變電站智能安檢系統設計

蘇澤蔭

摘 要： 隨著經濟的發展，用電需求日益增大，變電站的安全問題也越來越重要?；谖锫摼W的變電站智能安檢系統能有效保障變電站工作人員的人身安全，確保巡檢工作到位。在變電站內用紅外線攝像頭采集視頻數據經過DM642處理，實現對監控范圍內的空間進行運動目標（人）的檢測，調用RFID射頻識別系統，獲取工作人員的位置和身份信息，判斷該工作人員是否能夠進入監控區域；如果不允許則報警并做相應的語音提示，確保工作人員的安全，最終達到實時動態監控和智能報警的安檢效果。

關鍵字： 變電站； 目標檢測與跟蹤； RFID； DM642； 智能報警

中圖分類號： TN827?34； TP273+.5 文獻標識碼： A 文章編號： 1004?373X（2014）19?0045?03

Design of intelligent security check system in transformer substation

SU Ze?yin

（Fuzhou University， Fuzhou， 350108， China）

Abstract： With the development of economy and the increasingly demand in electricity， the security problem of transformer substations becomes more and more important. Substation intelligent security system based on Internet of Things can effectively protect the substation personnel and ensure the inspection work in place. Within the substation， DM642 is used to process the video data of moving targets， which is captured by infrared cameras within the scope of their monitoring， and then RFID Radio frequency identification system is called to obtain the location and identity information of the substation staff and judge whether the staff can enter the monitored area. If not allowed， an alarm is given and the corresponding voice prompt is made to ensure the safety of the staff， and achieve the effect of real?time dynamic monitoring and intelligent alarm.

Keywords： transformer substation； target detection and tracking； RFID； DM642； intelligent alarm

0 引 言

電力系統的穩定運行關系著人民生活和生產活動乃至國家和社會的穩定，而電力設施巡檢是有效保證電力系統安全運行的一項基礎工作。如何保障巡檢人員的人身安全和確保巡檢工作到位情況已經是迫切要解決的問題了。

考慮到變電站這樣的特殊場所對于安全的要求非常高，單純采用RFID射頻識別技術，對工作人員進行身份的識別和定位，難以確保工作人員的人身安全，該方案無法獲取現場的具體情況，工作人員一旦忘記攜帶RFID標簽，整個安檢效果就無法實現。采用攝像頭監控技術，進行實時拍攝，有相關的工作人員進行實時地錄像監控，發現工作人員有相關的操作失誤行為可以立即發現并且報警，原理簡單，易于實現；缺點是需動用人力去監控，成本比較大，而且人員難以避免會有一些疏忽，導致安全系數不高。

本文采用兩種技術結合的方案，利用紅外線攝像頭對監控范圍內的空間進行運動目標的識別與跟蹤，監測到運動目標后，調用相應的RFID模塊。如果是工作人員則獲取位置和身份信息，判斷該工作人員是否能夠進入監控區域；如果不允許則報警并做相應的提示，確保工作人員的安全；如果不是工作人員則報警，最終達到實時動態監控和智能報警的安檢效果。

1 系統方案設計

本項目系統主要有RFID射頻識別系統、紅外攝像頭視頻采集模塊、DM642視頻處理模塊和PC機，系統框圖如圖1所示。紅外攝像頭采集標準PAL模擬信號：視頻信號經視頻線傳到視頻解碼芯片（A/D轉換芯片）解碼成數字并行信號BT656碼流傳送到DM642的視頻接口；DM642的視頻接口解碼BT656碼流，得到圖象，自動通過EDMA傳輸到SDRAM中存儲；DM642的CPU通過訪問SDRAM中的圖象，進行運動目標檢測與跟蹤處理后送輸出緩沖區（SDRAM中）；DM642經過處理后判斷是否調用RFID射頻識別系統；如果檢測到運動目標則獲取RFID系統傳來的信息，判斷是否要報警及語音提示。RFID讀寫器通過天線發射射頻信號，RFID射頻標簽接收到信息后，將信息經天線傳給RFID讀寫器；讀寫器經過處理后將信息通過串口傳給DM642開發板，DM642將視頻及處理結果通過以太網傳輸到PC端的上位機軟件上顯示；在上位機軟件上可以根據RFID號，知道哪個工作人員巡檢了哪個區域，方便安排工作和確保巡檢工作進行到位。一旦有什么異常，也可以及時觀看現場的監控視頻，了解現場情況。

