基于變電站視頻與環(huán)境監(jiān)控系統(tǒng)動(dòng)態(tài)物體檢測(cè)與跟蹤算法研究

張彥嬌，廖暢，范俊秋，楊榮瑩

（貴州電網(wǎng)有限責(zé)任公司貴安供電局，貴州貴安，551000）

0 引言

圖1 背景差分法流程示意圖

近年來(lái)，隨著我國(guó)電力行業(yè)的不斷發(fā)展，電力系統(tǒng)自動(dòng)化技術(shù)呈現(xiàn)出更具智能化、集成化、安全性、可持續(xù)性的發(fā)展趨勢(shì)，為全面直觀了解遠(yuǎn)方無(wú)人值守變電站實(shí)際情況奠定了良好的基礎(chǔ)。在“無(wú)人值守”“少人值守”等變電運(yùn)維新模式下，變電站視頻與環(huán)境監(jiān)控系統(tǒng)是實(shí)現(xiàn)現(xiàn)場(chǎng)作業(yè)實(shí)時(shí)監(jiān)管、運(yùn)行設(shè)備遠(yuǎn)程運(yùn)維的重要技術(shù)支撐，就目前而言，變電站視頻與環(huán)境監(jiān)控系統(tǒng)主要是以圖像監(jiān)視、視頻存儲(chǔ)等功能為主，攝像機(jī)監(jiān)控區(qū)域采集信息較為固定和局限，還未能實(shí)現(xiàn)突發(fā)、異常情況下自動(dòng)檢測(cè)及跟蹤動(dòng)態(tài)物體，難以保障無(wú)人值守變電站日常管理及生產(chǎn)安全的需求[1]。著眼于當(dāng)下“智能變電站”的建設(shè)概念，動(dòng)態(tài)物體檢測(cè)及跟蹤是視頻與環(huán)境監(jiān)控系統(tǒng)根本且關(guān)鍵的研究方向之一[2]。因而，本文借助MATLAB 環(huán)境下豐富的函數(shù)調(diào)用及數(shù)字圖像處理工具，基于變電站視頻與環(huán)境監(jiān)控系統(tǒng)進(jìn)行動(dòng)態(tài)物體檢測(cè)及跟蹤方法研究，以進(jìn)一步滿足現(xiàn)代化無(wú)人值守變電站安全防范需要[3～5]。

1 動(dòng)態(tài)物體檢測(cè)算法研究

對(duì)動(dòng)態(tài)物體檢測(cè)領(lǐng)域中的幀間差分算法、背景差分算法以及光流算法進(jìn)行研究，運(yùn)用Matlab 軟件驗(yàn)證上述方法，在比較其優(yōu)缺點(diǎn)后，提出運(yùn)用一種基于幀差的背景差分算法，實(shí)現(xiàn)背景圖像實(shí)時(shí)建模，進(jìn)而在視頻圖像序列中準(zhǔn)確識(shí)別、分割出動(dòng)態(tài)物體。

■1.1 幀間差分法

當(dāng)背景圖像與視頻監(jiān)控?cái)z像機(jī)之間呈現(xiàn)相對(duì)靜止?fàn)顟B(tài)時(shí)，視頻圖像序列中相鄰圖像間會(huì)存在一個(gè)極為相似的背景畫面。基于此，可以利用相鄰幀之間圖像信號(hào)的變化來(lái)檢測(cè)動(dòng)態(tài)物體，并實(shí)現(xiàn)其與背景環(huán)境的分割[6]。

現(xiàn)多數(shù)采用的是兩幀差分和三幀差分的方法，此種算法設(shè)計(jì)思想及實(shí)現(xiàn)都較為簡(jiǎn)單，且適應(yīng)于天氣、光線等室外場(chǎng)景的變化，但也存在著明顯的缺點(diǎn)。兩幀差分算法的缺點(diǎn)為：（1）若動(dòng)態(tài)物體移動(dòng)過(guò)慢，相鄰兩幀間的灰度值、紋理信息較為接近時(shí)，容易導(dǎo)致動(dòng)態(tài)物體出現(xiàn)重疊區(qū)域并被視為“背景”，進(jìn)而不能實(shí)現(xiàn)對(duì)目標(biāo)的完整提??；（2）若動(dòng)態(tài)物體移動(dòng)過(guò)快，前后幀之間即使沒(méi)有重疊也會(huì)導(dǎo)致系統(tǒng)將遮擋的“背景”處理為運(yùn)動(dòng)物體，或?qū)⑵渥R(shí)別為兩個(gè)分開(kāi)的物體。這些都大大影響了動(dòng)態(tài)物體特征像素的精確提取以及檢測(cè)和分割，阻礙了進(jìn)一步地研究。

