基于視頻處理的無人值守變電站在線檢測

汪 勤，張洪斌，王長江

(1.四川電力送變電建設(shè)公司，成都 610051;2.四川大學(xué)計算機(jī)學(xué)院，成都 610065)

引言

隨著電力工業(yè)的不斷發(fā)展，無人值守變電站將會成為變電站運行的重要趨勢。

目前，變壓器油位、刀閘和開關(guān)位置的判斷和狀態(tài)主要是通過輔助接點接入直流電源回路來判斷，但由于腐蝕、磨損、老化等原因，輔助接點切換不到位時有發(fā)生，導(dǎo)致判斷錯誤，為調(diào)度指揮和運行提供錯誤信息，此時需人工現(xiàn)場實地觀測［1］。運動目標(biāo)物和煙火的發(fā)生也只能依靠人工現(xiàn)場實際查看來判斷。一方面耗費大量人力、物力和時間，另一方面勞動強(qiáng)度大，人為檢測不夠全面。為了變電站安全可靠穩(wěn)定運行，提高效率，需要安全、準(zhǔn)確、快速、便捷地對變電站進(jìn)行視頻監(jiān)控智能處理。

本文采用數(shù)字圖像處理和計算機(jī)視覺技術(shù)，結(jié)合實際情況，對變電站內(nèi)的運動目標(biāo)檢測跟蹤、火災(zāi)檢測、變壓器油位檢測、斷路器開關(guān)和隔離刀閘的位置變化等技術(shù)進(jìn)行研究，可以實時獲取變電站內(nèi)上述信息，對變電站情況進(jìn)行評估、預(yù)測和報警，使電網(wǎng)更為堅強(qiáng)和智能。

1 視頻處理結(jié)構(gòu)和流程

通過工業(yè)攝像機(jī)獲得實時視頻圖像信息，運用數(shù)字圖像處理和計算機(jī)視覺技術(shù)對變電站實時監(jiān)控圖像進(jìn)行實時分析，從而快速地對變電站內(nèi)運動目標(biāo)物、火災(zāi)、變壓器油位、斷路器開關(guān)及隔離刀閘的位置等信息進(jìn)行自動檢測，并自動統(tǒng)計及記錄相關(guān)數(shù)據(jù)信息。這些重要的信息綜合反映了變電站實時運行狀態(tài)，可根據(jù)信息進(jìn)行估計和預(yù)測，實現(xiàn)無人值守變電站內(nèi)各種機(jī)械及電氣事故的智能報警，從而快速有效地進(jìn)行處理。

整個檢測設(shè)備由工業(yè)監(jiān)控攝像機(jī)、云臺控制器、現(xiàn)場計算機(jī)、電力專用網(wǎng)絡(luò)接口、視頻服務(wù)器和視頻工作計算機(jī)等組成，設(shè)備組成結(jié)構(gòu)圖如圖1所示。

圖1 設(shè)備組成結(jié)構(gòu)圖

視頻監(jiān)測采用自動檢測技術(shù)，其工作原理主要利用網(wǎng)絡(luò)將控制指令發(fā)送到云臺控制器以便控制工業(yè)攝像機(jī)的角度，同時也利用網(wǎng)絡(luò)將采集到的圖像傳送到監(jiān)控中心的視頻工作計算機(jī)的處理單元，處理單元將獲得的圖像進(jìn)行初始化，完成初始化后將提取前景和目標(biāo)物，然后將目標(biāo)物進(jìn)行檢測分析，提取基本參數(shù)和實時參數(shù)，同時對目標(biāo)物進(jìn)行跟蹤和智能算法，檢測出各種異常情況，同時報警、記錄和視頻保存，其流程如圖2所示。

圖2 自動檢測流程圖

2 事件檢測關(guān)鍵技術(shù)的實現(xiàn)

本文重點對基于視頻圖像處理的變電站內(nèi)運動物、火災(zāi)、變壓器油位、斷路器開關(guān)和隔離刀閘位置變化的檢測報警等功能進(jìn)行實現(xiàn)。

2.1 系統(tǒng)初始化

系統(tǒng)初始化是視頻檢測技術(shù)的基礎(chǔ)，在進(jìn)行核心處理工作前需要將圖像進(jìn)行預(yù)處理，包括區(qū)域檢測線劃定、圖像平滑濾波和增強(qiáng)對比度等。