2 RFID射頻識別系統

巡檢人員巡檢設備時不按規定的巡檢路線進行，巡檢過程有隨機性，造成遺漏設備、遺漏檢查項目、巡視不到位現象時有發生。由于受氣候條件、環境因素、人員素質和責任心等多方面因素的制約，巡檢質量和到位率無法保證[1]?？梢娀谖锫摼W的變電站智能安檢系統的實際應用，可以有效提高巡檢質量和到位率，保證電力設備的安全運行；同時，在PC終端可以查詢和管理巡檢人員及信息。

由于RFID射頻識別系統與攝像頭安裝的位置在變電站是固定的，RFID系統通過串口經DM642與PC機通信，因此在PC端分析所獲得的位置、時間、工作人員身份，可由此判斷工作人員巡檢工作的情況。與傳統條形碼相比射頻標簽具有防水、防磁、耐高溫、使用壽命長、讀寫距離大等特點[2]，因此識別的穩定性可以保證，增加了系統的可靠性。該系統利用工作人員攜帶的RFID標簽進行身份識別和定位，一旦工作人員誤闖非安全工作區，能夠針對工作人員的具體身份作相應的提示，很大程度上確保了工作人員的安全。

2.1 RFID簡介

RFID射頻識別是一種非接觸式的自動識別技術，它通過射頻信號自動識別目標對象并獲取相關數據，識別工作無須人工干預，可工作于各種惡劣環境。完整的RFID系統由讀寫器（Reader）、電子標簽（Tag）和數據管理系統三部分組成。讀寫器是將標簽中的信息讀出或將標簽所需要存儲的信息寫入標簽的裝置，是RFID系統信息控制和處理中心[2]。

2.2 RFID工作原理

在RFID系統工作時，由讀寫器在一個區域內發送射頻能量形成電磁場，區域的大小取決于發射功率。在讀寫器覆蓋區域內的標簽被觸發，發送存儲在其中的數據，或根據讀寫器的指令修改存儲在其中的數據，并能通過接口與計算機網絡進行通信[3]。

RFID電子標簽內部備有一個存儲器，用以存儲標簽數據。IC內部還有一個通導電阻極低的調制門控管（CMOS），以一定頻率工作。當讀卡器發射電磁波使標簽天線電感式電壓達到[VPP]時，器件工作，以曼徹斯特格式將數據發送回去。數據發送是通過調諧與去調諧外部諧振回路來完成的，具體過程如下：當數據為邏輯高電平時，門控管截止，將調諧電路調諧于讀卡器的載波頻率，這就是調諧狀態，感應電壓達到最大值。如此進行調諧與去調諧在標簽線圈上產生一個幅度調制信號，讀卡器檢測電壓波形包絡，就能重構來自標簽的數據信號。門控管的開關頻率為70 kHz，完成154位數據約需2.2 ms。在發送完全部數據后，器件進入100 ms的休眠模式[4]。

2.3 開發過程

采用RMU系列840～960 MHz范圍超高頻RFID識別系統，通過UART與DM642通信。DM642需要按照規定數據格式往RMU發送命令并接收RMU返回數據格式（hex），根據RMU命令列表，設置發送命令格式（hex），可實現各種需要的功能，根據返回的數據信息可以判斷設置是否成功，從而采取相應措施，確保設置成功。

