智能变电站视频监控中运动物体检测技术研究

康林贤，杨传凯，谷永刚，李鹏程，李良书，周国华

(1.国网陕西省电力公司电力科学研究院，西安 710054； 2.国网陕西省电力公司，西安 710048； 3.国网山西省电力公司，太原 030000)

0 引 言

智能辅助系统作为智能变电站的关键部分，为了优化变电站的运行环境并确保变电站的安全可靠运行为目的，辅助系统的应用具有覆盖范围广、信息量大等新特征[1]。采用防范为主、设备监控为辅的分散式管理模式已不能满足变电站智能化管理和发展的需要[2]。加强辅助设备综合监控，提高集约化管理水平刻不容缓。运动目标检测是进一步实现不同智能视频监视任务的重要步骤，如目标跟踪、目标识别、行动分析等。随着视频技术的发展，监测系统中图片处理和分析技术越来越先进，使系统更加智能，更易于自动控制，能够使变电站无人值守真正实现。所以，对智能辅助综合监控系统运动目标检测进行研究具有重要的现实意义。

目前，在智能变电站辅助监控系统的理论与实践中，有许多突出的成果。在文献[3]中，提出了一种联动控制方法，用于GOOSE通信的远程视觉系统与变电站保护系统之间。单方面实现了与调度的无缝连接。因为它没有与综合自动化系统集成在一起，所以需要在两个不同的系统之间控制同步，这可能会导致诸如实时性能差和上层业务调用不明确等问题；在文献[4]中，根据变电站的实际需求，提出了视频监控系统的设计方案，主要由远程视频监控系统、数字视频监控系统和嵌入式视频服务器等组成；在文献[5]中，构建了智能变电站辅助系统信息一体化平台，对各种信息进行分类，在一定程度上保证信息的整性、可靠性和有效性；在文献[6]中，提出了一种基于104远程协议的智能变电站辅助系统仿真测试方法，实现了变电站辅助系统104协议和性能测试软件的设计。与设备制造商共同调试并分析测试结果来验证软件的有效性和可靠性。上述研究为智能变电站辅助综合监控系统的实现提供了研究基础。

在此背景下，文中在智能变电站的基础上，对智能变电站辅助综合监控系统的原理和结构进行研究，提出了一种改进算法用于运动目标的检测，并通过仿真分析算法改进前后的性能。

1 系统概述

目前，辅助监控系统经历了本地监视、远程监控和综合管理监控几个阶段。本地监控系统大部分信息无法上传，需要变电站人员在现场监控。远程监控阶段可以实现远程单独监控，但是无法达到智能化运动的要求。综合监控阶段实现了平台集成化、监控集中化、通讯标准化、联动智能化等功能[7]。

智能变电站辅助综合监控系统实现站内的监控、控制和联动，为各部门提供数据支持[8]。智能变电站辅助综合监控系统主要由视频监控、综合供电、门禁、动力环境、消防、安全六个子系统组成。系统结构如图1所示。

图1 系统结构

2 检测算法

2.1 平均背景法建模

在当前的运动目标检测中，应用最广泛的一类方法时背景减法，目标检测的主要任务是背景建模。建模方法在目前主要有三种高斯模型、vibe方法和码本模型[9]。这些新的方法虽然提高了前景的准确性，但随着算法的复杂度增加鲁棒性增加。文中为了快速提取目标，建模采用的是平均背景法。

平均法建立的背景模型只适用于不是很复杂的监测场景，平均法本质上是基于统计滤波，计算出一定时间内得到的多帧图像的平均值，作为背景模型的参考。具体计算如式(1)[10]所示:

(1)

式中Avgk为系统获取第k帧图像时建立的背景模型；X为平均帧数；hk,hk-1,...,hk-X+1为连续X帧图像，包括系统保存的当前帧。

该算法的背景是室外环境，假设背景中没有突变。因此，在视频第k帧的背景建模时中直接采用视频前k帧来求平均值，如式(2)所示[11]:

(2)

式中hk,hk-1,...,h1为前k帧的图像；Avgk是第k帧视频的背景模型。

该算法较为简单，选取多个帧求平均值作为背景，在选取合理阀值就成为背景模型，如位置像素高于阀值，则像素点为前景点[12-13]。该算法也存在一些不足，在背景检测时可能存在前景虚影，这是导致检测错误和空洞的原因。因此，文中将平均建模背景引入到三帧差分中，以避免在前景检测中产生虚影效应，减少前景检测中由背景像素引起的误差。

