一种基于视频图像序列的绝缘子跟踪监测方法

文档序号:10691475阅读:431来源:国知局
一种基于视频图像序列的绝缘子跟踪监测方法
【专利摘要】本发明公开了一种基于视频图像序列的绝缘子跟踪监测方法,具体按照以下步骤实施:步骤1:采集输电线路视频图像信号;步骤2:将采集到的视频图像信号由传输通道以视频流的方式实时传送回监控中心;步骤3:得到监视目标图像;步骤4:对所得的输电线路绝缘子的目标图像进行预处理;步骤5:对预处理后的图像进行目标检测,利用多尺度小波边缘检测方法来检测当前帧覆冰绝缘子边缘;步骤6:对目标检测后的图像进行kalman滤波,实现对舞动目标大致运动位置做估计,Mean?shift在估计区域中做目标的精确匹配,计算舞动幅值A、频率f以及计算跟踪相似性度量N(pu(x0),q(x))。本发明一种基于视频图像序列的绝缘子跟踪监测方法,所用到的设备较少,结构简单,成本低廉。
【专利说明】
-种基于视频图像序列的绝缘子跟踪监测方法
技术领域
[0001] 本发明属于图像处理、在线监测技术领域,具体设及一种基于视频图像序列的绝 缘子跟踪监测方法。
【背景技术】
[0002] 高压线在运行中都会碰到由于天气、风速等各种情况的绝缘子舞动问题。同时在 大雨暴雪等恶劣天气条件下绝缘子还会发生覆冰状况,运种舞动、覆冰对于输电线路的安 全运行造成严重影响。尤其是为了安全,很有必要对舞动、覆冰中的绝缘子进行监测,为安 全运行提供可靠的数据。如果绝缘子舞动幅度过大,覆冰雪过厚,可能会造成相间闪络、损 坏金具、杆塔倒塌、导线断裂等电网事故,造成大面积停电,因此对舞动覆冰的监测显得尤 为重要。
[0003] 目前都是对单一的绝缘子舞动或覆冰情况进行处理,李瞧等设计的基于DSP的输 电线路覆冰图像检测系统,只针对线路覆冰状况;张帆等研究的基于加速度传感器定位的 输电线舞动监测装置,只针对导线舞动状况,没有充分考虑到恶劣天气下覆冰舞动同时发 生。作为输电线路重要组成部分的绝缘子,如何简单,有效,快速的自动跟踪监测绝缘子舞 动幅值和偏角大小、覆冰厚度等是消除该安全隐患的技术难题。

【发明内容】

[0004] 本发明的目的是提供一种基于视频图像序列的绝缘子跟踪监测方法,解决了现有 仅是单一的对绝缘子舞动或覆冰进行监测的问题。
[0005] 本发明所采用的技术方案是,一种基于视频图像序列的绝缘子跟踪监测方法,具 体按照W下步骤实施:
[0006] 步骤1:通过安装在现场铁塔上的带云台定焦摄像机,采集输电线路视频图像信 号;
[0007] 步骤2:经过视频服务器将采集到的视频图像信号由传输通道W视频流的方式实 时传送回监控中屯、;
[000引步骤3:在监控中屯、,从视频流中截取所监视的输电线路绝缘子的数字图像,得到 监视目标图像;
[0009] 步骤4:对所得的输电线路绝缘子的目标图像进行预处理W获得高质量图像;
[0010] 步骤5:对预处理后的图像进行目标检测,利用多尺度小波边缘检ii方法来检测当 前帖覆冰绝缘子边缘,计算覆冰厚度D,如果D>f,则进行安全报警,否则,转入步骤6;
[0011] 步骤6:对目标检测后的图像进行kalman滤波,实现对舞动目标大致运动位置做估 计,Mean-shift在估计区域中做目标的精确匹配,计算舞动幅值A,如果A〉阔值μ,则进行安 全报警;否则计算频率f,如果频率f〉阔值Θ,则进行安全报警;否则计算跟踪相似性度量Ν (Pu(x〇),q(x)),如果N(Pu(x〇),q(x))<阔值Φ,则进行安全报警;否则背景更新,返回步骤4。
[0012] 本发明的特点还在于:
[0013] 对步骤1采集到的输电线路视频图像信号进行标定,将用于绝缘子舞动覆冰分析 测量的像素单位视频图像转换到世界坐标系下的米制单位。
[0014] 步骤4中对所得的输电线路绝缘子的目标图像进行预处理包括将多通道图像变为 单通道图像的图像灰度化、很好地找出高频或低频区域的快速傅里叶变换W及 Butterworth高通滤波。
[0015] Butterworth高通滤波具体为:
[0016] 2阶Butterworth高通滤波器的传递函数如下:
[0017]
