本发明涉及一种输电线路监控隐患预警图像的隐患重复判别方法，属于电力技术领域。
背景技术
输电线路是电网的重要组成部分，受人为及自然条件的影响，输电线路中经常会出现各种安全隐患，包括特定种类的物体如：塔吊、吊车、泵车和挖掘机等。若输电线路存在的安全隐患不能得到及时排查，不仅会危及电网安全运行，而且会影响用户的生产与生活。
为了避免外力对输电线路造成破坏，需要输电线路通道实施图像监控，定时间隔拍照并将图像回传后台，借助智能图像分析系统完成对输电线路通道环境变化的检测并对隐患进行识别预警，再把预警结果图片传送值班人员如微信、巡检app等。
无论采用基于图像背景差异分析的方法还是传统目标识别方法都无法做到对线路通道场景的语义理解。从而会出现对静止的同一隐患目标在每个拍照周期都会进行重复的分析识别告警动作，极大浪费了网络流量，加大了输电线路巡检工作人员的工作量。而且大量的重复告警或误告警图片推送给线路巡检工作人员之后，会造成图像积压，使工作人员不能在第一时间看到并处置真正对输电线路有隐患的现场图像，给用户造成了极大的困扰。
技术实现要素：
本发明的目的在于提供一种输电线路监控隐患预警图像的隐患重复判别方法，克服现有技术的不足，可以极大有效的降低了同一输电场景的相同隐患的重复告警，减少了重复告警或重复误告警给巡检用户造成的不便。
为解决上述问题，本发明提供一种输电线路监控隐患预警图像的隐患重复判别方法，其中，一种输电线路监控隐患预警图像的隐患重复判别方法，其特征在于，通过基于深度学习的图像分析方法对同一场景下前后两张监控图像进行分析识别，识别图像中的隐患目标物体，并进行隐患重复判断，过滤掉重复隐患目标的图片，并推送告警信息。
优选的，所述的隐患重复判别包括以下步骤：
步骤1：利用fasterr-cnn深度神经网络产生隐患目标的候选区域，所述fasterr-cnn为fasterregionproposalcnn，利用cnn学习图像中的高级特征，最后进行softmax分类和bbox回归，给出每个隐患目标的类型和像素位置信息；
步骤2：保存隐患目标的类型和像素位置信息；
步骤3：比较前后两张的图像的隐患目标是否相同；
优选的，步骤2所述保存隐患目标信息是以key-value对的形式进行保存，key为隐患类型，value为字符串的list列表，其中字符串的内容为隐患目标的像素位置信息(以下称为坐标)：“左上x坐标|左上y坐标|右下x坐标|右下y坐标”，list列表中以字符串的左上x坐标为key进行排序。
优选的，所述的隐患图片重复判别具体步骤为：同一监控场景下连续序列的前后两张图像中是否含有完全相同的隐患类型，否则不是重复隐患图片；在前后两张图像含有完全相同隐患类型前提下，比较前后两张图像每种隐患类型是否含有相同数量的隐患目标物，否则不为重复隐患图像；在隐患类型相同并且每种隐患类型的隐患目标物数量相同的前提下，比较前后图像中相同隐患类型下相同顺序号的目标在图像中相对像素位置的重叠程度并设定阈值，所述重叠程度高于阈值时，为重合；当前后两张图像所有隐患类型的所有隐患目标物均重合时，则该两张图像为重复隐患图像。
优选的，所述推送告警信息具体步骤为，在一个周期内，如果之前的重复预警图像已经有过推送记录，则不再对该图像进行预警推送；当该图像不为重复预警图像时，分析系统继续推送告警信息。
优选的，所述的隐患目标包括吊车、塔吊、挖掘机、杆塔、山火等。
本发明有益效果：
本发明提出一种输电线路监控隐患预警图像的隐患重复判别方法，其原理是通过深度学习对输电线路监控图像进行隐患目标物进行分析识别，并记录隐患目标的物体类型、坐标位置及置信度。当进入下一个监拍时间节点进行拍照时，对该图片进行识别分析时，对该图片隐患目标的物体类型、坐标位置及置信度信息与保存的上一张隐患目标信息进行对比，如果物体类型相同并且其坐标位置重合到一定程度，则认为该隐患物在前后两张图像中是同一目标物；若前后图像的目标物都相同，则认为前后两张图像是隐患目标是重复的，不针对当前图片发出预警提示，该方法大幅度过滤掉重复无效报警图片，降低了巡检值班人员的巡视工作量，提升了输电线路通道隐患的及时处置率。
附图说明
图1为隐患重复判别方法流程示意图。
具体实施方式
实施例1：
参照说明书附图，本发明提供一种输电线路监控隐患预警图像的隐患重复判别方法，其中，首先确定要识别的隐患类型如吊车、挖掘机、泵车等，对每张训练样本图片标注，保存标注信息，建立包含大量图像的数据库，采用误差反向传播(bp)算法对标注的样本训练网络，并用随机梯度下降法更新网络权重系数，通过多次迭代，直至模型收敛。获取监控图像，利用fasterr-cnn(fasterregionproposalcnn)深度神经网络产生吊车、塔吊、挖掘机、杆塔、山火等隐患目标的候选区域，利用cnn学习图像中的高级特征，最后进行softmax分类和bbox回归，给出每个隐患目标的类型和位置信息。
将每个隐患目标的类型和位置信息以key-value对的形式进行保存，key为隐患类型，value为字符串的list列表，其中字符串的内容为隐患目标的坐标信息：“左上x坐标|左上y坐标|右下x坐标|右下y坐标|置信度”；整体形式如下：
其中“crane”，“pumper”分别代表挖掘机、水泥泵车。value中的字段串列表以“左上x坐标”为key进行排序。
若此时监拍装置没有保存的隐患信息，则说明该装置下的输电线路通道场景第一次出现隐患目标物。此时应该告警信息推送至后台服务器中同时将保留隐患信息。
当下一张监拍图像到达分析系统后分析程序对其进行识别分析，然后与设备保存的隐患信息做对比，比较前后两张图像的隐患目标是否相同。如果图像中的隐患类型不一致、每种隐患类型的目标物数量有差异、乃至其中某个目标物与设备保存的隐患目标物重叠度不够，都说明了该监控场景发生了隐患变化，此时都需要将该告警信息推送后台管理服务程序；若前后两张图像的隐患目标全部相同，则判定当前图像为重复预警图像，不做推送处理。
根据深度学习的目标检测算法faster-rcnn识别出监拍图像里的隐患目标物如吊车、挖掘机、水泥泵车等，然后根据隐患目标物的坐标值计算与上一张图片中该物体区域重叠度进行判断是否为同一隐患目标，推送报警信息。
推送告警信息时，在一个周期内，如果之前的重复预警图像已经有过推送记录，则不再对该图像进行预警推送；将同一监控场景下连续序列的前后两张图像中同一隐患目标在图像中相对像素位置(以后简称坐标位置)的重叠程度设为阈值，当隐患目标低于设定的阈值时，分析系统继续推送告警信息。
利用本发明方法对一天当中的91个输电线路通道场景的585张具有隐患目标的图像进行重复过滤实验，其中正常告警204张，过滤掉重复隐患图片381张，重复过滤率达65％极大的降低了巡检值班人员的巡视工作量，提升了输电线路通道隐患的及时处置率。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。