[发明专利]一种采用增强RGB分量特征的变电站火焰识别算法

说明书

本发明公开了一种采用增强RGB分量特征的变电站火焰识别算法，包括：步骤一，变电站视频数据的获取和图像预处理；步骤二，RGB各分量基本特征的处理；步骤三，增强RGB分量特征的处理；步骤四，基于增强RGB分量特征的动态检测；步骤五，火焰现象的识别。本计算方法通过增强RGB分量特征处理能够增强变电站场景下的火焰现象，当出现少量浅颜色的火焰时，也能够准确进行识别；再结合增强RGB分量特征的动态检测、RGB各分量基本特征特征检测能够有效规避干扰源对算法照成的影响；本发明通过及时发现事故，从而能够提升变电站的安全性。

技术领域

本发明属于变电站智能监控技术领域，具体是一种采用增强RGB分量特征的变电站火焰识别算法。

背景技术

变电站是电网生产、运行的重要场所，变电站的安全、稳定运行对于电网的可靠性具有重要意义，随着视频监控的网络化、高清化、智能化技术的不断发展，视频监控技术在电网安全、生产运行中的应用不断深入和广泛，传统方式所采用的视频监控技术为电网设备远程监控提供远程可视化的监控手段，为监控人员提供远程监控的技术手段。虽然变电站内的设备已经具备了非常高的运行安全性和可靠性，然而，由于每年在迎峰度夏时的设备高负荷、高温条件下运行，设备检修不到位，设备老化等原因，也导致了变电站内的设备由于故障导致的爆炸偶有发生，其带来的经济损失也相当庞大，因此，如果在事故发生时能够及时发现事故现象，将能够极大地减少事故扩大所带来的经济损失。

在变电站事故发生过程中通常会伴随着火焰和烟雾等现象，而大部分变电站均为室外变电站，常用的烟雾探测器无法适用于室外环境，若采用红外热成像摄像机的方式，虽然能够发现异常的发热现象，但是由于成果过高，尚无法推广使用，因此，通过借助于在变电站内已安装的监控摄像机，采用图像智能化分析技术，实现对变电站内事故时火焰现象的及时发现，具有较高的实用价值。现有的火焰识别技术方法较多，包括使用火焰的颜色特征模、火焰外烟特征等传统识别方法等，每种方法通常只使用于某些固定场景下的现象识别，其他的识别方法还包括机器学习的方法，该方法需要收集大量的火焰现象图片作为机器学习训练样本，样本数据的完整性极大的影响了识别的可靠性。由于变电站场景与常规场景下具有明显的区别，场景中通常是包括了大量的电气设备、设备间隔通道等，市场需要一种能够增强在变电站场景下的火焰特征，从而提高火焰识别的准确性的变电站火焰识别算法；本发明解决这样的问题。

发明内容

为解决现有技术的不足，本发明的目的在于提供一种采用增强RGB分量特征的变电站火焰识别算法，通过对静态的火焰特征、多通道特征增强、动态侦测相结合的技术算法，实现对变电站场景下的火焰识别。

为了实现上述目标，本发明采用如下的技术方案：

一种采用增强RGB分量特征的变电站火焰识别算法，包括如下步骤：

步骤一，获取变电站监控视频，再对视频图像进行预处理；获取变电站监控视频，并对视频进行解码，再对解码后的帧数据图片进行缩放处理；

步骤二，处理RGB各分量基本特征；构建图片的单通道图像矩阵，该矩阵作为基本分量特征矩阵；再通过判断像素点是否为火焰像素点；若判断像素点为火焰像素点，则设置基本分量特征矩阵中对应像素点的值为a；若判断像素点不是火焰像素点，则设置基本分量特征矩阵中对应像素点的值为b(说明a，b的数值范围或是关系)。

步骤三，处理增强RGB分量特征；将缩放处理后的图片进行RGB通道值分离处理，将图片转换为R单通道矩阵、G单通道矩阵、B单通道矩阵；再构建图片大小的单通道图片数据，计算每个像素点的值。

步骤四，基于增强RGB分量特征进行动态检测；采用前后景分离方法将步骤三得到的图片矩阵作为输入图片，经过前后景分离后形成新的单通道图片；若检测为前景的对象时，对应像素值设定为255，当监测为背景对象时，对应像素值设定为0。