隨著電力逐漸滲透進社會的各行各業(yè),由于火災、異物入侵等隱患導致的意外停電事故嚴重影響了人們的生活,造成了巨大的經濟損失。因此,如何有效地監(jiān)控高壓輸電線路及其周邊環(huán)境,從而及時發(fā)現安全隱患,保證電力供應是一個亟待解決的問題。據統(tǒng)計,常見的輸電線路安全隱患包括工程車、吊臂、塔吊、火災及異物入侵等。目前,常見的檢測上述隱患的方法有人工巡檢、機器人巡線、無人機巡檢及基于固定于桿塔上攝像頭的視頻監(jiān)控這四類。雖然上述方法取得了一定的效果,但是前三種方法不僅需要人工干預與控制,而且巡檢范圍有限,難以保證實時監(jiān)控。視頻監(jiān)控對攝像頭的供電要求非常高,然而由于高壓輸電線路不能直接為攝像頭供電,因此一般使用可充電電池供電�？沙潆姺绞揭话闶抢蔑L能、太陽能等,監(jiān)控模式則采用按照一定時間間隔進行拍攝獲取圖像序列的模式,從而進一步降低功耗。為了解決基于圖像序列的線路隱患檢測問題,課題組自2015年開始與山東某公司合作,結合圖像處理與機器學習理論分析圖像序列,由于監(jiān)拍裝置的場景固定,采用了差分方法作為隱患的主要檢測技術,進而自動確定隱患位置及類型,并及時報警,于2016年底開發(fā)了隱患檢測和識別系統(tǒng)的第一個版本。該系統(tǒng)能夠檢測天空區(qū)域的吊臂和地面區(qū)域的工程車及火災,但是仍然存在一些問題需要解決,主要問題有:無法檢測線路異物、桿塔倒塌等天空區(qū)域隱患;圖像差分之后仍然存在較多噪聲;識別類型較少,還難以判定塔吊、泵車等不同類型的安全隱患。針對第一版本中存在的問題,主要開展了以下幾方面的工作:(1)天際線分割。結合圖像中灰度變化的程度、頻率及天空區(qū)域的位置獲得準確的天際線位置,從而得到天際線掩膜。由于出現在天空與地面區(qū)域的隱患類型不同,所以使用掩膜將圖像分成天空與地面分別進行隱患檢測;(2)提出了累計邊緣概率分布模型,并實現了天空區(qū)域隱患的檢測。天空區(qū)域隱患包括桿塔倒塌、線路異物以及攝像頭異常移動等。事實上,上述隱患都是小概率事件。由于桿塔及線路是天空區(qū)域中的固定目標,雖然其位置偶有變化,但是正常情況下會在其平衡位置附近晃動。由于監(jiān)拍場景固定,因此從圖像序列的角度來看,這些固定目標應當符合一定的概率分布模型。在大量觀察基礎上,提出了累計邊緣概率分布模型,結合自適應Parzen窗算法,通過與該模型比較,實現了天空區(qū)域隱患的檢測;(3)地面區(qū)域隱患檢測。首先,通過改進的多顏色空間融合圖像差分算法獲取變化區(qū)域;其次,結合灰度漲落漂移、改進的多尺度邊緣朝向直方圖與分形維數等算法篩選變化區(qū)域,進而確定隱患區(qū)域;最終,通過紋理、形狀等特征確定隱患類型;(4)識別工程車、吊臂等目標。鑒于Faster-RCNN目標檢測方法與利用傳統(tǒng)圖像處理方法在地面區(qū)域隱患檢測方面的互補性,大幅度降低了漏報率。迄今為止,該系統(tǒng)已在山東省17地市、江蘇、遼寧等多個省市獲得推廣�；谡n題組所開發(fā)的系統(tǒng),據統(tǒng)計,降低了工作人員約98%的工作量。雖然本文算法進一步改善了系統(tǒng)的性能,取得了更好的檢測效果,但是對于存在遮擋、小目標的隱患檢測等問題,系統(tǒng)的檢測效果仍然不甚理想,需要進一步提升性能。
【學位單位】：濟南大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TM75;TP391.41
【部分圖文】：

(a) 參考圖像 (b) 當前圖像 (c) 多顏色空間融合差分結果圖 1.1 基于圖像序列的多顏色空間融合差分如上圖所示，紅色矩形框標注的為 ROI(region of interest)。(2) 包括塔吊與火災檢測的天空區(qū)域隱患檢測。以差分結果為基礎，計算變化區(qū)域掩膜，根據掩膜獲取對應的原圖，并將其作為簡單卷積神經網絡的輸入，該網絡是一個二分類器，判斷圖像塊中是否包含工程車。綜上，已有的工作雖然能夠檢測工程車、吊臂與火災，但是仍然存在許多問題，例如，由于 ROI 容易淹沒在由于人為或非人為因素導致的變化區(qū)域中，導致難以進行準確分割；網絡結構簡單，而且場景多種多樣，只能排除部分誤報；之前的工作主要關注工程車、吊臂及火災的檢測，公司又陸續(xù)提出了其他的需求，如檢測線路及桿塔異物、桿塔倒塌、線路斷裂等新型隱患；原隱患檢測系統(tǒng)是由面向過程的 C 語言開發(fā)的，修改和維護的難度較大。因此，系統(tǒng)的性能需要進行不斷提升。