RMU可以設置多種模式，但考慮到本系統應用的實際，因此采用識別標簽模式，在這個模式下RMU900+根據通信過程中的碰撞情況，智能調整實際通信過程的Q值，以達到快速識別讀寫器通信范圍內的多個電子標簽的目的。

讀取信息：用于讀取RMU讀寫器模塊的版本信息。

讀取功率：用于獲取讀寫器模塊的輸出功率大小信息。

設置功率：用于設置讀寫器模塊的輸出功率，有效值在10～30 dBm之間。當上位機與RMU900+讀寫器連接成功后，設定功率值后，RMU900+將該功率參數保存，重新上電后，RMU900+的默認輸出功率為最后一次修改的功率值。

讀取頻率：用于獲取讀寫器模塊設置的頻率信息。

設置頻率：用于設置讀寫器模塊的工作頻率。目前RMU900+支持四種頻率工作模式。

讀取數據用于讀取電子標簽指定數據塊的信息，如UII，USER的數據信息，如標簽ID號；寫入數據用于往電子標簽的指定數據塊中寫入數據信息，擦除數據用于將電子標簽指定數據塊的數據擦除。鎖定選項與鎖定功能配套使用，用于選擇用戶所要鎖定的存儲區，生成鎖定碼。銷毀功能用于銷毀指定的電子標簽，使其失效。

以上的功能只要在DM642上編寫串口程序，發送命令數據就可以實現，滿足系統要求。

3 視頻采集處理與傳輸

變電站智能安檢系統利用視頻處理自動對獲得的視頻圖像進行處理和分析，實現主動對運動目標的檢測和跟蹤，進而使用射頻識別技術來識別運動目標身份，當發生異常情況時及時報警或提供有用信息，提高了變電站的安全性能，在很大程度上減輕監控人員的視覺負擔，監控人員可以不依賴人眼就可以實現變電站的安全監控，極大地降低了監控人員的工作量；并且通過身份識別還能避免非法人員誤闖而造成事故的發生，提高了變電站運行的安全性和可靠性。

紅外攝像頭具有全天候檢測及攝像功能，可以完全穿透濃煙，不需要可見光，在夜晚仍能保持較高的圖像清晰度，響應速度快，監視面積大，甚至可以用來防火；能實現智能化的全天候安檢工作，也可應用于某些安防場所，安全性好，可長期穩定使用，十分適合本系統。

系統的框圖如圖2所示，將程序下載到FLASH中，控制系統運行。RFID射頻識別系統將數據通過串口傳到DM642上。紅外攝像頭采集PAL制式視頻數據，經TI公司的TVP5150AM高性能視頻解碼芯片，解碼成數字并行信號BT656碼流傳送到DM642的視頻接口，DM642的視頻接口解碼BT656碼流，得到圖像，自動通過EDMA傳輸到SDRAM中存儲；DM642的CPU通過訪問SDRAM中的圖像，進行運動目標檢測與跟蹤處理后送輸出緩沖區（SDRAM中），并根據處理結果和RFID的數據判斷是否要報警及提示；再通過以太網接口將數據傳輸到PC機；DM642的網絡接口支持物理層的網絡器件（PHY設備），從而完成與外界通過以太網（Ethernet）的連接。實際編程中只需完成EMAC的設置就可以了，不必考慮到物理層PHY芯片。

4 運動目標檢測與跟蹤

在DM642上運行運動檢測算法，檢測運動目標，結合RFID判斷目標身份，因此運動目標檢測是關鍵環節，整個流程如圖3所示。

運動檢測是指從序列圖像中將變化區域從背景中分割出來，它是圖像處理和分析的關鍵技術。目前常用的運動檢測方法有光流法、背景差分法和相鄰幀差法[5]。

光流法具有能夠在無法預先知道場景的任何信息的情況下檢測到獨立運動的物體，但由于受噪聲、陰影以及各種遮擋情形的影響，計算得到的光流場分布并不是非?？煽烤_，而且光流的計算過程十分復雜，在沒有特殊硬件的情況下，很難滿足視頻序列中運動目標檢測的實時性要求[6]。

