圖像處理在輸電線路防外力破壞監(jiān)控中的應(yīng)用

譚　越　張恕遠(yuǎn)

(西華大學(xué)機(jī)械工程學(xué)院，四川 成都　610039)

?

圖像處理在輸電線路防外力破壞監(jiān)控中的應(yīng)用

譚越張恕遠(yuǎn)

(西華大學(xué)機(jī)械工程學(xué)院，四川 成都610039)

針對工程機(jī)械在輸電線路走廊內(nèi)施工時(shí)可能會對輸電線路造成外力破壞的問題，提出了一套基于電子穩(wěn)相、連通域檢測、形狀特征提取的運(yùn)動(dòng)圖像處理算法。該算法以多高斯建模方法提取的運(yùn)動(dòng)目標(biāo)為基礎(chǔ)，對輸電線路走廊內(nèi)出現(xiàn)的工程機(jī)械施工場景進(jìn)行檢測、識別和判斷。試驗(yàn)證明，該圖像處理算法能準(zhǔn)確、可靠地提取正在運(yùn)動(dòng)的工程機(jī)械吊臂。

工程機(jī)械輸電線路圖像處理電子穩(wěn)像連通域檢測形狀特征提取運(yùn)動(dòng)目標(biāo)提取多高斯建模

ShapefeatureextractionExtractingmovingobjectMulti-Gaussianmodeling

0　引言

電力輸送是我國電力工業(yè)中的重要環(huán)節(jié)之一。近年來，我國的電力需求不斷增長，輸電線路覆蓋范圍越來越廣[1]。但輸電線路走廊內(nèi)時(shí)常存在違規(guī)施工和人為破壞電力設(shè)施的現(xiàn)象。雖然在線監(jiān)測產(chǎn)品目前已經(jīng)在輸電線路上得到了廣泛應(yīng)用，圖像和視頻類產(chǎn)品占據(jù)了較大的比例，但大多視頻類產(chǎn)品都只是停留在對遠(yuǎn)程視頻的播放上，未實(shí)現(xiàn)對視頻中有用信息的自動(dòng)提取。

本文以運(yùn)動(dòng)目標(biāo)提取為基礎(chǔ)，提出一套基于電子穩(wěn)像、連通域檢測和形狀特征提取的運(yùn)動(dòng)圖像處理算法，從而對輸電線路走廊內(nèi)出現(xiàn)的工程機(jī)械施工場景進(jìn)行檢測、識別和判斷。

1　運(yùn)動(dòng)目標(biāo)檢測算法

運(yùn)動(dòng)目標(biāo)檢測方法一般有幀間差分法和單高斯背景建模法兩種。在運(yùn)動(dòng)目標(biāo)檢測算法中，幀間差分法的算法較簡單，也較容易被理解[2]。但由于幀間差分法對光照變化敏感，會導(dǎo)致錯(cuò)誤檢測。場景中的運(yùn)動(dòng)物體速度一旦發(fā)生變化，幀間差分法也會出現(xiàn)錯(cuò)誤檢測。在視頻圖像序列中，每個(gè)像素點(diǎn)在時(shí)間軸上是服從離散隨機(jī)分布的。單高斯建模就是將任意一個(gè)像素點(diǎn)在時(shí)間軸上的動(dòng)態(tài)變化看作是服從單高斯分布的[3]。但現(xiàn)實(shí)場景往往復(fù)雜多變，如樹葉的搖動(dòng)、水面波紋、影音干擾等，都會造成單高斯建模檢測的誤檢。

單高斯建模針對的是靜態(tài)場景，對于動(dòng)態(tài)場景，可將其看成多個(gè)單一靜態(tài)場景的組合。如果一個(gè)像素點(diǎn)對應(yīng)多個(gè)高斯分布，那么一般就把這樣的建模方式叫作多高斯建模[4]。

多高斯建模中，每個(gè)高斯分布對應(yīng)動(dòng)態(tài)場景的一種狀態(tài)，能夠擬合復(fù)雜動(dòng)態(tài)場景中的變化分布[5-7]。如果在一幀圖像的一個(gè)像素點(diǎn)上建立了K個(gè)高斯背景的模型，這個(gè)像素點(diǎn)在時(shí)間點(diǎn)t出現(xiàn)的概率可以表示為：

(1)

式中：ωi,t為在t時(shí)刻第i個(gè)高斯分布的權(quán)重；μi,t-1和σi,t-1分別為在(t-1)時(shí)刻的第i個(gè)高斯分布的期望和方差。

