本发明涉及电力工程技术领域，具体涉及一种集烟雾和红外识别联动的输电线路山火监测方法。
背景技术：
输电线路山火的发生主要是由于线路下方及保护区内存在的可燃物(包括：树木、茅草、构筑物、易燃易爆物品等)发生火灾，对线路造成损坏或故障。主要形式有山火、房屋起火、堆积物(煤炭、木材、塑料等)起火等。由于火灾发生后控制不良极易蔓延，易引发线路跳闸，短时间难以恢复线路正常运行。目前的输电线路山火监测方法主要借鉴于红外监测技术，如开发了基于地面红外监测、机载红外林火监测和微波辐射监测装置，在大面积森林山火监测方面得到了一定的推广。但在输电线路山火监测中，单纯通过红外监测易受太阳光束等高温因素干扰，且容易出现因火焰被遮挡而无法识别山火的情形。而基于烟雾的视频监控对于及早地发现火灾具有重要意义，但单纯基于烟雾的山火识别因受大气云雾干扰，误报率较高。
技术实现要素：
本发明要解决的技术问题是克服现有技术存在的不足，提供一种能缩短山火火情发现时间、提高山火监测准确性的集烟雾和红外识别联动的输电线路山火监测方法。
为解决上述技术问题，本发明采用以下技术方案：
一种集烟雾和红外识别联动的输电线路山火监测方法，包括以下步骤：
(s1)实时采集待监测区域的视频图像，并依据当前采集时间是白天还是晚上选择下一步骤，若当前采集时间是白天进入步骤(s2)，若当前采集时间是晚上则进入步骤(s3)；
(s2)根据对待监测区域连续采集的2～3帧视频图像，采用高斯混合模型对所述视频图像进行建模获得背景模型，并利用采集的视频图像对背景模型进行更新，然后采用背景模型对后续视频图像进行前景检测，获得白天山火预检测结果；若白天山火预检测结果为疑似火情，进入步骤(s4)，若白天山火预检测结果为非疑似火情，则返回步骤(s1)；
(s3)根据对待监测区域连续采集的2～3帧视频图像，采用阈值分割法对视频图像进行分割获得晚上山火预检测结果；若晚上山火预检测结果为疑似火情，进入步骤(s4)，若晚上山火预检测结果为非疑似火情，则返回步骤(s1)；
(s4)采集待监测区域的红外图像，针对每帧红外图像进行山火阈值识别，获得待监测区域的红外火情判别结果，当红外火情判别结果为火情时，控制摄像机瞄准火情区域并不断地收集现场山火图像；
(s5)采用图像连通区域标记算法对步骤(s2)的白天山火预检测结果或步骤(s3)的晚上山火预检测结果进行区域标记，获得烟火区的准确位置。
上述的输电线路山火监测方法，优选的，所述步骤(s2)中，采用背景模型对后续视频图像进行前景检测是：高斯混合模型使用3个高斯模型来表征视频图像中各个像素点的特征，在新一帧视频图像获得后更新高斯混合模型，用当前视频图像中的每个像素点与更新后的高斯混合模型匹配，如果成功则判定该像素点为背景点，否则判定为前景点。
上述的输电线路山火监测方法，优选的，所述步骤(s3)中，采用阈值分割法对视频图像进行分割获得晚上山火预检测结果具体是：在采集到的视频图像中，首先选取一帧静止视频图像作为背景帧图像，然后将当前帧视频图像的像素减去之前所选的背景帧图像的像素，当相减后的某一像素的差值大于第一设定阈值t时，则判定该像素为山火预检测像素。
上述的输电线路山火监测方法，优选的，所述第一设定阈值t为0.15。
上述的输电线路山火监测方法，优选的，所述步骤(s4)中，针对每帧红外图像进行山火阈值识别，获得待监测区域的红外火情判别结果具体是：当红外图像中灰度值大于第二设定阈值y时，像素值被置为255；当阈值y大于像素的灰度值时，像素值被置为0。
上述的输电线路山火监测方法，优选的，所述第二设定阈值y为185。
上述的输电线路山火监测方法，优选的，所述步骤(s1)中，当前采集时间处于白天还是晚上是通过对视频图像亮度进行随机固定点数采样求平均值来确定。
