視頻圖像處理在輸電線路安防系統(tǒng)的應(yīng)用

張燁，黃新波，李菊清，張慧瑩，劉新慧，邢曉強(qiáng)

(西安工程大學(xué) 電子信息學(xué)院，陜西 西安 710048)

視頻圖像處理在輸電線路安防系統(tǒng)的應(yīng)用

張燁，黃新波，李菊清，張慧瑩，劉新慧，邢曉強(qiáng)

(西安工程大學(xué) 電子信息學(xué)院，陜西 西安 710048)

摘要：介紹了一種基于視頻圖像差異化分析的輸電線路安防系統(tǒng)。圖像采集模塊通過攝像機(jī)捕獲和監(jiān)視場景的光學(xué)圖像，經(jīng)模數(shù)轉(zhuǎn)換輸出數(shù)字視頻圖像，為視頻圖像處理提供數(shù)據(jù)。后臺專家軟件通過調(diào)用視頻差異化算法對采集的圖像進(jìn)行分析處理，利用邊緣檢測、特征提取、背景建模、目標(biāo)跟蹤和背景差分等圖像處理和模式識別的方法，自動識別出輸電線路的多種安全隱患，如大型機(jī)械靠近作業(yè)、飄撞物、導(dǎo)線覆冰、大風(fēng)天氣產(chǎn)生的導(dǎo)線舞動以及在高負(fù)荷狀態(tài)時出現(xiàn)的弧垂等，并產(chǎn)生預(yù)警信號。實(shí)驗(yàn)結(jié)果表明算法可在多種室外環(huán)境下工作，滿足實(shí)際應(yīng)用的要求。最后指出復(fù)雜環(huán)境下的輸電線路圖像識別算法是進(jìn)一步研究的方向。

關(guān)鍵詞：安防系統(tǒng)；視頻圖像處理；邊緣檢測；混合高斯模型；運(yùn)動目標(biāo)跟蹤法

隨著通信網(wǎng)絡(luò)技術(shù)、數(shù)字圖像處理技術(shù)的發(fā)展，借助計(jì)算機(jī)強(qiáng)大的數(shù)據(jù)處理能力，視頻監(jiān)控系統(tǒng)已不止是單純地對現(xiàn)場情況進(jìn)行錄放，更多地嵌入了特定類型的視頻圖像處理識別功能。輸電線路遠(yuǎn)程圖像監(jiān)控系統(tǒng)以數(shù)字化、網(wǎng)絡(luò)化視頻監(jiān)控為基礎(chǔ)，能自動地分析和抽取視頻源中的關(guān)鍵信息，由計(jì)算機(jī)代替人工監(jiān)控，大大減輕了人工勞動強(qiáng)度，同時可以減少誤報漏報，提高報警處理的及時性[1-3]。

目前，視頻圖像處理技術(shù)在輸電線路在線監(jiān)測中得到了廣泛應(yīng)用。文獻(xiàn)[3]針對輸電線路巡檢，提出采用一種巡線機(jī)器人，這也是目前行業(yè)研究的熱點(diǎn)，從機(jī)械特性和可行性方面設(shè)計(jì)巡線機(jī)器人，同時加載攝像機(jī)進(jìn)行可視化監(jiān)測，并嵌入相應(yīng)的圖像處理算法。文獻(xiàn)[4]對輸電線路在線監(jiān)測進(jìn)行了系統(tǒng)的介紹，部分章節(jié)重點(diǎn)針對視頻圖像技術(shù)進(jìn)行總結(jié)。文獻(xiàn)[5]提出了一種輸電線路危險點(diǎn)遠(yuǎn)程圖像監(jiān)控系統(tǒng)。文獻(xiàn)[6]針對輸電線路存在的偷盜情況，提出采用視頻差異化算法，對靠近桿塔的可疑行人進(jìn)行識別報警?？v觀現(xiàn)有研究現(xiàn)狀，采用視頻圖像技術(shù)開發(fā)的輸電線路安防系統(tǒng)主要用于輸電線路的覆冰狀態(tài)、異物、附近危險物、導(dǎo)線弧垂、絕緣子完整性、導(dǎo)線舞動和導(dǎo)線風(fēng)偏等的監(jiān)測。