1.1多高斯建模初始化

為了獲得高斯分布的方差和期望，在建立多高斯背景模型時(shí)，需要對模型進(jìn)行初始化。如果選取一段視頻圖像的N幀圖像，在某一像素點(diǎn)上可以采集到N個(gè)像素值，從而計(jì)算出高斯函數(shù)的期望和方差：

(2)

(3)

式中:It為該像素點(diǎn)灰度值；μ0和σ2分別為期望和方差。

上述初始化需要將視頻圖像前的若干幀作為樣本圖像，建立多高斯背景模型。但通常情況下，需要實(shí)時(shí)檢測運(yùn)動(dòng)目標(biāo)，不允許有太長的等待時(shí)間。一般將第一幀圖像的像素值作為第一個(gè)高斯背景模型分布的期望值，方差可以取較大的數(shù)值。剩余的高斯分布的期望通常取值為零，方差取較大的數(shù)值。因?yàn)榈谝粋€(gè)高斯分布的期望是實(shí)際圖像的像素值，所以它的權(quán)重值一般比其他高斯分布的權(quán)重值大。采用這樣的方式來初始化模型參數(shù)，可以迅速檢測到運(yùn)動(dòng)目標(biāo)，算法的實(shí)時(shí)性能夠得到相應(yīng)提高。

1.2多高斯建模背景匹配

建立背景模型后，就可以檢測運(yùn)動(dòng)目標(biāo)。通過對比當(dāng)前圖像中的像素點(diǎn)與背景模型中的像素點(diǎn)，可判斷當(dāng)前像素點(diǎn)是否能在建立的K個(gè)高斯模型中找到匹配的模型。如果在K個(gè)高斯模型中找到了匹配的模型，則該點(diǎn)可能為背景；如果沒有找到匹配的模型，那么該點(diǎn)為前景。t時(shí)刻是否與背景模型匹配的判定公式如下：

|Xt-μi,t|≤Mσi

(4)

式中:Xt為當(dāng)前圖像中像素點(diǎn)的值；μi,t為對應(yīng)像素點(diǎn)背景模型的均值；σi為對應(yīng)模型的方差；M為匹配參數(shù)，一般取值2.5。為了判定與背景模型匹配的點(diǎn)是否為背景點(diǎn)，一般會把K個(gè)高斯模型按照ωi,t/σi,t值的大小順序排序，然后判斷該點(diǎn)是否為背景點(diǎn)。判斷式如下：

(5)

式中:T為一個(gè)閾值，取值一般為0.89；β為排序后的高斯模型的權(quán)重求和值小于T時(shí)，j的最小值。式(5)的實(shí)質(zhì)含義是：將高斯模型從大到小排序后，對高斯模型的權(quán)重進(jìn)行相加，且相加值需大于T。因此，需要幾個(gè)高斯模型。 如果滿足條件的高斯模型在這前幾個(gè)高斯模型中，那么可以判定該像素點(diǎn)為背景；否則,判定它為前景。

1.3多高斯建模背景模型更新

多高斯建模的方式是對一個(gè)像素建立多個(gè)模型，而且實(shí)時(shí)更新每個(gè)模型，使其可以在動(dòng)態(tài)場景中檢測運(yùn)動(dòng)目標(biāo)。多高斯背景建模需要更新的參數(shù)主要是期望、方差、權(quán)重[8]。在建立的K個(gè)高斯模型中，如果當(dāng)前像素能夠與其中的某一個(gè)模型相匹配，那就需要更新這個(gè)對應(yīng)的模型的參數(shù)。其實(shí)質(zhì)就是將這個(gè)像素加入到該模型中。更新方式如下：

ωi,t=(1-α)ωi,t-1+α

(6)

μi,t=(1-ρ)μi,t-1+ρIt

(7)

(8)

式中:α為背景更新學(xué)習(xí)速度，取值在0～1之間；ρ為模型的參數(shù)更新速率，一般ρ≈α/ωi,t，取值也在0～1之間。

采用多高斯背景模型進(jìn)行運(yùn)動(dòng)目標(biāo)提取時(shí)，除了更新模型外，在像素點(diǎn)與所有模型不匹配時(shí)，需要建立一個(gè)新的模型去替代K個(gè)模型中權(quán)重最小的模型。對于新建的模型，一般會將它的像素值作為模型的均值，方差取一個(gè)較大的值，權(quán)重取一個(gè)較小的值。

2　圖像處理綜合算法

通過圖像處理方式識別工程機(jī)械在輸電線走廊內(nèi)的施工情況，需要用到較多的圖像處理算法。綜合算法中的很多算法都已成熟，本文簡單介紹圖像連通域檢測和特征識別算法。

