模式識別在變電站遠程視頻監(jiān)控系統(tǒng)中的應(yīng)用*

張玉杰，段亞萍

(陜西科技大學(xué)電氣與信息工程學(xué)院，西安710021)

1 引言

近幾年來我國電力網(wǎng)絡(luò)規(guī)模不斷擴大，并且這種增長趨勢在未來幾年內(nèi)仍將繼續(xù)。為了提高電力系統(tǒng)生產(chǎn)的自動化水平，電力系統(tǒng)正在大力建設(shè)無人職守通信站和變電站。為了提高電力生產(chǎn)的安全性和可靠性，許多電力企業(yè)已經(jīng)或正在建設(shè)集中式遠程圖像監(jiān)控系統(tǒng)。在遙測、遙信、遙控、遙調(diào)的基礎(chǔ)上增加了“遙視”功能，實現(xiàn)了電力系統(tǒng)各種重要檢測點，如:主控制室、高壓室、斷電器、隔離刀閘、室外場地等的實時可視化監(jiān)測。

但現(xiàn)有的視頻監(jiān)控系統(tǒng)只有視頻監(jiān)控功能和錄像功能，對于監(jiān)控目標不能進行智能化的主動識別分析。為了能夠更有效地利用現(xiàn)有視頻監(jiān)控系統(tǒng)，在現(xiàn)有監(jiān)控系統(tǒng)的基礎(chǔ)上，利用當前流行的圖像處理和模式識別技術(shù)對監(jiān)控目標的圖像進行自動分析識別，可以在設(shè)備出現(xiàn)故障或存在安全隱患的情況下，立即報警并將設(shè)備故障地點及故障原因通知工作人員，同時提供錄像資料幫助工作人員加以分析判斷。

2 圖像處理與模式識別

圖像處理和模式識別是現(xiàn)今變電站遠程視頻監(jiān)控系統(tǒng)應(yīng)用研究中的兩大關(guān)鍵技術(shù)。圖像處理是為進行模式識別做準備的。圖像處理與模式識別框圖主要由如圖1所示幾個方面構(gòu)成。

圖像信息獲取:由專用的視頻采集卡將攝像機送來的模擬視頻信號經(jīng)過采樣和量化轉(zhuǎn)化成數(shù)字視頻信號。為了節(jié)省計算機資源和傳輸效率，必須對圖像進行壓縮。壓縮過程可以由硬件即使用有壓縮功能的視頻采集卡完成，也可編程實現(xiàn)。一般都是采用硬件的方法實現(xiàn)。

圖1 圖像處理與識別框圖

圖像處理:包括圖像增強、圖像分割、邊緣提取、圖像復(fù)原等。首先對采集的圖像進行預(yù)處理。圖像預(yù)處理的目的是去除干擾、噪聲及差異，將原始圖像變成適于計算機進行特征提取的形式。圖像預(yù)處理的基本方法有直方圖變換、灰度變換、圖像平滑、圖像銳化等。

圖像特征提取:在對圖像識別之前，先要進行圖像特征提取。一幅圖像的信息量是非常大的，我們并不需要知道所有的信息。圖像特征提取的作用是從濾波數(shù)據(jù)中衍生出有用的信息，從許多特征中尋找出最有效的特征，以降低后續(xù)處理過程的難度。只需提取有意義的能夠反映圖像本質(zhì)的特征。例如，圖像的紋理特征、形狀特征、顏色特征等。

圖像識別:圖像的內(nèi)容信息各種各樣，現(xiàn)在還沒有找到一種通用的識別方法來識別不同的對象。現(xiàn)在研究得比較多的圖像識別方法有統(tǒng)計模式識別方法、模糊理論識別方法和神經(jīng)網(wǎng)絡(luò)識別方法等。

3 模式識別方法

模式識別是一門應(yīng)用比較廣泛的學(xué)科。它可用來進行語音識別、人臉識別、指紋識別、字符或簽名識別、故障檢測等。模式識別的具體框圖如圖2所示，它是在圖像處理的基礎(chǔ)上對圖像更深入一層的理解。

