变电站内智能视频安全帽识别算法的应用

苏应敢 王浩兵

中图分类号：TM411文献标识码： A

摘要：

保证人身、电网和设备安全稳定运行是变电站安全生产工作的重心，也是供电企业发展的基本要求。随着经济的发展，地区配电网络得到了飞速发展，然而，各类检修、抢修、急修、现场问题的不断增多，使各变电站现场作业的安全管理成为配电网管理中的重中之重。通过在变电站内智能视频安全帽识别技术的应用，实现对人员越权穿越分析、进出站内人员情况分析、操作人员现场作业情况分析，从而有效的提高了变电站视频监控系统的利用率，还为变电站现场作业管控提供了有力的动态见证资料。

1.引言

随着电网规模的扩大，变电站建设的全面展开，对变电站“五遥”功能的要求越来越高， 传统的遥视监控系统完全依靠人工从海量画面中检索异常信息来实现监控功能， 检索难度大， 监控效果差， 监控系统所具备的录像功能， 用大容量的数据存储设备来代替监控功能的不足， 给异常事件发生后的调查取证带来很大的难度，从管理和技术上都无法满足电力行业发展的需要。与传统的视频监控相比，智能视频监控系统是采用图像处理、模式识别和计算机视觉技术，通过在监控系统中增加智能视频分析模块，借助计算机强大的数据处理能力过滤掉视频画面无用的或干扰信息、自动识别不同物体，分析抽取视频源中关键有用信息，从而通过智能分析技术来代替人工监视的安全管控。

变电站现场施工作业中，要面对高压危险设备，工作人员进入现场作业区佩戴安全帽是必要的安全措施。在南方电网系统中，安全帽有严格的佩戴等级之分，按照视觉识别系统VI规定：白色安全帽代表领导、， 蓝色安全帽代表管理人员， 黄色安全帽代表施工人员， 红色安全帽代表外来人员。在变电站的安全生产规范中，对进入变电设备施工现场的要求非常严格，如不允许不佩戴安全帽进入现场，也不允许不同身份的人越界非法操作等。但违反安全规定不佩戴安全帽的情况也时有发生，带来是安全隐患。如何应用视频监控有效的实现智能监管，规范变电站各种生产作业的现场管控机制。通过对变电站内智能视频安全帽识别的研究，实现了对人员越权穿越分析、进出站内人员情况分析、操作人员现场作业情况分析，从而有效的提高了变电站视频监控系统的利用率，还为变电站现场作业管控提供了有力的动态见证资料。规范了变电站各种生产作业的现场管控机制，充分响应了南方电网公司“十二五”科技发展的总体目标，以“保安全、优电网、添绿色、强基础、重和谐”五大关键需求为导向，为智能变电站奠定了良好的技术支撑，为输电、变电、配电、调度等各个重要领域发展提供有力的安全生产保障。

国内外现状：

安全帽识别的难度较大，目前还未见到实用的产品出现，有关安全帽识别的研究及文献也极其少见。这主要是由于安全帽表面颜色爱噪声干扰而产生颜色失真，安全帽颜色随光照条件和入射角度等变化而变化，安全帽颜色识别面临尚未解决的物体颜色恒常性等的问题。以国内外现有技术，一般识别方法都是基于颜色特征进行识别的。安全帽颜色识别的目的在于利用所获得的安全帽图像，提取安全帽颜色所需的颜色特征信息，并根据这些特征将主体颜色分类到指定的颜色类别中。识别过程中所涉及的图像处理方法大多都是基于彩色图像的，而目前的图像处理方法大都是针对灰度图像进行的，而对彩色图像的研究相对较少。

智能视频安全帽识别算法实现

第一步，安全帽检测目标跟踪：

目标跟踪技术就是基于视频中图像帧序列来通过目标检测技术确定目标在不同帧中的对应位置和大小，以获取相应的运动轨迹，并给出运动目标的运动轨迹趋势，实现对运动目标连续、准确的跟踪。本方案中使用的目标跟踪技术主要有：基于区域法跟踪、基于特征法跟踪、基于贝叶斯法跟踪。