設(shè)定的檢測區(qū)包括非法入侵檢測區(qū)、煙火檢測區(qū)、油位檢測區(qū)、開關(guān)及刀閘位置檢測區(qū)等，參數(shù)設(shè)定如圖3所示。設(shè)定工作區(qū)域是為了減少不必要的處理區(qū)域，提高計算處理速度，同時屏蔽環(huán)境變化導(dǎo)致的誤差，提高檢測精度。

圖像平滑濾波處理將噪聲過濾，提高信噪比。在攝像機(jī)采集圖像和數(shù)據(jù)傳輸?shù)冗^程中會產(chǎn)生各種干擾噪聲，這些噪聲具有隨機(jī)性和獨立性，影響圖像清晰度。平滑濾波的方法有很多，鄰域平均法算法簡單，運算快，但會使輪廓變得模糊，中值濾波法算法簡單方便，但對點和線細(xì)節(jié)比較多的圖像不適用?？紤]到圖像中目標(biāo)物和背景一般都具有不同均值和方差，為使得邊緣信息得以保留，本文研究采用自適應(yīng)的選擇式掩模平滑濾波。

圖3 檢測參數(shù)設(shè)定界面圖

選擇式掩模平滑濾波選取5×5窗口，在窗口內(nèi)以中心像素f(i，j)為基準(zhǔn)點制作1個正方形、4個五邊形和4個六邊形的屏蔽窗口，如圖4所示。圖4中五角星所組成的圖案為所制作的屏蔽窗口，圓點實心為原始圖像像素。

圖4 選擇式掩模平滑法九種屏蔽窗口模板

根據(jù)九種屏蔽敞口模板分別計算各窗口內(nèi)的平均值及方差，然后采用方差最小的屏蔽窗口進(jìn)行平均化，由于含有尖銳邊沿的區(qū)域，方差必定較平緩區(qū)域為大，這樣在完成濾波的同時，也不破壞區(qū)域邊界的細(xì)節(jié)，可較好的得到圖像邊緣細(xì)節(jié)［2］。

式(1)與式(2)中，N為各掩模對應(yīng)的像素個數(shù)，an和kn分別為第n種鄰近區(qū)域的均值和方差。在計算過程結(jié)束后，對kn排序，最小方差所對應(yīng)的掩模的灰度級均值an作為f(i，j)的平滑輸出，濾波效果如圖5所示。

2.2 背景及運動目標(biāo)物的提取

圖5 濾波效果圖

為了更好的檢測變電站內(nèi)各種異常，必須準(zhǔn)確地從視頻圖像中獲取背景，然后將前景目標(biāo)物從圖像中提取出來，目前背景提取的方法很多，研究考慮變電站場地實際的天氣、光線等環(huán)境情況，本文采用動態(tài)更新背景算法［3］，以適應(yīng)環(huán)境的變化，才能保證檢測的精度。

背景幀差圖二值化處理過程中，閾值的選擇是非常關(guān)鍵的。閾值的自動獲取一般有最大類間方差法、迭代式閾值法和雙閾值法等。最大類間方差法的基本思想是確定一個最佳閾值，使圖像進(jìn)行二值化處理以后，目標(biāo)與背景兩個像素類間的方差取最大，從而達(dá)到圖像最佳被分割的目的［4］;迭代式閾值法首先選擇一個近似閾值作為估計值的初始值，利用此閾值生成新的子圖像，根據(jù)新生成的子圖像來選取新的閾值，如此連續(xù)不斷地改進(jìn)閾值，此方法的閾值改進(jìn)策略是關(guān)鍵［5］;雙閾值算法體現(xiàn)了灰度相似性和空間接近性，但算法較為復(fù)雜，在一些場合下不適合使用［6］。在研究中，考慮到變電站內(nèi)實際情況，采用分塊處理，將一幀圖像分割成數(shù)個小塊，然后求出每一個小塊的自適應(yīng)閾值并進(jìn)行二值化處理，最后將所有小塊合并成整的圖像，處理效果如圖6所示。

