CN114241370A - 基于数字孪生变电站的入侵识别方法、装置和计算机设备 - Google Patents

Abstract

本申请涉及一种基于数字孪生变电站的入侵识别方法、装置、计算机设备、存储介质和计算机程序产品。通过获取目标区域的待识别图像，以及获取多个入侵物体对应的模板图像，再根据目标识别模型，将多个模板图像与待识别图像进行多次匹配，识别待识别图像中的目标入侵物体的行为以及待识别图像中的目标位置，根据待识别图像与安全图像的对比结果，确定待识别图像中状态改变的目标电力设备，从而根据目标位置与目标电力设备的距离和行为，确定目标入侵物体的危险等级。相较于传统的通过人工方式识别变电站内的入侵情况的方式，本方案通过模板图像和目标识别模型对入侵物体进行识别，实现了提高变电站入侵识别的效率的效果。

Description

基于数字孪生变电站的入侵识别方法、装置和计算机设备

技术领域

本申请涉及图像处理技术领域，特别是涉及一种基于数字孪生变电站的入侵识别方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

在电力系统中，数字孪生变电站作为一个个节点枢纽的存在，重要程度不言而喻。由于多数变电站建设在生态环境相对较好的偏僻地带，从而各种小动物也会相对较多。如果小动物进入到一二次的电器设备中，轻则咬伤电缆破坏设备外壳导致绝缘下降。重则导致设备相间短路故障或者短路接地等致使保护动作造成停电甚至是设备爆炸，危害甚大。所以对变电站中的小动物进行识别和预警显得尤为重要。目前对数字孪生变电站中的入侵识别通常是通过人工现场检查的方式进行，然而，通过人工识别的方式，容易遗漏某些入侵物体。

因此，目前的对数字孪生变电站中的入侵识别方式，存在识别效率低的缺陷。

发明内容

基于此，有必要针对上述技术问题，提供一种能够识别效率的基于数字孪生变电站的入侵识别方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种基于数字孪生变电站的入侵识别方法，所述方法包括：

获取目标区域的待识别图像，以及获取多个入侵物体对应的模板图像；所述目标区域中设置有电力设备；

根据目标识别模型，将多个模板图像与所述待识别图像进行多次匹配，识别所述待识别图像中的目标入侵物体的行为以及在所述待识别图像中的目标位置；

获取所述待识别图像与安全图像的对比结果，根据所述对比结果确定所述待识别图像中状态改变的目标电力设备；所述安全图像表征所述目标区域未受入侵时对应的图像；

根据所述目标位置与所述电力设备的距离、所述目标电力设备以及所述行为，确定所述目标入侵物体的危险等级。

在其中一个实施例中，所述获取目标区域的待识别图像，包括：

获取目标区域的待处理图像；

对所述待处理图像进行预处理；所述预处理包括灰度化处理、图像增强、图像滤波、图像边缘检测以及图像分割中的至少一种；

根据预处理后的图像，得到所述待识别图像。

在其中一个实施例中，所述对所述待处理图像进行预处理，包括：

对所述待处理图像进行灰度化处理，得到灰度图；

对所述灰度图进行归一化处理，并根据归一化处理的灰度图绘制灰度直方图，通过分段线性变换对所述灰度直方图进行图像增强，得到增强图像；

对所述增强图像进行滤波处理，得到滤波后的图像；

检测所述滤波后的图像中的图像边缘，根据预设灰度阈值以及所述图像边缘对所述滤波后的图像进行图像分割，得到对应的前景图像和背景图像，作为所述待识别图像。

在其中一个实施例中，所述根据目标识别模型，将多个模板图像与所述待识别图像进行多次匹配，识别所述待识别图像中的目标入侵物体的行为以及在所述待识别图像中的目标位置，包括：

根据目标识别模型，将所述模板图像与所述待识别图像的不同区域进行多次第一匹配，得到多个第一匹配误差值；所述模板图像的大小小于所述待识别图像；

获取所述多个第一匹配误差值中的最小值，获取该最小值对应的目标模板图像；

根据所述目标识别模型，在所述待识别图像中所述最小值对应的匹配区域的邻域，基于所述目标模板图像进行第二匹配，得到第二匹配误差值；

若所述第二匹配误差值小于预设误差阈值，确定所述目标模板图像对应的物体为目标入侵物体，根据所述目标模板图像确定所述目标入侵物体的行为以及在所述待识别图像中的目标位置。