圖2 模式識別具體框圖

在框圖中虛線部分以下有一個很重要的過程，即圖像樣本經(jīng)特征選擇之后學(xué)習訓(xùn)練的過程。不管是用哪種模式識別方法，這個過程都是進行分類識別的基礎(chǔ)。它可以預(yù)先在離線狀態(tài)時就訓(xùn)練學(xué)習，也可以邊訓(xùn)練邊分類識別。模式識別方法的不同主要是分類器的不同。

3.1 統(tǒng)計識別方法

當提取的特征的統(tǒng)計特性已知或者是可以推斷出來時，可以使用統(tǒng)計模式識別方法。比較常用的是貝葉斯分類器。

令{w1，w2，...，wc}表示 C 個有限的類別集，向量X表示一個d維的特征向量，p(X/wj)表示X狀態(tài)下條件概率密度函數(shù)，p(wj)表示類別處于wj時的先驗概率，則貝葉斯定理可表示為:

貝葉斯分類規(guī)則可描述為:對任何的i≠j，如果p(wi/X)＞P(wj/X)則判為 wi。

文獻［1］中己證明貝葉斯分類器在最小化分類錯誤率上是最優(yōu)的。但有時錯誤率最小并不一定是最好的標準，在考慮到不同錯誤可能造成的后果嚴重程度不同的情況下文獻［2］提出了基于最小風險的分類準則。

另外，直方圖可以反映圖像的許多信息，如均值、方差、差值平方、均值差等，這些都是統(tǒng)計學(xué)中最基本的特征值，利用計算機計算起來比較簡單。

當圖像特征特性明顯或容易推斷時，統(tǒng)計模式識別方法是最簡單的，能比較客觀地描述圖像特征。但是它有兩個不足之處:一是如果圖像特征的特性不明顯或者無法推斷時，容易錯分;二是如果用于表示特征的向量維數(shù)較大時會出現(xiàn)“維數(shù)災(zāi)難”問題。

3.2 模板匹配法

文獻［3］中提到識別精度比較高而速度比較快的模板匹配法。式(2)為標準模板匹配算法用到的相關(guān)度量函數(shù)

式中，Iij(m，n)表示樣本圖像;T(m，n)表示標準模板圖像;M，N分別表述圖像的寬和高。

模板匹配方法原理上就是計算樣本圖像與標準模板之間的最小方差，根據(jù)兩者之間匹配方差最小的原則來判斷樣本所屬類別。該方法識別結(jié)果比較準確，但是不太容易決定匹配值，即達到何種程度才算采集到的圖像與樣本相匹配，而且匹配的結(jié)果也很容易受到環(huán)境的影響。

3.3 模糊識別方法

在自然科學(xué)或社會科學(xué)研究中，存在著許多定義不太嚴格或者具有模糊性的概念。為處理、分析這些“模糊”概念的數(shù)據(jù)，這時就需要用到模糊理論的知識。在進行模糊識別時先將樣本中典型特征參數(shù)送入計算機學(xué)習，之后作為識別的標準模式，即模糊聚類的聚類中心。然后將被識別的對象經(jīng)過圖像處理、特征提取之后所抽取的特征參數(shù)建立相似矩陣，根據(jù)相似關(guān)系對研究對象進行識別。

模糊識別方法分最大隸屬原則方法、擇近原則方法和模糊聚類方法。簡單介紹一下最大隸屬原則識別方法［4］。對于 x，若有

模糊識別方法能使計算機比較接近人類的智能，簡化了圖像識別系統(tǒng)之后更實用，而且具有較高的適應(yīng)性。它的缺點是:①閾值的選取比較困難，若選取不當，容易誤識和拒識。②隸屬函數(shù)不易準確確定。

3.4 神經(jīng)網(wǎng)絡(luò)識別方法

神經(jīng)網(wǎng)絡(luò)模型有幾十種，其中BP(誤差反傳播算法)網(wǎng)絡(luò)模型是模式識別應(yīng)用最廣泛的網(wǎng)絡(luò)之一。BP網(wǎng)絡(luò)識別方法是有監(jiān)督的學(xué)習算法，能自主性學(xué)習，易識別易分類，即使加入新的圖像樣本也可很快訓(xùn)練學(xué)習好并進行分類。它的缺點對于規(guī)模較大的模式映射問題，存在收斂速度慢、容易陷入局部極小點、判斷不準確等缺陷。BP網(wǎng)絡(luò)的學(xué)習步驟為:①初始化網(wǎng)絡(luò)，將權(quán)值和節(jié)點閾值設(shè)置為一個較小的隨機值。②訓(xùn)練網(wǎng)絡(luò)。③根據(jù)給定的訓(xùn)練模式輸入，計算網(wǎng)絡(luò)的輸出模式，并與期望的輸出做比較，若有誤差，則執(zhí)行④，否則返回②。④反向傳播，修正權(quán)值。權(quán)值修正公式為

