[发明专利]基于智能监拍装置的图像智能分析方法

说明书

技术领域

本发明涉及一种基于智能监拍装置的图像智能分析方法，属于输电线路监控技术领域。

背景技术

目前在电力行业中，输电领域易受到外界环境影响而产生隐患，其中既包括大雪、暴雨、泥石流等自然环境隐患，也包括盗窃、异物入侵等外力破坏带来的隐患。所以在输电领域中实现有效的现场监控非常重要。在传统的监控系统中，无论是视频监拍图像还是监拍装置监拍图像，其分析识别等都需要人工实现，由于工作量巨大，劳动强度高，且容易出错，这就导致传统的人工监控系统无法满足用户高效率高精度的需求，因此监控系统正朝着智能化的方向发展。

发明内容

针对现有技术存在的上述缺陷，本发明提出了一种基于智能监拍装置的图像智能分析方法，克服了传统监控系统人眼识别的缺陷，将人从“盯屏幕”的工作中解脱出来，形成新的能替代人为监控的输电线路智能监控系统。

本发明是采用以下的技术方案实现的：本发明所述的基于智能监拍装置的图像智能分析方法，包括如下步骤：

步骤一、基于内容的图像检索，包括如下小步：

S1.在前端的监控设备获取到图像后，对图像进行分析提取特征参数同时将图像存入图像库；

S2.将图像的特征参数存入特征参数库；

S3.利用图像的特征参数与特征参数库的参数进行比较计算相似度；

S4.按照聚类原则将特征库的特征以及图像库中的图像进行分类；

步骤二、图像智能分析，包括如下小步：

S5.图像查询时，对于给定的查询需求进行特征参数提取：特征提取针对图像的底层特征提取；

S6.根据对比分析策略得到的结果在图像库进行搜索，提取出所需要的图像；对比分析策略采用的是基于快速局部约束低秩编码的图像对比分析算法；

快速局部约束低秩编码的图像分析方法，过程如下：

a.输入图像，字典D∈R^128×k，约束参数λ₁，λ₂，σ；

b.计算每张图像的SIFT特征X∈R^128×n；

c.计算每个特征向量x_i和字典向量之间的欧式距离p_i，计算公式为

d.计算低秩编码矩阵，并行进l₂-norm归一化处理；

e.针对字典有误差的情况，可以采取阈值化处理z_ji＝[z_1i，z_2i，…z_ki]^T，限定其在一定误差ε范围内，通常设置ε为0.98，具体如下公式：

f.采用空间金字塔匹配方法，将Z分成2^l×2^l块；

其中l＝1,2,4，分别代表不同的三层对应的空间金字塔分块的个数；

然后针对每层中每个字块的z_i进行最大池化，保持特征表示向量具有一定的鲁棒性，即 z_i＝max{|z_1i|，|z_2i|，…|z_ji|}，得到最终的低秩编码的i^th个元素，j＝2^l×2^l；

g.得到最后的特征表示矩阵Z。

进一步地，所述步骤一的S1步中，前端监控装置为监拍设备，图像库存储的是同一地区不同时间的监拍画面。

进一步地，所述步骤一的S3步中，在参数对比分析时根据实际需求编写特定的判定标准。

进一步地，所述步骤二的S5步中，图像的底层特征即像素的空间分布属性特征，包括颜色、纹理、亮度和形状。

进一步地，所述步骤二的S6步中，基于快速局部约束低秩编码的图像对比分析算法通过求解一个“过完备字典”，并通过优化稀疏编码模型求得在该字典下稀疏编码，来获取底层特征的更高层表示。

本发明的有益效果是：采用本发明所述的基于智能监拍装置的图像智能分析方法，有效缩短隐患的暴露时间，提高智能分析的告警精度，降低巡视人员的工作压力，从而提高对输电线路的巡视效率。

附图说明

图1是本发明基于内容的图像检索流程图。

图2是本发明的图像智能分析工作流程图。

图3(a)是本发明正常状态实施例图。

图3(b)是本发明推送异常状态实施例图。

具体实施方式