[发明专利]一种变电站防异物干扰图像识别方法、系统及介质

说明书

本发明公开了一种变电站防异物干扰图像识别方法，包括设定监控场景中的特征区域并保存标注过特征区域的监控场景原始图片；获取监控场景的实时视频中当前帧并将其与监控场景原始图片中的特征区域进行匹配，若当前帧不存在与原始图片中特征区域相匹配的区域则认为存在异物，对当前帧不进行后续识别处理，继续实时视频帧中下一帧匹配，否则对当前帧进行后续识别处理；后续识别处理包括：进行前、后帧间网格化动态对象识别；进行多序列动态对象色彩特征识别；进行多序列动态对象移动特征识别；进行多序列动态对象区域性重叠特征识别；进行动态对象的对象识别；判别异物对象，本发明大幅提高了变电站监控场景中异物的识别率。

技术领域

本发明属于变电站监测技术领域，尤其涉及一种变电站防异物干扰图像识别方法及系统。

背景技术

目前，采用对变电站异物入侵主要采用了视频移动侦测的技术手段，该技术方法在变电站室外场景下应用时，当出现有人员或车辆在场景下移动时、天空出现云雾天气时、树叶或树枝摇晃时，出现的误识别的现象严重；部分采用深度学习的对象识别技术，采用样本训练的方式，识别异物，然而由于样本和异物对象的差异性较大，不具备普遍适用性，存在着较大的误识别、漏识别的问题。

发明内容

为了解决现有技术存在的问题，本发明提供一种变电站防异物干扰图像识别方法及系统，提高了变电站异物识别的准确性。

本发明所要解决的技术问题是通过以下技术方案实现的：

第一方面，提供了一种变电站防异物干扰图像识别方法，包括：

设定监控场景中的特征区域并保存标注过特征区域的监控场景原始图片；

获取监控场景的实时视频中当前帧并将其与监控场景原始图片中的特征区域进行匹配，若当前帧不存在与原始图片中特征区域相匹配的区域则确认监控场景发生了变化，对当前帧不进行后续识别处理，继续实时视频帧中下一帧匹配，否则对当前帧进行后续识别处理；

后续识别处理包括：

进行前、后帧间网格化动态对象识别；

进行多序列动态对象色彩特征识别；

进行多序列动态对象移动特征识别；

进行多序列动态对象区域性重叠特征识别；

进行动态对象的对象识别；

判别异物对象。

结合第一方面，进一步的，所述进行前、后帧间网格化动态对象识别具体为：

将上一帧图片和当前帧图片转换成灰度图，以灰度图中每个像素点为中心获取周界L×L区域的灰度平均值，将该平均值赋值给中心点作为其新的像素值，再获取每个中心点新为像素值时周界L×L区域内的灰度最大值Vmax和灰度最小值Vmin；

将当前帧中每个像素点的像素值与上一帧对应像素点作为中心点的Vmax和Vmin进行比较，如果该像素点像素值在Vmax、Vmin范围内，则认为该像素点为非动态像素点，否则认为该像素点为动态像素点；

根据当前帧新建一张像素大小相同的二值化图片，和当前帧对应位置的每个动态像素点设置为N₁，非动态像素点设置为N₂，对该二值化图片采用区域融合法框选出像素区域大于M×M的区域作为动态对象区域，若二值化图片中没有动态对象区域则判定当前帧没有异物，重新开始将监控场景的实时视频中的下一帧与监控场景原始图片中的特征区域进行匹配。

结合第一方面，进一步的，所述进行多序列动态对象色彩特征识别具体为：

针对每一帧处理时，根据动态对象区域框选出在该帧原始图片上的对象区域，计算出该帧原始图片的对象区域的平均色度值，并判断此平均色度值是否在该帧前N帧原始图片对象区域的平均色度值范围内。