在其中一个实施例中，所述获取所述待识别图像与安全图像的对比结果，根据所述对比结果确定所述待识别图像中状态改变的目标电力设备，包括：

将所述待识别图像中的第一电力设备图像与所述安全图像中的第二电力设备图像进行对比，得到对比结果；

若所述第一电力设备图像在所述待识别图像中的显示区域和/或显示状态与所述第二电力设备图像不同，确定所述第一电力设备图像为目标电力设备的图像。

在其中一个实施例中，所述根据所述目标位置与所述电力设备的距离、所述目标电力设备以及所述行为，确定所述目标入侵物体的危险等级，包括：

若所述行为为第一入侵行为，确定所述危险等级为第一等级；

和/或，

若所述行为为第二入侵行为，将所述距离与预设距离阈值比较；

若所述距离小于或等于预设距离阈值，确定所述危险等级为第一等级，否则确定所述危险等级为第二等级；

其中，所述第一入侵行为对所述电力设备的破坏度大于所述第二入侵行为，所述第一等级的紧急程度大于所述第二等级。

第二方面，本申请提供了一种基于数字孪生变电站的入侵识别装置，所述装置包括：

获取模块，用于获取目标区域的待识别图像，以及获取多个入侵物体对应的模板图像；所述目标区域中设置有电力设备；

识别模块，用于根据目标识别模型，将多个模板图像与所述待识别图像进行多次匹配，识别所述待识别图像中的目标入侵物体的行为以及在所述待识别图像中的目标位置；

对比模块，用于获取所述待识别图像与安全图像的对比结果，根据所述对比结果确定所述待识别图像中状态改变的目标电力设备；所述安全图像表征所述目标区域未受入侵时对应的图像；

确定模块，用于根据所述目标位置与所述电力设备的距离、所述目标电力设备以及所述行为，确定所述目标入侵物体的危险等级。

第三方面，本申请提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法的步骤。

第四方面，本申请提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。

第五方面，本申请提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述的方法的步骤。

上述基于数字孪生变电站的入侵识别方法、装置、计算机设备、存储介质和计算机程序产品，通过获取目标区域的待识别图像，以及获取多个入侵物体对应的模板图像，再根据目标识别模型，将多个模板图像与待识别图像进行多次匹配，识别待识别图像中的目标入侵物体的行为以及待识别图像中的目标位置，根据待识别图像与安全图像的对比结果，确定待识别图像中状态改变的目标电力设备，从而根据目标位置与目标电力设备的距离和行为，确定目标入侵物体的危险等级。相较于传统的通过人工方式识别变电站内的入侵情况的方式，本方案通过模板图像和目标识别模型对入侵物体进行识别，实现了提高变电站入侵识别的效率的效果。

附图说明

图1为一个实施例中基于数字孪生变电站的入侵识别方法的应用环境图；

图2为一个实施例中基于数字孪生变电站的入侵识别方法的流程示意图；

图3为一个实施例中预警步骤的流程示意图；

图4为另一个实施例中基于数字孪生变电站的入侵识别方法的流程示意图；

图5为一个实施例中基于数字孪生变电站的入侵识别装置的结构框图；

图6为一个实施例中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。

本申请实施例提供的基于数字孪生变电站的入侵识别方法，可以应用于如图1所示的应用环境中。终端102可以与图像采集设备通信，并获取图像采集设备采集的待识别图像，从而终端102可以基于待识别图像进行对数字孪生变电站的入侵识别。另外，在一些实施例中，还包括服务器104。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。终端102可以将上述采集的图像以及入侵识别结果发送至服务器104进行存储。其中，终端102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、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，提供了一种基于数字孪生变电站的入侵识别方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：

步骤S202，获取目标区域的待识别图像，以及获取多个入侵物体对应的模板图像；目标区域中设置有电力设备。

其中，目标区域可以是数字孪生变电站所在的区域，目标区域中可以设置有多个电力设备，例如上述数字孪生变电站等。待识别图像可以是目标区域中的图像，终端102可以获取目标区域中的待识别图像。例如，目标区域中可以设置有多个图像采集设备，具体可以是多个摄像机，从而图像采集设备可以对目标区域中的各个位置进行监控以及图像采集，图像采集设备可以采集目标区域内的监控视频图像。终端102可以获取上述图像采集设备采集的图像，作为待识别图像。