相鄰幀差法：利用視頻圖像特征，從連續得到的視頻流中提取所需要的動態目標信息。相鄰幀差法的實質是將相鄰幀圖像相減來提取前景目標的移動信息。此方法不能完全提取所有相關特征像素點，只能檢測出目標的邊緣，在其提取的運動實體內部可能出現空洞。一般難以獲得完整輪廓，同時它也很難檢測出緩慢運動的目標。

背景差分法：該方法實現最為簡單，并且能夠完整地分割出運動目標。實現原理為：將當前幀圖像與事先得到的背景圖像相減，若差分圖像的像素值大于某閾值（自己設定），則判斷此像素點為前景點（運動目標區域），否則屬于背景區域，操作簡單，速度快，因此本系統采用背景差分法作為運動目標檢測的主要算法。

4.1 算法原理

背景模型法是利用當前圖像和背景圖像的差分來檢測出運動區域，可以提供比較完整的運動目標特征數據，精確度和靈敏度比較高，具有良好的性能表現。背景的建模和自適應是背景模型法的關鍵。實時輸入的場景圖像與背景圖像進行差分，可以較準確地分割出運動目標。但是背景差分算法也有其天然的缺陷，隨著時間的推移，場景的光線、樹葉的遮擋或者運動物體滯留都會很大程度地破壞已經建立好的背景圖像。為了解決這些問題，最好的方法便是使用背景建模和背景更新算法來彌補[7]。

高斯背景建模法：圖像序列每個像素點的顏色分布用一個模型來描述，通過計算視頻圖像序列中每一個像素點的平均灰度值及像素灰度的方差，構建由均值和方差組成的初始背景圖像。完成背景圖像估計后，對每一幅當前幀圖像進行檢測，若高斯分布模型某個像素點的顏色分布概率大于閾值，則該點被判定為前景點，否則為背景點。

采集到的原始Y分量數據先通過中值濾波處理，并存入緩沖區。使用DSP自帶的圖像處理函數void IMG_median_3x3（const unsigned char * restrict in_data，int cols， unsigned char * restrict out_data），其中in_data是指向輸入圖像數據的指針；cols是指輸入或輸出的列數（必須是4的倍數）；out_data是指向輸出圖像數據的指針。IMG_median_3x3（ ）函數每次只處理一行的數據。因此調用該函數只需循環576次就能完成濾波和將數據存到數組的工作，對程序運行速度影響不大[8]。

設[（x，y）]是二維數字圖像的平面坐標，通過計算第k幀圖像與背景圖像的差[Dk（x，y），]再對圖像進行二值化。

[Dk（x，y）=fk（x，y）-B（x，y）]

[Rk（x，y）=1，Dk（x，y）≥T0，Dk（x，y）

式中：[fk（x，y）]表示圖像序列中當前幀的灰度信息；[B（x，y）]表示當前最新背景的灰度信息；[Rk（x，y）]表示對應于灰度信息的二值化結果；[T]表示對應于灰度信息所選取的閾值。1表示此像素點為前景點（運動目標區域），否則屬于背景區域。

圖像的分割閾值T可以根據灰度直方圖，采用峰值一谷值法獲得，統計差分圖像的灰度直方圖，把分別對應目標和背景的兩個峰值的中點的灰度值作為閾值[9]。

4.2 實驗結果

根據實驗結果分析，此方案總體沒問題，只要人經過監控區域，均能檢測到，并調用RFID射頻設別系統進行身份識別，若是工作人員將會反饋位置身份信息，否則會報警，滿足系統要求，達到預期目的。

