[发明专利]一种输电线路周边活动工程车辆的检测方法

说明书

本发明公开了一种输电线路周边活动工程车辆的检测方法，主要解决输电线路周边活动工程车辆检测的问题，它首先训练一个用于识别工程车辆的卷积神经网络模型，其次在检测图片中的工程车辆时通过图像差分得到候选检测区域，然后在超像素分割的基础上对候选检测区域进行合并生长，得到最终的候选检测区域，最后将候选区域输入训练好的神经网络进行分类，并将分类为工程车辆的区域进行标记示警。本发明主要用于自动检测输电线路场景图片中发生运动的工程车辆，通过将卷积神经网络用于工程车辆的识别中，能够较好地检测出图片中的工程车辆，提醒人们关注周围是否有违章施工，为预防输电线路断电事故提供了科学依据，具备较大的实用价值。

技术领域

本发明涉及一种输电线路周边活动工程车辆的检测方法，属于计算机视觉技术领域。

背景技术

随着国民经济的发展，各行各业对电力的需求不断扩大，各种人为和自然事故导致的断电造成的损失也越来越大。如何提早发现、处理和预防危害输电线路的自然灾害及意外事故，时刻保障电力正常供应，成为人们关注的焦点。

2009年我国国家电网公司提出“坚强智能电网”发展规划，输电线路智能化巡检开始受到人们的重视。目前在我国许多地方已开始通过安装摄像头来监控输电线路情况，代替传统的人工巡线。最初时，摄像头拍摄图像或视频传回服务器，再由人工观察来排查隐患，工作量非常大。随着智能信息处理技术的发展，人们开始探索自动检测场景中隐患的方法，也取得了一定的进展。

例如，2012年何川在《高压输电线路视频监控技术研究》一文中提出了自适应阈值目标提取算法、基于减法运算及纹理特性的识别算法、改进的模版匹配算法和基于特征值点的插值算法，降低了环境对识别的干扰，在输电线路覆冰、断线、施工机械入侵和线路弧垂越限等异常的视频监控中有一定作用；2015年张烨在《输电线路防外力破坏智能预警系统研究》中提出利用高斯混合模型、背景差分和最小外界矩形等算法实现对云台摄像机捕捉的运动目标进行检测和识别的方法，在输电线路防外力破坏方面起到了积极的作用。

事实上，拍摄视频进行监控的方式还存在一些不足，如大量信息冗余、传输流量消耗、不间断电力供应难等问题。针对这些不足，部分人开始改变思路，尝试间隔性拍摄图片来进行监控，该方式以牺牲部分实时性为代价减少了大量的冗余信息及流量、能源消耗，比视频监控模式具备更好的前景和应用价值。但是由于间隔拍摄的图片之间缺少连续性，缺少动态信息，原来基于视频的隐患检测算法就不再适用，需要设计新的基于间隔拍摄的图像相应检测算法，在这一方面，人们尚处于起步阶段，还没有成熟健全的检测方法。

输电线路场景中的隐患多种多样，主要包括施工工地、堆积物、工程车辆、大型机械、线下植物、火灾等等。其相应的检测方法也很难统一，应该具体问题具体分析，对不同隐患设计不同的检测算法。这里，我们仅讨论工程车辆检测的相关内容。

工程车辆主要包括吊车、铲车和挖掘机等，当其出现在场景中时，通常意味着场景中出现了施工工地，应该引起工作人员的注意。而且其本身对输电线路具备较大的威胁，所以工程车辆是一种相对危险的安全隐患。

由于输电线路场景非常复杂，地面上的目标数量及种类繁多，阴影、光照等各种干扰因素也对识别带来困难，所以使用传统模式识别的方法人工提取特征并设计分类器来识别工程车辆非常困难。

近年来，得益于计算性能的显著提高，卷积神经网络在模式识别领域表现出强大的性能。卷积神经网络以其局部权值共享的特殊结构在语音识别和图像处理方面有着独特的优越性，而且其避免了对图像的复杂前期预处理，可以直接输入原始图像，因而得到了更为广泛的应用。

发明内容

针对上述不足，本发明提供了一种输电线路周边活动工程车辆的检测方法，其通过将卷积神经网络用于工程车辆的识别中，能够得到较好的检测效果，为预防输电线路断电事故提供了科学依据，具备较大的实用价值。