圖6 初始化過程和提取的前景圖

二值化處理后，圖像中還會存在噪聲，采用數(shù)學(xué)形態(tài)學(xué)濾波方法來處理，具有快速性和并行性。數(shù)學(xué)形態(tài)學(xué)濾波主要有腐蝕、膨脹、開運算和閉運算等，可有效去除孤立點和毛刺、填補(bǔ)內(nèi)部空洞、輪廓及邊緣修護(hù)，使得圖像更清晰。

形態(tài)濾波完成后，由于有目標(biāo)物陰影的存在，采用HSV彩色模型，可較好地消除各種陰影，保證了準(zhǔn)確性［7］。

2.3 運動目標(biāo)物的檢測跟蹤

傳統(tǒng)的目標(biāo)跟蹤方法有多種，主要有:利用根據(jù)目標(biāo)當(dāng)前特征，對下一個狀態(tài)進(jìn)行估測的方法［8-10］;利用目標(biāo)特征對相鄰幀中目標(biāo)進(jìn)行匹配的方法［11-12］;利用光流法來實現(xiàn)目標(biāo)跟蹤［13］;利用目標(biāo)中心位置與背景圖像中心位置之間的坐標(biāo)差計算旋轉(zhuǎn)距離來跟蹤目標(biāo)［14-15］。其中光流法復(fù)雜、計算量大，同時要求圖像的預(yù)處理要好，不適用于變電站場地監(jiān)控;中心位置坐標(biāo)差法方法簡單，但云臺轉(zhuǎn)動會導(dǎo)致背景發(fā)生變化，目標(biāo)移動后，云臺將無法準(zhǔn)確有效的旋轉(zhuǎn)。

本文研究采用通過分析前面所得到的運動目標(biāo)，提取建立目標(biāo)區(qū)域的面積、周長、目標(biāo)質(zhì)心坐標(biāo)、均值、均方差、二階中心距等目標(biāo)信息。利用各種目標(biāo)信息對前后幀的各個目標(biāo)進(jìn)行特征匹配處理，若滿足合適的目標(biāo)信息，則表示找到匹配目標(biāo)，否則搜索前時刻的其它目標(biāo)，如果找不到，則作為新目標(biāo)單獨處理。如果有多個匹配目標(biāo)，取質(zhì)心距離最近的目標(biāo)作為匹配目標(biāo)。所有目標(biāo)進(jìn)行匹配處理后，用當(dāng)前幀圖像的目標(biāo)信息建立前一幀圖像的目標(biāo)信息，然后利用下一幀圖像的目標(biāo)信息建立新的目標(biāo)信息，進(jìn)行新的匹配處理，從而可較好地跟蹤運動目標(biāo)，實際跟蹤效果如圖7所示。

2.4 火災(zāi)特征檢測

煙霧和火焰具有不規(guī)則性、擴(kuò)散性、強(qiáng)度變化率明顯等特性。對視頻圖像進(jìn)行前期的預(yù)處理，可得到運動物體的二值圖像，然后根據(jù)二值圖像的特征，結(jié)合煙霧和火焰的特性可檢測判斷煙霧及火焰的發(fā)生。

圖7 變電站場地上運動目標(biāo)檢測跟蹤

火焰及煙霧在空氣中具有不規(guī)則的特點，這種不規(guī)則性中隨著空氣流動而時刻變化，要對具體的煙霧形狀進(jìn)行測量相對困難，研究采用圓形度來表征物體的形狀復(fù)雜度［16］。圓形度采用式(6)進(jìn)行計算:

(6)式中，L表示物體圖像的周長，S表示物體圖像的面積，周長和面積用像素的數(shù)量來表示。物體的形狀越復(fù)雜，其圓形度越大。

煙霧在空氣中一般是連續(xù)不斷地擴(kuò)散，在連續(xù)圖像內(nèi)提取出來的可能煙霧區(qū)域面積是不斷增大的，并可計算出面積增大率，如果連續(xù)的面積增大率大于一個定值，可作為煙霧存在的判據(jù)，其表達(dá)式如式(7)所示。

其中，St(Ai)和St0(Ai)分別為t和t0時刻的煙霧區(qū)域面積，Gi為面積增長率。

如果發(fā)生火焰，其在較短時間范圍連續(xù)圖像幀中有明顯的強(qiáng)度差異，這稱為火焰的變化率，是一種識別火焰的重要手段?；鹧孀兓嗜缡?8)和式(9)所示。當(dāng)火焰變化率很大時，可認(rèn)為是火焰。

