CN113592799A - 一种电力海缆的防护方法与系统 - Google Patents
一种电力海缆的防护方法与系统 Download PDFInfo
- Publication number
- CN113592799A CN113592799A CN202110830199.0A CN202110830199A CN113592799A CN 113592799 A CN113592799 A CN 113592799A CN 202110830199 A CN202110830199 A CN 202110830199A CN 113592799 A CN113592799 A CN 113592799A
- Authority
- CN
- China
- Prior art keywords
- ship
- image
- frame
- monitoring
- electric power
- 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 31
- 238000012544 monitoring process Methods 0.000 claims abstract description 65
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 21
- 239000011159 matrix material Substances 0.000 claims description 42
- 238000001514 detection method Methods 0.000 claims description 23
- 230000009466 transformation Effects 0.000 claims description 17
- 230000006399 behavior Effects 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012806 monitoring device Methods 0.000 claims description 6
- 150000001875 compounds Chemical class 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 31
- 238000004364 calculation method Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000004873 anchoring Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000035515 penetration Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000000007 visual effect 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
-
- 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
- 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
- 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
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/30241—Trajectory
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种电力海缆的防护方法与系统,本发通过去除监控画面畸变,建立监控画面海平面像素坐标与地理海平面经纬度之间的对应关系,使用跟踪算法,求取每艘轮船的位移距离和行驶时间,最终求得轮船速度,并根据轮船速度判断轮船行为从而实现对轮船的准确及时监控,避免轮船对电力海缆的破坏行为,提高监控的准确性和智能性。
Description
技术领域
本申请属于海缆海域智能监控领域,具体涉及一种电力海缆的防护方法与系统。
背景技术