其中，上述终端102还可以将图像采集设备采集的图像进行预处理后，得到待识别图像。例如，在一些实施例中，获取目标区域的待识别图像，包括：获取目标区域的待处理图像；对待处理图像进行预处理；预处理包括灰度化处理、图像增强、图像滤波、图像边缘检测以及图像分割中的至少一种；根据预处理后的图像，得到待识别图像。本实施例中，终端102在获取目标区域的待处理图像后，可以对图像采集设备采集的待处理图像进行预处理，从而终端102可以基于处理后的图像，得到待识别图像。其中，终端102对待处理图像进行的预处理包括灰度化处理、图像增强、图像滤波、图像边缘检测和图像分割中的至少一种。终端102在对上述待处理图像进行预处理后，可以识别出入侵对象在图像中的轮廓特征。

步骤S204，根据目标识别模型，将多个模板图像与待识别图像进行多次匹配，识别待识别图像中的目标入侵物体的行为以及在待识别图像中的目标位置。

其中，目标识别模型可以是用于识别待识别图像中入侵对象的模型，模板图像可以是包含多种入侵对象的种类、轮廓和行为等信息的图像，模板图像的大小可以小于待识别图像，从而终端102可以将模板图像在待识别图像中进行多次匹配，寻找待识别图像中与模板图像相似或相同的区域，实现入侵对象的识别。其中，模板图像可以有多个，终端102可以基于上述目标识别模型，将多个模板图像与待识别图像进行匹配，并且每个模板图像都可以与待识别图像进行多次不同位置的匹配，从而终端102可以基于模板图像与待识别图像中各个匹配区域的相似度，识别到待识别图像中目标入侵物体的行为以及该目标入侵物体在待识别图像中的目标位置。

其中，上述目标识别模型可以基于多个图像采集设备采集的图像训练得到。例如，终端102利用上述目标区域内的监控系统作为图像来源，将目标区域内的视频转换成一帧一帧的图像，随机选取部分图像作为训练集，由于在网络训练时需要大量样本，则终端102还可以对上述训练集进行样本扩充。包括色彩变换、水平翻转、旋转、亮度变换以及缩放等操作，实现对样本有效的扩充。

具体地，终端102可以对上述训练集中的样本图像进行色彩变换，在实际生活中，可以看到很多造型一样的不同物体，比如同类的灰兔子和黑兔子等，终端102通过色彩变换操作，改变图像中目标的颜色，进而达到有效扩充样本集。终端102还可以对样本图像进行水平翻转，在图像预处理中，对图像进行水平翻转是最常用的扩增方法之一，首先，实现图像水平翻转的代码简单明了，容易操作，可以使样本集数量翻一番；另外，水平翻转不会大幅度地改变检测目标的整体结构，保证生成的新图像样本具备有效性。终端102还可以对样本图像进行旋转，旋转是非常有必要的数据增强方式之一，由于被拍摄物体的运动，图片中物体各部分方位可能发生运动，有时会呈现出物体的旋转，通过适当的旋转可使目标处于水平或者竖直位置，便于精准标注。终端102还可以对样本图像进行亮度变换，由于拍摄时会受到天色明暗的影响，光线较暗使，导致对亮度的鲁棒性很差，因此需要运用亮度增强技术对图像进行亮度变换操作。终端102还可以对样本图像进行缩放，通常终端102可以将图像的短边(或长边)固定到某个值，然后长边(或短边)根据一定的比例进行放大或者缩小。对于同一物体，由于拍摄时距离目标的远近不一样，会导致不同图像中同一目标的尺度不同，为了提高目标的检测精度，需要对已有的图像进行缩放。为避免失真，尽量做到等比例缩放。从而终端102可以通过将样本图像进行上述变换处理，实现对训练集中样本图像的扩充，并基于扩充后的训练集进行目标识别模型的训练。

步骤S206，获取待识别图像与安全图像的对比结果，根据对比结果确定待识别图像中状态改变的目标电力设备；安全图像表征目标区域未受入侵时对应的图像。

其中，安全图像可以是目标区域处于未入侵状态时对应的图像，该安全图像可以是在对目标区域的监控刚开始时获取的图像，还可以是目标区域处于安全状态时获取的图像，安全图像可以作为源图存储在数据库中，用于与当前待识别图像进行对比。终端102可以获取待识别图像与安全图像的对比结果，从而终端102可以基于对比结果确定待识别图像中状态发生改变的目标电力设备，则目标电力设备可以是在相较于安全图像发生状态变化的电力设备，包括位置变化和形状变化等。其中，上述作为监控设备的图像采集设备可以在目标区域设置多个，每个图像采集设备均可以采集目标区域中不同位置，不同角度的监控画面，则上述安全图像也可以有多个，分别于上述设置在不同位置的图像采集设备对应，从而终端102可以基于上述对比识别出待识别图像中相较于安全图像发生的变化。

