【摘要】：變電站和高壓變電房等都是高壓帶電操作的工作場所,人為責(zé)任的事故原因有:工作人員誤進(jìn)入帶電工作區(qū),誤觸碰帶電體,造成觸電。以及檢修人員還在維修操作,卻人為誤送電,造成觸電死亡事故。為了保證工作人員的人身安全以及設(shè)備的安全,視頻監(jiān)控已經(jīng)廣泛應(yīng)用到該領(lǐng)域。但所拍攝的視頻,仍然需要專人去識別,工作繁重并且效率不高。隨著時代和技術(shù)的發(fā)展,電網(wǎng)系統(tǒng)的信息化、智能化、無人化已成發(fā)展的一個方向。論文重點在變電房中工作人員的檢測跟蹤,以及對其異常行為進(jìn)行識別研究。圍繞變電房工作人員的狀況進(jìn)行智能監(jiān)控,取得以下成果:1.為了實現(xiàn)變電房工作人員的檢測,本文提出了基于ViBe(Visual background extractor)背景建模、背景差分法和形態(tài)學(xué)綜合的檢測方法。該檢測方法首先用ViBe算法進(jìn)行建模,然后對目標(biāo)進(jìn)行檢測分割,再使用膨脹算子進(jìn)行形態(tài)學(xué)處理,最后用矩形框進(jìn)行坐標(biāo)點標(biāo)記。2.為了實現(xiàn)變電房工作人員的跟蹤,本文提出了KCF(Kernel Correlation Filter)的跟蹤算法。通過實驗對比Mean shift跟蹤算法、卡爾曼濾波跟蹤算法和KCF跟蹤算法,進(jìn)行實時性和準(zhǔn)確性的對比,最終選用KCF跟蹤算法實現(xiàn)變電房工作人員的實時跟蹤。3.為了實現(xiàn)變電房工作人員的行為識別,本文提出了基于HOG(Histogram of Orientation Gradient)+SVM(support vector machine)的方法判斷運(yùn)動目標(biāo)行走、蹲下、跌倒多個狀態(tài)。若運(yùn)動目標(biāo)跌倒,情況異常,立刻報警,保護(hù)工作人員生命安全。4.基于上述內(nèi)容,本文使用GUI圖形化界面,設(shè)計了可視化交互的計算機(jī)輔助變電房工作人員檢測和異常行為檢測報警的監(jiān)控系統(tǒng)。介紹了該系統(tǒng)設(shè)計思路、整體的架構(gòu)的模塊、功能和技術(shù),從而實現(xiàn)更好的人機(jī)交互模式�；谏鲜鲅芯�,該變電房監(jiān)控系統(tǒng)能夠?qū)ぷ魅藛T進(jìn)行檢測跟蹤,并對其行為進(jìn)行判斷,可靠性較高,能夠取代傳統(tǒng)的單單是記錄保存視頻,還需要人工日夜監(jiān)視方式,實現(xiàn)智能識別。
【圖文】：

2.3.2 變電房視頻圖像的中值濾波去噪處理變電房中都是各類儀表和電磁繼電器等轉(zhuǎn)換檢測設(shè)備，，存在電磁干擾，圖像的畫面清晰度會下降，并伴隨著分布著一些顆粒狀的點，對圖像序列造成失真。這些點越多，顆粒越大，對視頻圖像的質(zhì)量影響越大。使用幀間濾波能夠抑制噪聲，并保護(hù)信號邊緣，維持真實性。常用的去噪濾波器有均值濾波器，中值濾波器，還有小波去噪等。中值，即中間值。掃描圖像中各像素點，將鄰域的像素值按從小到大排序。將中間值賦值給該像素點。(,){(,)} (,)fxygstmadianxys t S （2-2）公式中， f ( x , y )為中心像素灰度值，(,) fxy為中值濾波輸出。xyS表示中心在（x，y）尺寸為 m×n 的窗口坐標(biāo)組。效果如圖 2-2 所示，對于椒鹽噪聲，中值濾波的效果比均值濾波效果好，3*3 模板窗口大小可以滿足去噪的效果。

a.變電房工作人員檢測原圖 b. 變電房工作人員檢測相鄰幀差法效果圖圖 2-4 相鄰幀差法檢測變電房工作人員效果圖a. 變電房工作人員檢測原圖 b. 變電房工作人員檢測背景幀差法效果圖圖 2-5 背景幀差法檢測變電房工作人員效果圖
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TM63;TN948.6

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 田仙仙;鮑泓;徐成;;一種改進(jìn)HOG特征的行人檢測算法[J];計算機(jī)科學(xué);2014年09期

2 黃凱奇;陳曉棠;康運(yùn)鋒;譚鐵牛;;智能視頻監(jiān)控技術(shù)綜述[J];計算機(jī)學(xué)報;2015年06期

3 王法勝;魯明羽;趙清杰;袁澤劍;;粒子濾波算法[J];計算機(jī)學(xué)報;2014年08期

4 屈晶晶;辛云宏;;連續(xù)幀間差分與背景差分相融合的運(yùn)動目標(biāo)檢測方法[J];光子學(xué)報;2014年07期

5 華媛蕾;劉萬軍;;改進(jìn)混合高斯模型的運(yùn)動目標(biāo)檢測算法[J];計算機(jī)應(yīng)用;2014年02期

6 夏瑜;吳小俊;馮振華;;基于特征貢獻(xiàn)度的mean shift視頻跟蹤算法[J];控制與決策;2012年07期

7 謝從華;宋余慶;常晉義;;圖像數(shù)據(jù)庫管理系統(tǒng)的關(guān)鍵技術(shù)研究綜述[J];計算機(jī)應(yīng)用研究;2011年09期

8 余錦華;汪源源;;基于各向異性擴(kuò)散的圖像降噪算法綜述[J];電子測量與儀器學(xué)報;2011年02期

9 張軍;劉志鏡;;基于模糊理論的行人異常動作檢測[J];模式識別與人工智能;2010年03期

10 楊濤;李靜;潘泉;張艷寧;;基于場景模型與統(tǒng)計學(xué)習(xí)的魯棒行人檢測算法[J];自動化學(xué)報;2010年04期

本文編號：2698201