圖 2.1 雙線性插值計算示意圖 點為待插值點, 三角形的11Q 、21Q 、像素。為了得到 P 點的值，首先，使步的計算結果擬合 P 點，即兩次線值，即1R 與2R ，線性插值計算公式2 111 212 1 2 1) ( ) ( )x x x x f Q f Qx x x x + 2 112 222 1 2 1) ( ) ( )x x x xf Q f Qx x x x + ， f 為對應位置的像素值。由于是數

(b) 雙線性插值效果圖 2.2 雙線性插值效果如圖 2.2 所示，拍攝的原始圖像分辨率為 2560×1920，縮放后的圖像分辨率為800×600。雖然圖像縮小了近 10 倍，但是并沒有明顯的馬賽克效果，而且在后續(xù)隱患檢測過程中，可以減少處理時間。2.2 空間濾波一般情況下，現實中拍攝的圖像，一般都會受到相機本身的噪聲、拍攝環(huán)境等噪聲的污染。因此，圖像濾波常被作為基礎的圖像去處理操作。圖像濾波可以分為空域與頻域兩類，本文僅介紹用到的兩種空間濾波方式：高斯濾波與中值濾波。中值濾波計算過程如下，首先，選定中心點；其次，根據模板大小，獲取中心點一定鄰域內的像素值；然后，對像素值進行排序；最后，將排序結果中的中值賦予中心點。如圖 2.2 所示，天空區(qū)域的亮度變化是非常平緩的，而輸電線路會導致灰度突然下
【相似文獻】

相關期刊論文 前10條

1 周偉勛;;基于通信圖像序列的步態(tài)識別[J];電腦知識與技術;2010年21期

2 鐘平,于前洋,王明佳,金光;航攝動態(tài)圖像序列穩(wěn)定技術仿真研究[J];計算機仿真;2004年01期

3 鐘偉,余松煜,芮雨;圖像序列處理中的形態(tài)分割方法[J];上海交通大學學報;2001年09期

4 孔祥魁;;運動圖像序列中關鍵關節(jié)點的跟蹤優(yōu)化仿真[J];計算機仿真;2016年02期

5 宋宏權;劉學軍;閭國年;甄艷;;地理參考下未標定圖像序列的三維點云精度分析[J];測繪通報;2012年07期

6 胡永祥;蔣鴻;;基于運動估計的交互式醫(yī)學圖像序列分割[J];計算機工程與設計;2007年05期

7 張瑛;饒妮妮;王剛;;改進的小波域醫(yī)學圖像序列的運動估計[J];生物醫(yī)學工程學雜志;2006年05期

8 宋勇,郝群,王涌天;運動圖像序列的移位幀累積技術研究[J];北京理工大學學報;2003年04期

9 汪亞明,趙勻;基于動態(tài)圖像序列的下肢運動參數測量[J];計算機自動測量與控制;2002年09期

10 汪亞明;基于計算機圖像序列的人體步態(tài)參數的快速獲取方法[J];電子技術應用;2000年08期

相關博士學位論文 前10條

1 何富運;顯微細胞圖像序列形態(tài)分析的關鍵技術研究[D];東南大學;2017年

2 姬曉鵬;基于深度圖像序列的人體動作識別方法研究[D];中國科學院大學(中國科學院深圳先進技術研究院);2018年

3 夏思宇;彩色圖像序列的人臉檢測、跟蹤與識別研究[D];東南大學;2006年

4 鄭世友;動態(tài)場景圖像序列中運動目標檢測與跟蹤[D];東南大學;2006年

5 鄧寶松;基于點線特征的大基線圖像序列三維重建技術研究[D];國防科學技術大學;2006年

6 賈靜平;圖像序列中目標跟蹤技術研究[D];西北工業(yè)大學;2007年

7 李謙;基于低秩稀疏的圖像序列增強技術研究[D];中國科學技術大學;2015年

8 陳昌紅;動態(tài)圖像序列建模與分類及其在人體運動分析中的應用[D];西安電子科技大學;2009年

9 賀禮;聯(lián)合彈性特性的乳腺超聲圖像序列診斷分析[D];中國科學技術大學;2009年

10 孫春鳳;基于并行處理的高速圖像序列運動目標檢測技術研究[D];哈爾濱工業(yè)大學;2011年

相關碩士學位論文 前10條

1 于向茹;基于圖像序列的輸電線路隱患檢測系統(tǒng)的性能改進研究[D];濟南大學;2019年

2 靳明新;X射線冠脈造影圖像序列的血管提取方法研究[D];上海交通大學;2018年

3 裴劉繼;基于FRFCM聚類與深度信息優(yōu)化的分層RGBD圖像序列場景流計算技術研究[D];南昌航空大學;2019年

4 原彤彤;圖像序列的壓縮編碼技術及系統(tǒng)[D];中北大學;2019年

5 隗娜;基于圖像序列的稠密三維重建關鍵技術研究[D];中國科學院大學(中國科學院沈陽計算技術研究所);2019年

6 楊帥;腹部CT圖像序列肝臟分割方法與三維重建[D];河南大學;2018年

7 陽寧凱;基于壓縮感知的光場采集和重建研究[D];杭州電子科技大學;2018年

8 楊雨薇;基于圖像序列的高真實感紋理映射技術研究[D];云南師范大學;2018年

9 程會云;基于時序信息建模的有絲分裂事件檢測方法研究[D];天津大學;2018年

10 王之驄;基于圖像序列的干細胞運動追蹤與分裂檢測研究[D];電子科技大學;2018年

本文編號：2842374