步骤S208，根据目标位置与电力设备的距离、目标电力设备以及行为，确定目标入侵物体的危险等级。

其中，终端102可以基于上述模板图像匹配得到目标入侵物体的种类、行为和目标位置等信息，以及通过安全图像对比，得到待识别图像中发生变化的目标电力设备，该目标电力设备可以是遭到入侵破坏的电力设备。终端102可以基于上述目标电力设备、目标位置与目标电力设备的距离以及目标入侵物体的行为，确定目标入侵物体的危险等级。例如，终端102在识别到待识别图像中存在发生状态变化的目标电力设备时，可以确定目标区域遭到入侵，终端102通过确定入侵对象的行为特征以及距带电体的距离，分辨其对数字孪生变电站及其自身危害程度，确定警报等级，发出警报，当入侵物体距离电力设备越近时，危险等级越高。

上述基于数字孪生变电站的入侵识别方法中，通过获取目标区域的待识别图像，以及获取多个入侵物体对应的模板图像，再根据目标识别模型，将多个模板图像与待识别图像进行多次匹配，识别待识别图像中的目标入侵物体的行为以及待识别图像中的目标位置，根据待识别图像与安全图像的对比结果，确定待识别图像中状态改变的目标电力设备，从而根据目标位置与目标电力设备的距离和行为，确定目标入侵物体的危险等级。相较于传统的通过人工方式识别变电站内的入侵情况的方式，本方案通过模板图像和目标识别模型对入侵物体进行识别，实现了提高变电站入侵识别的效率的效果。

在一个实施例中，对待处理图像进行预处理，包括：对待处理图像进行灰度化处理，得到灰度图；对灰度图进行归一化处理，并根据归一化处理的灰度图绘制灰度直方图，通过分段线性变换对灰度直方图进行图像增强，得到增强图像；对增强图像进行滤波处理，得到滤波后的图像；检测滤波后的图像中的图像边缘，根据预设灰度阈值以及图像边缘对滤波后的图像进行图像分割，得到对应的前景图像和背景图像，作为待识别图像。

本实施例中，由于彩色图像占用大量的存储空间，影响执行的速度，所以终端102需要将视频中的彩色图像进行灰度化处理，转换成灰度图。经过灰度变换后，像素的动态范围增加，图像的对比度扩展，图像更加清晰，容易识别。再对灰度图像进行图像增强、图像滤波、图像边缘检测、图像分割等操作。终端102可以首先对上述待处理图像进行灰度化处理，得到灰度图。再对灰度图进行归一化处理，根据归一化处理的灰度图绘制灰度直方图，通过分段线性变换对灰度直方图进行图像增强，从而得到增强图像。终端102还可以对增强图像进行滤波处理，得到滤波后的图像。终端102检测滤波后图像中的图像边缘，根据预设灰度阈值以及图像边缘对滤波后的图像进行图像分割，得到对应的前景图像和背景图像，其中，前景图像可以是入侵物体的轮廓特征图像，背景图像可以是处入侵物体外的图像。从而终端102完成对待处理图像的预处理，得到待识别图像。

具体地，终端102可以在对待处理图像进行灰度化处理后，通过使用mat2gray函数，对图像像素进行归一化处理，即像素取值范围有[0,255]变为[0,1]。通过绘制图像灰度直方图，将所需目标的像素灰度进行拉伸。利用灰度直方图，通过分段线性变换进行图像增强，目的为提高图像的对比度清晰度，以及明暗均匀度。而由于图像噪声具有随机性，会淹没图像特征，终端102可以采用自适应中值滤波对噪声加以去除。终端102可以设一个n×n的窗口滤波Y，放入图像T’中，遍历图像扫描，通过窗口中心像素点的大小判断是否为像素点，当图像中所有像素点的噪声属性均判断完毕后，进行噪声去除，从而得到滤波后的图像。终端102还可以利用Canny算子对图像边缘进行检测，Canny算子主要是在高斯滤波的基础上，使用一阶差分偏导计算图像的梯度值和方向。其主要包括以下步骤：(1)使用高斯函数对图像进行平滑处理；(2)计算水平和垂直方向上该点的偏导数；(3)计算图像梯度的幅值和方向；(4)沿着梯度的方向对该幅值进行非极大值抑制。(5)使用双阈值法对个像素点进行边缘检测并将计算出的边缘点相互连接，选择合适的阈值T_H和T_L，并根据阈值对图像进行分割，其公式如下所示：

