自动调节图像清晰度的智能监拍方法及装置与流程

本发明涉及输电线路监控技术领域，具体涉及一种自动调节图像清晰度的智能监拍方法及装置。

背景技术：

近几年，随着输电线路的建设日益增多，输电线路出现的问题也越来越多，输电线路出现问题时造成的影响也越来越大。输电线路延绵千里，为了高效进行输电线路的巡视，输电线路监控技术应运而生。

在输电线路监控领域，监拍装置图像的清晰度与其所消耗的流量息息相关，图像越清晰，传输图像所需的流量越多。出于节省流量考虑，监拍装置一般在基本满足需求的情况下尽可能采用较低的清晰度，但是在查看一些输电线路安全隐患时一般需要较为清晰的图像，图像清晰度较低的监拍装置不能满足此类要求。而对于一些用于特殊场合的清晰度较高的监拍装置，其拍摄图像体积较大，当监拍装置信号强度较低时，图像上传的实时性不能保证。由此可见，现有监拍装置在应用中都有一定的缺陷。

技术实现要素：

为解决上述技术问题，本发明的目的在于：提供一种自动调节图像清晰度的智能监拍方法及装置，可以在平时工作时采用分辨率较低的模式，节省流量，当有隐患时，自动转换成分辨率较高的模式，便于查看。

本发明为解决其技术问题所采用的技术方案为：

所述自动调节图像清晰度的智能监拍方法，包括以下步骤：

S1：正常工作时，拍照单元处于低分辨率拍摄状态，采集到的图片上传到管理平台；

S2：管理平台对上传的图片进行智能分析，若在图片中发现疑似外破隐患，则自动提高拍照单元分辨率进行拍照，对得到的清晰图片进行分析，若确认隐患，则进行告警推送。

其中，优选方案为：

所述管理平台对上传图片进行智能分析的具体方法为：

S21：将拍照单元获取的图片放入图像库；

S22：提取该图像的纹理特征并与图像库里的现存的同一地区不同时间的监拍图片的纹理特征分别进行比较；

S23：根据S22的比较结果判断是否需要提高分辨率重新进行拍摄，为避免误报，当两张图像的纹理特征的差异超过临界值时，才判断存在隐患，该临界值可根据需要进行设置，一般取5％。

S22具体执行过程中首先采用灰度共生矩阵法获取凸显的共生矩阵，然后在此基础上计算图像纹理特征。

上述灰度共生矩阵法是一种通过研究图像灰度的空间相关特性来描述图像纹理的常用方法。由于纹理是由灰度在空间位置上反复出现形成的，所以纹理特征的提取就相当于对图像灰度做处理分析。

例如，取图像(A×A)中的任意一点像素z(x,y)以及和该像素保持某距离的另一点像素(x+m,y+n)，假设该点的灰度值为(g1,g2)。如果像素z在画面上移动就会得到不同的灰度值(g1,g2)，设灰度值的级数为k，那么(g1,g2)的组合就有k的平方种。然后统计整个画面每一种(g1,g2)出现的次数，并排列成一个方阵，再用(g1,g2)出现的总次数将它们归一化为出现的概率P(g1,g2)，这样生成的方阵即为灰度共生矩阵。得到共生矩阵之后，在此基础上计算图像纹理的特征量，通常采用熵、反差、相关性、能量等特征量来表示图像纹理特征。

本发明还提供一种自动调节图像清晰度的智能监拍装置，包括安装于输电线路塔杆上的前端设备和用于设备配置和管理的管理平台，其中：

所述管理平台包括拍照时间配置单元、图片库、图片分析单元和隐患告警推送单元，所述拍照时间配置单元用于配置前端设备的拍照起止时间，所述图片库用于存储前端设备发送的监拍图片，所述图片分析单元用于对前端设备发送的监拍图片进行智能分析，并根据分析结果判断是否需要调整前端设备的拍摄分辨率，所述隐患告警推送单元用于对前端设备拍摄到的隐患信息进行告警推送。

优选地，所述管理平台还包括手动拍照下发单元，所述手动拍照下发单元用于向前端设备发送手动拍照指令，用于拍摄当前时间的现场情况，由于手动拍照指令只是在特殊情况下对现场情况进行观察，此时拍照单元将以高清晰度拍照，方便查看。

优选地，所述前端设备包括拍照单元、供电单元和无线网络通信单元，所述供电单元为拍照单元和无线网络通信单元供电，所述拍照单元用于输电线路图像的拍摄，前端设备通过无线通信单元与管理平台进行通信。