系統(tǒng)的圖像處理流程如圖1所示。

圖1　算法流程圖Fig.1　Flowchart of algorithm

2.1圖像連通域檢測

連通域通常指圖像中具備相同像素值，而且位置相鄰的前景像素點(diǎn)構(gòu)成的圖像區(qū)域。連通域檢測是指將圖像中所有連通區(qū)域找出，并作好標(biāo)記[9]。

連通域檢測采用兩遍掃描法。第一遍掃描時(shí)賦予每個(gè)像素位置一個(gè)標(biāo)記值。掃描過程中，同一個(gè)連通區(qū)域內(nèi)的像素集合中可能會被賦予一個(gè)或多個(gè)不同的標(biāo)記值，標(biāo)記時(shí)需要記錄它們之間的相等關(guān)系。第二遍掃描就是根據(jù)相等關(guān)系對連通域的像素賦值，最終找出所有的連通域。

2.2機(jī)械吊臂特征識別

對機(jī)械臂的特征識別主要采用形狀匹配的方法。形狀匹配在很多領(lǐng)域都會用到，例如文字識別、圖像檢索、醫(yī)療圖像處理、目標(biāo)識別等[10]。幾乎所有工程機(jī)械的運(yùn)動(dòng)機(jī)構(gòu)都有較平直的部分，通過霍夫直線檢測一定能檢測到多條接近平行的直線。工程機(jī)械臂是桿狀的長條形狀，所以緊密度低、偏心率大。通過以上幾個(gè)特點(diǎn)，便能識別出工程機(jī)械的特征。

2.2.1霍夫變換

霍夫變換一般用極坐標(biāo)系來表示一條直線，如式(9)所示。在極坐標(biāo)系中，對于坐標(biāo)為(x0,y0)的點(diǎn)，可以用公式來描述通過這一點(diǎn)的所有直線，如式(10)所示。

r=xcosθ+ysinθ

(9)

rθ=x0cosθ+y0sinθ

(10)

式(10)中，每一對極徑rθ和極角θ都代表一條通過點(diǎn)(x0,y0)的直線。將圖像中提取的一個(gè)連通域邊緣的所有點(diǎn)，在以極角θ為橫坐標(biāo)、極徑r為縱坐標(biāo)的平面內(nèi)標(biāo)出，并以此繪制出曲線。如果曲線相交，那么這兩個(gè)點(diǎn)通過同一條直線。圖2是假設(shè)三個(gè)點(diǎn)通過同一條直線的θ-r坐標(biāo)系。

圖2　θ-r坐標(biāo)系Fig.2　θ-r coordinate system

根據(jù)以上分析可知，要尋找一條直線，可以根據(jù)圖2所示的平面內(nèi)相交于一點(diǎn)的曲線數(shù)量來衡量。相交于一點(diǎn)的曲線越多，那么這個(gè)交點(diǎn)所表示的直線就由更多的點(diǎn)組成。在實(shí)際使用中會選取一個(gè)閾值，如果相交于一點(diǎn)的直線超過這個(gè)閾值，就被認(rèn)為是檢測到了一條直線。

霍夫直線檢測包括標(biāo)準(zhǔn)霍夫直線變換和統(tǒng)計(jì)概率霍夫直線變換。標(biāo)準(zhǔn)霍夫直線檢測是追蹤圖像中每個(gè)點(diǎn)對應(yīng)曲線間的交點(diǎn)，如果交于一點(diǎn)的曲線數(shù)量超過設(shè)定的閾值，那么可以認(rèn)為這個(gè)交點(diǎn)所代表的參數(shù)對應(yīng)原圖像中的一條直線。通過統(tǒng)計(jì)概率霍夫直線變換，可以檢測圖像中的直線線段[11]。

2.2.2緊密度和偏心率

緊密度屬于形狀上的一種特征，由物體形狀的周長和面積的關(guān)系來確定。其定義如下：

(11)

式中：S為周長；A為面積。

由式(11)可計(jì)算出：圓的緊密度為1，正方形的緊密度為π/4。幾個(gè)形狀之間的緊密度關(guān)系為：圓>正方形>長方形>多邊形。

檢測的工程機(jī)械吊臂，都是比較長的桿狀，所以它們的緊密度一般不會太高。如果一個(gè)形狀的緊密度比正方形緊密度大，那么可以排除其為工程機(jī)械臂。

偏心率計(jì)算公式如下：

(12)