其中，a∈[i-1，i+1]，b∈[j-1，j+1]，G’即为图像边缘检测后的分割结果，G(x,y)表征图像中坐标为(x,y)位置的像素点。终端102还可以采用阈值分割法，将背景与目标对象分割开来，阈值法的核心思想为统计图片的灰度特征并计算一个灰度阈值，将图像上的每个像素点分别与该阈值相比，以该阈值为分割点，将所有图像中的像素点数分成两类，进而实现将目标对象与目标背景分离的目的。

通过本实施例，终端102可以通过对待处理图像进行多种预处理，从而得到可以用于进行入侵识别的待识别图像，提高了对变电站入侵物体识别的效率。

在一个实施例中，根据目标识别模型，将多个模板图像与待识别图像进行多次匹配，识别待识别图像中的目标入侵物体的行为以及在待识别图像中的目标位置，包括：根据目标识别模型，将模板图像与待识别图像的不同区域进行多次第一匹配，得到多个第一匹配误差值；模板图像的大小小于待识别图像；获取多个第一匹配误差值中的最小值，获取该最小值对应的目标模板图像；根据目标识别模型，在待识别图像中最小值对应的匹配区域的邻域，基于目标模板图像进行第二匹配，得到第二匹配误差值；若第二匹配误差值小于预设误差阈值，确定目标模板图像对应的物体为目标入侵物体，根据目标模板图像确定目标入侵物体的行为以及在待识别图像中的目标位置。

本实施例中，终端102可以将多个模板图像与待识别图像进行多次匹配，模板图像可以是一种灰度模板图像，模板图像可以是不同入侵物体对应的图像，模板图像可以包括多种，每种模板图像可以对应不同类型的入侵物体。终端102可以将每种模板图像均与待识别图像进行多次不同区域的匹配，从而确定待识别图像中入侵物体的类型、行为和位置等信息。对于每种模板图像，由于模板图像的大小小于待识别图像，终端102可以基于目标识别模型，将模板图像与待识别图像的不同区域进行多次第一匹配，从而得到多个第一匹配误差值；终端102可以获取多个第一匹配误差值中的最小值，从而终端102可以将该最小值对应的模板图像作为目标模板图像，并且终端102还可以获取该目标模板图像在达到上述最小值时，在上述待识别图像中的匹配区域，终端102可以基于目标识别模型，在待识别图像中上述匹配区域的邻域，基于目标模板图像进行第二匹配，得到第二匹配误差值，若终端102检测到第二匹配误差值小于预设误差阈值，则终端102可以确定目标模板图像对应的物体为目标入侵物体，从而终端102可以根据目标模板图像对应的种类、行为等信息确定目标入侵物体的种类和行为，并根据目标模板图像在上述待识别图像中的匹配误差值最小的匹配区域，得到目标入侵物体在待识别图像中的目标位置。

具体地，为了准确判断入侵变电站的对象及其动作行为，终端102需要对处理后的图像进行识别。终端102可以基于灰度的模板匹配进行图像识别，它以已知的小目标图像为模板，将模板图像与原图像进行比较，以确定源图像是否包含与模板相同或相似的区域；如果存在，则确定其位置并提取区域。终端102可以首先提取模板的四分之一范围内进行第一次匹配。在匹配过程中，可以设定合理的误差阈值D₀，即上述预设误差阈值，其可表示为：

其中，m表示模板的长度；n表示模板的宽度；d₀为各点的最大误差。在第一次匹配后，终端102还可以进行第二次精确匹配。在第二次匹配中，终端102可以对在首次匹配中误差最小的邻域进行匹配，得到最终匹配结果。从而可判断出入侵数字孪生变电站的动物种类以及行为特征，以及在待识别图像中的目标位置。

通过本实施例，终端102可以基于模板图像与待识别图像的多次匹配，识别出目标入侵物体的种类、行为以及在待识别图像中的目标位置，提高了变电站入侵识别的效率。

在一个实施例中，获取待识别图像与安全图像的对比结果，根据对比结果确定待识别图像中状态改变的目标电力设备，包括：将待识别图像中的第一电力设备图像与安全图像中的第二电力设备图像进行对比，得到对比结果；若第一电力设备图像在待识别图像中的显示区域和/或显示状态与第二电力设备图像不同，确定第一电力设备图像为目标电力设备的图像。