[0018] 其中,阶数r = 2,
[0019] D(u,v)为频谱中点(u,v巧Ij频谱中屯、的欧氏距离为:
[0020]
[0021] Do为滤波器截止频率,在频域中调节Do的值能有效地改变滤波器的滤波特性。
[0022] 步骤5中多尺度小波边缘检测方法具体为:
[0023] 步骤5.1:给定尺度S的尺度因3
求出其沿X轴方向的导数
,及沿y轴方向的导数1
.,
[0024] 步骤5.2:Phi_x、Phi_y分别与步骤4预处理后的图像f(x,y)卷积得到Gx、Gy;
[0025] 步骤5.3:求每一个像素点的边缘强度大小G= (G巧Gx+Gy*Gy Γ (1/2)和梯度方向A = arctan(Gy/Gx);
[0026] 步骤5.4:将与某个像素点梯度方向两个相邻像素点的梯度方向差小于45°、同时 该像素点边缘强度大于沿该像素点梯度方向的两个相邻像素点的边缘强度,定义该像素点 为边缘点,否则为伪边缘;
[0027] 步骤5.5:依次检测每一个像素点,连接提取出的图像边缘点,检测出覆冰绝缘子 边缘信息;
[00%]步骤5.6:将边缘点与目标绝缘子的中点进行连接,记最长距离为di,则覆冰厚度D = di-do,其中,do为覆冰前绝缘子半径长。
[00巧]步骤6具体为:
[0030]步骤6.1:初始化目标模板所在的位置X0,初始速度V0,并记录当前时刻为to,计算 目标模板的概率密度函数Pu(xo):
[0034] k(x)为核函数,为目标模板区域的像素设置权值,越远离目标模板中屯、的像素设 置权值越小;
[0035] δ(χ)为 Delta 函数;
[0036] 化是目标模板i点的特征值;
[0037] 步骤6.2:读取下一帖图像,即i = i+1,状态方程和观测方程如下:
[003引状态方程 Xi = AXi-i+Wi-i
[0039] 观测方程 Zi = HXi+Vi
[0040] 其中,Xi、Xi-汾别是i时刻、i-1时刻系统的状态向量;Zi为观测变量;
[0043] Wi-i和Vi分别为状态和观测对应的噪声向量,其方差阵分别为化和Ri:
[0046] 令状态变量Xi = [xi,vi],xi、vi分别是目标的位置和速度,Zi=[x/ ,ν/ ],χ/、v:/ 分别表示观测目标的位置和速度;
[0047] 利用当前的状态方程和观测方程,预测目标在下一帖中的位置XI和位置VI;
[004引状态更新方程为:xi = xi-1+Ki (Z广Hxi-i)
[0049] 滤波增益矩阵为:Ki = Pi-iHT 化 Pi-iHT+Ri)-i
[0050] 预测误差方差阵:Pi = APi-iAT+Qi
[0化1] 步骤6.3:计算权值
[0052] 其中,b(xi)是XI处像素的量化值即灰度直方图;
[0053] 待测模型概率函数qu(xi):
[0054] h为待测目标的像素数即函数带宽;VI是候选区域i点的特征值;
[ο化5]
[0056]迭代计算候选目标的新位置xw:
[0化7]
[0058]其中,e(x)=-k/(x)是核函数的导数;
[0059]计算舞动幅值A = Xi+i-Xi,频率f = (Vi+i-Vi)/(Xi+i-Xi);
[0060]步骤6.4:计算待测模型概率函数9心1)与目标模型的相似度^9心〇),9片)):
[0063] 如果的9。(圳),9^))<阔值,则报警;否则,更新背景,返回步骤6.2,直到视频结束。
[0064] 本发明的有益效果是:本发明一种基于视频图像序列的绝缘子跟踪监测方法,所 用到的设备较少,结构简单,成本低廉,本方法能充分利用图像处理技术W及无线传输技 术,便于监控中屯、远程处理数据并对电力网络的绝缘子舞动状况进行全局的监控;本发明 实施过程中不需要建立精确的数学模型,只需通过图像处理对目标绝缘子进行边缘检测提 取边缘信息W及简单的跟踪匹配对绝缘子覆冰及舞动过程的特征数据量进行计算,实施简 便;本发明可W实现在远程的监控中屯、通过编制程序来集中处理图像W及进行相关的计 算,W获得整个电网内绝缘子舞动的全局数据,因此有利于实现自动化的安全监控。
【附图说明】