本文針對不同檢測任務(wù)的特點(diǎn)，采用的視頻差異化算法側(cè)重點(diǎn)也有所不同。其中線路覆冰檢測采用圖像去噪、圖像分割、特征提取、邊緣檢測等方法，輸電線路上的異物、塔線周圍危險物入侵和線路舞動的檢測采用目標(biāo)跟蹤方法，桿塔傾斜檢測用到了Canny邊緣檢測和邊緣直方圖計(jì)算，線路弧垂檢測用到了最小二乘法擬合二次曲線和曲線曲率的計(jì)算。

1輸電線路安防系統(tǒng)

圖1為輸電線路安防系統(tǒng)的結(jié)構(gòu)。系統(tǒng)利用公網(wǎng)、無線專網(wǎng)和H.264視頻壓縮技術(shù)等實(shí)現(xiàn)監(jiān)測終端視頻圖像的傳輸，電力系統(tǒng)監(jiān)控中心通過因特網(wǎng)采集監(jiān)控視頻圖像。利用嵌入到監(jiān)控中心軟件管理系統(tǒng)的視頻差異化算法實(shí)現(xiàn)視頻圖像分析處理，當(dāng)檢測出異常情況時進(jìn)行實(shí)時報警，并聯(lián)動監(jiān)測終端的喊話裝置[5-6]。電源模塊采用風(fēng)光互補(bǔ)供電系統(tǒng)，太陽能和風(fēng)能在時間上的互補(bǔ)使風(fēng)光互補(bǔ)發(fā)電系統(tǒng)在資源上具有最佳的匹配性。

GPRS—通用分組無線業(yè)務(wù)，general packet radio service的縮寫；CDMA—碼分多址，code-division multiple access的縮寫。圖1　輸電線路安防系統(tǒng)結(jié)構(gòu)

2檢測算法

對于導(dǎo)線異物、塔下大型機(jī)械施工和靠近桿塔行人等運(yùn)動目標(biāo)和導(dǎo)線舞動的檢測，采用基于視頻的運(yùn)動目標(biāo)檢測算法來處理；對于輸電線路的導(dǎo)線覆冰、絕緣子覆冰、桿塔傾斜和導(dǎo)線弧垂的檢測，采用基于靜態(tài)圖片的圖像處理方法。與靜態(tài)圖片相比，采用視頻分析可得到物體的運(yùn)動信息，但視頻傳輸?shù)臄?shù)據(jù)量較大，而靜態(tài)圖像處理方法可有效減少數(shù)據(jù)傳輸量。圖2根據(jù)處理方式對各個檢測功能進(jìn)行分類。

圖2　檢測任務(wù)分類

2.1基于視頻的運(yùn)動目標(biāo)檢測算法

基于視頻的運(yùn)動檢測與跟蹤是整個系統(tǒng)算法的核心，導(dǎo)線異物、塔下運(yùn)動物體和導(dǎo)線舞動的檢測都屬于運(yùn)動目標(biāo)的檢測。本文結(jié)合混合高斯背景建模算法和背景減除算法，完成運(yùn)動目標(biāo)的視頻檢測。算法程序流程如圖3所示。

圖3　基于視頻的運(yùn)動目標(biāo)檢測算法整體設(shè)計(jì)流程

2.1.1背景減除法

背景減除法通過逐像素計(jì)算當(dāng)前圖像與背景圖像的灰度差，再結(jié)合閾值分割來確定運(yùn)動前景區(qū)域，從而實(shí)現(xiàn)運(yùn)動目標(biāo)檢測。其基本原理如下：設(shè)x和y為圖像各像素點(diǎn)在二維空間的坐標(biāo)，fk(x,y)表示第k幀圖像，Bk(x,y)表示第k幀背景圖像，Dk(x,y)表示第k幀圖像與背景圖像的差分圖像，k=1，…，N，N為圖像序列總數(shù)，則

