所述电力隧道异常情况的确定装置包括处理器和存储器,上述获取单元、灰度量化单元、确定单元等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来实现主动感知和实时监测电缆隧道异常,辨识电缆隧道火灾隐患并预警的技术效果。
本发明实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现所述电力隧道异常情况的确定方法。
本发明实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行所述电力隧道异常情况的确定方法。
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。
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,所揭露的技术内容,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,可以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。
所述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,可以存储在一个计算机可读取存储介质中。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一个存储介质中,包括若干指令用以使得一台计算机设备(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。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
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)
1.一种电力隧道异常情况的确定方法,其特征在于,包括:
获取电力隧道中的多个摄像设备所拍摄的视频流,其中,所述摄像设备用于拍摄所述电力隧道内的电缆情况;
对每个视频流中的每帧图像进行图像灰度量化处理,得到每帧图像中各个像素点的灰度值;
根据每帧图像中各个像素点的灰度值,确定所述每帧图像对应的隧道区域是否存在异常情况。
2.根据权利要求1所述的确定方法,其特征在于,所述电力隧道的每类异常情况对应一个灰度阈值,根据每帧图像中各个像素点的灰度值,确定所述每帧图像对应的隧道区域是否存在异常情况,包括:
判断每帧图像中的各个像素点的灰度值是否高于各类异常情况对应的灰度阈值;
若目标图像帧中灰度值高于目标异常情况对应的灰度阈值的像素点数量超过预设数量,则确定所述目标图像帧对应有所述目标异常情况;
基于所述目标图像帧对应的目标异常情况,确定所述目标图像帧对应的隧道区域是否存在异常情况。
3.根据权利要求2所述的确定方法,其特征在于,
在所述目标图像帧对应有一个所述目标异常情况的情况下,所述基于所述目标图像帧对应的目标异常情况,确定所述目标图像帧对应的隧道区域是否存在异常情况,包括:确定所述目标图像帧对应的隧道区域存在所述目标异常情况;
在所述目标图像帧对应有多个所述目标异常情况的情况下,所述基于所述目标图像帧对应的目标异常情况,确定所述目标图像帧对应的隧道区域是否存在异常情况,包括:依次将多个所述目标异常情况的灰度阈值,与所述目标图像帧中的各个像素点的灰度值进行计算,得到多个灰度差值;确定差值结果最小的灰度阈值对应的目标异常情况;确定所述目标图像帧对应的隧道区域存在所述差值结果最小的灰度阈值对应的目标异常情况。
4.根据权利要求2或3所述的确定方法,其特征在于,所述方法还包括:
获取所述电力隧道的多种异常情况和每种异常情况对应的图像帧集合;
根据所述每种异常情况对应的图像帧集合,确定每种异常情况对应的灰度阈值。
5.根据权利要求4所述的确定方法,其特征在于,根据所述每种异常情况对应的图像帧集合,确定每种异常情况对应的灰度阈值,包括:
将所述每种异常情况对应的图像帧集合中的图像帧进行灰度处理,以确定每张图像帧中各个像素点的灰度值;
将所述每种异常情况对应的图像帧集合中的每张图像帧中各个像素点的灰度值进行均值处理,得到所述每种异常情况对应的图像帧集合的灰度均值;以及
将所述每种异常情况对应的图像帧集合的灰度均值,作为所述每种异常情况对应的灰度阈值。
6.根据权利要求3所述的确定方法,其特征在于,在确定所述目标图像帧对应的隧道区域存在所述目标异常情况之后,所述方法还包括:发送提示信息,其中,所述提示信息用于提示所述目标图像帧对应的隧道区域存在所述目标异常情况。
7.一种电力隧道异常情况的确定装置,其特征在于,包括:
获取单元,用于获取电力隧道中的多个摄像设备所拍摄的视频流,其中,所述摄像设备用于拍摄所述电力隧道内的电缆情况;
灰度量化单元,用于对每个视频流中的每帧图像进行图像灰度量化处理,得到每帧图像中各个像素点的灰度值;
确定单元,用于根据每帧图像中各个像素点的灰度值,确定所述每帧图像对应的隧道区域是否存在异常情况。
8.根据权利要求7所述的确定装置,其特征在于,所述电力隧道的每类异常情况对应一个灰度阈值,确定单元包括:
判断子单元,用于判断每帧图像中的各个像素点的灰度值是否高于各类异常情况对应的灰度阈值;
第一确定子单元,用于若目标图像帧中灰度值高于目标异常情况对应的灰度阈值的像素点数量超过预设数量,则确定所述目标图像帧对应有所述目标异常情况;
第二确定子单元,用于基于所述目标图像帧对应的目标异常情况,确定所述目标图像帧对应的隧道区域是否存在异常情况。
9.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1至6中任意一项所述电力隧道异常情况的确定方法。
10.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至6中任意一项所述电力隧道异常情况的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110622404.4A CN113343841A (zh) | 2021-06-03 | 2021-06-03 | 电力隧道异常情况的确定方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110622404.4A CN113343841A (zh) | 2021-06-03 | 2021-06-03 | 电力隧道异常情况的确定方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113343841A true CN113343841A (zh) | 2021-09-03 |