海底电缆为远距离岛屿之间提供电力输送。海上生产活动会对电力海缆的安全造成威胁。轮船在渔业捕捞时,拖网、张网等接触海底的渔具,由于刺入海床20~200cm深度不等,对浅埋或裸露电力海缆的威胁很大。船锚可刺入海底将电力海缆直接刺断,船在起锚时锚钩挂在电力海缆上将其拉断以及船员直接将其砍断等,都对电力海缆造成直接破坏。
目前在国内的海缆运营单位在海缆路由区域建设禁锚标志警告经过海缆路由的船舶禁止锚泊和拖网,并在海缆登录点附近建立监控室,安排专业的安保人员进行24小时值班来维护电力海缆的安全。海缆运营单位在海缆路由上设置高倍的长焦镜头监控的过往船舶的活动,并采用VHF电台提醒过往船舶在海缆路由区域禁止锚泊和捕捞。但由于监控人员的随意性,很难达到理想的监控效果。
发明内容
本申请的目的在于提供一种电力海缆的防护方法与系统,通过对海面轮船的速度监控实现电力海缆保护。
为实现上述目的,本申请所采取的技术方案为:
一种电力海缆的防护方法,用于通过判断海面上轮船的行为实现对电力海缆的防护,所述电力海缆的防护方法,包括:
步骤1、建立监控设备的监控画面海平面像素坐标与地理海平面经纬度之间的投影变换矩阵;
步骤2、获取监控设备拍摄的视频,对视频进行逐帧提取得到每一帧图像;
步骤3、去除所获取的每一帧图像的径向畸变;
步骤4、取去除径向畸变后的每一帧图像,采用ResNet50网络提取每一帧图像中的特征,并将所提取的特征输入Faster R-CNN网络进行目标检测输出每一帧图像中轮船的外接矩形框;
步骤5、基于SORT算法根据每一帧图像中轮船的外接矩形框进行多目标轮船跟踪;
步骤6、基于多目标轮船跟踪获取预设时间段内同一轮船首尾时间点对应的两帧图像,取两帧图像中该轮船的外接矩形框的下边中点在图像中的像素坐标,并根据所述投影变换矩阵得到像素坐标对应的经纬度;
步骤7、基于两帧图像对应的经纬度以及所述预设时间段计算得到轮船的速度;
步骤8、若计算所得的轮船的速度小于等于速度阈值,则判定该轮船存在违规行为,产生报警信息以提示监控人员进行相应处理以实现对电力海缆的防护。
以下还提供了若干可选方式,但并不作为对上述总体方案的额外限定,仅仅是进一步的增补或优选,在没有技术或逻辑矛盾的前提下,各可选方式可单独针对上述总体方案进行组合,还可以是多个可选方式之间进行组合。
作为优选,所述建立监控设备的监控画面海平面像素坐标与地理海平面经纬度之间的投影变换矩阵,包括:
步骤11、固定监控设备,使监控画面的背景静止;
步骤12、通过监控设备获取轮船分别位于监控画面的左上、上、右上、右、右下、下、左下、左、中心部分位置的图像,同时记录轮船分别位于相应位置时的经纬度,轮船位于相应位置时以侧面面对监控设备,取轮船底部的中心点作为像素坐标和经纬度的对应点;
步骤13、更换监控设备的位置并固定,重复步骤12和步骤13直至获取到预设个数的对应点;
步骤14、根据所获取的对应的像素坐标和经纬度计算得到监控画面海平面像素坐标与地理海平面经纬度之间的投影变换矩阵。
作为优选,所述去除所获取的图像的径向畸变,包括:
定义径向畸变公式为:
图像坐标系到像素坐标系的转化关系为:
通过图像获取带畸变的像素坐标通过世界坐标系和监控设备的内参外参得到无畸变的像素坐标(u,v),基于代入像素坐标(u,v)和后的径向畸变公式,取约束方程系数矩阵记为待求解的畸变矫正参数记为k=[k1 k2]T,等式右端非齐次项记为则径向畸变公式的矩阵形式可转化为:
Dk=d
使用最小二乘法可求得:
式中,k为标定后得到的监控设备的畸变矫正参数;
利用畸变矫正参数k处理所获取的图像中的每一像素点得到去除径向畸变后的图像。
作为优选,所述基于SORT算法根据每一帧图像中轮船的外接矩形框进行多目标轮船跟踪,包括:
基于卡尔曼滤波算法预测并更新外接矩形框:
式中,表示t-1时刻的外接矩形框的状态;是t-1时刻的控制量;F为状态转移矩阵,表示从t-1时刻的状态来推测t时刻的状态;B是控制矩阵,表示控制量作用于当前状态,为估计值,是根据t-1时刻的外接矩形框的状态估计得到的t时刻的外接矩形框的状态,,Pt-1是t-1时刻的噪声,为估计值,是根据t-1时刻的噪声估计得到的t时刻的噪声,FT表示F的转置矩阵,Q是卡尔曼滤波算法本身的噪声;
式中,Kt是卡尔曼系数,Zt是观测值,H为观测矩阵,表示估计值与观测值的转换,HT表示H的转置矩阵,整个更新过程是用预测的外接矩形框和目标检测得到的外接矩形框融合成最合适的外接矩形框;R是观测噪声的协方差矩阵、是最终的状态,即卡尔曼滤波算法预测得到的外接矩形框和目标检测得到的外接矩形框融合后的外接矩形框的状态、Pt最终得到的t时刻的噪声、I为单位矩阵;
