[发明专利]基于图像处理和双目立体测距的输电线路防外破预警方法

说明书

本发明属于图像处理及输电线路监控领域，涉及一种基于图像处理和双目立体测距的输电线路防外破方法，包括：基于霍夫直线检测法得到背景图像中的所有输电线路；基于运动目标检测法识别吊臂，并得到吊臂；基于双目立体测距得到输电线路与吊臂的真实距离；按照距离大小选择相应的报警等级报警。本发明能实现精准报警，能有效增强输电线遭受入侵报警的实时性。本发明提出的基于双目立体测距的方法，减少了无测距方法的视觉盲区，提升了报警的准确性。

技术领域

本发明属于图像处理及输电线路监控领域，涉及一种基于图像处理和双目立体测距的输电线路防外破方法。

背景技术

随着社会不断发展，我国用电量大幅上涨，电网规模不断扩大，输电线路覆盖面越来越广，因输电线路外力破坏事件导致的电网事故发生率愈发增高。外力破坏因素包含机械碰线、异物绕线、盗窃、违法挖掘等，其中违法施工或误操作导致的大型机械碰线成为事故发生的最大因素。

传统的预警方式采用人工巡检，然而这种方式不仅浪费大量人力物力，而且存在漏报率高、报警不及时等问题。为实现输电线路附近的防外破自动预警，国内外研究人员基于各种技术研发出了相应的防外破装置，比如：红外感应探测器、微波感应探测器、雷达感应探测器和激光感应探测器等。然而，上述自动装置仍然存在着易受干扰、误报率高、探测距离短等问题，因此开辟新思路，研究一种稳定、可靠且实时性佳的防外破预警系统势在必行。

近年来，图像处理和视频识别技术快速发展，输电线路防外破智能视频预警系统研究应运而生。然而，传统输电线路防外破智能视频预警系统均采用工作人员全天候值守、人为预警的方式，这种方式无法有效预警而且严重浪费了人力物力。随着深度学习的发展，基于深度学习的防外破方法也开始崭露头角，然而深度学习需采集大量的学习样本，且网络训练时间长，基于深度学习的防外破系统鲁棒性、泛化能力还有待提高。

发明内容

针对目前输电线路防外破方法所存在的问题，本发明提供一种基于图像处理和双目立体测距的输电线路防外破预警方法。

本发明采用如下技术方案实现：

基于图像处理和双目立体测距的输电线路防外破预警方法，包括：

S1、基于霍夫直线检测法得到背景图像中的所有输电线路；

S2、基于运动目标检测法识别吊臂，并得到吊臂；

S3、基于双目立体测距得到输电线路与吊臂的真实距离；

S4、按照距离大小选择相应的报警等级报警。

进一步地，步骤S1包括：

S11、采集背景图像；

在杆塔上高于输电线路1m的位置水平固定两个摄像头，通过两摄像头分别采集含输电线路的背景图像bg1、bg2；

S12、基于霍夫直线检测法得图像中所有直线簇；

对图像bg1、bg2灰度化得到bg1_gray、bg2_gray，对灰度图bg1_gray、bg2_gray进行Canny边缘检测后经霍夫直线检测后得所有直线簇；

S13、根据输电线路长宽比过滤干扰直线，得到所有输电线；

针对剩余直线计算直线像素的长宽比，若长宽比大于直线像素长宽比阈值，可确定为输电线，反之为噪声；

S14、在所有输电线中分别取两不重合的点。

优选地，直线像素长宽比阈值为1000。

进一步地，步骤S2包括：

S21、根据S1中采集的背景图像进行单高斯背景建模；