5 結 論

變電站智能安檢系統采用RFID射頻識別系統與智能視頻監控技術（IVS），有效地提高了巡檢質量和到位率，保證電力設備的安全運行；極大地降低了監控人員的工作量，并且通過身份識別還能避免不是合法的工作人員誤闖而造成事故的發生，提高了變電站運行的安全性和可靠性。

智能視頻分析系統能把事后取證變成主動防御，算法處理由前端來實現，后端的服務壓力非常小，能夠以最省的成本，實現最有效的技術防范。無用視頻信息被存儲、傳輸，既浪費了存儲空間又占用了帶寬，采用智能分析的目的是為了緩解視頻存儲所需要的空間和傳輸所需的帶寬壓力，更有助于提升監控系統的應用價值?？梢灶A見，在高清監控普及后，智能視頻分析應用將是未來安防行業爭奪的制高點[10]。

參考文獻

[1] 董建華，潘英吉.基于RFID的變電站設備巡檢信息管理系統[J].世界華商經濟年鑒·高校教育研究，2008（17）：115?118.

[2] 李靜，王素珍，賀雪飛.RFID技術在變電站巡檢系統中的應用[J].微型機與應用，2011，30（22）：56?59.

[3] 張健翀.基于射頻識別RFID技術室內定位系統研究[D].廣州：中山大學，2010.

[4] 張曉波，郭鵬飛.基于RFID的變電站設備巡視管理系統設計[J].青海電力，2007，26（z1）：32?34.

[5] 楊金玲，柴穎，狄紅衛，等.基于DM6446的智能視頻監控系統的設計[J].電子測量技術，2010，33（3）：26?29.

[6] 田紅麗.變電站遙視環境中運動目標檢測與跟蹤的技術的研究[J].城市建設理論研究，2013（32）：69?71.

[7] 魏宗坤.基于DM642的視頻監控系統及動目標檢測算法的實現[D].成都：電子科技大學，2008.

[8] 姚樹軍.基于DM642的運動目標識別與跟蹤系統[D].天津：天津大學，2012.

[9] 譚永宏.基于TMS320C6701的嵌入式智能視覺監控系統設計與實現[J].計算機系統應用，2008（9）：73?76.

[10] 馬曉東.目標識別與跟蹤技術引領智能監控發展潮流[J].中國公共安全，2012（14）：156?161.

4 運動目標檢測與跟蹤

在DM642上運行運動檢測算法，檢測運動目標，結合RFID判斷目標身份，因此運動目標檢測是關鍵環節，整個流程如圖3所示。

運動檢測是指從序列圖像中將變化區域從背景中分割出來，它是圖像處理和分析的關鍵技術。目前常用的運動檢測方法有光流法、背景差分法和相鄰幀差法[5]。

光流法具有能夠在無法預先知道場景的任何信息的情況下檢測到獨立運動的物體，但由于受噪聲、陰影以及各種遮擋情形的影響，計算得到的光流場分布并不是非?？煽烤_，而且光流的計算過程十分復雜，在沒有特殊硬件的情況下，很難滿足視頻序列中運動目標檢測的實時性要求[6]。

相鄰幀差法：利用視頻圖像特征，從連續得到的視頻流中提取所需要的動態目標信息。相鄰幀差法的實質是將相鄰幀圖像相減來提取前景目標的移動信息。此方法不能完全提取所有相關特征像素點，只能檢測出目標的邊緣，在其提取的運動實體內部可能出現空洞。一般難以獲得完整輪廓，同時它也很難檢測出緩慢運動的目標。

背景差分法：該方法實現最為簡單，并且能夠完整地分割出運動目標。實現原理為：將當前幀圖像與事先得到的背景圖像相減，若差分圖像的像素值大于某閾值（自己設定），則判斷此像素點為前景點（運動目標區域），否則屬于背景區域，操作簡單，速度快，因此本系統采用背景差分法作為運動目標檢測的主要算法。