更新过程中,使用匈牙利算法来匹配最合适的预测得到的外接矩形框和目标检测得到的外接矩形框:
式中,用交并比表示每对预测得到的外接矩形框和目标检测得到的外接矩形框的匹配度,m表示预测得到的外接矩形框的个数,也是目标检测得到的外接矩形框的个数,其中Xij表示第i个预测得到的外接矩形框和第j个目标检测得到的外接矩形框的组合系数,Cij表示第i个预测得到的外接矩形框和第j个目标检测得到的外接矩形框的匹配度。
作为优选,所述速度阈值为3节。
本申请还提供一种电力海缆的防护系统,用于通过判断海面上轮船的行为实现对电力海缆的防护,所述电力海缆的防护系统包括边缘计算设备和监控设备,所述边缘计算设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现所述的电力海缆的防护方法的步骤。
作为优选,所述电力海缆的防护系统还包括与边缘计算设备连接的控制器,所述控制器与太阳能板、风力发电机以及蓄电池连接,所述控制器在边缘计算设备的驱动下接收太阳能板和风力发电机的电能并为蓄电池充电。
由于轮船在抛锚和渔业时其速度非常低,因此本申请利用速度判断轮船的行为,具体本申请通过去除监控画面畸变,建立监控画面海平面像素坐标与地理海平面经纬度之间的对应关系,使用跟踪算法,求取每艘轮船的位移距离和行驶时间,最终求得轮船速度,并根据轮船速度判断轮船行为从而实现对轮船的准确及时监控,避免轮船对电力海缆的破坏行为,提高监控的准确性和智能性。
附图说明
图1为本申请的电力海缆的防护方法的流程图;
图2为本申请的电力海缆的防护系统的一种实施例结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是在于限制本申请。
如图1所示,其中一个实施例中,提供一种电力海缆的防护方法,具体包括以下步骤:
步骤1、建立监控设备的监控画面海平面像素坐标与地理海平面经纬度之间的投影变换矩阵。
将监控画面中的海平面和地理海平面看成近似的平面,一个平面通过另一个平面成像而来,因此存在对应关系。通过投影变换建立联系,即监控画面海平面中某个像素对应地理海平面中一个真实的地理位置。地理海平面的位置用经纬度表示,最终建立起经纬度和像素点坐标之间的对应关系。
在建立对应关系时需要获取对应点的相关数据,本实施例中获取对应点的相关数据的方法如下:
步骤11、固定监控设备,使监控画面的背景静止。
步骤12、通过监控设备获取轮船分别位于监控画面的左上、上、右上、右、右下、下、左下、左、中心部分位置的图像,同时记录轮船分别位于相应位置时的经纬度,轮船位于相应位置时以侧面面对监控设备,取轮船底部的中心点作为像素坐标和经纬度的对应点;本实施例中轮船的经纬度直接根据轮船上的定位设备获取。
步骤13、更换监控设备的位置并固定,重复步骤12和步骤13直至获取到预设个数的对应点;为确保投影变换矩阵的准确计算本实施例设置至少获取18个对应点。
步骤14、根据所获取的对应的像素坐标和经纬度计算得到监控画面海平面像素坐标与地理海平面经纬度之间的投影变换矩阵。需要说明的是,根据对应点的相关数据计算投影变换矩阵为现有的计算过程,本实施例中不进行详述。
最终根据计算所得的投影变换矩阵得到监控画面海平面像素坐标与地理海平面经纬度之间的对应关系如下:
式中,(e,n)为监控画面海平面像素坐标,(E,N)为地理海平面经纬度,H3×3为投影变换矩阵。
步骤2、获取监控设备拍摄的视频,对视频进行逐帧提取得到每一帧图像。
步骤3、去除所获取的每一帧图像的径向畸变。图像径向畸变是成像过程中最主要的畸变,同时也是对成像效果影响最大的畸变。图像的径向畸变的存在不仅影响了图像视觉效果,而且增加了后续识别、跟踪等图像处理的难度。因此本实施例在进行图像识别前先取出图像中的径向畸变,以保证后续识别、跟踪的准确性。本实施例中提供的取出径向畸变的方法如下:
定义径向畸变公式为:
图像坐标系到像素坐标系的转化关系为:
式中的u,v通过识别标定板的角点获得,即棋盘格的角点,具体通过图像获取带畸变的像素坐标通过世界坐标系和监控设备的内参外参得到无畸变的像素坐标(u,v)。基于代入像素坐标(u,v)和后的径向畸变公式,取约束方程系数矩阵记为待求解的畸变矫正参数记为k=[k1 k2]T,等式右端非齐次项记为则径向畸变公式的矩阵形式可转化为:
Dk=d