[0065] 图1是本发明跟踪监测方法中摄像机与绝缘子相对位置关系图;
[0066] 图2是本发明跟踪监测方法的流程图;
[0067] 图3是本发明跟踪监测方法中目标图像预处理的流程图;
[006引图4是本发明跟踪监测方法中对目标的跟踪流程图。
【具体实施方式】
[0069] 下面结合附图和【具体实施方式】对本发明进行详细说明。
[0070] 本发明通过安装在现场铁塔上的带云台的定焦摄像机获取架空线绝缘子的当前 图像,由无线网络将图像传输到监控中屯、。其中,两摄像机安装在架空绝缘子的两侧,摄像 机的光屯、线与架空线上的绝缘子各自在水平面内垂直,平视架空线,通过调整云台,使得绝 缘子基本处于两摄像机成像区域的中间,如图1所示,其中虚线为光屯、延长线。
[0071] 本发明一种基于视频图像序列的绝缘子跟踪监测方法,如图2所示,具体按照W下 步骤实施:
[0072] 步骤1:通过安装在现场铁塔上的带云台定焦摄像机,采集输电线路视频图像信 号;对采集到的输电线路视频图像信号进行标定,将用于绝缘子舞动覆冰分析测量的像素 单位视频图像转换到世界坐标系下的米制单位。
[0073] 步骤2:经过视频服务器将采集到的视频图像信号由传输通道W视频流的方式实 时传送回监控中屯、;
[0074] 步骤3:在监控中屯、,从视频流中截取所监视的输电线路绝缘子的数字图像,得到 监视目标图像;
[0075] 步骤4:如图3所示,对所得的输电线路绝缘子的目标图像进行预处理W获得高质 量图像,预处理包括将多通道图像变为单通道图像的图像灰度化、很好地找出高频或低频 区域的快速傅里叶变换W及Butterwodh高通滤波;是通过估计前后帖间由于不同 Butterworth高通滤波截止频率值导致滤波后图像中目标区域局部能量值变化,可实现跟 踪过程中可能出现的目标消失、模糊及去除噪声。
[0076] Butterworth高通滤波具体为:
[0077] 2阶Butterwodh高通滤波器的滤波性能是在有效的高通滤波和可接受的振铃现 象间的折中,其参数调整的灵活性给我们解决不同背景下的高通滤波问题创造了条件。2阶 Butterworth高通滤波器的传递函数如下:
[007引
[0079] 其中,阶数r = 2,
[0080] D(u,v)为频谱中点(u,v巧Ij频谱中屯、的欧氏距离为:
[0081]
[0082] Do为滤波器截止频率,在频域中调节Do的值能有效地改变滤波器的滤波特性,W达 到不同的滤波目的。
[0083] 步骤5:对预处理后的图像进行目标检测,利用多尺度小波边缘检测方法来检测当 前帖覆冰绝缘子边缘,计算覆冰厚度D,如果D>(0,则进行安全报警,否则,转入步骤6;
[0084] 小波变换可W聚焦到目标对象的任意细节,它可W根据实际需要按照一定要求进 行设计。利用多尺度边缘检测算子检测出图像在大小不同尺度上的边缘点,然后融合连接 边缘点,得到最终的边缘图像。
[0085] 多尺度小波边缘检测方法具体为:
[0086] 步骤5.1:给定尺度S的尺度因子
求出其沿X轴方向的导数
[0087] 步骤5.2: Phi_x、Phi_y分别与步骤4预处理后的图像f (X, y)卷积得到Gx、Gy;
[0088] 步骤5.3:求每一个像素点的边缘强度大小G= (G巧Gx+Gy*Gy Γ (1/2)和梯度方向A = arctan(Gy/Gx);
[0089] 步骤5.4:将与某个像素点梯度方向两个相邻像素点的梯度方向差小于45°、同时 该像素点边缘强度大于沿该像素点梯度方向的两个相邻像素点的边缘强度,定义该像素点 为边缘点,否则为伪边缘;
[0090] 步骤5.5:依次检测每一个像素点,连接提取出的图像边缘点,检测出覆冰绝缘子 边缘信息;
[0091] 步骤5.6:将边缘点与目标绝缘子的中点进行连接,记最长距离为di,则覆冰厚度D = di-do,其中,do为覆冰前绝缘子半径长。
[0092] 步骤6:对目标检测后的图像进行kalman滤波,实现对舞动目标大致运动位置做估 计,Mean-shift在估计区域中做目标的精确匹配,计算舞动幅值A,如果A〉阔值μ,则进行安 全报警;否则计算频率f,如果频率f〉阔值Θ,则进行安全报警;否则计算跟踪相似性度量Ν (Pu(x日),q(x))(附图中简写为N),如果N(pu(x日),q(x))<阔值Φ,则进行安全报警;否则背景 更新,返回步骤4。
