架空輸電線路視頻監控圖像智能分析與識別技術

國網北京市電力公司檢修分公司 王闖 邱建軍 閆春江

劉正義 李洋 王彥卿 李上國 戴瑞成 徐燁 杜覺曉

概述

電網公司所部署的電力設施在大型機械施工過程中遭到損害，不但每年給國家電網公司帶來巨大的損失，而且人工調監控畫面查出肇事畫面的效率非常低下、人工實時監測耗費巨大的時間成本，因此發展機器檢測提高甚至代替人工已經成為一種趨勢。

輸電線路受反外力破壞的情況中機械外力破壞占有極大比例。例如，吊車、泵車等“高個”作業機械觸碰、刮倒電線的場景時有發生，帶來嚴重的安全隱患和財產損失。針對這一現狀，通常的應對措施是在室外輸變電場景下安裝反外力監控攝像頭，然后安排工作人員通過實時觀看監控畫面來發現并處理大型作業器械。但是，外力破壞場景的出現有著很大的隨機性，并且在實際應用中，監控場景數量繁多、情況復雜，難以僅靠有限的值班人員來實現對所有場景全覆蓋無遺漏的監視。

輸電線路背景（包括山林、河流、農田、道路、雨雪等）復雜，且隨著四季的更迭背景外觀會隨時改變，通信環境對圖像、視頻等數據傳輸影響也較大，因此目標提取非常困難，必須提出適應性強的圖像處理算法來解決該問題。由于野外圖像采集設備拍攝角度和視距的變化，同一目標的拍攝圖像會呈現不同的形狀或形式，這給目標識別帶來了困難，需根據目標特征采用神經網絡技術、證據理論、模糊算法等信息融合方法進行目標識別。

1 目的和意義

1.1 目的

輸變電反外力監控場景圖像智能分析的相關技術，以更高效、自動化的方式識別場景中的感興趣目標，用來代替人工監視的手段。使用計算機進行智能分析的優勢，在于一是計算機有著龐大的計算資源，能夠以極快的速度和效率完成通常情況下大量人員和時間才能完成的工作；二是計算機的業務處理更加精準，完全沒有人員工作中出現的疲累導致的效率降低，誤差增多的情況。通過計算機實現對輸變電智能監控場景畫面圖像的分析，從中識別對輸變電路有威脅的大型器械（如：吊車、挖掘機、泵車等），并按照一定條件，產生告警信息，通過某種方式推送給變電站值班人員，進而解決人工實時監視畫面效率低，減少國家電網電力設施損失的問題。

1.2 意義

精準識別圖像中的特定目標，提高人工篩查、識別圖像目標的效率，彌補人工在準確率和速度效率上的不足，最終代替人工，推動各行各業在原有傳統圖像處理的基礎上的發展。技術成果可提高了值班人員對報警信號上報的效率，可推動全國有相關需求的電力公司部署此次研究的新系統。

2 技術應用難點與關鍵點

2.1 技術應用難點

北京市電力公司攝像頭運行策略是：每個攝像頭的圖片回傳頻率為5分鐘/張。按照日間10小時計算，以800個攝像頭為例計算，一天圖片量高達96000張。平均下來，每秒鐘傳回超過3張高清圖片。這種數據量和頻度，純靠值班人員的人工查看，需耗費大量人力，效率很低。現實環境下，值班人員也難以長期高效的完成監視工作。

場景運行數據表

2.2 技術應用關鍵點

精準檢測圖像中的目標(吊車、挖掘機等)以及分類；針對場景特性進行通用性的過濾重復報警圖像；背景特征與目標特征相似，造成誤報；目標特征過小，造成漏報；背景特征強(多)于目標特征，導致目標區域被識別成非目標，以至于檢測不到，也會造成漏報。

3 識別技術分類

3.1 傳統特征識別技術

基于圖像分析的目標識別技術指在通過特定的算法，對攝像頭圖像進行分析，從中獲取感興趣目標所在位置坐標（目標所在區域矩形框），并且獲取各類大型機械，如吊車、挖掘機、泵車等，從圖像中分析獲得各種機械的所在位置和類別信息，以供后續業務邏輯進行分析和處理。