使用最小二乘法可求得:
式中,k为标定后得到的监控设备的畸变矫正参数;
利用畸变矫正参数k处理所获取的图像中的每一像素点得到去除径向畸变后的图像。
步骤4、取去除径向畸变后的每一帧图像,采用ResNet50网络提取每一帧图像中的特征,并将所提取的特征输入Faster R-CNN网络进行目标检测输出每一帧图像中轮船的外接矩形框。
由于海面区域较大,轮船在监控画面中较小,因此本实施例使用特征金字塔网络以准确识别轮船。轮船相对监控画面的行驶速度并不是非常快,因此本实施例使用FasterR-CNN网络提高检测精度。在此基础上为了兼顾检测速度与精度,本实施例使用ResNet50网络作为特征提取网络。其中ResNet50网络和Faster R-CNN网络均为现有的神经网络,本实施例不对其具体的网络结构进行描述。
目标识别最终得到轮船轮廓的外接矩形框(即边界框)的左上角的像素坐标(xmin,ymin)和右下角的像素坐标(xmax,ymax)。为了与投影变换矩阵对应,以边界框下边的中心点作为像素点投影到地理海平面上,求取像素点对应的经纬度,即轮船在地理海平面的经纬度。矩形框下边的中心点像素坐标为:
步骤5、基于SORT算法根据每一帧图像中轮船的外接矩形框进行多目标轮船跟踪。
由于海面上很可能同时存在多艘轮船,即监控画面中可能同时出现多艘轮船,因此本实施例采用多目标跟踪算法对每一检测到的轮船进行目标跟踪。对于检测到的轮船,为每艘设立一个标签。具体如下:
基于卡尔曼滤波算法预测并更新外接矩形框:
式中,表示t-1时刻的外接矩形框的状态;是t-1时刻的控制量;F为状态转移矩阵,表示从t-1时刻的状态来推测t时刻的状态;B是控制矩阵,表示控制量作用于当前状态,为估计值,是根据t-1时刻的外接矩形框的状态估计得到的t时刻的外接矩形框的状态,,Pt-1是t-1时刻的噪声,为估计值,是根据t-1时刻的噪声估计得到的t时刻的噪声,FT表示F的转置矩阵,Q是卡尔曼滤波算法本身的噪声;
式中,Kt是卡尔曼系数,Zt是观测值,H为观测矩阵,表示估计值与观测值的转换,HT表示H的转置矩阵,整个更新过程是用预测的外接矩形框和目标检测得到的外接矩形框融合成最合适的外接矩形框;R是观测噪声的协方差矩阵、是最终的状态,即卡尔曼滤波算法预测得到的外接矩形框和目标检测得到的外接矩形框融合后的外接矩形框的状态、Pt最终得到的t时刻的噪声、I为单位矩阵;
更新过程中,使用匈牙利算法来匹配最合适的预测得到的外接矩形框和目标检测得到的外接矩形框:
式中,用交并比表示每对预测得到的外接矩形框和目标检测得到的外接矩形框的匹配度,m表示预测得到的外接矩形框的个数,也是目标检测得到的外接矩形框的个数,其中Xij表示第i个预测得到的外接矩形框和第j个目标检测得到的外接矩形框的组合系数,表示第i个预测得到的外接矩形框和第j个目标检测得到的外接矩形框进行匹配,也理解为Xij为待求解的系数序列,取值为0或1,通过遍历Xij的值的组合来计算z,并将最小的z对应的Xij作为匹配结果,Cij表示第i个预测得到的外接矩形框和第j个目标检测得到的外接矩形框的匹配度。
步骤6、基于多目标轮船跟踪获取预设时间段内同一轮船首尾时间点对应的两帧图像,取两帧图像中该轮船的外界矩形框的下边中点在图像中的像素坐标,并根据所述投影变换矩阵得到像素坐标对应的经纬度。
取预设时间段内首位时间点的两帧图像作为轮船在该预设时间段内所经过的里程。其中预设时间段可以是任意设定的时间段,但为了避免因轮船转向或掉头导致两时间点之间对应的里程与实际里程不符,本实施例中优先取较短时间段进行计算,例如5分钟等。
步骤7、基于两帧图像对应的经纬度以及所述预设时间段计算得到轮船的速度。
假设在监控画面中,一艘轮船从a点移动到b点。根据外接矩形框的下边中心点求轮船在地理海平面中的经纬度。
其中,(ea,na)是轮船在a点外接矩形框的下边中心点像素坐标,Na是a点的北纬度,Ea是a点的东经度,求a点到b点的距离d为:
d=arccos[sin(Na)×sin(Nb)+cos(Na)×cos(Nb)×cos(Ea-Eb)]
其中,Na是a点的北纬度,Ea是a点的东经度,Nb是b点的北纬度,Eb是b点的东经度,d是两点之间的距离。根据轮船从a点移动到b点所需的时间t,最后求得速度v为v=d/t。
步骤8、若计算所得的轮船的速度小于等于速度阈值,则判定该轮船存在违规行为,产生报警信息以提示监控人员进行相应处理以实现对电力海缆的防护。