本实施例中，终端102还可以识别待识别图像中发生变化的电力设备。终端102可以将上述待识别图像中的第一电力设备与上述安全图像中的第二电力设备进行比较，得到对比结果。若终端102检测到第一电力设备图像在待识别图像中的显示区域和/或显示状态与第二电力设备图像不同，则终端102可以确定第一电力设备图像为目标电力设备的图像。其中，显示区域的变化可以表征电力设备的位置变化，显示状态的变化可以表征电力设备的形状形态等变化，则目标电力设备可以是发生了变化的电力设备。

具体地，终端102可以通过上述作为待识别图像的监控图像，分析数字孪生变电站是否正常，如果变电站设备异常，则需要将图像的异常部分和报警信息传送给工作人员。终端102可以使用减法来检测设备图像和数据库的正常状态的安全图像是否发生了变化。减法公式表示为：ΔP_i(x，y)＝P_i(x，y)-P(x，y)；其中，需要判别的图像是数据库中的正常状态图像，即上述安全图像。P(x,y)表征上述安全图像中电力设备对应的状态，P_i(x,y)表征上述待识别图像中电力设备对应的状态。如果设备正常，则ΔP_i(x，y)为0，如果外物入侵造成设备的破坏与移位，此时ΔP_i(x，y)不为0。当ΔP_i(x，y)不为0时，说明图像发生了变化。采用入侵对象到数字孪生变电站内设备距离的远近以及对自身和变电站的危害程度来划分危险等级，从而发出警报。

通过本实施例，终端102可以基于待识别图像与安全图像中电力设备的状态比较，识别出待识别图像中的电力设备是否发生变化，从而提高了变电站入侵识别的效率。

在一个实施例中，根据目标位置与电力设备的距离、目标电力设备以及行为，确定目标入侵物体的危险等级，包括：若行为为第一入侵行为，确定危险等级为第一等级；和/或，若行为为第二入侵行为，将距离与预设距离阈值比较；若距离小于或等于预设距离阈值，确定危险等级为第一等级，否则确定危险等级为第二等级；其中，第一入侵行为对电力设备的破坏度大于第二入侵行为，第一等级的紧急程度大于第二等级。

本实施例中，终端102可以在识别到待识别图像中的目标入侵物体时，基于目标入侵物体对电力设备的危害程度，确定其危险等级。终端102可以识别目标入侵物体的行为，若终端102识别到为第一入侵行为，则终端102可以确定危险等级为第一等级；若终端102识别到为第二入侵行为，则终端102可以获取上述目标入侵物体与目标区域中的电力设备的距离，并将该距离与预设距离阈值比较，若该距离小于或等于预设距离阈值，则终端102可以确定危险等级为第二等级。

其中，上述第一入侵行为对电力设备的破坏度可以待遇第二入侵行为，第一等级的紧急程度可以大于第二等级，并且终端102还可以基于危险等级的不同，实行不同的警报措施。例如，如图3所示，图3为一个实施例中预警步骤的流程示意图。终端102通过监控图像分析数字孪生变电站是否正常，如果变电站设备异常，则需要将图像的异常部分和报警信息传送给工作人员。考虑到入侵对象的不确定性，无法通过具体的时间来划分危险等级，此时终端102可以采用入侵对象到数字孪生变电站内设备距离的远近以及对自身和变电站的危害程度来划分危险等级，从而发出警报。当出现动物入侵，终端102首先判断其动作行为，若其动作行为是破坏性行为，即第一入侵行为，会导致变电站设备故障等，则会向工作人员发出一级警报；若其动作行为是干扰性行为，例如扯线等，即上述第二入侵行为，则终端102通过图像识别系统确定入侵动物距离变电站内设备的距离，当距离小于规定的安全距离时，发出一级警报；当距离大于安全距离时，发出二级警报，来提示工作人员对入侵动物进行及时的驱逐，来保证数字孪生变电站内部安全稳定的运行。