對差分圖像作二值化處理，所得二值圖像

式中T為二值化閾值。若Dk(x,y)>T，則認(rèn)為該圖像為運(yùn)動前景；否則判斷為背景。

2.1.2混合高斯模型背景建模

混合高斯模型的基礎(chǔ)思想[7-8]：對于在一段時間內(nèi)的圖像，每個像素可以表示為X={X1，…，Xt}(其中Xt表示在t時刻對某個像素的采樣值)，每個像素點(diǎn)及其過去與未來的狀態(tài)是符合高斯分布的。對每一個像素點(diǎn)定義 K 個高斯模型，表示該像素點(diǎn)在某段時間內(nèi)不同的狀態(tài)，K個狀態(tài)中一部分表示像素點(diǎn)為背景狀態(tài)，其余部分則表示像素點(diǎn)為前景狀態(tài)?？紤]到算法的有效性，K 的取值范圍一般為3～5，取值太小混合高斯模型會退化為單模態(tài)，取值太大會造成系統(tǒng)開銷大而檢測效果沒有相應(yīng)提升。

高斯分布函數(shù)描述了模型的概率密度，其表達(dá)式為

其中：

混合高斯模型算法流程如圖4所示。

圖4　混合高斯模型算法流程

2.1.3檢測的實(shí)現(xiàn)

當(dāng)被跟蹤物體運(yùn)動到導(dǎo)線區(qū)域，并停留在導(dǎo)線區(qū)域時，可以判定是否有物體懸掛在導(dǎo)線上。對于塔下大型機(jī)械、行人等運(yùn)動目標(biāo)，因目標(biāo)物比較大，所以采用基于輪廓的跟蹤方法，對得到的前景像素進(jìn)行連通域分析后，設(shè)置一個閾值，濾掉較小的連通域，這樣可以去除一些噪聲干擾和小動物平擾，有效地降低誤報率。對于線路舞動，為了減小計(jì)算復(fù)雜度，在線路相對更易發(fā)生舞動的中間部分選取一些點(diǎn)進(jìn)行目標(biāo)跟蹤，計(jì)算這些點(diǎn)舞動幅度的最大值，當(dāng)此最大值超過閾值時就發(fā)出報警。

2.2基于圖像處理的檢測算法

對于輸電線路的導(dǎo)線覆冰、絕緣子覆冰、桿塔傾斜、導(dǎo)線弧垂的檢測，主要是從前端傳回的視頻流中截取1幀靜態(tài)圖片來進(jìn)行分析處理的。

2.2.1覆冰檢測

首先對所采集的現(xiàn)場輸電線路導(dǎo)線和絕緣子圖像進(jìn)行圖像灰度化，以減小處理的復(fù)雜度和提高處理速度；然后進(jìn)行圖像增強(qiáng)，提取感興趣部分進(jìn)行邊緣檢測、圖像分割，將覆冰前后的導(dǎo)線或者絕緣子邊緣提取出來，計(jì)算覆冰前后邊緣的近似距離[9]。利用圖像處理技術(shù)計(jì)算輸電線路覆冰厚度的方法，大部分都是根據(jù)圖像信息，按照一定的比例估計(jì)圖像中的距離與真實(shí)世界坐標(biāo)系中的距離的映射關(guān)系，這些方法存在較大的系統(tǒng)誤差，不能滿足系統(tǒng)魯棒性的要求。因此提出基于攝像機(jī)標(biāo)定的輸電線路覆冰厚度測量方法，利用攝像機(jī)標(biāo)定將輸電線路覆冰前后的圖像從圖像坐標(biāo)系統(tǒng)轉(zhuǎn)換到世界坐標(biāo)系，在世界坐標(biāo)系下分別計(jì)算覆冰前后導(dǎo)線和絕緣子圖像輪廓之間的距離D、D′，則輸電線路平均覆冰厚度

2.2.2桿塔傾斜檢測

對于鐵塔傾斜，通過計(jì)算鐵塔水平方向形心坐標(biāo)的變化量來判定。形心可以利用邊緣提取后得到的邊緣分布在x軸方向的加權(quán)平均得到，考慮到鐵塔傾斜時上部傾斜程度比底部大，形心變化量也較大，所以只統(tǒng)計(jì)鐵塔上半部分的形心變化量。首先對采集的桿塔圖形進(jìn)行預(yù)處理，包括圖像灰度化、圖像灰度均衡化等；然后對圖像進(jìn)行邊緣提取，得到桿塔的輪廓圖；采用最小二乘法對桿塔進(jìn)行曲面擬合，得到曲面的重心，最后得到的形心變化量即是桿塔傾斜角度。本文試驗(yàn)中桿塔向左偏移了4.682 2°。