由于轮船锚泊或捕鱼拖网时,航速在3节及3节以下。因此在该海域将航速小于等于3节的轮船判定为违规。产生的报警信息可以是图像中锁定的存在违规行为的轮船的外接矩形框高亮显示,并以声音提醒监控人员注意,以便于监控人员及时采取相应操作。容易理解的是,产生的报警信息可以是任意能够提醒监控人员及时发现存在违规轮船的信息。
在另一个实施例中,提供一种电力海缆的防护系统,用于通过判断海面上轮船的行为实现对电力海缆的防护,本实施例的电力海缆的防护系统包括边缘计算设备和监控设备,所述边缘计算设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现一种电力海缆的防护方法的步骤。
由于系统设置在海上或者海边往往存在供电困难的问题,因此在另一个实施例中电力海缆的防护系统还包括与边缘计算设备连接的控制器,所述控制器与太阳能板、风力发电机以及蓄电池连接,所述控制器在边缘计算设备的驱动下接收太阳能板和风力发电机的电能并为蓄电池充电,以满足供电所需。
需要说明的是,在其他实施例中电力海缆的防护系统可以在上述实施例的基础上进一步拓展,例如网络拓展等。
如图2所示,在另一实施例中,提供一种较为全面的电力海缆的防护系统的设置。系统所在地是海边,附近没有电和网络,因此使用太阳能和风力发电。海边情况复杂,暴露在外的设备都喷上防腐蚀涂料。
本实施例的系统中包含4G路由器、内网穿透路由器、云台、推流器、硬盘录像机、开发板、控制器、太阳能板、风力发电机、蓄电池、变压器。
4G路由器负责提供网络,支持全网通,测得当地某运营商4G网络信号较强,因此该运营商4G卡提供网络支持。
硬盘录像机拥有1T硬盘,保存近1个月的监控视频,若电力海缆被破坏,可以通过硬盘录像机查看历史视频,锁定肇事者。并且硬盘录像机通过云台进行安装固定。
云台各种操作需要在局域网下,而系统远程调试需要通过公网。因此本实施例使用内网穿透路由器建立对等网络,将多个远程设备放到同一局域网下。
考虑到存在多个用户使用不同设备同时查看监控情况,使用推流器将硬盘录像机的RTSP码流转成RTMP码流,并推送到云服务器中,满足多用户同时查看监控情况的需求。同时因4G网速较慢且不稳定,无法直接观看现场画面,所以使用推流器将监控视频推成多个小段的视频,减小延迟情况发生。
开发板选择高性能的边缘计算设备,该设备拥有完整的计算机功能,负责执行目标跟踪和行为分析算法。设备通过RS-485与控制器通信,获取供电信息。
蓄电池储存电能,电压24V,通过24V/12V变压器给其他12V设备供电。蓄电池由太阳能和风能供电。太阳能板长1.6米,宽1米,每小时能提供300W的功率,电压30V。风力发电机额定风速11米每秒,额定功率600W,电压24V。太阳能板和风力发电机连接控制器。控制器稳定供电电压,消耗多余的电能,并给蓄电池充电。
以上所述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 (7)
1.一种电力海缆的防护方法,用于通过判断海面上轮船的行为实现对电力海缆的防护,其特征在于,所述电力海缆的防护方法,包括:
步骤1、建立监控设备的监控画面海平面像素坐标与地理海平面经纬度之间的投影变换矩阵;
步骤2、获取监控设备拍摄的视频,对视频进行逐帧提取得到每一帧图像;
步骤3、去除所获取的每一帧图像的径向畸变;
步骤4、取去除径向畸变后的每一帧图像,采用ResNet50网络提取每一帧图像中的特征,并将所提取的特征输入Faster R-CNN网络进行目标检测输出每一帧图像中轮船的外接矩形框;
步骤5、基于SORT算法根据每一帧图像中轮船的外接矩形框进行多目标轮船跟踪;
步骤6、基于多目标轮船跟踪获取预设时间段内同一轮船首尾时间点对应的两帧图像,取两帧图像中该轮船的外接矩形框的下边中点在图像中的像素坐标,并根据所述投影变换矩阵得到像素坐标对应的经纬度;
步骤7、基于两帧图像对应的经纬度以及所述预设时间段计算得到轮船的速度;
步骤8、若计算所得的轮船的速度小于等于速度阈值,则判定该轮船存在违规行为,产生报警信息以提示监控人员进行相应处理以实现对电力海缆的防护。
2.如权利要求1所述的电力海缆的防护方法,其特征在于,所述建立监控设备的监控画面海平面像素坐标与地理海平面经纬度之间的投影变换矩阵,包括:
步骤11、固定监控设备,使监控画面的背景静止;
