视频图像处理在输电线路安防系统的应用

张烨，黄新波，李菊清，张慧莹，刘新慧，邢晓强

(西安工程大学 电子信息学院，陕西 西安 710048)

视频图像处理在输电线路安防系统的应用

张烨，黄新波，李菊清，张慧莹，刘新慧，邢晓强

(西安工程大学 电子信息学院，陕西 西安 710048)

摘要：介绍了一种基于视频图像差异化分析的输电线路安防系统。图像采集模块通过摄像机捕获和监视场景的光学图像，经模数转换输出数字视频图像，为视频图像处理提供数据。后台专家软件通过调用视频差异化算法对采集的图像进行分析处理，利用边缘检测、特征提取、背景建模、目标跟踪和背景差分等图像处理和模式识别的方法，自动识别出输电线路的多种安全隐患，如大型机械靠近作业、飘撞物、导线覆冰、大风天气产生的导线舞动以及在高负荷状态时出现的弧垂等，并产生预警信号。实验结果表明算法可在多种室外环境下工作，满足实际应用的要求。最后指出复杂环境下的输电线路图像识别算法是进一步研究的方向。

关键词：安防系统；视频图像处理；边缘检测；混合高斯模型；运动目标跟踪法

随着通信网络技术、数字图像处理技术的发展，借助计算机强大的数据处理能力，视频监控系统已不止是单纯地对现场情况进行录放，更多地嵌入了特定类型的视频图像处理识别功能。输电线路远程图像监控系统以数字化、网络化视频监控为基础，能自动地分析和抽取视频源中的关键信息，由计算机代替人工监控，大大减轻了人工劳动强度，同时可以减少误报漏报，提高报警处理的及时性[1-3]。

目前，视频图像处理技术在输电线路在线监测中得到了广泛应用。文献[3]针对输电线路巡检，提出采用一种巡线机器人，这也是目前行业研究的热点，从机械特性和可行性方面设计巡线机器人，同时加载摄像机进行可视化监测，并嵌入相应的图像处理算法。文献[4]对输电线路在线监测进行了系统的介绍，部分章节重点针对视频图像技术进行总结。文献[5]提出了一种输电线路危险点远程图像监控系统。文献[6]针对输电线路存在的偷盗情况，提出采用视频差异化算法，对靠近杆塔的可疑行人进行识别报警。纵观现有研究现状，采用视频图像技术开发的输电线路安防系统主要用于输电线路的覆冰状态、异物、附近危险物、导线弧垂、绝缘子完整性、导线舞动和导线风偏等的监测。

本文针对不同检测任务的特点，采用的视频差异化算法侧重点也有所不同。其中线路覆冰检测采用图像去噪、图像分割、特征提取、边缘检测等方法，输电线路上的异物、塔线周围危险物入侵和线路舞动的检测采用目标跟踪方法，杆塔倾斜检测用到了Canny边缘检测和边缘直方图计算，线路弧垂检测用到了最小二乘法拟合二次曲线和曲线曲率的计算。

1输电线路安防系统

图1为输电线路安防系统的结构。系统利用公网、无线专网和H.264视频压缩技术等实现监测终端视频图像的传输，电力系统监控中心通过因特网采集监控视频图像。利用嵌入到监控中心软件管理系统的视频差异化算法实现视频图像分析处理，当检测出异常情况时进行实时报警，并联动监测终端的喊话装置[5-6]。电源模块采用风光互补供电系统，太阳能和风能在时间上的互补使风光互补发电系统在资源上具有最佳的匹配性。

GPRS—通用分组无线业务，general packet radio service的缩写；CDMA—码分多址，code-division multiple access的缩写。图1　输电线路安防系统结构

2检测算法

对于导线异物、塔下大型机械施工和靠近杆塔行人等运动目标和导线舞动的检测，采用基于视频的运动目标检测算法来处理；对于输电线路的导线覆冰、绝缘子覆冰、杆塔倾斜和导线弧垂的检测，采用基于静态图片的图像处理方法。与静态图片相比，采用视频分析可得到物体的运动信息，但视频传输的数据量较大，而静态图像处理方法可有效减少数据传输量。图2根据处理方式对各个检测功能进行分类。

图2　检测任务分类

2.1基于视频的运动目标检测算法

基于视频的运动检测与跟踪是整个系统算法的核心，导线异物、塔下运动物体和导线舞动的检测都属于运动目标的检测。本文结合混合高斯背景建模算法和背景减除算法，完成运动目标的视频检测。算法程序流程如图3所示。