基于区域法的跟踪又包括基于小区域的跟踪和基于模板匹配的目标跟踪。

基于小区域的跟踪即利用图像灰度、颜色、物体运动特征、纹理或颜色直方图等特征将每帧图像分割为不同区域，这类算法也可以说是基于图像分割的跟踪。但由于图像分割本身就存在一些难以解决的问题，有时因为会产生过度分割，用这个方法进行运动目标跟踪是无法进行的。其优点是对于运动目标中存在的遮挡问题不太敏感。

基于模板匹配的目标跟踪的基本思想是，首先得到包含目标的模板，该模板可以通过图像分割获得或是人为给定，然后在视频序列中利用特征直接做匹配运算。这种方法的优点在于当目标未被遮挡时跟踪精度高且稳定；但缺点是很费时，尤其当搜索区域较大时，其次算法要求目标变形不大且不能有太大遮挡，否则相关精度下降会造成目标的丢失，且相似性度量值受噪声影响较大。本方案中采用改进的模板匹配算法以及基于模板匹配的自适应目标跟踪算法。

在本方案采用改进的模板匹配的目标跟踪算法，通过距离加权、模板更新及局部匹配的方法来提高不同光照条件及变形情况下得鲁棒性，不再采用简单的平方差度量、相关匹配度量和相关系数度量，而是采用如式( 5)所示的相似性度量函数：

其中：为原始模板图像同待匹配图像在位置处的匹配值，为更新模板图像同待匹配图像在位置处的匹配值，与采用传统的相似性度量函数；为位置同前一帧最优匹配点位置间的欧氏距离；为相应的权重系数；为最终的匹配结果。

本方案采用的基于模板匹配的自适应目标跟踪算法在图片检索的过程中根据评价函数来自适应的调整模板，从而提高目标跟踪的速度和可靠性。自适应模板匹配算法是在传统的模板匹配的基础上采用相关的评价函数，以当前的匹配位置为中心，根据给定的初始化模板构造一个图像邻域，以此邻域作为被跟踪目标的模板，作为下一帧和后续帧的匹配模板。匹配图像中的目标由于视角或是非刚性运动造成的形状和光照强度等信息的变化，可以利用与前一帧相关的模板来构造与当前帧相关的匹配模板。虽然目标的形状信息在不同帧之间是变化的， 但是总体结构信息会保持不变，且连续两帧之间的运动和变形不大，基于这样的假设， 可以使用当前帧的信息为下一帧提供合理的初始化信息。 在目标跟踪过程中可以结合图像梯度、 帧间运动和区域相关来定义一个归一化的评价函数。当评价函数值的变化量小于指定阈值时，更新匹配模板为自适应模板。

第二步，基于特征法目标锁定：

基于特征的跟踪不考虑运动目标的整体特征，而只通过目标图像的一些显著特征来跟踪目标。将通过变电站现场作业员安全帽颜色和形状来确定人物的运动行为。当然也可通过一个特征集合中的多个特征进行检测。基于特征法的跟踪主要包括以下两个步骤组成：a)特征提取；b)特征匹配。

常常需要利用一些先验信息或加入某些约束来解决，在基于多帧图像的特征点跟踪算法中，常假设相邻帧图像中的特征点在运动形式上的变化不会很大并以此为约束来建立特征点对应关系。

特征提取

特征提取即是从视频图像中提取出能够标志运动目标对象的描绘特征，该特征应该具有以下特点：直观性、易分性、简单性以及不变性。直观性即是指提取的特征符合人的人的视觉感官或是意识理解，易分性即是指提取的特征能够将运动目标进行分类，简单性即是指基于该提取特征的计算应尽量小，不变性即是指图像进行平移、旋转以及拉伸等变换不会影响通过特征提取来识别出目标对象。常用的目标特征有：颜色、纹理、边缘、块特征、光流特征、周长、面积等。特征提取算子有：Canny算子、SUSAN算子、哈里斯角点算子等。