相比于兩幀之間的幀間差分運(yùn)算，三幀差分的確有效地改善了檢測(cè)結(jié)果比實(shí)際移動(dòng)目標(biāo)大的缺點(diǎn)，但這種方式也只能大概地提取運(yùn)動(dòng)物體的輪廓，若要獲取完整的動(dòng)態(tài)目標(biāo)，還需要通過(guò)某種連通方法來(lái)填充內(nèi)部大量的“空洞”，這樣的方式較為復(fù)雜和繁瑣。

■1.2 背景差分法

背景差分又稱為背景減法，是將背景模型與當(dāng)前幀進(jìn)行比較來(lái)提取運(yùn)動(dòng)區(qū)域的一種檢測(cè)方法，也是當(dāng)下用于檢測(cè)動(dòng)態(tài)物體最廣泛的使用方法。其大致的思想為：以某種方式執(zhí)行背景建模，進(jìn)而將預(yù)先存儲(chǔ)或?qū)崟r(shí)建立的背景模型與圖像序列中每一幀依次相減，如果相減的結(jié)果偏離于預(yù)先設(shè)定的閾值，則將其確定為運(yùn)動(dòng)區(qū)域。背景差分法的處理流程圖如圖 1 所示。

背景差分的方式易于實(shí)現(xiàn)、運(yùn)算速度快且計(jì)算結(jié)果提供檢測(cè)目標(biāo)的位置、大小等信息都較為準(zhǔn)確。但是，由于動(dòng)態(tài)環(huán)境下光纖、攝像頭抖動(dòng)等不確定因素的干擾，使得背景模型的建立會(huì)有所偏差，從而影響了檢測(cè)的效果。

■1.3 光流法

以上兩種針對(duì)動(dòng)態(tài)物體識(shí)別的算法都建立在攝像機(jī)靜止的前提條件下，對(duì)于球機(jī)等運(yùn)動(dòng)的攝像機(jī)，幀差與背景差分的方法都存在局限與不足，不能夠很好地識(shí)別動(dòng)態(tài)物體，這時(shí)可以采用光流法給予處理。

基于光流法識(shí)別動(dòng)態(tài)物體的大致方法為：首先，通過(guò)計(jì)算視頻圖像序列中每一個(gè)像素點(diǎn)的物理矢量（目標(biāo)的運(yùn)動(dòng)速度和方向）來(lái)建立圖像的光流場(chǎng)。若運(yùn)動(dòng)目標(biāo)不存在于場(chǎng)景中，則像素點(diǎn)的速度矢量是連續(xù)變化的；反之，當(dāng)場(chǎng)景中存在運(yùn)動(dòng)目標(biāo)，則必然導(dǎo)致運(yùn)動(dòng)物體與背景之間的速度矢量存在差異，速度矢量的間斷即是這種差異的表現(xiàn)。光流法在檢測(cè)運(yùn)動(dòng)物體時(shí)需要保持幀與幀之間的背景亮度不變，且同一幀內(nèi)的背景像素點(diǎn)的運(yùn)動(dòng)情況要保持一致，這樣，便可以更好地實(shí)現(xiàn)對(duì)移動(dòng)目標(biāo)的檢測(cè)。

特別地，運(yùn)用光流法來(lái)檢測(cè)運(yùn)動(dòng)物體無(wú)需提前掌握詳細(xì)的場(chǎng)景信息，但光流法邏輯運(yùn)算的復(fù)雜度較高，并需要提供一定的硬件設(shè)備支持?？紤]到基于光流法的檢測(cè)易受到噪聲、陰影等環(huán)境因素干擾，不具備對(duì)變電站內(nèi)動(dòng)態(tài)物體檢測(cè)的實(shí)時(shí)性，因此不再做進(jìn)一步詳盡研究。

■1.4 基于幀差的背景差分算法

考慮在變電站等環(huán)境中，背景占圖像主要組成部分，因此實(shí)時(shí)更新背景圖像顯得尤為關(guān)鍵。基于幀差的背景差分算法可通過(guò)提取幀間圖像序列間“無(wú)變化”的區(qū)域?qū)崟r(shí)建立背景模型，使得建立的背景模型更能適應(yīng)于當(dāng)前的環(huán)境，同時(shí)可以除去一些圖像中的噪聲點(diǎn)，以達(dá)到平滑背景圖像的作用，進(jìn)一步提高檢測(cè)動(dòng)態(tài)物體的精確性?；趲畹谋尘安罘址ǚ譃橐韵氯齻€(gè)步驟。