4.1 算法原理

背景模型法是利用當前圖像和背景圖像的差分來檢測出運動區域，可以提供比較完整的運動目標特征數據，精確度和靈敏度比較高，具有良好的性能表現。背景的建模和自適應是背景模型法的關鍵。實時輸入的場景圖像與背景圖像進行差分，可以較準確地分割出運動目標。但是背景差分算法也有其天然的缺陷，隨著時間的推移，場景的光線、樹葉的遮擋或者運動物體滯留都會很大程度地破壞已經建立好的背景圖像。為了解決這些問題，最好的方法便是使用背景建模和背景更新算法來彌補[7]。

高斯背景建模法：圖像序列每個像素點的顏色分布用一個模型來描述，通過計算視頻圖像序列中每一個像素點的平均灰度值及像素灰度的方差，構建由均值和方差組成的初始背景圖像。完成背景圖像估計后，對每一幅當前幀圖像進行檢測，若高斯分布模型某個像素點的顏色分布概率大于閾值，則該點被判定為前景點，否則為背景點。

采集到的原始Y分量數據先通過中值濾波處理，并存入緩沖區。使用DSP自帶的圖像處理函數void IMG_median_3x3（const unsigned char * restrict in_data，int cols， unsigned char * restrict out_data），其中in_data是指向輸入圖像數據的指針；cols是指輸入或輸出的列數（必須是4的倍數）；out_data是指向輸出圖像數據的指針。IMG_median_3x3（ ）函數每次只處理一行的數據。因此調用該函數只需循環576次就能完成濾波和將數據存到數組的工作，對程序運行速度影響不大[8]。

設[（x，y）]是二維數字圖像的平面坐標，通過計算第k幀圖像與背景圖像的差[Dk（x，y），]再對圖像進行二值化。

[Dk（x，y）=fk（x，y）-B（x，y）]

[Rk（x，y）=1，Dk（x，y）≥T0，Dk（x，y）

式中：[fk（x，y）]表示圖像序列中當前幀的灰度信息；[B（x，y）]表示當前最新背景的灰度信息；[Rk（x，y）]表示對應于灰度信息的二值化結果；[T]表示對應于灰度信息所選取的閾值。1表示此像素點為前景點（運動目標區域），否則屬于背景區域。

圖像的分割閾值T可以根據灰度直方圖，采用峰值一谷值法獲得，統計差分圖像的灰度直方圖，把分別對應目標和背景的兩個峰值的中點的灰度值作為閾值[9]。

4.2 實驗結果

根據實驗結果分析，此方案總體沒問題，只要人經過監控區域，均能檢測到，并調用RFID射頻設別系統進行身份識別，若是工作人員將會反饋位置身份信息，否則會報警，滿足系統要求，達到預期目的。

5 結 論

變電站智能安檢系統采用RFID射頻識別系統與智能視頻監控技術（IVS），有效地提高了巡檢質量和到位率，保證電力設備的安全運行；極大地降低了監控人員的工作量，并且通過身份識別還能避免不是合法的工作人員誤闖而造成事故的發生，提高了變電站運行的安全性和可靠性。

智能視頻分析系統能把事后取證變成主動防御，算法處理由前端來實現，后端的服務壓力非常小，能夠以最省的成本，實現最有效的技術防范。無用視頻信息被存儲、傳輸，既浪費了存儲空間又占用了帶寬，采用智能分析的目的是為了緩解視頻存儲所需要的空間和傳輸所需的帶寬壓力，更有助于提升監控系統的應用價值。可以預見，在高清監控普及后，智能視頻分析應用將是未來安防行業爭奪的制高點[10]。

參考文獻

[1] 董建華，潘英吉.基于RFID的變電站設備巡檢信息管理系統[J].世界華商經濟年鑒·高校教育研究，2008（17）：115?118.

[2] 李靜，王素珍，賀雪飛.RFID技術在變電站巡檢系統中的應用[J].微型機與應用，2011，30（22）：56?59.