3.2 深度學習識別技術

基于深度學習的多目標圖像檢測與分析算法實現的關鍵，在于對經過預處理的圖像進行深度學習特征提取+滑動窗口目標匹配，結合事先提取過的特征模型進行匹配分析，從而可以在整幅圖像中得到感興趣目標的位置和類別信息。

相比起傳統算法而言，深度學習解決方案的優勢在于通過大量場景圖像的預訓練，可以做到很高的檢出率極低的誤報率，并且檢測過程是完全場景無關的，有著非常強的可擴展和可復制性。目標檢出能力不會因為場景的更換而降低。另外，一般基于深度學習的算法支持采用GPU進行加速，可以通過帶GPU的服務器實現很快的處理速度，達到實時處理的要求。

4 技術原理與應用策略

該識別技術采用了目前國際流行的“深度學習”與傳統的“動態識別”相結合的技術路線，本質上是一種圖像的“特征識別”技術。對圖像的識別大體可分為三步：圖像預處理、識別目標選取、特征比對。

4.1 圖像預處理

主要目的是背景處理，剔除干擾因素，主要關鍵技術是：光線的處理；陰影的處理；舞動的導線；風吹的樹木；其它類似物的處理。

4.2 識別目標選取

主要目的是選出可疑目標，提取目標特征集。主要關鍵技術是：目標的像素點大小；目標的遠近導致大小的變化；目標是否為運動區域。

4.3 特征對比確認

主要目的是將可疑目標與標準特征庫“判據”。以吊車為例，它的圖像特征有：顏色特征；紋理特征；形狀特征；空間關系特征。

4.4 應用策略

在不改裝前端硬件裝置的情況下，通過后臺集成算法服務器的方式，通過圖像的智能識別算法，實現防外破預警識別，代替人工查看的方式，解放人力資源，實現輸電視頻監視業務的自動化、智能化。

算法識別能力成長性分析：預期年底樣本數量可達到10000個，識別率可達到99.9%，算法正判率可達到至92%。

算法應用策略：夜間因識報率高，算法日出啟動，日落暫停，每日約16小時。可識別的目標：吊車、挖掘機、鏟車。

選取8個典型場景（攝像頭）對識別算法進行完整樣本測試，數據量約3個月的運行數據，共76803張樣本圖片，其中包含目標樣本（有大型機械圖片）18003張，識別結果：

最新算法經過8個場景（攝像頭）3個月的運行數據76803張樣本圖片測試，其中包含目標樣本（有大型機械圖片）18003張，算法識別率99.8% ，誤報率0.2%，正判率81.7% ，漏報率18.3%。

5 識別應用系統集成

輸電線路通道環境，可提供的素材主要為圖片。圖片來源于目前視頻主站平臺接入的約800路攝像頭，平均每天約產生10～20萬幅電力線場景監控圖像。

智能視頻分析應用系統，即對輸變電反外力實際應用場景下攝像頭接入實時圖像數據進行匯總、預處理、分析，獲取目標信息并產生告警結果的應用程序。智能視頻分析應用所實現的功能主要有：攝像頭接入，攝像頭實時圖片獲取；攝像頭圖片有效應驗證，圖像預處理；調用算法服務，分析圖像，獲取目標信息；據應用策略，對場景目標信息進行過濾，產生告警數據；日志記錄，告警推送。

6 應用效果

目前已通過數據挖掘技術對歷年876萬張海量運行圖片進行分類篩查形成信息樣本，并通過無人機對大型機械進行高空多角度拍攝來加速樣本收集工作，目前該識別系統已嵌入北京視頻監控系統，報警正確率已達到85%以上，誤報率控制在2‰以下，利用智能識別技術代替人工查看的方式，該技術手段可有效釋放人員承載力，實現輸電視頻監視業務的自動化、智能化，為下一步公司大規模加大輸電視頻投入力度奠定了基礎。