（1）建立背景模型。提取圖像序列中的某幀圖像作為初始的背景模型B(x,y,t)。

（2）識(shí)別運(yùn)動(dòng)物體。依照順序讀取每一幀的圖像，并與前一幀的背景做減運(yùn)算得到差分圖像，即視為運(yùn)動(dòng)的區(qū)域，并對(duì)結(jié)果進(jìn)行二值化操作。

如公式(1)所示，其中I(x,y,t+1)、I(x,y,t)為t+1、t時(shí)刻的圖像。將差分結(jié)果小于或等于閾值T的部分視作為背景區(qū)域B(x,y,t+1)，在該區(qū)域中，當(dāng)前幀圖像與前一幀圖像的信息基本相同。

（3）實(shí)時(shí)更新背景。背景更新操作是依據(jù)無(wú)差異的結(jié)果，將前后兩幀中無(wú)變化的信息存儲(chǔ)在背景中。其中設(shè)定一個(gè)常數(shù)p，用來(lái)表征背景更新的速率。p的值越大更新的速率越慢，反之則更新得越快。如公式(2)所示。

2 基于Meanshift 算法運(yùn)動(dòng)物體跟蹤研究

MeanShift 算法又稱為均值漂移算法，屬于核密度估計(jì)法的范疇。該算法的優(yōu)點(diǎn)在于計(jì)算量相對(duì)較少，易提取跟蹤對(duì)象的特征，且因?yàn)椴捎昧撕撕瘮?shù)直方圖模型，可以避免跟蹤物體因環(huán)境遮擋進(jìn)而造成跟蹤準(zhǔn)確性降低的問(wèn)題。

■2.1 Meanshift 算法跟蹤原理

MeanShift 使用多次迭代的思想來(lái)找尋概率分布的最大值點(diǎn)，即判定為跟蹤物體的位置點(diǎn)。如圖2 所示，假設(shè)在d 維空間中有一運(yùn)動(dòng)目標(biāo)，以其為圓心做一個(gè)半徑大小為h的圓球，落在球體中運(yùn)動(dòng)的像素點(diǎn)都會(huì)產(chǎn)生一個(gè)向量，而向量的疊加即為MeanShift 向量（圖2 中黃色箭頭）。以MeanShift 向量的終點(diǎn)為圓心再畫一個(gè)圓球，再次找到區(qū)域內(nèi)疊加的向量終點(diǎn)。重復(fù)操作，Meanshift 算法可實(shí)現(xiàn)使結(jié)果收斂到空間中概率分布最為密集的地方（圖2 中紅色圓圈區(qū)域）。

圖2 MeanShift 算法迭代過(guò)程

基于上述思想，假定d 維空間中存在一點(diǎn)x，x 可以用一列向量來(lái)表征，并滿足。在此空間中，如果有一函數(shù)K(x→R)，則其剖面函數(shù)k 與之關(guān)系可表示為：。若k 不為負(fù)數(shù)、非增、對(duì)稱且分段連續(xù)時(shí)，稱函數(shù)K(x) 為核函數(shù)（也稱為窗口函數(shù)）。其數(shù)學(xué)表達(dá)式為公式（3）所示，其中c 為歸一化系數(shù)。

■2.2 運(yùn)動(dòng)目標(biāo)跟蹤計(jì)算過(guò)程

2.2.1 建立目標(biāo)模型

在圖像序列中選定跟蹤對(duì)象并假設(shè)其中心點(diǎn)為(x0,y0)。在目標(biāo)圖像中包含了n 個(gè)像素點(diǎn)，用Zi記錄各個(gè)像素點(diǎn)的位置并用核函數(shù)對(duì)各點(diǎn)進(jìn)行加權(quán)。對(duì)選定對(duì)象的灰度空間進(jìn)行均等的劃分，得到m 個(gè)相等的區(qū)域構(gòu)成的灰度直方圖。追蹤對(duì)象在灰度直方圖上呈現(xiàn)的分布概率密度uQ（u作為顏色索引，并且u=1,...,m），數(shù)學(xué)表達(dá)式可寫為(4)：

2.2.2 建立候選模型

將當(dāng)前幀中可能出現(xiàn)跟蹤目標(biāo)的區(qū)域視為候選區(qū)域，并以前一幀的目標(biāo)中心(x0,y0)為搜索窗口的中心，找尋當(dāng)前幀的候選中心位置(xi,yi)。則候選模型的分布概率密度可表示為公式(6)：

2.2.3 相似參數(shù)度量

用Bhattacharyya 系數(shù)作為評(píng)估目標(biāo)模型與候選模型相似程度的參量，數(shù)學(xué)表達(dá)式為公式(7)：