2.2.3導(dǎo)線弧垂檢測

傳統(tǒng)的導(dǎo)線弧垂檢測主要是采用導(dǎo)線弧垂數(shù)學(xué)模型，模型參數(shù)通過測量得到[10]。也有采用激光測距方式，該方法操作簡單、自動化能力強(qiáng)，將具有很好的應(yīng)用前景[11]，但目前技術(shù)還不夠成熟。采用圖像技術(shù)測量導(dǎo)線弧垂的流程為：攝像機(jī)標(biāo)定→現(xiàn)場圖像采集→圖像預(yù)處理→導(dǎo)線特征提取→空間曲線擬合雙目→弧垂測量。

3檢測結(jié)果

3.1導(dǎo)線上異物

首先劃定要檢測的導(dǎo)線區(qū)域，當(dāng)檢測到有物體飄進(jìn)監(jiān)控區(qū)域后，對物體進(jìn)行跟蹤，當(dāng)物體滯留在導(dǎo)線上時，標(biāo)記出滯留區(qū)域并報警。圖5為在輸電線路導(dǎo)線上檢測出的異物。

圖5　檢測飄掛在導(dǎo)線上的異物

3.2塔下運(yùn)動物體

運(yùn)用高斯混合模型建立背景模型，并對背景進(jìn)行實(shí)時更新，準(zhǔn)確區(qū)分前景和背景，提取出運(yùn)動目標(biāo)；根據(jù)所檢測對象的面積大小，設(shè)置所提取連通域的面積閾值，過濾掉較小的噪點(diǎn)連通域，有效降低了誤報率。圖6為檢測出的塔下運(yùn)動目標(biāo)。

圖6　塔下運(yùn)動物體檢測結(jié)果

3.3導(dǎo)線舞動

基于視頻的導(dǎo)線舞動在線監(jiān)測方式：根據(jù)在輸電線路現(xiàn)場的監(jiān)測終端攝像頭采集的畫面，應(yīng)用數(shù)字圖像處理技術(shù)提取導(dǎo)線目標(biāo)點(diǎn)特征，并跟蹤舞動目標(biāo)點(diǎn)；然后計(jì)算導(dǎo)線舞動的振幅和頻率，實(shí)現(xiàn)輸電線舞動的圖像識別，并結(jié)合現(xiàn)場氣象條件判定舞動級別。為對輸電線路舞動情況進(jìn)行圖像識別，需要選取適當(dāng)?shù)哪繕?biāo)點(diǎn)進(jìn)行跟蹤監(jiān)測，該目標(biāo)點(diǎn)應(yīng)該能反映出線路的舞動特征，具有一定的代表性，并且在實(shí)際應(yīng)用中易于監(jiān)測，于是選擇導(dǎo)線的間隔棒作為目標(biāo)點(diǎn)。圖7為導(dǎo)線舞動檢測結(jié)果。

圖7　導(dǎo)線舞動的檢測結(jié)果

3.4線路覆冰

對于輸電線路中的導(dǎo)線覆冰，首先作灰度化、濾波去噪、圖像增強(qiáng)等預(yù)處理，為下一步精確提取導(dǎo)線邊緣作準(zhǔn)備；然后基于覆冰前后導(dǎo)線直徑差異來檢測覆冰情況，設(shè)定閾值，一旦覆冰厚度超過閾值即聯(lián)動報警。檢測結(jié)果如圖8所示，覆冰前導(dǎo)線直徑為70.692mm，覆冰后導(dǎo)線直徑為74.249mm。

圖8　導(dǎo)線覆冰前后檢測結(jié)果

3.5桿塔傾斜

首先對采集到的桿塔圖像進(jìn)行邊緣提取，得到其輪廓圖；然后通過最小二乘法進(jìn)行曲面擬合，得到曲面重心，即形心；最后通過比較桿塔傾斜前后的形心變化量得到桿塔的傾斜角。試驗(yàn)結(jié)果如圖9所示，該試驗(yàn)桿塔向左偏移了4.682 2°。

