智能變電站視頻監控中運動物體檢測技術研究

康林賢，楊傳凱，谷永剛，李鵬程，李良書，周國華

(1.國網陜西省電力公司電力科學研究院，西安 710054； 2.國網陜西省電力公司，西安 710048； 3.國網山西省電力公司，太原 030000)

0 引 言

智能輔助系統作為智能變電站的關鍵部分，為了優化變電站的運行環境并確保變電站的安全可靠運行為目的，輔助系統的應用具有覆蓋范圍廣、信息量大等新特征[1]。采用防范為主、設備監控為輔的分散式管理模式已不能滿足變電站智能化管理和發展的需要[2]。加強輔助設備綜合監控，提高集約化管理水平刻不容緩。運動目標檢測是進一步實現不同智能視頻監視任務的重要步驟，如目標跟蹤、目標識別、行動分析等。隨著視頻技術的發展，監測系統中圖片處理和分析技術越來越先進，使系統更加智能，更易于自動控制，能夠使變電站無人值守真正實現。所以，對智能輔助綜合監控系統運動目標檢測進行研究具有重要的現實意義。

目前，在智能變電站輔助監控系統的理論與實踐中，有許多突出的成果。在文獻[3]中，提出了一種聯動控制方法，用于GOOSE通信的遠程視覺系統與變電站保護系統之間。單方面實現了與調度的無縫連接。因為它沒有與綜合自動化系統集成在一起，所以需要在兩個不同的系統之間控制同步，這可能會導致諸如實時性能差和上層業務調用不明確等問題；在文獻[4]中，根據變電站的實際需求，提出了視頻監控系統的設計方案，主要由遠程視頻監控系統、數字視頻監控系統和嵌入式視頻服務器等組成；在文獻[5]中，構建了智能變電站輔助系統信息一體化平臺，對各種信息進行分類，在一定程度上保證信息的整性、可靠性和有效性；在文獻[6]中，提出了一種基于104遠程協議的智能變電站輔助系統仿真測試方法，實現了變電站輔助系統104協議和性能測試軟件的設計。與設備制造商共同調試并分析測試結果來驗證軟件的有效性和可靠性。上述研究為智能變電站輔助綜合監控系統的實現提供了研究基礎。

在此背景下，文中在智能變電站的基礎上，對智能變電站輔助綜合監控系統的原理和結構進行研究，提出了一種改進算法用于運動目標的檢測，并通過仿真分析算法改進前后的性能。

1 系統概述

目前，輔助監控系統經歷了本地監視、遠程監控和綜合管理監控幾個階段。本地監控系統大部分信息無法上傳，需要變電站人員在現場監控。遠程監控階段可以實現遠程單獨監控，但是無法達到智能化運動的要求。綜合監控階段實現了平臺集成化、監控集中化、通訊標準化、聯動智能化等功能[7]。

智能變電站輔助綜合監控系統實現站內的監控、控制和聯動，為各部門提供數據支持[8]。智能變電站輔助綜合監控系統主要由視頻監控、綜合供電、門禁、動力環境、消防、安全六個子系統組成。系統結構如圖1所示。

圖1 系統結構

2 檢測算法

2.1 平均背景法建模

在當前的運動目標檢測中，應用最廣泛的一類方法時背景減法，目標檢測的主要任務是背景建模。建模方法在目前主要有三種高斯模型、vibe方法和碼本模型[9]。這些新的方法雖然提高了前景的準確性，但隨著算法的復雜度增加魯棒性增加。文中為了快速提取目標，建模采用的是平均背景法。

平均法建立的背景模型只適用于不是很復雜的監測場景，平均法本質上是基于統計濾波，計算出一定時間內得到的多幀圖像的平均值，作為背景模型的參考。具體計算如式(1)[10]所示:

(1)

式中Avgk為系統獲取第k幀圖像時建立的背景模型；X為平均幀數；hk,hk-1,...,hk-X+1為連續X幀圖像，包括系統保存的當前幀。

該算法的背景是室外環境，假設背景中沒有突變。因此，在視頻第k幀的背景建模時中直接采用視頻前k幀來求平均值，如式(2)所示[11]:

(2)

式中hk,hk-1,...,h1為前k幀的圖像；Avgk是第k幀視頻的背景模型。

該算法較為簡單，選取多個幀求平均值作為背景，在選取合理閥值就成為背景模型，如位置像素高于閥值，則像素點為前景點[12-13]。該算法也存在一些不足，在背景檢測時可能存在前景虛影，這是導致檢測錯誤和空洞的原因。因此，文中將平均建模背景引入到三幀差分中，以避免在前景檢測中產生虛影效應，減少前景檢測中由背景像素引起的誤差。