Family
ID=77473759
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110622404.4A Pending CN113343841A (zh) | 2021-06-03 | 2021-06-03 | 电力隧道异常情况的确定方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113343841A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114155241A (zh) * | 2022-01-28 | 2022-03-08 | 浙江华睿科技股份有限公司 | 一种异物检测方法、装置及电子设备 |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101299275A (zh) * | 2008-06-25 | 2008-11-05 | 北京中星微电子有限公司 | 一种目标检测方法、装置及一种监控系统 |
CN101419663A (zh) * | 2008-06-05 | 2009-04-29 | 华中科技大学 | 电力设备故障指示器指示灯状态实时监测识别方法 |
CN102708378A (zh) * | 2012-04-28 | 2012-10-03 | 浙江工业大学 | 一种基于图像异常特征的智能交通抓拍设备故障诊断的方法 |
US20160267328A1 (en) * | 2015-03-09 | 2016-09-15 | Ricoh Company, Ltd. | Method and apparatus for detecting abnormal situation, and non-transitory computer-readable recording medium |
CN106131502A (zh) * | 2016-08-16 | 2016-11-16 | 深圳英飞拓科技股份有限公司 | 用于管廊隧道的视频监控方法及装置 |
CN107272637A (zh) * | 2017-06-06 | 2017-10-20 | 武汉瑞科兴业科技有限公司 | 一种视频监控系统故障自检自恢复控制系统及方法 |
CN107392889A (zh) * | 2017-06-22 | 2017-11-24 | 国网山东省电力公司菏泽供电公司 | 一种基于红外图像的电力设备运行状态监控方法及系统 |
CN107680089A (zh) * | 2017-10-09 | 2018-02-09 | 济南大学 | 一种高压输电线路摄像头图像异常的自动判断方法 |
CN108737577A (zh) * | 2018-08-20 | 2018-11-02 | 山东润智能科技有限公司 | 医院设备安全立体监测云平台、系统及其方法 |
CN109900366A (zh) * | 2019-03-22 | 2019-06-18 | 国网重庆市电力公司电力科学研究院 | 一种检测避雷器温度异常点的方法及装置 |
CN109977962A (zh) * | 2019-03-21 | 2019-07-05 | 国网山东省电力公司经济技术研究院 | 一种光缆故障隐患自动识别方法与系统 |
CN110458839A (zh) * | 2019-10-09 | 2019-11-15 | 江西太平洋电缆集团有限公司 | 一种有效的电线电缆监测系统 |
CN110866503A (zh) * | 2019-11-19 | 2020-03-06 | 圣点世纪科技股份有限公司 | 指静脉设备的异常检测方法及系统 |
CN111044149A (zh) * | 2019-12-19 | 2020-04-21 | 国网重庆市电力公司电力科学研究院 | 电压互感器的温度异常点检测方法、装置及可读存储介质 |
CN111060149A (zh) * | 2019-11-22 | 2020-04-24 | 广东电网有限责任公司云浮供电局 | 一种基于电力设备的数据监测方法及装置 |
CN111626104A (zh) * | 2020-04-13 | 2020-09-04 | 国网上海市电力公司 | 一种基于无人机红外热像的电缆隐患点检测方法和装置 |
CN112052732A (zh) * | 2020-07-31 | 2020-12-08 | 陕西瑞海工程智慧数据科技有限公司 | 一种电缆异常自动报警的方法及装置 |
CN112489018A (zh) * | 2020-11-30 | 2021-03-12 | 深圳供电局有限公司 | 一种电力线智能巡线方法及巡线 |
CN112710398A (zh) * | 2020-12-21 | 2021-04-27 | 西安交通大学 | 一种电力设备异常发热检测方法 |
-
2021
- 2021-06-03 CN CN202110622404.4A patent/CN113343841A/zh active Pending
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101419663A (zh) * | 2008-06-05 | 2009-04-29 | 华中科技大学 | 电力设备故障指示器指示灯状态实时监测识别方法 |
CN101299275A (zh) * | 2008-06-25 | 2008-11-05 | 北京中星微电子有限公司 | 一种目标检测方法、装置及一种监控系统 |
CN102708378A (zh) * | 2012-04-28 | 2012-10-03 | 浙江工业大学 | 一种基于图像异常特征的智能交通抓拍设备故障诊断的方法 |
US20160267328A1 (en) * | 2015-03-09 | 2016-09-15 | Ricoh Company, Ltd. | Method and apparatus for detecting abnormal situation, and non-transitory computer-readable recording medium |
CN106131502A (zh) * | 2016-08-16 | 2016-11-16 | 深圳英飞拓科技股份有限公司 | 用于管廊隧道的视频监控方法及装置 |
CN107272637A (zh) * | 2017-06-06 | 2017-10-20 | 武汉瑞科兴业科技有限公司 | 一种视频监控系统故障自检自恢复控制系统及方法 |