步骤12、通过监控设备获取轮船分别位于监控画面的左上、上、右上、右、右下、下、左下、左、中心部分位置的图像,同时记录轮船分别位于相应位置时的经纬度,轮船位于相应位置时以侧面面对监控设备,取轮船底部的中心点作为像素坐标和经纬度的对应点;
步骤13、更换监控设备的位置并固定,重复步骤12和步骤13直至获取到预设个数的对应点;
步骤14、根据所获取的对应的像素坐标和经纬度计算得到监控画面海平面像素坐标与地理海平面经纬度之间的投影变换矩阵。
3.如权利要求1所述的电力海缆的防护方法,其特征在于,所述去除所获取的图像的径向畸变,包括:
定义径向畸变公式为:
图像坐标系到像素坐标系的转化关系为:
通过图像获取带畸变的像素坐标通过世界坐标系和监控设备的内参外参得到无畸变的像素坐标(u,v),基于代入像素坐标(u,v)和后的径向畸变公式,取约束方程系数矩阵记为待求解的畸变矫正参数记为k=[k1k2]T,等式右端非齐次项记为则径向畸变公式的矩阵形式可转化为:
Dk=d
使用最小二乘法可求得:
式中,k为标定后得到的监控设备的畸变矫正参数;
利用畸变矫正参数k处理所获取的图像中的每一像素点得到去除径向畸变后的图像。
4.如权利要求1所述的电力海缆的防护方法,其特征在于,所述基于SORT算法根据每一帧图像中轮船的外接矩形框进行多目标轮船跟踪,包括:
基于卡尔曼滤波算法预测并更新外接矩形框:
式中,表示t-1时刻的外接矩形框的状态;是t-1时刻的控制量;F为状态转移矩阵,表示从t-1时刻的状态来推测t时刻的状态;B是控制矩阵,表示控制量作用于当前状态,为估计值,是根据t-1时刻的外接矩形框的状态估计得到的t时刻的外接矩形框的状态,,Pt-1是t-1时刻的噪声,为估计值,是根据t-1时刻的噪声估计得到的t时刻的噪声,FT表示F的转置矩阵,Q是卡尔曼滤波算法本身的噪声;
式中,Kt是卡尔曼系数,Zt是观测值,H为观测矩阵,表示估计值与观测值的转换,HT表示H的转置矩阵,整个更新过程是用预测的外接矩形框和目标检测得到的外接矩形框融合成最合适的外接矩形框;R是观测噪声的协方差矩阵、是最终的状态,即卡尔曼滤波算法预测得到的外接矩形框和目标检测得到的外接矩形框融合后的外接矩形框的状态、Pt最终得到的t时刻的噪声、I为单位矩阵;
更新过程中,使用匈牙利算法来匹配最合适的预测得到的外接矩形框和目标检测得到的外接矩形框:
式中,用交并比表示每对预测得到的外接矩形框和目标检测得到的外接矩形框的匹配度,m表示预测得到的外接矩形框的个数,也是目标检测得到的外接矩形框的个数,其中Xij表示第i个预测得到的外接矩形框和第j个目标检测得到的外接矩形框的组合系数,Cij表示第i个预测得到的外接矩形框和第j个目标检测得到的外接矩形框的匹配度。
5.如权利要求1所述的电力海缆的防护方法,其特征在于,所述速度阈值为3节。
6.一种电力海缆的防护系统,用于通过判断海面上轮船的行为实现对电力海缆的防护,其特征在于,所述电力海缆的防护系统包括边缘计算设备和监控设备,所述边缘计算设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的电力海缆的防护方法的步骤。
7.如权利要求6所述的电力海缆的防护系统,其特征在于,所述电力海缆的防护系统还包括与边缘计算设备连接的控制器,所述控制器与太阳能板、风力发电机以及蓄电池连接,所述控制器在边缘计算设备的驱动下接收太阳能板和风力发电机的电能并为蓄电池充电。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110830199.0A CN113592799A (zh) | 2021-07-22 | 2021-07-22 | 一种电力海缆的防护方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110830199.0A CN113592799A (zh) | 2021-07-22 | 2021-07-22 | 一种电力海缆的防护方法与系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113592799A true CN113592799A (zh) | 2021-11-02 |
Family
ID=78249121