式(8)與式(9)中，I(Pi)表示連續(xù)圖像中第i幀圖像的像素顏色的強(qiáng)度。R、G、B分別表示圖像的紅、綠、藍(lán)三種顏色空間值。由此可見，基于火災(zāi)發(fā)生時的特征，可較好的實時檢測出火災(zāi)。煙火檢測效果如圖8所示。

2.5 刀閘、開關(guān)位置的識別

在運動物體檢測與跟蹤的基礎(chǔ)上，并運用相關(guān)算法，可檢測到刀閘的位置情況。

圖8 變電站場地上的煙火檢測

斷路器開關(guān)設(shè)備均聯(lián)動一個分、合指示牌，通過對分、合指示牌圖像字符識別可知其位置?；谝曨l圖像的斷路器位置識別主要涉及位置指示牌定位和模板匹配。斷路器開關(guān)機(jī)構(gòu)的顏色為淺駝色，指示牌的顏色一般只有紅色和綠色為底色，形狀為圓形，所以在圖像中利用顏色和形狀可以很好地將開關(guān)位置指示牌定位。

開關(guān)位置指示牌定位好后，對指示牌圖像進(jìn)行灰度轉(zhuǎn)換、二值化、平滑處理、字符提取、字符模板匹配，從而識別出開關(guān)位置。在變電站自動化系統(tǒng)中斷路器開關(guān)位置狀態(tài)只有的分、合兩種狀態(tài)，所以模板匹配字符集中只有“分”和“合”兩個字符，從而使得這種方法簡單、高效、準(zhǔn)確，如圖9所示。

圖9 位置原圖及識別處理結(jié)果

2.6 變壓器油位檢測

變壓器油位的檢測主要包括油枕側(cè)面圓形識別、油液面管識別和油液面位置檢測，其方法主要采用改進(jìn)的Hough變換。在檢測圖像中任意取一點作為油枕側(cè)面圓形的圓心，按照一定的半徑和間隔角度進(jìn)行掃描，統(tǒng)計掃描圓與檢測圓相交點的個數(shù)，記錄交點最多的圓所對應(yīng)的圓心位置和半徑，然后再以另一點為圓心，以不斷變化的長度為半徑和一定的角度掃描，記錄該圓與被檢測圓相交的個數(shù)，比較所有圓與要檢測圓交點個數(shù)的大小，交點最多的那個圓就是檢測到的油枕側(cè)面圓［17］。

油液面管一般在經(jīng)過圓心垂直的直徑上，根據(jù)此特征采用Hough變換檢測直線的基本原理可有效檢測出油液面管。在油液面管上根據(jù)邊緣檢測或者液柱顏色可對變壓器油液面位置進(jìn)行識別，檢測效果如圖10所示。

圖10 變壓器油位檢測過程及結(jié)果

3 實驗處理與分析

在實際應(yīng)用中，分別對雅安天全220 kV變電站和資陽500 kV變電站進(jìn)行了連續(xù)若干小時的監(jiān)控視頻圖像進(jìn)行測試，對攝像機(jī)輸出的實時PAL制視頻用天敏SDK2500視頻采集卡以每秒25幀的速度進(jìn)行采集，采用Visual C++6.0編程實現(xiàn)了系統(tǒng)的軟件設(shè)計。實驗環(huán)境:PC機(jī)，Intel(R)Core i3，2 GB內(nèi)存。

對監(jiān)視的目標(biāo)設(shè)定好閾值，軟件就對監(jiān)控視頻圖像進(jìn)行智能處理，一旦有運動目標(biāo)物、煙霧、火焰、開關(guān)位置和斷路器開關(guān)位置變動、油位低于設(shè)定閾值，都會發(fā)出報警，并保存事件視頻圖像，同時對運動目標(biāo)物進(jìn)行跟蹤，便于及時查看和處理。

通過前面檢測情況和實際的情況對比，可以看出本文的方法對無人值守變電站里的運動目標(biāo)物檢測跟蹤、煙霧及火焰檢測、變壓器油位低于閾值、斷路器開關(guān)和隔離刀閘的變化的檢測精度很高，驗證了研究的實用價值。

