[发明专利]一种基于压缩感知的输电线路防撞在线监测系统

权利要求书

1.一种基于压缩感知的输电线路防撞在线监测系统，其特征在于，包括前端监测模块和后台处理模块，其中：

所述前端监测模块包括依次相连的摄像模块、前端处理器和4G通信模块；

所述后台处理模块包括后台服务器和与其相连的预警模块；

所述摄像模块对被监测区域进行实时监测，当监测到运动目标时，发送被监测区域的图像给所述前端处理器；

所述前端处理器利用采集的被监测区域的图像提取异物的像素分布特征，并通过所述4G通信模块，将异物的像素分布特征传输至所述后台服务器；

所述后台服务器接收到异物的像素分布特征时，调取特征数据库以及建模完成的压缩感知识别算法，进行目标特征识别对异物是否具有威胁进行研判，并根据异物的研判结果输出预警结果给所述预警模块，工作人员通过所述预警模块的预警信息执行相应的处置措施，及时处理线路周边的危险因素。

2.根据权利要求1所述的一种基于压缩感知的输电线路防撞在线监测系统，其特征在于，所述特征数据库为离线特征数据库，所述特征数据库中存储的是历史采集的异物目标特征数据，其数据结构与前端处理器提取的异物的像素分布特征一致，并且包含了异物的研判结果，每一次所述后台服务器的识别均可对离线特征数据库进行数据更新与学习，增强压缩感知识别算法的识别能力。

3.根据权利要求1所述的一种基于压缩感知的输电线路防撞在线监测系统，其特征在于，所述前端处理器利用采集的被监测区域的图像提取异物的像素分布特征时，将被监测区域的图像的像素由RGB空间转换为HSV空间，R指红色，G指绿色，B指蓝色，H指色调，S指饱和度，V指强度，取其中的色调H，RGB与H值之间的转换公式为：

通过式(1)的转换，每一个像素点均对应一个H值，由此绘制出像素点分布特征图；

为更好的表征像素分布特征，并且使得像素总数不同的图像之间有可比性，对像素点个数进行归一化处理，每一个H值对应的像素点个数均除以像素点个数最大值。

4.根据权利要求1所述的一种基于压缩感知的输电线路防撞在线监测系统，其特征在于，所述后台服务器在进行目标特征识别时，是采用压缩感知识别算法识别特征数据库中与本次异物的像素分布特征最为相似的目标特征，包括两种情况：

(1)识别出的目标类型为无威胁，那么本次目标特征识别的结果为无威胁，无需工作人员对其进行确认与处理；

(2)识别出的目标类型为有威胁，则对目标的相似度设置阈值进行二次判断，若超过阈值则本次目标特征识别结果为威胁，需要工作人员进行处理；若没超过阈值则判定无威胁。

5.根据权利要求1所述的一种基于压缩感知的输电线路防撞在线监测系统，其特征在于，所述压缩感知识别算法利用CS算法重构数据的功能实现目标特征的高精度识别，所述压缩感知识别算法的建模流程为：

对于一次目标识别过程，采集由形状特征、距离特征以及像素分布特征所构成的300维特征向量，如下式所示：

式(2)中，x_j表示第j个目标的特征向量，表示像素分布特征中的像素分布数据；

那么，特征数据库中的目标特征向量组成数据库矩阵Ψ：

式(3)中，N表示离线数据库中目标个数；

设第j个目标的特征数据提取向量为S_j：

S_j＝[0,...,0,1,0,...,0]^T (4)

式(4)中，第j个元素为1；

综合式(2)-式(4)得：

x_j＝ΨS_j (5)

在实际识别过程中，已知量为x与Ψ，通过CS算法重构S，通过S的数据特征寻找特征数据库中相似度最高的目标特征，为了实现这一过程，在式(5)的基础上构建CS算法标准形式，在式(5)两边同时乘以m×300维的观测矩阵Φ得：

Φx_j＝ΦΨS_j (6)

令T＝Φx，Θ＝ΦΨ，则得：

T＝ΘS_j (7)

式(7)中，Θ称作传感矩阵，维度为m×N，为体现CS算法的压缩性，m远小于300，Φ选用高斯随机矩阵；

式(7)即为CS算法的标准形式，已知T与Θ，即可重构S；

式(7)是一个欠定方程，无法直接解方程，被重构向量S是稀疏度为1的向量，将重构问题转化为最小l₁范数优化求解问题，求解模型为：

min||S||₁ s.t.T＝ΘS (8)

优化求解过程是通过多次迭代逐步逼近原数据向量的原理，选用的求解算法为正交匹配追踪算法，重构得到的向量S计为S'：

S′＝argmin||S||₁ s.t.T＝ΘS (9)

由于重构的过程存在误差，S'稀疏度并不是1，而是由一个接近1的值加上若干较小非零值组成的向量，选取向量中最大值对应的元素位置选择特征数据库中最相似目标特征向量，并用该值与1之间相似度作为目标之间的相似度。