圖9　桿塔傾斜的檢測結(jié)果

3.6導(dǎo)線弧垂

首先進(jìn)行攝像機(jī)標(biāo)定，確定攝像機(jī)坐標(biāo)系和世界坐標(biāo)系之間的相對位置關(guān)系，采用Hough變換提取導(dǎo)線特征；然后進(jìn)行曲線擬合，采用數(shù)據(jù)回歸算法得到一個檔距內(nèi)輸電線的曲線方程，以及弧垂的最低點(diǎn)坐標(biāo)和金具點(diǎn)坐標(biāo)；最后把圖像坐標(biāo)系變換到世界坐標(biāo)系，通過簡單的幾何計(jì)算就得到導(dǎo)線的弧垂。圖10(a)為采用Harris角點(diǎn)提取算法提取出的導(dǎo)線特征圖，圖10(b)為曲線擬合出的導(dǎo)線弧垂結(jié)果。

圖10　導(dǎo)線弧垂的檢測結(jié)果

4結(jié)論

本文針對不同的分析對象提出了不同的視頻圖像處理方法，并通過實(shí)驗(yàn)驗(yàn)證算法的有效性。實(shí)驗(yàn)結(jié)果表明本文所提方法可實(shí)現(xiàn)對輸電線路現(xiàn)場的運(yùn)動目標(biāo)、異物飄掛、線路覆冰和舞動、桿塔傾斜、導(dǎo)線弧垂等的檢測，算法可操作性強(qiáng)，能夠?qū)旊娋€路運(yùn)行狀況進(jìn)行有效的監(jiān)控和預(yù)警。

目前，輸電線路安防系統(tǒng)中的圖像識別算法仍存在很多技術(shù)瓶頸。一方面，受通信網(wǎng)絡(luò)的限制，視頻監(jiān)控裝置采集的現(xiàn)場視頻圖像質(zhì)量不高，直接影響算法的分析效果；另一方面，戶外光照的變化對檢測結(jié)果影響很大。復(fù)雜環(huán)境下的輸電線路圖像識別算法將是進(jìn)一步研究的方向和重點(diǎn)。

參考文獻(xiàn)：

[1] 張浩，王瑋，徐麗杰，等. 圖像識別技術(shù)在電力設(shè)備監(jiān)測中的應(yīng)用[J]. 電力系統(tǒng)保護(hù)與控制，2010，38(6)：88-91.

ZHANGHao，WANGWei，XULijie，etal.ApplicationofImageRecognitionTechnologyinElectricalEquipmentOn-lineMonitoring[J].PowerSystemProtectionandControl，2010，38(6)：88-91.

[2] 劉志紅，駱云志．智能視頻監(jiān)控技術(shù)及其在安防領(lǐng)域的應(yīng)用[J]. 兵工自動化，2009，28(4)：75-78.

LIUZhihong，LUOYunzhi.IntelligentVideoSupervisingTechnologiesandTheirApplicationsinSecurity[J].OrdnanceIndustryAutomation，2009，28(4)：75-78.

[3]JAKAK,FRANJOP,LIKARB.ASurveyofMobileRobotsforDistributionPowerLineInspection[J].IEEETransactionsonPowerDelivery, 2010,25(1):485-493.

[4] 黃新波，陳榮貴，王孝敬，等．輸電線路在線監(jiān)測與故障診斷[M]. 2版. 北京：中國電力出版社，2014.

[5] 黃新波，孫欽東，王小敬，等. 輸電線路危險點(diǎn)遠(yuǎn)程圖像監(jiān)控系統(tǒng)[J]. 高電壓技術(shù)，2007，33(8)：192-197.

HUANGXinbo,SUNQindong,WANGXiaojing,etal.ImageRemote-monitoringSystemofTransmissionLinesDangerousItems[J].HighVoltageEngineering，2007，33(8)：192-197.

[6] 李文靜，黃新波，馮玲，等．視頻差異化分析在輸電線路桿塔防盜系統(tǒng)中的應(yīng)用[J]. 廣東電力，2012，25(5)：76-80.

LIWenjing，HUANGXinbo，F(xiàn)ENGLing，etal.ApplicationofVideoDifferenceAnalysisinAnti-theftSystemforPolesandTowersofTransmissionLines[J].GuangdongElectricPower，2012，25(5)：76-80.

[7] 白一哲. 運(yùn)動目標(biāo)實(shí)時檢測算法研究與實(shí)現(xiàn)[D]. 長沙：長沙理工大學(xué)，2012.

