国网新疆电力有限公司哈密供电公司新疆哈密839000
摘要：电力建设是社会经济发展的重要手段，随着科学技术的发展，智能化电网安防技术也有不断的提升，但仍不能完全满足当前的需要，存在一定的安全隐患。本研究提出了一种能够改进目标检测方式的智能化视频监测方法，这种方法包含了帧间差分法、Kalman滤波器背景消除、消除阴影、运动目标识别、连通区域检测算法等多种方法，能够有效对电网周围视频图像进行处理，识别可疑运动目标，并能够及时发出警报，提高电网的安全保障。
关键词：电力系统；图像处理；安全保障；智能分析；Kalman滤波器
1.基础方法
1.1帧间差分法
帧间差分法是对待测视频中极小的时间间隔ΔK（ΔK≤1s）内像素变化情况进行检测，若图像中物体运动，则物体运动路线上的像素灰度发生改变，静止物体的像素未发生改变，通过对图像逐帧分析，对灰度变化较大的像素点进行分析，能够检测运动物体的轮廓、运动方向等。
1.2Kalman滤波器背景建模[1]
Kalman滤波器背景建模能够将背景图像作为一个零均值的白噪声，对待测的图像序列进行降噪处理，它可以对一定时长的图像进行加权平均处理，获得一个不依赖初始时间的背景图像。当待测图像序列经过Kalman滤波器时，与所得背景图像变化不大的区域将被分离出来，得到放大了的运动目标图像。
设S1（xt,yt）为t时刻像素点（x,y）的背景模型，S2（xt,yt）为t时刻像素点（x,y）的预测背景模型，Z（xt,yt）为t时刻像素点（x,y）的测量特征，则根据Kalman滤波器定义可得：
S1（xt,yt）=S2（xt,yt）+K（xt,yt）[Z（xt,yt）-H（xt,yt）S2（xt,yt）]
S2（xt,yt）=A（xt,yt）S1（xt-1,yt-1）
其中A（xt,yt）=1；H（xt,yt）=1。
通过对Kalman滤波器进行加权处理，可以有效区别图像背景和运动物体，具体如下。
K（xt,yt）=αc(xt,yt)+β[1-c(xt,yt)]
在此处建入公式：
c(xt,yt)={{{1,d(x,y,th)>Th(tk))c(xt,yt)=1，d(xt,yt)＞Th(t);0，d(xt,yt)≤Th(t)0,d(x,y,tk)≤Th（tkd(xt,yt)=∣z(xt,yt)－s1(xt,yt)∣
上式中，α为前景因子，即当d(xt,yt)＞Th(t)时的增益；β为背景因子，即当d(xt,yt)≤Th(t)时的增益；c(xt,yt)是根据背景模型得出的前景标识，Th(t)为前景目标的分割阈值。在公式中，α和β可根据当前图像的数据进行计算，但由于背景图像可能不断发生变化，因此需要对α和β进行即时运算，这会加大计算量，而且得出的数据并不一定准确，因此可对α和β进行预设。应注意的是β至少应该比α大一个数量级，才能更有效的对前景和背景进行区分，本研究选取α=0.001，β=0.03。
1.3改良目标检测算法
将帧间差分法及Kalman滤波器背景消除进行融合改进，首先对图像进行预处理，建立背景模型，利用Kalman滤波器进行背景消除，并用帧间差分法对运动目标进行识别处理，运用OTSU法对目标进行分割，得到运动区域，之后对所得数据进行整合处理，最终获得运动目标的数据。
2.改良后电力系统智能视频监测方法
通过对帧间差分法及Kalman滤波器背景消除等方法的应用，本文提出了改良后的电力系统智能视频监测方法，具体步骤为：①获取视频图像；②对目标图像序列进行预处理；③通过上述方式对运动目标进行检测识别；④对运动背景进行识别；⑤去除噪声及阴影；⑥区域连通降噪；⑦判断运动目标的噪声是否超过阈值；⑧对运动目标的形状、运动方式进行判断，简单判断运动目标的类型；⑨发出警报，请安保人员进行进一步查看。
2.1图像预处理
在对电力系统进行视频监控的过程中，因摄像机硬件缺陷及多种环境因素，得到的图像往往会包含一定的噪音和畸变，因此，在对图像进行分析处理之前，应该对图像进行预处理，包括滤波、增强、转化等，目的是去除图像中的噪音及不必要因素，保留运动目标的特点，方便进一步处理分析。其次，在电力运输现场，摄像机位置往往位于野外，且在电线塔较高的位置，得到的图像往往需要经过放大处理，增大了消除差异化过程的计算量。同时由于获取图像内容较多，为了更好地高效的完成运动目标的提取，可仅对选择区域进行图像处理，提高处理速度，减少不必要的计算。
2.2去除阴影
由于监测环境位于室外，阴影对于运动目标的检测造成了很大的影响，因此，完成图像的预处理工作后，应该首先进行阴影的去除，才能进一步通过行改良目标检测算法对运动目标进行检测。本文应用了基于归一化互相关函数（NCC）阴影检测算法，对灰度空间进行检测，提高检测效率。
2.3判断检测目标
在通过图像预处理、消除阴影、运动目标识别后，我们可以获得待测图像的二值图像，对噪声干扰及小区域的空洞均进行了处理，但对于较大的很色区域及白色空洞，或是噪声分部较为分散的情况，之前的方法则不容易消除，此时连通区域检测算法能够起到不错的效果。这种方法能够获取同一连通区域中的所有像素，通过对不同连通区域进行标记计算连通区域的面积。根据实际情况可预先设定面积阈值T，若计算得到的连通面积大于T，则认为该区域为前景目标，反之则可将该区域过滤。通过这种方法能够有效过滤面积大的噪声区域，精准确定待测目标。
3.总结
本文提出了融合帧间差分法及Kalman滤波器背景消除的检测方法，能够提高智能化电网的安防技术，准确监测电力系统周围的行人、机械等目标，并能及时发出警报，将相关图像上传给安保人员，让安保人员能够进一步作出判断，及时进行处理。这种方法能够有效降低人力资源，为电网安防提供了可靠的方法。
参考文献：
[1]G.Yu.Kulikov,M.V.Kulikova.AccuratecubatureandextendedKalmanfilteringmethodsforestimatingcontinuous-timenonlinearstochasticsystemswithdiscretemeasurements[J].AppliedNumericalMathematics,2017,111(1):260-275.