通过本实施例，终端102可以基于目标入侵物体的行为以及与电力设备之间的距离确定入侵物体的危险等级，从而进行不同的警报处理，提高了电力设备的安全性。

在一个实施例中，如图4所示，图4为另一个实施例中基于数字孪生变电站的入侵识别方法的流程示意图。包括以下步骤：当外物入侵数字孪生变电站时，终端102可以通过图像采集模块采集待识别图像，并且还可以通过不同的数据增强手段进行样本扩充。终端102可以通过图像处理模块将视频采集的图像转换成灰度图，再进行图像处理；终端102可以基于图像识别模块，通过视频图像识别人或动物形状，分辨其动作类型；最后根据识别出的图像，确定入侵对象的行为特征和距带电体距离，分辨其对数字孪生变电站及其自身危害程度，并基于危险报警模块确定警报等级，发出警报。

通过上述实施例，终端102模板图像和目标识别模型对入侵物体进行识别，并对入侵行为进行相应的报警，实现了提高变电站入侵识别的效率以及保证数字孪生变电站的安全的效果。

应该理解的是，虽然如上所述的各实施例所涉及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，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些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中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的基于数字孪生变电站的入侵识别方法的基于数字孪生变电站的入侵识别装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个基于数字孪生变电站的入侵识别装置实施例中的具体限定可以参见上文中对于基于数字孪生变电站的入侵识别方法的限定，在此不再赘述。

在一个实施例中，如图5所示，提供了一种基于数字孪生变电站的入侵识别装置，包括：获取模块500、识别模块502、对比模块504和确定模块506，其中：

获取模块500，用于获取目标区域的待识别图像，以及获取多个入侵物体对应的模板图像；目标区域中设置有电力设备。

识别模块502，用于根据目标识别模型，将多个模板图像与待识别图像进行多次匹配，识别待识别图像中的目标入侵物体的行为以及在待识别图像中的目标位置。

对比模块504，用于获取待识别图像与安全图像的对比结果，根据对比结果确定待识别图像中状态改变的目标电力设备；安全图像表征目标区域未受入侵时对应的图像。

确定模块506，用于根据目标位置与电力设备的距离、目标电力设备以及行为，确定目标入侵物体的危险等级。

在一个实施例中，上述获取模块500，具体用于获取目标区域的待处理图像；对待处理图像进行预处理；预处理包括灰度化处理、图像增强、图像滤波、图像边缘检测以及图像分割中的至少一种；根据预处理后的图像，得到待识别图像。

在一个实施例中，上述获取模块500，具体用于对待处理图像进行灰度化处理，得到灰度图；对灰度图进行归一化处理，并根据归一化处理的灰度图绘制灰度直方图，通过分段线性变换对灰度直方图进行图像增强，得到增强图像；对增强图像进行滤波处理，得到滤波后的图像；检测滤波后的图像中的图像边缘，根据预设灰度阈值以及图像边缘对滤波后的图像进行图像分割，得到对应的前景图像和背景图像，作为待识别图像。

在一个实施例中，上述识别模块502，具体用于根据目标识别模型，将模板图像与待识别图像的不同区域进行多次第一匹配，得到多个第一匹配误差值；模板图像的大小小于待识别图像；获取多个第一匹配误差值中的最小值，获取该最小值对应的目标模板图像；根据目标识别模型，在待识别图像中最小值对应的匹配区域的邻域，基于目标模板图像进行第二匹配，得到第二匹配误差值；若第二匹配误差值小于预设误差阈值，确定目标模板图像对应的物体为目标入侵物体，根据目标模板图像确定目标入侵物体的行为以及在待识别图像中的目标位置。

在一个实施例中，上述对比模块504，具体用于将待识别图像中的第一电力设备图像与安全图像中的第二电力设备图像进行对比，得到对比结果；若第一电力设备图像在待识别图像中的显示区域和/或显示状态与第二电力设备图像不同，确定第一电力设备图像为目标电力设备的图像。

在一个实施例中，上述确定模块506，具体用于若行为为第一入侵行为，确定危险等级为第一等级；和/或，若行为为第二入侵行为，将距离与预设距离阈值比较；若距离小于或等于预设距离阈值，确定危险等级为第一等级，否则确定危险等级为第二等级；其中，第一入侵行为对电力设备的破坏度大于第二入侵行为，第一等级的紧急程度大于第二等级。

上述基于数字孪生变电站的入侵识别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6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、通信接口、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。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种基于数字孪生变电站的入侵识别方法。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6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上述的基于数字孪生变电站的入侵识别方法。

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上述的基于数字孪生变电站的入侵识别方法。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述的基于数字孪生变电站的入侵识别方法。

需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。

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、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

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本申请专利范围的限制。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，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于数字孪生变电站的入侵识别方法，其特征在于，所述方法包括：