上述的输电线路山火监测方法，优选的，所述步骤(s1)中的视频图像和步骤(s4)中的红外图像采用可见光-红外一体式摄像机采集。
与现有技术相比，本发明的优点在于：
本发明集烟雾和红外识别联动的输电线路山火监测方法，耦合了输电线路山火火焰与烟雾的光谱特征和图像特征，将可见光和热红外两种图像的林火识别算法进行有机合成，形成一种耦合烟雾和火焰多特征识别的输电线路山火监测方法。通过利用红外监测消除可见光监测中林区烟雾干扰，同时利用可见光监测消除白天太阳光束干扰，可在山火初发期间快速获取现场山火信息。该方法能缩短山火火情发现时间，提高山火监测准确性，减少线路跳闸事故。
具体实施方式
以下结合具体实施例对本发明作进一步详细说明。
本实施例的集烟雾和红外识别联动的输电线路山火监测方法，包括以下步骤：
(s1)实时采集待监测区域的视频图像，并依据当前采集时间是白天还是晚上选择下一步骤，若当前采集时间是白天进入步骤(s2)，若当前采集时间是晚上则进入步骤(s3)；
(s2)根据对待监测区域连续采集的2～3帧视频图像，采用高斯混合模型对所述视频图像进行建模获得背景模型，并利用采集的视频图像对背景模型进行更新，然后采用背景模型对后续视频图像进行前景检测，获得白天山火预检测结果；若白天山火预检测结果为疑似火情，进入步骤(s4)，若白天山火预检测结果为非疑似火情，则返回步骤(s1)；
(s3)根据对待监测区域连续采集的2～3帧视频图像，采用阈值分割法对视频图像进行分割获得晚上山火预检测结果；若晚上山火预检测结果为疑似火情，进入步骤(s4)，若晚上山火预检测结果为非疑似火情，则返回步骤(s1)；
(s4)采集待监测区域的红外图像，针对每帧红外图像进行山火阈值识别，获得待监测区域的红外火情判别结果，当红外火情判别结果为火情时，控制摄像机瞄准火情区域并不断地收集现场山火图像；
(s5)采用图像连通区域标记算法对步骤(s2)的白天山火预检测结果或步骤(s3)的晚上山火预检测结果进行区域标记，获得烟火区的准确位置。
本实施例中，在上述步骤(s1)中，当前采集时间处于白天还是晚上是通过对视频图像亮度进行随机固定点数采样求平均值来确定。
本实施例中，在上述步骤(s2)中，采用背景模型对后续视频图像进行前景检测是：高斯混合模型使用3个高斯模型来表征视频图像中各个像素点的特征，在新一帧视频图像获得后更新高斯混合模型，用当前视频图像中的每个像素点与更新后的高斯混合模型匹配，如果成功则判定该像素点为背景点，否则判定为前景点。
本实施例中，在上述步骤(s3)中，采用阈值分割法对视频图像进行分割获得晚上山火预检测结果具体是：在采集到的视频图像中，首先选取一帧静止视频图像作为背景帧图像，然后将当前帧视频图像的像素减去之前所选的背景帧图像的像素，当相减后的某一像素的差值大于第一设定阈值t时，则判定该像素为山火预检测像素。优选的，第一设定阈值t为0.15，经试验验证，第一设定阈值t取为该值能够充分检测火点。
本实施例中，在上述步骤(s4)中，针对每帧红外图像进行山火阈值识别，获得待监测区域的红外火情判别结果具体是：当红外图像中灰度值大于第二设定阈值y时，像素值被置为255；当阈值y大于像素的灰度值时，像素值被置为0。优选的，第二设定阈值y为185，经试验验证，第二设定阈值y取为该值能够充分检测火点。
本实施例中，步骤(s1)中的视频图像和步骤(s4)中的红外图像采用可见光-红外一体式摄像机采集。
以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例。对于本技术领域的技术人员来说，在不脱离本发明技术构思前提下所得到的改进和变换也应视为本发明的保护范围。