2.2 改進算法

傳統的三幀差分方法主要利用相鄰幀差分，其中相鄰幀差分選擇視頻中的三個連續幀。在灰色和復雜的背景下，很容易導致誤檢，引入背景圖像來消弱背景對前景的影響[14]。

該算法的基本思想是將三幀差分法中的中間幀替換平均背景建模得到的背景，當前幀作為上一幀，下一幀作為后一幀[15]。采用三幀差分法進行計算，然后進行邏輯與運算。最后，膨脹處理得到最終的檢測結果。算法步驟如下：

步驟一：對視頻幀進行讀取并保存。記為F1、F2、F3、...、FY，Y為視頻總幀數，圖片中每個幀的大小為m、n；

步驟二：對視頻第k幀運動目標進行檢測，選擇F1、F2、F3、...、Fk、Fk+1幀的圖像(k+1≤M)灰度化處理；

步驟三：利用均值背景建模提取第k幀的背景，得到背景圖像的灰度圖Avgk。如式(3)所示[16]：

(3)

步驟四：根據式(4)求解差分圖像M1、M2[17]為：

(4)

式中Fk(x,y)和Fk+1(x,y)為視頻圖像中圖像的兩個連續幀；M1(x,y)和M2(x,y)為相鄰幀之間的差；

步驟五：閥值化差分圖像，閾值T經過多次仿真得到，如式(5)所示[18]：

(5)

步驟六：對閾值化后的圖像執行邏輯與，如式(6)所示[19]：

(6)

步驟七：對最終的二值圖像C(x,y)利用中值濾波和均值濾波去噪得到最終的檢測結果。圖2所示為算法原理。

圖2 改進算法框圖

3 仿真分析

3.1 仿真參數

在計算機上進行了仿真實驗，選擇了仿真軟件MATLAB R2014a分析算法的性能，文中選擇了walk視頻、fight視頻和substation視頻三種視頻格式進行仿真分析。表1為三種視頻的參數。

表1 視頻參數

利用前景圖像的二值化運算對圖像進行增強，得到清晰的邊緣輪廓，使圖像處理更加方便，二值化文件先要對閥值進行確定。在仿真中，如果閾值過大，則難以檢測出完整的運動前景。如果閾值太小，則容易誤判，背景像素被錯誤地檢測為移動前景。因此，選擇合適的閥值是非常重要的[20]。文中將自動確定閾值，二值化閾值受天氣和晝夜的影響，選擇當前圖像的平均值。如果大于閾值，則設置為255；如果小于閾值，則設置為0。

3.2 仿真分析

在仿真過程中，對改進前后的算法進行了比較(均值背景和文中算法)。如圖3～圖5所示，兩種算法在三段視頻中的前景檢測效果。

圖3 Walk視頻前景

圖4 Fight視頻前景

圖5 Substation視頻前景

對比三組監控視頻中兩種運動目標檢測算法的前景檢測結果，可以明顯看出平均背景法由許多“空洞”的存在，檢測的結果不是很完整。從圖3的(4)可以看出，在walk視頻中，當運動目標距離鏡頭較遠時，不能檢測到運動目標。從圖4可以看出，平均背景法最終檢測出的前景也不完整。由圖5可以看出，平均背景法檢測有大量的誤檢點。文中算法的準確和一致性優于平均背景法。但是也檢測到少量的背景像素作為前景，如圖5(8)和圖5(9)所示。

為了定量分析仿真結果，首先，將仿真結果與通用指標查準率(Precision，Pre)和查全率(Re-call，Re)進行比較，查準率和查全率為檢測正確數分別與檢查總數和手動標注的比值。如果這兩個指標都很高，則證明前景檢測具有良好的檢測性能，表2所示兩種方法的定量分析結果。

表2 定量分析

從表2可以看出，改進算法的查全率比平均背景算法高41.33%，查準率高30%，因此，在更復雜的環境下，改進算法比平均背景算法更準確、更完整。

為了分析算法的速度，以時間復雜度為指標，比較了三組視頻上兩種運動目標檢測算法，表3所示兩種算法的比較結果。

由表3可知，平均背景法和改進算法檢測運動目標的時間都非常短。從這個角度來看，該算法能夠滿足運動目標快速檢測的要求，易于硬件實現。

表3 改進前后平均檢測時間

4 結束語

文章對智能變電站輔助綜合監視系統的基本組成進行了研究，在常用檢測方法的基礎上，提出了一種改進的基于平均背景的幀間差分法，并通過仿真分析算法改進前后的性能。結果表明，改進后算法性能提升明顯，相比于改進前查準率提高了30%、查全率提高41.33%。考慮到當前的實驗設備和數據規模，論文還處于起步階段。基于此，逐步完善和改進將是下一步工作的重點。