特征匹配

基于特征法的目标跟踪在使用特征提取算子从视频序列中抽取出显著特征后，再在不同图像上寻找特征点的对应关系即匹配来跟踪目标。已有的技术包括模板匹配、结构匹配、约束松弛匹配和假设检验匹配等。这类方法需要大量的执行时间；优点在于即使目标的某一部分被遮挡，只要还有一部分特征可以看到就可以完成跟踪任务。

第三步，安全帽颜色识别：

颜色样本提取：

安全帽颜色样本的提取在安全帽颜色识别中是非常重要的，它是基本颜色特征匹配的基础和关健。现场安全帽颜色分为红色、白色、蓝色、黄色这4种。具体操作如下：

分别采样晴天、阴天、雨天、雪天、雾天变电站内现场视频素材各5000次穿越，每次穿越，人员在场景内停留3-5秒。对每一帧的视频帧取样并标定，如下图。

颜色识别算法实现：

实现步骤如下：

(1) 通过对样本分析，提取图象特征

通过对大量样本素材的分析，提取视频图像信息中的图像特征。三大底层特征即：颜色、纹理和形状特征。颜色特征常用的特征提取与匹配方法。

图像的特征可以分为低层图像特征和高层图像特征。低层特征主要指图像的颜色、形状、紋理和空间关系等特征。图像的高层特征即语义特征，则是指人对图像内容及含义的理解和反映。对图像提取的特征可以是图像的全局特征，也可以是图像中的某个目标或某个对象等局部特征。特征提取是CBIR技术的核心，图像特征提取的好坏，决定着图像检索的最终效果好坏。所以图像的特征提取是我们研究的关键环节。

(2) 通过图像特征，进行图像相似度匹配

在提取完图像的特征之后，需要做的便是选取合适的方法利用图像的这些特征来进行图像间的相似性判别，判断出检索图像与数据库中的哪些图像最接近，也就是度量它们的相似度。目前用的比较多的相似度度量准则主要有：欧氏距离、直方图相交距离、二次式距离、相关系数和马氏距离等。它们各有各的优缺点，各有各的适用范围，在进行检索时，应根据所提取的特征的特点，来选择合适的相似度度量方法。

(3) 优化图像检索速度

索引机制是提高图像检索的速度而建立的。在提取的图像特征之间可能具有一定的相关性，因此在图像检索系统中选用合适索引机制可以提高图像检索的速度。

(4)设置阀值，输出匹配样本

通过大量实验，得出最合理的阀值。按照所设置的合理阀值，将检索到的图像相似度排序，将相似度符合的图像输出。

结论

本文提出一种基于安全帽颜色识别的算法，在云南电网视频智能作业管控项目中已经成功的运用，通过此算法来解决在智能监控中如何判断监控人员身份的问题。该算法在人员检测算法的基础上，识别检测出来的行人的头部，并根据头部的颜色值，得到该行人所佩戴安全帽的颜色，然后根据生产规范中得到对应人的身份。实现对人员越权穿越分析、进出站内人员情况分析、操作人员现场作业情况分析。通过视频智能监控的有效运用，促进变电站的运行管理水平提高，保障了变电站内作业的安全稳定运行。

参考文献：

[1] 李太华，王迪.基于安全帽颜色识别的人员身份认证算法在变电站的应用 (国网乌鲁木齐供电公司信息通信公司， 新疆 乌鲁木齐 830011)

[2] 王亮，胡卫明，谭铁牛.人运动的视觉分析综述 [J] .计算机学报，2002，（3）：225-237.

[3] Haritaoglu I.， Harwood D. W4： Real-time Surveillance of People and Their Activities [J]. IEEE Trans. on PAMI， 2000， 22（8）： 809- 830.

[4] 张丙坤.基于人头检测的人数统计算法研究.西安科技大学硕士学位论文.

[5] 陈卫东 张强 杨丽．一种改进的快速中位切割彩色图像量化算法 Ｊ ．计算机工程与应用 2007.