图3　基于视频的运动目标检测算法整体设计流程

2.1.1背景减除法

背景减除法通过逐像素计算当前图像与背景图像的灰度差，再结合阈值分割来确定运动前景区域，从而实现运动目标检测。其基本原理如下：设x和y为图像各像素点在二维空间的坐标，fk(x,y)表示第k帧图像，Bk(x,y)表示第k帧背景图像，Dk(x,y)表示第k帧图像与背景图像的差分图像，k=1，…，N，N为图像序列总数，则

对差分图像作二值化处理，所得二值图像

式中T为二值化阈值。若Dk(x,y)>T，则认为该图像为运动前景；否则判断为背景。

2.1.2混合高斯模型背景建模

混合高斯模型的基础思想[7-8]：对于在一段时间内的图像，每个像素可以表示为X={X1，…，Xt}(其中Xt表示在t时刻对某个像素的采样值)，每个像素点及其过去与未来的状态是符合高斯分布的。对每一个像素点定义 K 个高斯模型，表示该像素点在某段时间内不同的状态，K个状态中一部分表示像素点为背景状态，其余部分则表示像素点为前景状态。考虑到算法的有效性，K 的取值范围一般为3～5，取值太小混合高斯模型会退化为单模态，取值太大会造成系统开销大而检测效果没有相应提升。

高斯分布函数描述了模型的概率密度，其表达式为

其中：

混合高斯模型算法流程如图4所示。

图4　混合高斯模型算法流程

2.1.3检测的实现

当被跟踪物体运动到导线区域，并停留在导线区域时，可以判定是否有物体悬挂在导线上。对于塔下大型机械、行人等运动目标，因目标物比较大，所以采用基于轮廓的跟踪方法，对得到的前景像素进行连通域分析后，设置一个阈值，滤掉较小的连通域，这样可以去除一些噪声干扰和小动物平扰，有效地降低误报率。对于线路舞动，为了减小计算复杂度，在线路相对更易发生舞动的中间部分选取一些点进行目标跟踪，计算这些点舞动幅度的最大值，当此最大值超过阈值时就发出报警。

2.2基于图像处理的检测算法

对于输电线路的导线覆冰、绝缘子覆冰、杆塔倾斜、导线弧垂的检测，主要是从前端传回的视频流中截取1帧静态图片来进行分析处理的。

2.2.1覆冰检测

首先对所采集的现场输电线路导线和绝缘子图像进行图像灰度化，以减小处理的复杂度和提高处理速度；然后进行图像增强，提取感兴趣部分进行边缘检测、图像分割，将覆冰前后的导线或者绝缘子边缘提取出来，计算覆冰前后边缘的近似距离[9]。利用图像处理技术计算输电线路覆冰厚度的方法，大部分都是根据图像信息，按照一定的比例估计图像中的距离与真实世界坐标系中的距离的映射关系，这些方法存在较大的系统误差，不能满足系统鲁棒性的要求。因此提出基于摄像机标定的输电线路覆冰厚度测量方法，利用摄像机标定将输电线路覆冰前后的图像从图像坐标系统转换到世界坐标系，在世界坐标系下分别计算覆冰前后导线和绝缘子图像轮廓之间的距离D、D′，则输电线路平均覆冰厚度

2.2.2杆塔倾斜检测

对于铁塔倾斜，通过计算铁塔水平方向形心坐标的变化量来判定。形心可以利用边缘提取后得到的边缘分布在x轴方向的加权平均得到，考虑到铁塔倾斜时上部倾斜程度比底部大，形心变化量也较大，所以只统计铁塔上半部分的形心变化量。首先对采集的杆塔图形进行预处理，包括图像灰度化、图像灰度均衡化等；然后对图像进行边缘提取，得到杆塔的轮廓图；采用最小二乘法对杆塔进行曲面拟合，得到曲面的重心，最后得到的形心变化量即是杆塔倾斜角度。本文试验中杆塔向左偏移了4.682 2°。

2.2.3导线弧垂检测

传统的导线弧垂检测主要是采用导线弧垂数学模型，模型参数通过测量得到[10]。也有采用激光测距方式，该方法操作简单、自动化能力强，将具有很好的应用前景[11]，但目前技术还不够成熟。采用图像技术测量导线弧垂的流程为：摄像机标定→现场图像采集→图像预处理→导线特征提取→空间曲线拟合双目→弧垂测量。