式中:M20、M02、M11為中心距;A為連通域面積。

由于吊臂屬于狹長結(jié)構(gòu)，而且一般比較平直，所以偏心率一般較大。

3　試驗(yàn)與分析

通過Matlab和VisualStudio2010，對算法進(jìn)行仿真試驗(yàn)。該算法能正確識別出正在運(yùn)動(dòng)中的工程機(jī)械吊臂。與其他運(yùn)動(dòng)目標(biāo)提取方式相比，多高斯背景模型能夠很好地處理樹葉搖動(dòng)等干擾因素，使提取出的運(yùn)動(dòng)目標(biāo)不受背景的干擾，提取出的前景目標(biāo)區(qū)域也很完整。

4　結(jié)束語

為了防止輸電線路走廊內(nèi)的工程機(jī)械對輸電線路造成破壞，以多高斯建模提取運(yùn)動(dòng)目標(biāo)為基礎(chǔ)，設(shè)計(jì)了一套圖像處理算法，并對算法進(jìn)行仿真試驗(yàn)。該算法能有效識別和判斷正在運(yùn)動(dòng)的機(jī)械吊臂，現(xiàn)已運(yùn)用在四川某通信公司“輸電線路防外力破壞智能監(jiān)控系統(tǒng)開發(fā)”項(xiàng)目中。后續(xù)還需改進(jìn)算法，以實(shí)現(xiàn)對其他可能會破壞輸電線路的工程機(jī)械的識別。

[1] 卓高智.輸電線路防外力破壞的原因以措施分析[J].中國高新技術(shù)企業(yè)，2012(1)：131-133.

[2] 鄔大鵬,程衛(wèi)平,于盛林.基于幀間差分和運(yùn)動(dòng)估計(jì)的Camshift目標(biāo)跟蹤算法[J].光電工程,2010,37(1):55-60.

[3] 王龍，動(dòng)態(tài)場景建模與運(yùn)動(dòng)目標(biāo)檢測方法研究[D].成都：電子科技大學(xué),2014.

[4] 陸彬,王敏.單高斯與混合高斯相結(jié)合的運(yùn)動(dòng)目標(biāo)檢測[J].計(jì)算機(jī)與數(shù)字工程.2014(5):791-795.[5] 張運(yùn)楚,宋世軍,張汝敏,等.高斯混合背景模型的適應(yīng)能力研究[J].計(jì)算機(jī)應(yīng)用，2011,31(3):706-710.

[6] 李明,趙勛杰.改進(jìn)的基于高斯混合模型的運(yùn)動(dòng)目標(biāo)檢測算法[J].計(jì)算機(jī)工程與應(yīng)用，2011,47(8):204-206.

[7] 任克強(qiáng),張盼華,謝斌.自適應(yīng)學(xué)習(xí)的混合高斯模型運(yùn)動(dòng)目標(biāo)檢測算法[J].計(jì)算機(jī)工程與設(shè)計(jì) 2014,35(3):968-974.

[8] 傅昌寧.基于高斯混合模型的圖像序列運(yùn)動(dòng)目標(biāo)檢測技術(shù)研究[D].武漢：武漢理工大學(xué)，2009.

[9] 趙愛群.視頻文本提取算法[D].保定：河北大學(xué)，2010.

[10]周瑜,劉俊濤,白翔.形狀匹配方法研究與展望[J].自動(dòng)化學(xué)報(bào)，2012,38(6):889-910.

[11]胡彬.趙春霞,基于概率霍夫變換的快速車道線檢測方法[J].微電子學(xué)與計(jì)算機(jī)，2011,28(10):177-180.

ApplicationofImageProcessinginMonitoringofPowerTransmissionLinetoAgainstExternalDamage

Inviewoftheproblemthattheconstructionofengineeringmachineryinpathofpowertransmissionlinemaycauseexternalforcedamageontransmissionline,amotionimageprocessingalgorithmsbasedonelectronicphasestability,connecteddomaindetection,andshapefeatureextractionisputforward.Onthefoundationofextractingmovingobjectsbymulti-Gaussianmodelingmethod,theconstructionsceneofengineeringmachineryinpathofpowertransmissionlinecanbedetected,identifiedandjudgedbythisalgorithm.Experimentsverifythatthemovingengineeringmechanicalcranearmcanbeaccuratelyandreliablyextractedbythisimageprocessingalgorithm.

EngineeringmachineryPowertransmissionlineImageprocessingElectronicimagestabilizationConnecteddomaindetection

譚越(1990—)，男，現(xiàn)為西華大學(xué)機(jī)械電子工程專業(yè)在讀碩士研究生；主要從事單片機(jī)及其嵌入式控制方向的研究。

TH-39;TP277

A< class="emphasis_italic">DOI

:10.16086/j.cnki.issn1000-0380.201610012

修改稿收到日期：2016-03-10。