获取目标区域的待识别图像，以及获取多个入侵物体对应的模板图像；所述目标区域中设置有电力设备；

根据目标识别模型，将多个模板图像与所述待识别图像进行多次匹配，识别所述待识别图像中的目标入侵物体的行为以及在所述待识别图像中的目标位置；

获取所述待识别图像与安全图像的对比结果，根据所述对比结果确定所述待识别图像中状态改变的目标电力设备；所述安全图像表征所述目标区域未受入侵时对应的图像；

根据所述目标位置与所述电力设备的距离、所述目标电力设备以及所述行为，确定所述目标入侵物体的危险等级。

2.根据权利要求1所述的方法，其特征在于，所述获取目标区域的待识别图像，包括：

获取目标区域的待处理图像；

对所述待处理图像进行预处理；所述预处理包括灰度化处理、图像增强、图像滤波、图像边缘检测以及图像分割中的至少一种；

根据预处理后的图像，得到所述待识别图像。

3.根据权利要求2所述的方法，其特征在于，所述对所述待处理图像进行预处理，包括：

对所述待处理图像进行灰度化处理，得到灰度图；

对所述灰度图进行归一化处理，并根据归一化处理的灰度图绘制灰度直方图，通过分段线性变换对所述灰度直方图进行图像增强，得到增强图像；

对所述增强图像进行滤波处理，得到滤波后的图像；

检测所述滤波后的图像中的图像边缘，根据预设灰度阈值以及所述图像边缘对所述滤波后的图像进行图像分割，得到对应的前景图像和背景图像，作为所述待识别图像。

4.根据权利要求1所述的方法，其特征在于，所述根据目标识别模型，将多个模板图像与所述待识别图像进行多次匹配，识别所述待识别图像中的目标入侵物体的行为以及在所述待识别图像中的目标位置，包括：

根据目标识别模型，将所述模板图像与所述待识别图像的不同区域进行多次第一匹配，得到多个第一匹配误差值；所述模板图像的大小小于所述待识别图像；

获取所述多个第一匹配误差值中的最小值，获取该最小值对应的目标模板图像；

根据所述目标识别模型，在所述待识别图像中所述最小值对应的匹配区域的邻域，基于所述目标模板图像进行第二匹配，得到第二匹配误差值；

若所述第二匹配误差值小于预设误差阈值，确定所述目标模板图像对应的物体为目标入侵物体，根据所述目标模板图像确定所述目标入侵物体的行为以及在所述待识别图像中的目标位置。

5.根据权利要求1所述的方法，其特征在于，所述获取所述待识别图像与安全图像的对比结果，根据所述对比结果确定所述待识别图像中状态改变的目标电力设备，包括：

将所述待识别图像中的第一电力设备图像与所述安全图像中的第二电力设备图像进行对比，得到对比结果；

若所述第一电力设备图像在所述待识别图像中的显示区域和/或显示状态与所述第二电力设备图像不同，确定所述第一电力设备图像为目标电力设备的图像。

6.根据权利要求1所述的方法，其特征在于，所述根据所述目标位置与所述电力设备的距离、所述目标电力设备以及所述行为，确定所述目标入侵物体的危险等级，包括：

若所述行为为第一入侵行为，确定所述危险等级为第一等级；

和/或，

若所述行为为第二入侵行为，将所述距离与预设距离阈值比较；

若所述距离小于或等于预设距离阈值，确定所述危险等级为第一等级，否则确定所述危险等级为第二等级；

其中，所述第一入侵行为对所述电力设备的破坏度大于所述第二入侵行为，所述第一等级的紧急程度大于所述第二等级。

7.一种基于数字孪生变电站的入侵识别装置，其特征在于，所述装置包括：

获取模块，用于获取目标区域的待识别图像，以及获取多个入侵物体对应的模板图像；所述目标区域中设置有电力设备；

识别模块，用于根据目标识别模型，将多个模板图像与所述待识别图像进行多次匹配，识别所述待识别图像中的目标入侵物体的行为以及在所述待识别图像中的目标位置；

对比模块，用于获取所述待识别图像与安全图像的对比结果，根据所述对比结果确定所述待识别图像中状态改变的目标电力设备；所述安全图像表征所述目标区域未受入侵时对应的图像；

确定模块，用于根据所述目标位置与所述电力设备的距离、所述目标电力设备以及所述行为，确定所述目标入侵物体的危险等级。

8.一种计算机设备，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6中任一项所述的方法的步骤。

9.一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6中任一项所述的方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

Images