3检测结果

3.1导线上异物

首先划定要检测的导线区域，当检测到有物体飘进监控区域后，对物体进行跟踪，当物体滞留在导线上时，标记出滞留区域并报警。图5为在输电线路导线上检测出的异物。

图5　检测飘挂在导线上的异物

3.2塔下运动物体

运用高斯混合模型建立背景模型，并对背景进行实时更新，准确区分前景和背景，提取出运动目标；根据所检测对象的面积大小，设置所提取连通域的面积阈值，过滤掉较小的噪点连通域，有效降低了误报率。图6为检测出的塔下运动目标。

图6　塔下运动物体检测结果

3.3导线舞动

基于视频的导线舞动在线监测方式：根据在输电线路现场的监测终端摄像头采集的画面，应用数字图像处理技术提取导线目标点特征，并跟踪舞动目标点；然后计算导线舞动的振幅和频率，实现输电线舞动的图像识别，并结合现场气象条件判定舞动级别。为对输电线路舞动情况进行图像识别，需要选取适当的目标点进行跟踪监测，该目标点应该能反映出线路的舞动特征，具有一定的代表性，并且在实际应用中易于监测，于是选择导线的间隔棒作为目标点。图7为导线舞动检测结果。

图7　导线舞动的检测结果

3.4线路覆冰

对于输电线路中的导线覆冰，首先作灰度化、滤波去噪、图像增强等预处理，为下一步精确提取导线边缘作准备；然后基于覆冰前后导线直径差异来检测覆冰情况，设定阈值，一旦覆冰厚度超过阈值即联动报警。检测结果如图8所示，覆冰前导线直径为70.692mm，覆冰后导线直径为74.249mm。

图8　导线覆冰前后检测结果

3.5杆塔倾斜

首先对采集到的杆塔图像进行边缘提取，得到其轮廓图；然后通过最小二乘法进行曲面拟合，得到曲面重心，即形心；最后通过比较杆塔倾斜前后的形心变化量得到杆塔的倾斜角。试验结果如图9所示，该试验杆塔向左偏移了4.682 2°。

图9　杆塔倾斜的检测结果

3.6导线弧垂

首先进行摄像机标定，确定摄像机坐标系和世界坐标系之间的相对位置关系，采用Hough变换提取导线特征；然后进行曲线拟合，采用数据回归算法得到一个档距内输电线的曲线方程，以及弧垂的最低点坐标和金具点坐标；最后把图像坐标系变换到世界坐标系，通过简单的几何计算就得到导线的弧垂。图10(a)为采用Harris角点提取算法提取出的导线特征图，图10(b)为曲线拟合出的导线弧垂结果。

图10　导线弧垂的检测结果

4结论

本文针对不同的分析对象提出了不同的视频图像处理方法，并通过实验验证算法的有效性。实验结果表明本文所提方法可实现对输电线路现场的运动目标、异物飘挂、线路覆冰和舞动、杆塔倾斜、导线弧垂等的检测，算法可操作性强，能够对输电线路运行状况进行有效的监控和预警。

目前，输电线路安防系统中的图像识别算法仍存在很多技术瓶颈。一方面，受通信网络的限制，视频监控装置采集的现场视频图像质量不高，直接影响算法的分析效果；另一方面，户外光照的变化对检测结果影响很大。复杂环境下的输电线路图像识别算法将是进一步研究的方向和重点。

参考文献：

[1] 张浩，王玮，徐丽杰，等. 图像识别技术在电力设备监测中的应用[J]. 电力系统保护与控制，2010，38(6)：88-91.

ZHANGHao，WANGWei，XULijie，etal.ApplicationofImageRecognitionTechnologyinElectricalEquipmentOn-lineMonitoring[J].PowerSystemProtectionandControl，2010，38(6)：88-91.

[2] 刘志红，骆云志．智能视频监控技术及其在安防领域的应用[J]. 兵工自动化，2009，28(4)：75-78.

LIUZhihong，LUOYunzhi.IntelligentVideoSupervisingTechnologiesandTheirApplicationsinSecurity[J].OrdnanceIndustryAutomation，2009，28(4)：75-78.

[3]JAKAK,FRANJOP,LIKARB.ASurveyofMobileRobotsforDistributionPowerLineInspection[J].IEEETransactionsonPowerDelivery, 2010,25(1):485-493.

[4] 黄新波，陈荣贵，王孝敬，等．输电线路在线监测与故障诊断[M]. 2版. 北京：中国电力出版社，2014.