4 結(jié)束語

基于視頻圖像處理的無人值守變電站在線檢測識別與報警是堅強(qiáng)電網(wǎng)和智能電網(wǎng)的重要組成部分和關(guān)鍵技術(shù)。本研究結(jié)合變電站實際運行情況，利用變電站內(nèi)的監(jiān)控系統(tǒng)提供的圖像信息，采用計算機(jī)圖像識別與處理技術(shù)，研究無人值守變電站在線檢測技術(shù)，為變電站內(nèi)的異常和突發(fā)事件的快速抉擇提供輔助手段?？焖俜奖愕貙崿F(xiàn)了無人值守變電站內(nèi)的異常事件的檢測、報警和記錄，可快速為調(diào)度提供指揮抉擇依據(jù)，具有簡單直觀、費用低廉等優(yōu)點。

［1］孫鳳杰，崔維新，張晉保，等.遠(yuǎn)程數(shù)字視頻監(jiān)控與圖像識別技術(shù)在電力系統(tǒng)中的應(yīng)用［J］.電網(wǎng)技術(shù)，2005，29(5)：81-84.

［2］楊淑瑩.VC++圖像處理程序設(shè)計［M］.北京：清華大學(xué)出版社，2003.

［3］張 麗.車輛視頻檢測與跟蹤系統(tǒng)的算法研究［D］.杭州：浙江大學(xué)，2003.

［4］Otsu N.A threshold selection method from gray level histogram［J］.IEEE Trans System Man Cabernet，1979，SMC-8(1)：62-66.

［5］王耀明，陳 以.圖像閾值分割的統(tǒng)計迭代算法［J］.桂林電子工業(yè)學(xué)院學(xué)報，2000，20(2)：6-8.

［6］祝軒，耿國華，周明全，等.雙閾值法在圖像邊緣檢測中的應(yīng)用［J］.微機(jī)發(fā)展，2005，15(9)：131-132.

［7］Cucch I R，Grana C，Pifccard IM，et al.Improving shadow suppression in moving object detection with HSV color Information［C］//Varaiya P，Benouar H.Proceedings of IEEE Intelligent Transportation Systems Conference，Oakland，California，August 25-29，2001：334-339.

［8］秦衛(wèi)華，胡 飛，蔡小斌.基于遞推加權(quán)最小二乘法的多目標(biāo)跟蹤算法［J］.計算機(jī)測量與控制，2005，13(8)：840-842.

［9］Kreucher C，Kastella K，Hero A O.Multi-target tracking using the jointmulti-target probability density［J］.IEEE Transactions on Aerospace and Electronic Systems，2005，41(4)：1396-1414.

［10］江寶安，盧煥章.粒子濾波器及其在目標(biāo)跟蹤中的應(yīng)用［J］.雷達(dá)科學(xué)與技術(shù)，2003，1(3)：170-174.

［11］Xie Dan，Hu Weiming，Tan Tieniu，et al.A multi-object tracking system for surveillance video analysis［C］//Proceedings of IEEE International Conference on Pattern Recognition，Cambridge，United Kingdom，August23-26，2004：767-770.

［12］劉 勃.交通流量的視頻檢測方法研究［D］.合肥：中國科學(xué)技術(shù)大學(xué)，2005.

［13］周 維，劉振安，鮑遠(yuǎn)律，等.一種改進(jìn)的光流法及其在云爆彈研究中的應(yīng)用［J］.儀器儀表學(xué)報，2005，26(8)：598-599.

［14］王利敏，關(guān)延偉，劉新宇.基于圖像處理的無人值守變電站目標(biāo)自動跟蹤系統(tǒng)［J］.華北水利水電學(xué)院學(xué)報，2010，31(1)：67-69.

［15］曾 燕，成新文.運動序列圖像中目標(biāo)點的自動定位與跟蹤研究［J］.四川理工學(xué)院學(xué)報：自然科學(xué)版，2012，25(6)：27-29.

［16］Han Ti，Guan Yudong，Xu Xiaoyu，et al.Design of forest fire prevention system based on images recognition algorithm［J］.Review，2008，26(5)：79-81.

［17］邱文華，吳建華，王 平.一種快速的圓檢測方法［J］.計算機(jī)技術(shù)與發(fā)展，2007，17(1)：117-118.