CN107392889A (zh) * | 2017-06-22 | 2017-11-24 | 国网山东省电力公司菏泽供电公司 | 一种基于红外图像的电力设备运行状态监控方法及系统 |
CN107680089A (zh) * | 2017-10-09 | 2018-02-09 | 济南大学 | 一种高压输电线路摄像头图像异常的自动判断方法 |
CN108737577A (zh) * | 2018-08-20 | 2018-11-02 | 山东润智能科技有限公司 | 医院设备安全立体监测云平台、系统及其方法 |
CN109977962A (zh) * | 2019-03-21 | 2019-07-05 | 国网山东省电力公司经济技术研究院 | 一种光缆故障隐患自动识别方法与系统 |
CN109900366A (zh) * | 2019-03-22 | 2019-06-18 | 国网重庆市电力公司电力科学研究院 | 一种检测避雷器温度异常点的方法及装置 |
CN110458839A (zh) * | 2019-10-09 | 2019-11-15 | 江西太平洋电缆集团有限公司 | 一种有效的电线电缆监测系统 |
CN110866503A (zh) * | 2019-11-19 | 2020-03-06 | 圣点世纪科技股份有限公司 | 指静脉设备的异常检测方法及系统 |
CN111060149A (zh) * | 2019-11-22 | 2020-04-24 | 广东电网有限责任公司云浮供电局 | 一种基于电力设备的数据监测方法及装置 |
CN111044149A (zh) * | 2019-12-19 | 2020-04-21 | 国网重庆市电力公司电力科学研究院 | 电压互感器的温度异常点检测方法、装置及可读存储介质 |
CN111626104A (zh) * | 2020-04-13 | 2020-09-04 | 国网上海市电力公司 | 一种基于无人机红外热像的电缆隐患点检测方法和装置 |
CN112052732A (zh) * | 2020-07-31 | 2020-12-08 | 陕西瑞海工程智慧数据科技有限公司 | 一种电缆异常自动报警的方法及装置 |
CN112489018A (zh) * | 2020-11-30 | 2021-03-12 | 深圳供电局有限公司 | 一种电力线智能巡线方法及巡线 |
CN112710398A (zh) * | 2020-12-21 | 2021-04-27 | 西安交通大学 | 一种电力设备异常发热检测方法 |
Non-Patent Citations (4)
Title |
---|
QIMIN GONG等: "Automatic subway tunnel crack detection system based online scan camera", 《STRUCT CONTROL HEALTH MONIT》, pages 1 - 22 * |
何川: "高压输电线路视频监控技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 2012, pages 138 - 2506 * |
江仲庆: "基于多传感器的隧道异常自动巡检系统的设计", 《应用技术学报》, vol. 19, no. 3, pages 260 - 266 * |
赵建利等: "基于图像和应力的输电线路覆冰监测方法研究", 《检测技术与数据处理》, vol. 33, no. 10, pages 54 - 58 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114155241A (zh) * | 2022-01-28 | 2022-03-08 | 浙江华睿科技股份有限公司 | 一种异物检测方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN211293956U (zh) | 基于ai的施工现场异常行为人的识别和告警系统 | |
CN111932709A (zh) | 一种基于ai识别实现加油站巡检作业违规安全监管的方法 | |
CN103856774A (zh) | 一种视频监控智能检测系统及方法 | |
CN103152601A (zh) | 一种智能报障摄像机及其网络管理客户端系统 | |
CN116055690B (zh) | 一种机房监控视频的处理方法及设备 | |
CN116189103B (zh) | 基于视觉图像分析的设备监控自动控制方法及控制系统 | |
CN116165981A (zh) | 一种工业行业安全生产智能监控系统 | |
CN112671104A (zh) | 面向复杂场景的变电站多维度场景管控平台 | |
CN113343841A (zh) | 电力隧道异常情况的确定方法和装置 | |
CN111045889A (zh) | 封闭网络设备状态监测系统、方法、装置及可读存储介质 | |
US20220299398A1 (en) | Gas monitoring system | |
CN110928305B (zh) | 用于铁路客运车站巡更机器人的巡更方法及系统 | |
CN107820051A (zh) | 监控系统及其监控方法和装置 | |
CN115880631A (zh) | 一种配电站故障识别系统、方法、介质 | |
CN114550046A (zh) | 火灾隐患识别方法、装置、处理器、存储介质和电子设备 | |
CN113362563B (zh) | 电力隧道异常情况的确定方法和装置 | |
CN113887310A (zh) | 工人规范着装识别方法、系统及介质 | |
CN110796397A (zh) | 一种报警系统及方法 | |
CN113920679A (zh) | 城市远距离火灾监测方法、装置、计算机设备及存储介质 | |
CN112218040A (zh) | 高压电缆附件安装用后台监视装置、系统 | |
CN112383137A (zh) | 基于机器视觉和热成像技术的变压器台区监控系统及方法 | |
JP2021097336A (ja) | 監視用テレビモニタ装置の故障予兆検知システム | |
CN114549506A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN114550063A (zh) | 识别变电站故障的方法、装置、存储介质、设备及产品 | |
CN114581828A (zh) | 数据处理方法、装置、存储介质及设备 |
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 |