基于目標跟蹤的變電站隔離開關(guān)狀態(tài)圖像識別方法

，，

(1.貴州電網(wǎng)有限責任公司六盤水供電局，貴州 六盤水 553000； 2.中國礦業(yè)大學(xué)電氣與動力工程學(xué)院，江蘇 徐州 221116)

0 引言

隔離開關(guān)作為變電站的重要設(shè)備，其狀態(tài)的自動識別對于電網(wǎng)智能化設(shè)備狀態(tài)巡視、設(shè)備告警聯(lián)動等電網(wǎng)生產(chǎn)運行監(jiān)控具有重要意義?，F(xiàn)有隔離開關(guān)的輔助開關(guān)定位功能都是基于機械原理。在機械出現(xiàn)磨損時，這種定位將會導(dǎo)致較大的偏差，從而致使對開關(guān)的分合狀態(tài)判斷失誤。視頻監(jiān)控技術(shù)已廣泛應(yīng)用于變電站的監(jiān)控。傳統(tǒng)的視頻監(jiān)控技術(shù)只是將變電站的遠程視頻傳輸?shù)奖O(jiān)控室，通過人工查看并確認每個設(shè)備的狀態(tài)，對于隔離開關(guān)的狀態(tài)識別效率低下，這極大地增加了運維人員的工作量。因此，如何實現(xiàn)對變電站隔離開關(guān)狀態(tài)的有效自動識別，成為提高變電站視頻監(jiān)控的智能化水平和變電站運維效率和安全的關(guān)鍵。

利用隔離開關(guān)的具體圖像特征，石延輝等[1]通過提取檢測開關(guān)的形狀參數(shù)來確定隔離開關(guān)的狀態(tài) 。張浩等[2]提出了一種模板匹配方法，通過取隔行隔列數(shù)據(jù)進行粗匹配，然后通過相關(guān)系數(shù)法等對設(shè)備狀態(tài)進行識別。陳安偉等[3]通過尺度不變特征變換、霍夫變換對隔離開關(guān)位置狀態(tài)信息進行標準建模，實現(xiàn)對開關(guān)狀態(tài)的自動識別。邵劍雄等[4]訓(xùn)練“開”和“合”2種狀態(tài)模型，通過檢測和定位來判斷開關(guān)的狀態(tài)。但是，這些方法均基于靜態(tài)圖像進行處理，在對開關(guān)狀態(tài)檢測與定位時，存在穩(wěn)定性差、魯棒性不強等問題。

在此，將隔離開關(guān)開合過程的動態(tài)視頻作為研究對象，通過目標跟蹤技術(shù)實時跟蹤開關(guān)運行動態(tài)軌跡，進而計算閘刀間的像素距離來實時監(jiān)測開關(guān)的分合狀態(tài)。

1 基于lasso正則化稀疏表示的目標跟蹤模型

1.1 目標狀態(tài)的觀測模型

令目標(隔離開關(guān))的狀態(tài)變量為bt=[x,y,w,h], 其中(x,y)為跟蹤框的中心坐標；w為跟蹤框的寬；h為跟蹤框的高。若前t-1幀觀察圖像塊為I1∶t-1=[I1,I2,…,It-1]，則第t幀目標狀態(tài)遵循下列分布[4-6]：

(1)

當給定第t幀圖像塊時，估計目標的狀態(tài)為

(2)

p(It|bt)為觀測模型，表示候選目標可能的狀態(tài)。

1.2 lasso正則化稀疏表示的目標跟蹤模型

若目標模板集H={h1,h2,…,hn}∈d×n，則候選目標x∈d×1可表示為模板的線性組合，即x≈Hs=s1h1+s2h2+…+snhn，其中s=[s1,s2,…,sn]T∈n表示系數(shù)。實際中，候選目標可以由目標模板中少數(shù)模板線性表示，即可稀疏表示為

(3)

由于概率p(It|bt)難以計算，可利用評價函數(shù)F(x)逼近p(It|bt)，通過評價函數(shù)可以確定候選目標是否為真正的跟蹤結(jié)果。令H={h1,h2,…,hn}∈d×n為目標模板集，第t幀中的候選目標為x，則定義F(x)為x與所有模板內(nèi)積和的平均值：

(4)

hi=Aiωi

(5)

hi≈Aiωis.t. ‖ωi‖0≤α

(6)

α為稀疏水平參數(shù)。將式(6)代入式(4)得到

(7)

(8)