式中，η為學(xué)習因子;οpj為單元j的實際輸出。

由于BP網(wǎng)絡(luò)容易陷入局部最小，有可能導(dǎo)致訓(xùn)練失敗。所以要對BP網(wǎng)絡(luò)進行優(yōu)化和改進。文獻［5］中提出了一種優(yōu)化BP網(wǎng)絡(luò)的方法。在傳統(tǒng)的BP算法基礎(chǔ)上，提出了一種改進的BP學(xué)習算法。該算法提出對網(wǎng)絡(luò)學(xué)習步長的動態(tài)調(diào)整，以此來盡量避免傳統(tǒng)學(xué)習中的學(xué)習速度過慢和反復(fù)震蕩。實驗說明新的BP算法在一定程度上可減少網(wǎng)絡(luò)的復(fù)雜性，有著比傳統(tǒng)算法更快的收斂速度。

每種模式識別的方法有自己的特點和應(yīng)用范圍，當然也有互補之處。因此可以考慮將多種識別方法聯(lián)合應(yīng)用，這樣就可以提高識別結(jié)果的準確性。如何將多種識別方法聯(lián)合使用才能最大程度地展現(xiàn)其優(yōu)越性，也是一個值得研究的問題。值得一提的是在文獻［6］中就將模糊理論和神經(jīng)網(wǎng)絡(luò)結(jié)合起來進行識別，樣本用神經(jīng)網(wǎng)絡(luò)來進行訓(xùn)練，待識別的圖像利用模糊理論來進行特征提取。

4 在變電站內(nèi)的應(yīng)用

模式識別應(yīng)用到變電站遙視系統(tǒng)當中，對變電站內(nèi)環(huán)境和設(shè)備進行監(jiān)測和識別，若發(fā)生異常則報替，并且將報警原因的圖像送到監(jiān)控中心去。其中研究得比較多的是信號燈狀態(tài)、7段式數(shù)字儀表的識別、指針儀表等的識別。

(1)信號燈狀態(tài)識別

文獻［10］提出利用直方圖所體現(xiàn)出來的顏色特征值來對變電站內(nèi)設(shè)備的紅、綠、黃三燈的狀態(tài)進行識別。對照圖1，特征提取時只需對信號燈的顏色特征進行提取就可以實現(xiàn)對信號燈狀態(tài)的識別。直方圖本身就含有統(tǒng)計的信息，需要對現(xiàn)場情況進行大量的統(tǒng)計之后，方可得出正確的答案。

模板匹配法也可以用于信號燈的識別。可先取得標準信號燈的樣本，然后將該樣本與截取的視頻圖像的指定區(qū)域進行匹配，找出匹配程度最高的那個樣本，即說明該信號燈處在這種狀態(tài)。

(2)7段式數(shù)字儀表的識別

在變電站中存在大量的數(shù)字表。文獻［10］將圖像經(jīng)灰度變換、閾值分割、中值濾波和形態(tài)膨脹預(yù)處理后經(jīng)字符分割，只要判斷在相應(yīng)段內(nèi)有無黑色象素即可識別出7段式數(shù)字的數(shù)值。文獻［12］根據(jù)統(tǒng)計決策的原理，提出一種更為簡單的七段式數(shù)字矩形區(qū)域統(tǒng)計判別法。這種方法的出發(fā)點在于，七段式數(shù)字是七個具有一定方向，一定位置關(guān)系與長寬比的矩形段組成的。正確判斷出這七個矩形段內(nèi)數(shù)碼管的實際亮火狀態(tài)(或稱0，1狀態(tài))，即可對該數(shù)字進行分類或識別。