[3] 張健翀.基于射頻識別RFID技術室內定位系統研究[D].廣州：中山大學，2010.

[4] 張曉波，郭鵬飛.基于RFID的變電站設備巡視管理系統設計[J].青海電力，2007，26（z1）：32?34.

[5] 楊金玲，柴穎，狄紅衛，等.基于DM6446的智能視頻監控系統的設計[J].電子測量技術，2010，33（3）：26?29.

[6] 田紅麗.變電站遙視環境中運動目標檢測與跟蹤的技術的研究[J].城市建設理論研究，2013（32）：69?71.

[7] 魏宗坤.基于DM642的視頻監控系統及動目標檢測算法的實現[D].成都：電子科技大學，2008.

[8] 姚樹軍.基于DM642的運動目標識別與跟蹤系統[D].天津：天津大學，2012.

[9] 譚永宏.基于TMS320C6701的嵌入式智能視覺監控系統設計與實現[J].計算機系統應用，2008（9）：73?76.

[10] 馬曉東.目標識別與跟蹤技術引領智能監控發展潮流[J].中國公共安全，2012（14）：156?161.

4 運動目標檢測與跟蹤

在DM642上運行運動檢測算法，檢測運動目標，結合RFID判斷目標身份，因此運動目標檢測是關鍵環節，整個流程如圖3所示。

運動檢測是指從序列圖像中將變化區域從背景中分割出來，它是圖像處理和分析的關鍵技術。目前常用的運動檢測方法有光流法、背景差分法和相鄰幀差法[5]。

光流法具有能夠在無法預先知道場景的任何信息的情況下檢測到獨立運動的物體，但由于受噪聲、陰影以及各種遮擋情形的影響，計算得到的光流場分布并不是非?？煽烤_，而且光流的計算過程十分復雜，在沒有特殊硬件的情況下，很難滿足視頻序列中運動目標檢測的實時性要求[6]。

相鄰幀差法：利用視頻圖像特征，從連續得到的視頻流中提取所需要的動態目標信息。相鄰幀差法的實質是將相鄰幀圖像相減來提取前景目標的移動信息。此方法不能完全提取所有相關特征像素點，只能檢測出目標的邊緣，在其提取的運動實體內部可能出現空洞。一般難以獲得完整輪廓，同時它也很難檢測出緩慢運動的目標。

背景差分法：該方法實現最為簡單，并且能夠完整地分割出運動目標。實現原理為：將當前幀圖像與事先得到的背景圖像相減，若差分圖像的像素值大于某閾值（自己設定），則判斷此像素點為前景點（運動目標區域），否則屬于背景區域，操作簡單，速度快，因此本系統采用背景差分法作為運動目標檢測的主要算法。

4.1 算法原理

背景模型法是利用當前圖像和背景圖像的差分來檢測出運動區域，可以提供比較完整的運動目標特征數據，精確度和靈敏度比較高，具有良好的性能表現。背景的建模和自適應是背景模型法的關鍵。實時輸入的場景圖像與背景圖像進行差分，可以較準確地分割出運動目標。但是背景差分算法也有其天然的缺陷，隨著時間的推移，場景的光線、樹葉的遮擋或者運動物體滯留都會很大程度地破壞已經建立好的背景圖像。為了解決這些問題，最好的方法便是使用背景建模和背景更新算法來彌補[7]。

高斯背景建模法：圖像序列每個像素點的顏色分布用一個模型來描述，通過計算視頻圖像序列中每一個像素點的平均灰度值及像素灰度的方差，構建由均值和方差組成的初始背景圖像。完成背景圖像估計后，對每一幅當前幀圖像進行檢測，若高斯分布模型某個像素點的顏色分布概率大于閾值，則該點被判定為前景點，否則為背景點。