[0093] 首先将kalman滤波器预测的目标位置作为mean-shift算法中的初始捜索中屯、进 行跟踪,如图4所示。
[0094] kalman滤波器通过对动态系统的状态序列进行线性最小方差估计来预测目标的 位置和速度,它可W从任意一点作为起点开始检测,采用递归滤波的方法计算,具有计算量 小,可实时计算的特点。Mean-shift方法可W进行较小范围的捜索和目标匹配,从而可用较 小的运算量获得较为可靠的跟踪效果,并且适用于较复杂的场景。通过实验证明该算法的 有效性。
[00巧]具体为;
[0096] 步骤6.1:初始化目标模板所在的位置X0,初始速度V0,并记录当前时刻为to,计算 目标模板的概率密度函数Pu(xo):
[0097]
[0098] 其中,11 = 1,…,m,m为灰度级数;
[0099]
[0100] k(x)为核函数,为目标模板区域的像素设置权值,越远离目标模板中屯、的像素设 置权值越小;
[0101] δ(χ)为 Delta 函数;
[0102] μι是目标模板i点的特征值;
[0103] 步骤6.2:读取下一帖图像,即i = i+l,状态方程和观测方程如下:
[0104] 状态方程 Xi = AXi-i+Wi-i
[0105] 观测方程 Zi = HXi+Vi
[0106] 其中,Xi、Xi-汾别是i时刻、i-1时刻系统的状态向量;Z功观测变量;
[0107] A为系统状态转移矩阵
[0108] Η为观测矩阵
[0109] Wi-i和Vi分别为状态和观测对应的噪声向量,其方差阵分别为化和Ri:
[0112] 令状态变量Xi = [xi,vi],xi、vi分别是目标的位置和速度,Zi=[x/ ,ν/ ],χ/、ν/ 分别表示观测目标的位置和速度;
[0113] 利用当前的状态方程和观测方程,预测目标在下一帖中的位置XI和位置VI;
[0114] 状态更新方程为:Xi = Xi-i+Ki(Zi-Hxi-i)
[011 引滤波增益矩阵为:Ki = Pi-iHT(HPi-iHT+Ri)-i
[0116] 预测误差方差阵:Pi = APi-iAT+Qi
[0117]
[0118] 其中,b(xi)是XI处像素的量化值即灰度直方图;
[0119]
[0120] h为待测目标的像素数即函数带宽;VI是候选区域i点的特征值;
[0124] 其中,e(x)=-k'(x)是核函数的导数;
[0125] 计算舞动幅值A = Xi+i-Xi,频率f = (Vi+i-Vi)/(Xi+i-Xi);
[0126] 步骤6.4:计算待测模型概率函数9。佔)与目标模型的相似度^9。^〇),9^)):
[0129] 如果的9。(圳),9^))<阔值,则报警;否则,更新背景,返回步骤6.2,直到视频结束。
【主权项】
1. 一种基于视频图像序列的绝缘子跟踪监测方法,其特征在于,具体按照以下步骤实 施: 步骤1:通过安装在现场铁塔上的带云台定焦摄像机,采集输电线路视频图像信号; 步骤2:经过视频服务器将采集到的视频图像信号由传输通道以视频流的方式实时传 送回监控中心; 步骤3:在监控中心,从视频流中截取所监视的输电线路绝缘子的数字图像,得到监视 目标图像; 步骤4:对所得的输电线路绝缘子的目标图像进行预处理以获得高质量图像; 步骤5:对预处理后的图像进行目标检测,利用多尺度小波边缘检测方法来检测当前帧 覆冰绝缘子边缘,计算覆冰厚度D,如果Γ)>ρ,则进行安全报警,否则,转入步骤6; 步骤6:对目标检测后的图像进行kalman滤波,实现对舞动目标大致运动位置做估计, Mean-shift在估计区域中做目标的精确匹配,计算舞动幅值A,如果A>阈值μ,则进行安全报 警;否则计算频率f,如果频率f>阈值Θ,则进行安全报警;否则计算跟踪相似性度量N(p u (X〇),q(x)),如果N(pu(XQ),q(X))〈阈值Φ,则进行安全报警;否则背景更新,返回步骤4。2. 