[8] 蘇兵，李剛，王洪元．基于改進(jìn)高斯混合模型的運(yùn)動目標(biāo)檢測方法[J]. 計(jì)算機(jī)工程，2012，38(2)：210-212.

SUBing，LIGang，WANGHongyuan.DetectionMethodforMovingObjectBasedonImprovedGaussianMixtureModel[J].ComputerEngineering，2012，38(2)：210-212.

[9] 馮玲，黃新波，朱永燦. 基于圖像處理的輸電線路覆冰厚度測量[J]，電力自動化設(shè)備，2011，31(10)：76-80.

FENGLing,HUANGXinbo,ZHUYongcan.TransmissionLineIcingThicknessMeasuringBasedonImageProcessing[J].ElectricPowerAutomationEquipment, 2011，31(10)：76-80.

[10] 姚陳果，張磊，李成祥，等. 基于力學(xué)分析和弧垂測量的導(dǎo)線覆冰厚度測量方法[J]. 高電壓技術(shù)，2013，39(5):1204-1209.

YAOChenguo，ZHANGLei，LIChengxiang，etal.MeasurementMethodofConductorIceCoveredThicknessBasedonAnalysisofMechanicalandSagMeasurement[J].HighVoltageEngineering，2013，39(5):1204-1209.

[11] 黃新波，張曉霞，李立浧，等．采用圖像處理技術(shù)的輸電線路導(dǎo)線弧垂測量[J]. 高電壓技術(shù)，2011，37(8)：1961-1966.

HUANGXinbo,ZHANGXiaoxia,LILicheng,etal.MeasurementofTransmissionLinesConductorsagUsingImageProcessing[J].HighVoltageEngineering，2011，37(8)：1961-1966.

ApplicationofVideoandImageProcessinginTransmissionLineSecuritySystem

ZHANGYe,HUANGXinbo,LIJuqing,ZHANGHuiying,LIUXinhui,XINGXiaoqiang

(CollegeofElectronicsandInformation,Xi’anPolytechnicUniversity,Xi’an,Shaanxi710048,China)

Abstract：This paper introduces a kind of security system for power transmission line based on differentiation analysis on video and image processing. The image acquisition module could capture and monitoring optical image of the scene with the aid of camera which is then converted into digital video image by A/D conversion and finally outputted for providing data for video and image processing. Backstage expert software could analyze and deal with the collected data by invoking video differentiation algorithm. By using methods of image processing and mode identification including edge detection, feature extraction, background modeling, target tracking, background difference, this software could automatically identify multiple security hidden dangers such as moving large machineries near to the tower, floating foreign materials hung in wires, conductor icing, conductor galloping caused by windy weather and conductor sag under the condition of high load, and then it will produce warning signals. Experimental results indicate that this algorithm is useful for various outdoor environment and satisfied for actual application. This paper finally points out the image identification algorithm for power transmission line under complex environment is a further research direction.

Key words：security system; video and image processing; edge detection; Gaussian mixture model; moving target tracking method

收稿日期：2016-01-19

基金項(xiàng)目：國家自然科學(xué)基金資助項(xiàng)目(51177115)；陜西重點(diǎn)科技創(chuàng)新團(tuán)隊(duì)計(jì)劃項(xiàng)目(2014KCT-16)

doi:10.3969/j.issn.1007-290X.2016.05.019

中圖分類號：TM764.1

文獻(xiàn)標(biāo)志碼：B

文章編號：1007-290X(2016)05-0102-06

作者簡介：

張燁(1988)，女，陜西寶雞人。助教，工學(xué)碩士，主要研究方向?yàn)椴捎脠D像處理技術(shù)進(jìn)行輸變電設(shè)備在線監(jiān)測與故障診斷。

黃新波(1975)，男，山東海陽人。教授，工學(xué)博士，主要研究方向?yàn)橹悄茈娋W(wǎng)輸變電設(shè)備在線監(jiān)測理論與關(guān)鍵技術(shù)。

李菊清(1990)，女，山西朔州人。在讀碩士研究生，主要研究方向?yàn)椴捎脠D像處理技術(shù)進(jìn)行輸變電設(shè)備在線監(jiān)測與故障診斷。

(編輯李麗娟)