2.2 改进算法

传统的三帧差分方法主要利用相邻帧差分，其中相邻帧差分选择视频中的三个连续帧。在灰色和复杂的背景下，很容易导致误检，引入背景图像来消弱背景对前景的影响[14]。

该算法的基本思想是将三帧差分法中的中间帧替换平均背景建模得到的背景，当前帧作为上一帧，下一帧作为后一帧[15]。采用三帧差分法进行计算，然后进行逻辑与运算。最后，膨胀处理得到最终的检测结果。算法步骤如下：

步骤一：对视频帧进行读取并保存。记为F1、F2、F3、...、FY，Y为视频总帧数，图片中每个帧的大小为m、n；

步骤二：对视频第k帧运动目标进行检测，选择F1、F2、F3、...、Fk、Fk+1帧的图像(k+1≤M)灰度化处理；

步骤三：利用均值背景建模提取第k帧的背景，得到背景图像的灰度图Avgk。如式(3)所示[16]：

(3)

步骤四：根据式(4)求解差分图像M1、M2[17]为：

(4)

式中Fk(x,y)和Fk+1(x,y)为视频图像中图像的两个连续帧；M1(x,y)和M2(x,y)为相邻帧之间的差；

步骤五：阀值化差分图像，阈值T经过多次仿真得到，如式(5)所示[18]：

(5)

步骤六：对阈值化后的图像执行逻辑与，如式(6)所示[19]：

(6)

步骤七：对最终的二值图像C(x,y)利用中值滤波和均值滤波去噪得到最终的检测结果。图2所示为算法原理。

图2 改进算法框图

3 仿真分析

3.1 仿真参数

在计算机上进行了仿真实验，选择了仿真软件MATLAB R2014a分析算法的性能，文中选择了walk视频、fight视频和substation视频三种视频格式进行仿真分析。表1为三种视频的参数。

表1 视频参数

利用前景图像的二值化运算对图像进行增强，得到清晰的边缘轮廓，使图像处理更加方便，二值化文件先要对阀值进行确定。在仿真中，如果阈值过大，则难以检测出完整的运动前景。如果阈值太小，则容易误判，背景像素被错误地检测为移动前景。因此，选择合适的阀值是非常重要的[20]。文中将自动确定阈值，二值化阈值受天气和昼夜的影响，选择当前图像的平均值。如果大于阈值，则设置为255；如果小于阈值，则设置为0。

3.2 仿真分析

在仿真过程中，对改进前后的算法进行了比较(均值背景和文中算法)。如图3～图5所示，两种算法在三段视频中的前景检测效果。

图3 Walk视频前景

图4 Fight视频前景

图5 Substation视频前景

对比三组监控视频中两种运动目标检测算法的前景检测结果，可以明显看出平均背景法由许多“空洞”的存在，检测的结果不是很完整。从图3的(4)可以看出，在walk视频中，当运动目标距离镜头较远时，不能检测到运动目标。从图4可以看出，平均背景法最终检测出的前景也不完整。由图5可以看出，平均背景法检测有大量的误检点。文中算法的准确和一致性优于平均背景法。但是也检测到少量的背景像素作为前景，如图5(8)和图5(9)所示。

为了定量分析仿真结果，首先，将仿真结果与通用指标查准率(Precision，Pre)和查全率(Re-call，Re)进行比较，查准率和查全率为检测正确数分别与检查总数和手动标注的比值。如果这两个指标都很高，则证明前景检测具有良好的检测性能，表2所示两种方法的定量分析结果。

表2 定量分析

从表2可以看出，改进算法的查全率比平均背景算法高41.33%，查准率高30%，因此，在更复杂的环境下，改进算法比平均背景算法更准确、更完整。

为了分析算法的速度，以时间复杂度为指标，比较了三组视频上两种运动目标检测算法，表3所示两种算法的比较结果。

由表3可知，平均背景法和改进算法检测运动目标的时间都非常短。从这个角度来看，该算法能够满足运动目标快速检测的要求，易于硬件实现。

表3 改进前后平均检测时间

4 结束语

文章对智能变电站辅助综合监视系统的基本组成进行了研究，在常用检测方法的基础上，提出了一种改进的基于平均背景的帧间差分法，并通过仿真分析算法改进前后的性能。结果表明，改进后算法性能提升明显，相比于改进前查准率提高了30%、查全率提高41.33%。考虑到当前的实验设备和数据规模，论文还处于起步阶段。基于此，逐步完善和改进将是下一步工作的重点。