(3)指針儀表

電力系統(tǒng)的變電站有許多設(shè)備的指針儀表如:電壓表、電流表、氣壓表、溫度表等。文獻［7－8］使用基于霍夫(Hough)變換的儀表指針角度識別算法，該算法首先根據(jù)指針基準位置與指針位置用減影算法確定指針的圓心，然后查找指針位置進行角度識別。文獻［9］使用同心圓環(huán)搜索法。該方法根據(jù)表盤指針旋轉(zhuǎn)區(qū)域是一個圓形或者圓形的一部分的特點，選取該區(qū)域的圓心和半徑，然后按照一定的步長在同心圓環(huán)中尋找指針與同心圓環(huán)的交點，根據(jù)交點之間形成線段的斜率來識別判斷指針相對于零度基準線的角度。

(4)非法闖入者識別報警

在無人值守的變電站中，對于環(huán)境的檢測也是非常必要的。當有非法闖入者時應(yīng)當實現(xiàn)自動識別并報警。文獻［13］提出了一種結(jié)合背景減法和時空熵的運動目標檢測新方法。首先利用該法構(gòu)建背景圖像，用當前幀圖像和背景相減得到差分圖像，然后計算差分圖像的時空熵，可以直接檢測出運動目標。

5 結(jié)束語

模式識別技術(shù)應(yīng)用于遠程變電站監(jiān)控系統(tǒng)，不僅節(jié)省了人力，而且克服了可能的人為失誤，為變電站實現(xiàn)無人值守提供了條件，也為變電站實現(xiàn)自動化、智能化提供了條件。圖像處理和模式識別技術(shù)不僅僅可以實現(xiàn)對變電站設(shè)備和環(huán)境的監(jiān)測和識別，還可以用于指紋識別、工業(yè)制造中的產(chǎn)品檢測、軍事偵察、氣象分析、自然災(zāi)害預(yù)測等領(lǐng)域。它們的綜合應(yīng)用有著廣泛的前景和發(fā)展前途。

［1］邊肇棋，張學(xué)工.模式識別(第二版)［M］.北京:清華大學(xué)出版社，2002.

［2］Abraham wald.Contributions to the theory of statistical estimation and testing of hypotheses［J］.Annals of mathematical Statistics，1939(10):299 －326.

［3］王強，宋京民，胡建平.一種快速模板匹配目標識別算法［J］.計算機工程與應(yīng)用，2000(6):42 －43，69.

［4］梁艷梅，翟宏深，常勝江，等.基于最大隸屬度原則的彩色圖像分割方法［J］.物理學(xué)報，2003，52(11):2655－2659.

［5］孟斌，馮永杰，翟玉慶.前饋神經(jīng)網(wǎng)絡(luò)中BP算法的一種改進［J］.東南大學(xué)學(xué)報(自然科學(xué)版)，2001，31(4):40－42.

［6］劉怡光，游志勝.一種用于圖像目標識別的神經(jīng)網(wǎng)絡(luò)及其車型識別應(yīng)用［J］.計算機工程，2003，29(3):30－32.

［7］張鵬.Hough變換在遠程數(shù)字視頻監(jiān)控與圖像識別系統(tǒng)中的應(yīng)用［J］.中國電力教育，2006(s1):183－185.

［8］戴亞文，王三武，吳小蘭.基于圖像的復(fù)雜儀表讀數(shù)識別［J］.儀表技術(shù)，2003，16(2):11 －12.

［9］孫鳳杰，郭鳳順，范杰清，等.基于圖像處理技術(shù)的表盤指針角度識別研究［J］.中國電機工程學(xué)報，2005，25(16):73－78.

［10］張金鳳，楊森，鄭連清.模式識別在變電站遙視系統(tǒng)中的應(yīng)用研究概述［J］.電力系統(tǒng)，2007，26(12):50－53.

［11］陳孟錟.遠程視頻監(jiān)控系統(tǒng)中的視頻圖像識別研究［D］.福州:福州大學(xué)，2006.

［12］焦雪松.遠程數(shù)字視頻監(jiān)控中7段數(shù)字識別的研制［D］.北京:華北電力大學(xué)，2004.

［13］常曉鋒，馮曉毅.基于背景減法和時空熵的運動目標檢測新方法［J］.計算機仿真，2008，25(3):235－238.

［14］崔揚，周澤魁.數(shù)字圖像處理在無人值守變電站智能監(jiān)控中的應(yīng)用［J］.電站系統(tǒng)工程，2004，20(3):47－49.