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110830199.0A Pending CN113592799A (zh) | 2021-07-22 | 2021-07-22 | 一种电力海缆的防护方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113592799A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103680212A (zh) * | 2013-12-27 | 2014-03-26 | 广东电网公司江门供电局 | 一种110kv海缆海域船舶自动识别监控系统 |
CN105141887A (zh) * | 2015-07-06 | 2015-12-09 | 国家电网公司 | 一种基于热成像的海缆区域视频告警方法 |
CN108366227A (zh) * | 2018-01-30 | 2018-08-03 | 上海海事大学 | 一种海事智能化巡航中无人机的应用平台 |
CN109409283A (zh) * | 2018-10-24 | 2019-03-01 | 深圳市锦润防务科技有限公司 | 一种海面舰船跟踪和监控的方法、系统和存储介质 |
CN109800714A (zh) * | 2019-01-22 | 2019-05-24 | 浙江华是科技股份有限公司 | 一种基于人工智能的船舶检测系统及方法 |
CN109949616A (zh) * | 2019-03-25 | 2019-06-28 | 同济大学 | 一种桥梁主动防船撞监测预警系统 |
CN111163290A (zh) * | 2019-11-22 | 2020-05-15 | 东南大学 | 一种夜间航行船舶检测并跟踪的装置和方法 |
CN112100435A (zh) * | 2020-09-09 | 2020-12-18 | 沈阳帝信人工智能产业研究院有限公司 | 一种基于边缘端交通音视频同步样本的自动标注方法 |
CN112541481A (zh) * | 2020-12-25 | 2021-03-23 | 南京航空航天大学 | 一种基于深度学习的对海探测雷达目标检测方法 |
CN112990128A (zh) * | 2021-04-27 | 2021-06-18 | 电子科技大学 | 一种基于视频跟踪的多车辆测速方法 |
-
2021
- 2021-07-22 CN CN202110830199.0A patent/CN113592799A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103680212A (zh) * | 2013-12-27 | 2014-03-26 | 广东电网公司江门供电局 | 一种110kv海缆海域船舶自动识别监控系统 |
CN105141887A (zh) * | 2015-07-06 | 2015-12-09 | 国家电网公司 | 一种基于热成像的海缆区域视频告警方法 |
CN108366227A (zh) * | 2018-01-30 | 2018-08-03 | 上海海事大学 | 一种海事智能化巡航中无人机的应用平台 |
CN109409283A (zh) * | 2018-10-24 | 2019-03-01 | 深圳市锦润防务科技有限公司 | 一种海面舰船跟踪和监控的方法、系统和存储介质 |
CN109800714A (zh) * | 2019-01-22 | 2019-05-24 | 浙江华是科技股份有限公司 | 一种基于人工智能的船舶检测系统及方法 |
CN109949616A (zh) * | 2019-03-25 | 2019-06-28 | 同济大学 | 一种桥梁主动防船撞监测预警系统 |
CN111163290A (zh) * | 2019-11-22 | 2020-05-15 | 东南大学 | 一种夜间航行船舶检测并跟踪的装置和方法 |
CN112100435A (zh) * | 2020-09-09 | 2020-12-18 | 沈阳帝信人工智能产业研究院有限公司 | 一种基于边缘端交通音视频同步样本的自动标注方法 |
CN112541481A (zh) * | 2020-12-25 | 2021-03-23 | 南京航空航天大学 | 一种基于深度学习的对海探测雷达目标检测方法 |
CN112990128A (zh) * | 2021-04-27 | 2021-06-18 | 电子科技大学 | 一种基于视频跟踪的多车辆测速方法 |