2 隔離開關(guān)分合狀態(tài)判斷

將攝像頭安裝在開關(guān)正下方2塊閘刀的中間位置。如圖1所示，取閘刀間的中軸線為基準線(橫向虛線)，并選定實時跟蹤點位置(豎向?qū)嵕€頂端的圓點)。假設(shè)跟蹤點到虛線的距離為s；s0和s1分別為閾值；st和st+t0分別為第t幀和第t+t0幀跟蹤點與基準線的距離?？梢罁?jù)以下規(guī)則對隔離開關(guān)狀態(tài)進行判斷：s>s0，隔離開關(guān)處于開狀態(tài)；sst+t0，隔離開關(guān)處于由開至合狀態(tài)；st

圖1 隔離開關(guān)開合狀態(tài)的實時跟蹤

3 實測結(jié)果和分析

3.1 開關(guān)運行動態(tài)軌跡的跟蹤

實測中采集了4段不同狀態(tài)下隔離開關(guān)的視頻和對應(yīng)的隔離開關(guān)狀態(tài)，如表1所示。

表1 不同狀態(tài)下隔離開關(guān)的視頻

隔離開關(guān)由合到分過程的跟蹤結(jié)果如圖2所示。由圖2中第42幀、第91幀、第161幀的跟蹤結(jié)果顯示:在有遮擋情況下本文方法仍能較好地跟蹤閘刀的位置；第268幀和第389幀的跟蹤結(jié)果表明在旋轉(zhuǎn)尺度較大時，本文方法亦能給出很好的跟蹤結(jié)果。隔離開關(guān)由分至合過程中關(guān)鍵幀的跟蹤結(jié)果如圖3所示。

注：圖中數(shù)字為攝像頭采集到隔離開關(guān)的圖像幀數(shù)序號

注：圖中數(shù)字為攝像頭采集到隔離開關(guān)的圖像幀數(shù)序號

由圖3可知，由分至合的過程時，本文方法同樣可準確地對目標進行跟蹤。

3.2 開關(guān)狀態(tài)的識別

實測中選擇2個閘刀的中線作為參考基線，閘刀的中心作為參考跟蹤點。在對閘刀的位置跟蹤時，實時計算參考跟蹤點與參考基線的距離(相差的像素點數(shù))，距離逐漸變大時，說明開關(guān)處于由合至開的過程；反之當距離逐漸變小時，則說明開關(guān)處于由開至合的過程。隔離開關(guān)由合至分過程中參考跟蹤點與參考基線距離(像素點數(shù))的變化曲線如圖4所示，通過與設(shè)定的閉合參考基線8和開啟參考基線30閾值進行比較，當距離超出8個像素可認為開關(guān)開始打開，當超出30個像素時，則可認為開關(guān)處于完全打開狀態(tài)，實際應(yīng)用中這2個參數(shù)可根據(jù)實際情況進行調(diào)整。

隔離開關(guān)由合至開的過程中參考跟蹤點和參考基準線(閉合和開啟參考基線分別為8和18)的距離變化曲線如圖5所示。

圖4 隔離開關(guān)由合至分過程中參考跟蹤點與參考基線距離(像素點數(shù))的變化曲線

圖5 隔離開關(guān)由分至合過程中參考跟蹤點與參考基線距離(像素點數(shù))的變化曲線

距離呈現(xiàn)由小變大過程。這個過程正好對應(yīng)隔離開關(guān)由合至開過程，同樣可利用設(shè)定的閾值得出開關(guān)的狀態(tài)。由圖5可以看出：在開始0～160 幀的范圍內(nèi)，距離曲線抖動比較大，但基本在7個像素距離附近波動，說明此時開關(guān)處于由合至開的開啟階段，且未完全開啟；在接下來的200～400 幀表明距離迅速增大，這個過程對應(yīng)開關(guān)的開啟階段；400 幀以后距離基本處于穩(wěn)定狀態(tài)，則說明開關(guān)處于停頓狀態(tài)；當視頻到1 000 幀時，距離開始迅速變小，則說明開關(guān)開始由分至合；最后到達1 200 幀時，距離基本處于穩(wěn)定狀態(tài)，則說明開關(guān)合的過程完畢，處于完全閉合狀態(tài)。

4 結(jié)束語

給出了基于閘刀運動跟蹤的隔離開關(guān)自動圖像識別方法。利用Lasso約束的稀疏表示閘刀跟蹤模型，提高了跟蹤的準確性，并給出了閘刀狀態(tài)和閘刀運動狀態(tài)識別方案。實測結(jié)果表明，本文方法對開關(guān)狀態(tài)識別具有準確率高、魯棒性好的優(yōu)點，有較廣泛的實際工程應(yīng)用價值。