根据权利要求1所述的一种基于视频图像序列的绝缘子跟踪监测方法,其特征在于, 对所述步骤1采集到的输电线路视频图像信号进行标定,将用于绝缘子舞动覆冰分析测量 的像素单位视频图像转换到世界坐标系下的米制单位。3. 根据权利要求1所述的一种基于视频图像序列的绝缘子跟踪监测方法,其特征在于, 所述步骤4中对所得的输电线路绝缘子的目标图像进行预处理包括将多通道图像变为单通 道图像的图像灰度化、很好地找出高频或低频区域的快速傅里叶变换以及Butterworth高 通滤波。4. 根据权利要求3所述的一种基于视频图像序列的绝缘子跟踪监测方法,其特征在于, 所述Butterworth高通滤波具体为: 2阶Butterworth高通滤波器的传递函数如下:其中,阶数r = 2, D(u,v)为频谱中点(u,v)到频谱中心的欧氏距离为:Do为滤波器截止频率,在频域中调节Do的值能有效地改变滤波器的滤波特性。5. 根据权利要求1所述的一种基于视频图像序列的绝缘子跟踪监测方法,其特征在于, 所述步骤5中多尺度小波边缘检测方法具体为: 步骤5.1:给定尺度s的尺度因子,求出其沿X轴方向的导数Phi_x:,及沿y轴方向的导数phi_yi w2(x,y)= ' ^ ; Ψ 步骤5.2: Phi_x、Phi_y分别与步骤4预处理后的图像f (X,y)卷积得到Gx、Gy; 步骤5.3:求每一个像素点的边缘强度大小G= (Gx*Gx+Gy*Gy) ~ (1/2)和梯度方向A = arctan(Gy/Gx); 步骤5.4:将与某个像素点梯度方向两个相邻像素点的梯度方向差小于45°、同时该像 素点边缘强度大于沿该像素点梯度方向的两个相邻像素点的边缘强度,定义该像素点为边 缘点,否则为伪边缘; 步骤5.5 :依次检测每一个像素点,连接提取出的图像边缘点,检测出覆冰绝缘子边缘 信息; 步骤5.6:将边缘点与目标绝缘子的中点进行连接,记最长距离为di,则覆冰厚度D = di-do,其中,do为覆冰前绝缘子半径长。6.根据权利要求1所述的一种基于视频图像序列的绝缘子跟踪监测方法,其特征在于, 所述步骤6具体为: 步骤6.1:初始化目标模板所在的位置xo,初始速度vo,并记录当前时刻为to,计算目标 模板的概率密度函数pu(x〇):其中,u=l,…,m,m为灰度级数;k(x)为核函数,为目标模板区域的像素设置权值,越远离目标模板中心的像素设置权 值越小; δ(χ)为Delta 函数; W是目标模板i点的特征值; 步骤6.2:读取下一帧图像,即i = i+Ι,状态方程和观测方程如下: 状态方程 Xi=AXi-i+Wi-i 观测方程ZiiHXi+Vi 其中,Xi、Xi-i分别是i时刻、i-1时刻系统的状态向量;Zi为观测变量;Wi-jPVi分别为状态和观测对应的噪声向量,其方差阵分别为Qi和Ri:令状态变量Xi= [Xi,Vi],Xi、Vi分别是目标的位置和速度,Zi= [x/,v/ ],x/、v/分别表 示观测目标的位置和速度; 利用当前的状态方程和观测方程,预测目标在下一帧中的位置^和位置Vl; 状态更新方程为:Xi = Xi-l+Ki ( Zi-Hxi-l ) 滤波增益矩阵为: 预测误差方差阵:Pi=APi-iAT+Qi其中,^^彡是^处像素的量化值即灰度直方图;h为待测目标的像素数即函数带宽;Vl是候选区域i点的特征值;迭代计算候选目标的新位置x1+1:其中,e(x)=-k'(x)是核函数的导数; 计算舞动幅值A = xi+i_xi,频率f = (vi+i-vi)/(xi+i_xi); 步骤6.4:计算待测模型概率函数911^)与目标模型的相似度1^11(1〇),9(1)) :如果1^1^〇),(^))〈阈值,则报警;否则,更新背景,返回步骤6.2,直到视频结束。
【文档编号】H04N7/18GK106060466SQ201610445600
【公开日】2016年10月26日
【申请日】2016年6月20日
【发明人】黄新波, 李菊清, 张烨, 邢晓强, 刘新慧, 张慧莹, 张菲
【申请人】西安工程大学
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1