4 智能预警差异化算法的研究

目前，大多数的远程监控系统都仅实现对输电线路的监控，还有一部分增加了输电线路覆冰、导线舞动、导线弧垂、杆塔倾斜图像的智能识别算法，该系统主要涉及以下几项安全检测：1)入侵检测和异物检测，判断监控线塔周围是否有大型机械靠近作业、人为盗窃塔材行为；监控是否有风筝等其他异物飘挂到线路上；2)安全距离检测，检测线路或铁塔周围的树木是否长得太接近线路和铁塔；3）火灾检测，监控输电线路下农田烧火，预防对输电线路造成的安全隐患。

4.1 入侵检测和异物检测

对于外力破坏的监测，首先从现场视频图像序列中将感兴趣的区域（高大建筑机械、人体目标）从背景图像序列中抽取出来，结合颜色特征以及运动目标区域面积大小，实现大型机械与人体目标的分类、检测。然后，对目标检测进行连续跟踪以确定其运动轨迹，实现高大建筑机械、人体目标的跟踪。当大型机械驶入线路保护区内并停留超过一定时间，现场声光报警，提醒大型机械不能停留在警戒区域内，接下来，如果该机械车辆不仅停留在高压线下，并且有进一步动作，比如吊车臂伸展，则对吊车臂进行检测与运动跟踪，估算吊车臂的伸展角度，并提高预警级别，警报信息将逐级上传。当有人体目标进入保护区内并停留超过一定时间，现场声光告警，提醒人体目标盗窃国家电力设备属于违法行为，并将警报信息逐级上传。

由于输电线路周围环境背景处在不断的变化中，要想检测运动目标，首先必须提取出当前背景环境，因此必须建立场景图像的背景模型。由于输电线路背景环境中通常有摇动的树枝、庄稼，以及昼夜的交替等，在某帧中一个像素可能表示天空，但在另一帧中则可能表示树叶，每一种状态下的像素亮度值或颜色值是不同的，所以考虑采用Stauffer提出的自适应混合高斯模型背景建模法，由多个高斯分布组成，可以在包含运动目标的视频中自适应提取背景模型，以获取更精确的背景描述用以目标检测，且模型的参数可以自适应更新，其原理框图如下图所示。

利用以上算法对，在划定的监控区域内，通过背景建模，差分处理，形态学运算等提取出较为精确地运动目标，然后利用车、人与动物等的特征通过支持向量机的方法，建立车、人与动物模型以识别监控范围内运动物体的种类，检测到的运动前景目标可能包括高大建筑机械、运动人体目标以及野生动物等，一般高大建筑机械的颜色特征比较明显且其面积较大，通过计算前景目标的区域的面积和外接矩形的长宽比等来分别出前景目标。若检测出有大型机械的施工活动进入监测区域，则启动前端告警装置。当发现有人进入监测范围时，则利用以上方法对人进行进一步的识别、跟踪，依据其在监测范围内的运动时间确定其运动行为，看是否有私挖光缆等的行为。

(2) 安全距离检测

对于导线附近的树木检测，主要根据树木其所具有的特定的纹理，可以采用纹理分析法，纹理表达了图像区域的表面性质和表面结构组织及其与周围环境的关系，描述了图像的统计特性和全局特征，具有旋转不变形和较强的抗噪能力。首先根据安全距离划定一个待分析区域，然后对该区域进行分析处理，一旦检测到该特定区域内有树木出现，则发出警报，将告警详情通过系统软件逐级上传，较终可以通过手持终端直接将告警信息及详情发送到线路维护人员的手机上，提醒维护人员对出现在安全距离内的树木进行修剪。

具体涉及的图像处理算法包括，首先对所拍摄的图片进行纹理图像滤波预处理，将树木和导线提取出来，然后根据图像里面树木所具有的特殊纹理，设置一个纹理阈值，进行纹理图像阈值分割，将树木和导线进行区分，其中也涉及一些图像预处理步骤，包括腐蚀膨胀，滤波去噪的处理，较后即可将接近导线的树木检测出来。

(3)山火检测，

对于线路下农田线下烧火的行为，采用基于隐马尔可夫模型的防火检测原理，主要依据于烟雾和运动火区域颜色变化，总共包含4个部分：图像中运动区域的检测；运动区域的颜色分析；如果运动区域具有烟雾、火焰的颜色，运动区域的烟雾、火焰形态分析，从而区分真正的烟雾、火焰的普通运动物体；利用区域增长和腐蚀的方法，对检测的结果进行改进。

在图像处理中, 目标物体的面积可用其所包含的像素点的数量来表示。根据火焰燃烧的动态特性, 从图像中可以分离出可疑的火焰区域, 即进行图像分割。通过图像分割, 提取物体轮廓, 并定位图像中的目标物体。在理想图像中, 可以根据挖空法再结合边缘跟踪技术设计算法来实现, 但在实际工程应用中, 所获取的图像中的噪声很多, 而现有的边缘检测算法, 使用Canny, oberts cross, P rew it t 和Sobel 等边缘检测算子，在测试中发现：用O stu 法选取出来的阈值非常理想, 对各种情况的表现都比较良好。虽然在很多情况下都不是较佳的分割, 但分割质量都有一定的保障, 可以说是较稳定的分割。

5.现场应用实例

5.1  智能检测算法分析实例

（1）人体目标检测

图（1）为一张纯净背景的图片；图（2）为当前待检测图像；图（3）划定了杆塔下方的主要分析区域，只针对特定区域进行分析可以有效提高分析的精确度；图（4），图（5）对特定区域进行灰度变化，阈值分割，滤波去噪，面积阈值提取等一系列处理，越来越接近地提取出人体目标；图（6）即给出了检测并框选出的人体目标。

（2）大型机械检测

图（1）为当前待检测图像；图（2）为划定了主要分析区域，只针对特定区域进行分析可以有效提高分析的精确度；图（3）（4）（5）对特定区域进行灰度变化，阈值分割，滤波去噪，面积阈值提取等一系列处理，越来越接近地提取出前景目标；图（6）即给出了检测结果并框选出的前景目标。（3）异物检测，主要是对飘挂到输电线路导线上的风筝等异物进行检测，它也利用的是背景建模的方法，检测结果如下图