Non-Patent Citations (4)
Title |
---|
JING XIE等: "Detection-Based Object Tracking Applied to Remote Ship Inspection", 《SENSORS》, vol. 21, 23 January 2021 (2021-01-23), pages 1 - 23 * |
徐向前等: "Faster_RCNN的交通场景下行人检测方法", 《软件导刊》, vol. 19, no. 4, 30 April 2020 (2020-04-30), pages 67 - 70 * |
王永信等: "《逆向工程及检测技术与应用》", 31 May 2014, 西安交通大学出版社, pages: 18 - 19 * |
韩成等: "《基于结构光的计算机视觉》", 31 January 2015, 国防工业出版社, pages: 33 - 34 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101214851B (zh) | 船舶行驶智能型全天候主动安全预警系统及其预警方法 | |
CN106335646A (zh) | 一种干扰式反无人机系统 | |
CN110650316A (zh) | 智能巡逻及预警处理方法、装置、电子设备及存储介质 | |
CN110097787B (zh) | 一种基于监控航标灯的船只碰撞预警监测系统及方法 | |
Fischer et al. | Object-oriented sensor data fusion for wide maritime surveillance | |
CN109993789A (zh) | 一种共享单车的违停判定方法、装置及相机 | |
Zormpas et al. | Power transmission lines inspection using properly equipped unmanned aerial vehicle (UAV) | |
CN101167086A (zh) | 用于安全应用的人体检测和跟踪 | |
CN115603466B (zh) | 一种基于人工智能视觉识别的船舶岸电系统 | |
CN106931945A (zh) | 机器人导航方法和系统 | |
CN109345876A (zh) | 一种船舶监控系统及方法 | |
CN109714567A (zh) | 一种基于红外夜视仪的三维虚拟场景实时构建方法及装置 | |
CN107590456A (zh) | 一种高空视频监控中小微目标的检测方法 | |
Wu et al. | 3D spectrum mapping based on ROI-driven UAV deployment | |
CN208985386U (zh) | 一种船舶监控系统及船舶监控指挥装置 | |
CN115275870B (zh) | 一种基于高空线路维护的巡检系统 | |
CN116743970A (zh) | 一种具有视频ai预警分析的智能管理平台 | |
CN115880231A (zh) | 一种基于深度学习的输电线路隐患检测方法和系统 | |
CN105894642B (zh) | 渔港外沿海停泊渔船远程无人值守自动签证管理系统及方法 | |
CN113592799A (zh) | 一种电力海缆的防护方法与系统 | |
CN114655361B (zh) | 智能浮标、海上巡航的无人机集群化控制管理系统和方法 | |
Wang et al. | Samba: a smartphone-based robot system for energy-efficient aquatic environment monitoring | |
Gonzalez et al. | Semi-automatic extraction of ship lanes and movement corridors from AIS data | |
Ashqer et al. | Parking lot space detection based on image processing | |
CN112862921B (zh) | 一种电网分布图像绘制方法 |
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 |