采集到的原始Y分量數據先通過中值濾波處理，并存入緩沖區。使用DSP自帶的圖像處理函數void IMG_median_3x3（const unsigned char * restrict in_data，int cols， unsigned char * restrict out_data），其中in_data是指向輸入圖像數據的指針；cols是指輸入或輸出的列數（必須是4的倍數）；out_data是指向輸出圖像數據的指針。IMG_median_3x3（ ）函數每次只處理一行的數據。因此調用該函數只需循環576次就能完成濾波和將數據存到數組的工作，對程序運行速度影響不大[8]。

設[（x，y）]是二維數字圖像的平面坐標，通過計算第k幀圖像與背景圖像的差[Dk（x，y），]再對圖像進行二值化。

[Dk（x，y）=fk（x，y）-B（x，y）]

[Rk（x，y）=1，Dk（x，y）≥T0，Dk（x，y）

式中：[fk（x，y）]表示圖像序列中當前幀的灰度信息；[B（x，y）]表示當前最新背景的灰度信息；[Rk（x，y）]表示對應于灰度信息的二值化結果；[T]表示對應于灰度信息所選取的閾值。1表示此像素點為前景點（運動目標區域），否則屬于背景區域。

圖像的分割閾值T可以根據灰度直方圖，采用峰值一谷值法獲得，統計差分圖像的灰度直方圖，把分別對應目標和背景的兩個峰值的中點的灰度值作為閾值[9]。

4.2 實驗結果

根據實驗結果分析，此方案總體沒問題，只要人經過監控區域，均能檢測到，并調用RFID射頻設別系統進行身份識別，若是工作人員將會反饋位置身份信息，否則會報警，滿足系統要求，達到預期目的。

5 結 論

變電站智能安檢系統采用RFID射頻識別系統與智能視頻監控技術（IVS），有效地提高了巡檢質量和到位率，保證電力設備的安全運行；極大地降低了監控人員的工作量，并且通過身份識別還能避免不是合法的工作人員誤闖而造成事故的發生，提高了變電站運行的安全性和可靠性。

智能視頻分析系統能把事后取證變成主動防御，算法處理由前端來實現，后端的服務壓力非常小，能夠以最省的成本，實現最有效的技術防范。無用視頻信息被存儲、傳輸，既浪費了存儲空間又占用了帶寬，采用智能分析的目的是為了緩解視頻存儲所需要的空間和傳輸所需的帶寬壓力，更有助于提升監控系統的應用價值?？梢灶A見，在高清監控普及后，智能視頻分析應用將是未來安防行業爭奪的制高點[10]。

參考文獻

[1] 董建華，潘英吉.基于RFID的變電站設備巡檢信息管理系統[J].世界華商經濟年鑒·高校教育研究，2008（17）：115?118.

[2] 李靜，王素珍，賀雪飛.RFID技術在變電站巡檢系統中的應用[J].微型機與應用，2011，30（22）：56?59.

[3] 張健翀.基于射頻識別RFID技術室內定位系統研究[D].廣州：中山大學，2010.

[4] 張曉波，郭鵬飛.基于RFID的變電站設備巡視管理系統設計[J].青海電力，2007，26（z1）：32?34.

[5] 楊金玲，柴穎，狄紅衛，等.基于DM6446的智能視頻監控系統的設計[J].電子測量技術，2010，33（3）：26?29.

[6] 田紅麗.變電站遙視環境中運動目標檢測與跟蹤的技術的研究[J].城市建設理論研究，2013（32）：69?71.

[7] 魏宗坤.基于DM642的視頻監控系統及動目標檢測算法的實現[D].成都：電子科技大學，2008.

[8] 姚樹軍.基于DM642的運動目標識別與跟蹤系統[D].天津：天津大學，2012.

[9] 譚永宏.基于TMS320C6701的嵌入式智能視覺監控系統設計與實現[J].計算機系統應用，2008（9）：73?76.

[10] 馬曉東.目標識別與跟蹤技術引領智能監控發展潮流[J].中國公共安全，2012（14）：156?161.