當(dāng)相似函數(shù)ρ(P,Q)取最大值時(shí)即為當(dāng)前幀中找尋的目標(biāo)位置。

2.2.4 MeanShift 迭代過(guò)程

均值漂移的迭代過(guò)程，即是搜索窗口的中心沿著漂移方向移動(dòng)的過(guò)程。為使相似函數(shù)最大，對(duì)公式(7)進(jìn)行泰勒展開(kāi)后可得公式(8)：

其中，wi表示權(quán)重系數(shù)，其數(shù)學(xué)表達(dá)式可寫為(9)：

在公式(8)中，只有第二項(xiàng)隨候選中心位置的變化而變化，將其取最大值后計(jì)算其MeanShift 向量可得到候選目標(biāo)新位置為公式(10)：

3 MATLAB 算法檢測(cè)及應(yīng)用分析

首先，通過(guò)基于幀差的背景差分算法從視頻圖像序列中檢測(cè)動(dòng)態(tài)物體。在MATLAB 系統(tǒng)環(huán)境下，讀取圖像序列的第1 幀至第95 幀，并以第1 幀圖像作為當(dāng)前背景模型。讀取下一幀的圖像，并與當(dāng)前圖像做減運(yùn)算，將前后幀中無(wú)變化的區(qū)域更新到背景中。設(shè)定背景更新的速率為。視頻第1幀圖像如圖3 所示，建立的背景模型如圖4 所示。

圖3 視頻第1 幀圖像

圖4 背景模型

從圖4 背景模型的建模結(jié)果可以看出，基于幀差的背景差分算法已較好地將動(dòng)態(tài)物體從背景中“抹去”，進(jìn)而順序地將每一幀的圖像與建立的背景模型做差分，即可從背景中識(shí)別動(dòng)態(tài)目標(biāo)。動(dòng)態(tài)物體檢測(cè)結(jié)果如圖5 所示。

圖5 動(dòng)態(tài)物體檢測(cè)結(jié)果

通過(guò)幀差的背景差分算法識(shí)別動(dòng)態(tài)物體后，進(jìn)一步驗(yàn)證MeanShift 算法對(duì)動(dòng)態(tài)物體的跟蹤效果。針對(duì)上述檢測(cè)結(jié)果建立矩形框，如圖6 視頻第95 幀圖像中紅色矩形框所示。設(shè)定搜查窗口的質(zhì)心到中心的距離為，迭代的次數(shù)為25 次。最后，通過(guò)藍(lán)色線條描繪檢測(cè)結(jié)果的運(yùn)動(dòng)軌跡，如圖7 視頻第110 幀圖像、圖8 視頻第120 幀圖像及圖9 視頻第140幀圖像中藍(lán)色線條所示。

圖6 視頻第95 幀圖像

圖7 視頻第110 幀圖像

圖8 視頻第120 幀圖像

圖9 視頻第140 幀圖像

結(jié)果顯示，提取動(dòng)態(tài)物體特征信息后，在視頻不同圖像幀中甚至被樹(shù)枝遮擋的環(huán)境下，MeanShift 算法均能較好地實(shí)現(xiàn)對(duì)動(dòng)態(tài)物體的跟蹤。

4 結(jié)束語(yǔ)

正值電力行業(yè)信息化、數(shù)字化、智能化轉(zhuǎn)型建設(shè)之際，智能運(yùn)維及安全防范技術(shù)已成為無(wú)人值守變電站的重要研究方向。變電站視頻與環(huán)境監(jiān)控系統(tǒng)作為無(wú)人值守變電站不可或缺的重要建設(shè)部分，其能實(shí)時(shí)對(duì)變電站內(nèi)設(shè)備運(yùn)行、環(huán)境狀況等各類情況加以監(jiān)視，有效保障著變電站安全、穩(wěn)定、經(jīng)濟(jì)運(yùn)行。但傳統(tǒng)變電站視頻與環(huán)境監(jiān)控系統(tǒng)功能較為單一，由人為決策向主動(dòng)防御的發(fā)展還較為緩慢。因此，必須借助數(shù)字化、智能化、系統(tǒng)化手段，靈活地運(yùn)用邊緣計(jì)算、人工智能等前沿技術(shù)來(lái)探尋視頻監(jiān)控系統(tǒng)中動(dòng)態(tài)物體檢測(cè)、跟蹤等更強(qiáng)大的功能，從而實(shí)現(xiàn)非法人員闖入、異物入侵、設(shè)備異常狀態(tài)檢測(cè)等及時(shí)預(yù)警，進(jìn)一步提升電網(wǎng)供電可靠性和安全防護(hù)水平。