优选地，所述供电单元包括太阳能电池板和蓄电池，太阳能电池板为拍照单元和无线网络通信终端供电，多余电量冲入蓄电池中储存，蓄电池作为备用电源为拍照单元和无线网络通信终端供电。

与现有技术相比，本发明具有以下有益效果：

本发明可以在平时工作时采用分辨率较低的模式，节省流量，当有隐患时，自动转换成分辨率较高的模式，便于查看；设备既保留了低流量的优点，又兼顾了对隐患发生时图片的清晰度的高要求，且操作无需人工干预，极大地提升了用户的使用体验。

附图说明

图1是实施例1流程图。

图2是实施例1图片智能分析程序流程图。

图3是实施例2结构框图。

具体实施方式

下面结合附图对本发明实施例做进一步描述：

实施例1：

如图1所示，本发明所述自动调节图像清晰度的智能监拍方法，包括以下步骤：

S1：正常工作时，拍照单元处于低分辨率拍摄状态，采集到的图片上传到管理平台；

S2：管理平台对上传的图片进行智能分析，若在图片中发现疑似外破隐患，则自动提高拍照单元分辨率进行拍照，对得到的清晰图片进行分析，若确认隐患，则进行告警推送，推送对象为电网相应监管人员。

上述拍照单元的高、低分辨率状态具体拍摄分辨率由选用的拍照单元实际工作参数决定，如图2所示，管理平台对上传图片进行智能分析的具体方法为：

S21：将拍照单元获取的图片放入图像库；

S22：提取该图像的纹理特征并与图像库里的现存的同一地区不同时间的监拍图片的纹理特征分别进行比较；

S23：根据S22的比较结果判断是否需要提高分辨率重新进行拍摄，为避免误报，当两张图像的纹理特征的差异超过临界值时，才判断存在隐患，该临界值可根据需要进行设置，一般取5％。

S22具体执行过程中首先采用灰度共生矩阵法获取凸显的共生矩阵，然后在此基础上计算图像纹理特征。

上述灰度共生矩阵法是一种通过研究图像灰度的空间相关特性来描述图像纹理的常用方法。由于纹理是由灰度在空间位置上反复出现形成的，所以纹理特征的提取就相当于对图像灰度做处理分析。

例如，取图像(A×A)中的任意一点像素z(x,y)以及和该像素保持某距离的另一点像素(x+m,y+n)，假设该点的灰度值为(g1,g2)。如果像素z在画面上移动就会得到不同的灰度值(g1,g2)，设灰度值的级数为k，那么(g1,g2)的组合就有k的平方种。然后统计整个画面每一种(g1,g2)出现的次数，并排列成一个方阵，再用(g1,g2)出现的总次数将它们归一化为出现的概率P(g1,g2)，这样生成的方阵即为灰度共生矩阵。得到共生矩阵之后，在此基础上计算图像纹理的特征量，通常采用熵、反差、相关性、能量等特征量来表示图像纹理特征。

实施例2：

如图3所示，本实施例提供一种自动调节图像清晰度的智能监拍装置，包括安装于输电线路塔杆上的前端设备和用于设备配置和管理的管理平台，其中：

所述管理平台包括拍照时间配置单元、图片库、图片分析单元和隐患告警推送单元，所述拍照时间配置单元用于配置前端设备的拍照起止时间，所述图片库用于存储前端设备发送的监拍图片，所述图片分析单元用于对前端设备发送的监拍图片进行智能分析，并根据分析结果判断是否需要调整前端设备的拍摄分辨率，所述隐患告警推送单元用于对前端设备拍摄到的隐患信息进行告警推送。

其中，所述管理平台还包括手动拍照下发单元，所述手动拍照下发单元用于向前端设备发送手动拍照指令，用于拍摄当前时间的现场情况，由于手动拍照指令只是在特殊情况下对现场情况进行观察，此时拍照单元将以高清晰度拍照，方便查看；前端设备包括拍照单元、供电单元和无线网络通信单元，所述供电单元为拍照单元和无线网络通信单元供电，所述拍照单元用于输电线路图像的拍摄，前端设备通过无线通信单元与管理平台进行通信；所述供电单元包括太阳能电池板和蓄电池，太阳能电池板为拍照单元和无线网络通信终端供电，多余电量冲入蓄电池中储存，蓄电池作为备用电源为拍照单元和无线网络通信终端供电。