[5] 黄新波，孙钦东，王小敬，等. 输电线路危险点远程图像监控系统[J]. 高电压技术，2007，33(8)：192-197.

HUANGXinbo,SUNQindong,WANGXiaojing,etal.ImageRemote-monitoringSystemofTransmissionLinesDangerousItems[J].HighVoltageEngineering，2007，33(8)：192-197.

[6] 李文静，黄新波，冯玲，等．视频差异化分析在输电线路杆塔防盗系统中的应用[J]. 广东电力，2012，25(5)：76-80.

LIWenjing，HUANGXinbo，FENGLing，etal.ApplicationofVideoDifferenceAnalysisinAnti-theftSystemforPolesandTowersofTransmissionLines[J].GuangdongElectricPower，2012，25(5)：76-80.

[7] 白一哲. 运动目标实时检测算法研究与实现[D]. 长沙：长沙理工大学，2012.

[8] 苏兵，李刚，王洪元．基于改进高斯混合模型的运动目标检测方法[J]. 计算机工程，2012，38(2)：210-212.

SUBing，LIGang，WANGHongyuan.DetectionMethodforMovingObjectBasedonImprovedGaussianMixtureModel[J].ComputerEngineering，2012，38(2)：210-212.

[9] 冯玲，黄新波，朱永灿. 基于图像处理的输电线路覆冰厚度测量[J]，电力自动化设备，2011，31(10)：76-80.

FENGLing,HUANGXinbo,ZHUYongcan.TransmissionLineIcingThicknessMeasuringBasedonImageProcessing[J].ElectricPowerAutomationEquipment, 2011，31(10)：76-80.

[10] 姚陈果，张磊，李成祥，等. 基于力学分析和弧垂测量的导线覆冰厚度测量方法[J]. 高电压技术，2013，39(5):1204-1209.

YAOChenguo，ZHANGLei，LIChengxiang，etal.MeasurementMethodofConductorIceCoveredThicknessBasedonAnalysisofMechanicalandSagMeasurement[J].HighVoltageEngineering，2013，39(5):1204-1209.

[11] 黄新波，张晓霞，李立浧，等．采用图像处理技术的输电线路导线弧垂测量[J]. 高电压技术，2011，37(8)：1961-1966.

HUANGXinbo,ZHANGXiaoxia,LILicheng,etal.MeasurementofTransmissionLinesConductorsagUsingImageProcessing[J].HighVoltageEngineering，2011，37(8)：1961-1966.

ApplicationofVideoandImageProcessinginTransmissionLineSecuritySystem

ZHANGYe,HUANGXinbo,LIJuqing,ZHANGHuiying,LIUXinhui,XINGXiaoqiang

(CollegeofElectronicsandInformation,Xi’anPolytechnicUniversity,Xi’an,Shaanxi710048,China)

Abstract：This paper introduces a kind of security system for power transmission line based on differentiation analysis on video and image processing. The image acquisition module could capture and monitoring optical image of the scene with the aid of camera which is then converted into digital video image by A/D conversion and finally outputted for providing data for video and image processing. Backstage expert software could analyze and deal with the collected data by invoking video differentiation algorithm. By using methods of image processing and mode identification including edge detection, feature extraction, background modeling, target tracking, background difference, this software could automatically identify multiple security hidden dangers such as moving large machineries near to the tower, floating foreign materials hung in wires, conductor icing, conductor galloping caused by windy weather and conductor sag under the condition of high load, and then it will produce warning signals. Experimental results indicate that this algorithm is useful for various outdoor environment and satisfied for actual application. This paper finally points out the image identification algorithm for power transmission line under complex environment is a further research direction.

Key words：security system; video and image processing; edge detection; Gaussian mixture model; moving target tracking method

收稿日期：2016-01-19

基金项目：国家自然科学基金资助项目(51177115)；陕西重点科技创新团队计划项目(2014KCT-16)

doi:10.3969/j.issn.1007-290X.2016.05.019

中图分类号：TM764.1

文献标志码：B

文章编号：1007-290X(2016)05-0102-06

作者简介：

张烨(1988)，女，陕西宝鸡人。助教，工学硕士，主要研究方向为采用图像处理技术进行输变电设备在线监测与故障诊断。

黄新波(1975)，男，山东海阳人。教授，工学博士，主要研究方向为智能电网输变电设备在线监测理论与关键技术。

李菊清(1990)，女，山西朔州人。在读硕士研究生，主要研究方向为采用图像处理技术进行输变电设备在线监测与故障诊断。

(编辑李丽娟)