一种基于视频分析的调度监控方法和系统技术方案

本发明专利技术的一种基于视频分析的调度监控方法和系统，采集变电站的所有状态的视频以及图像，基于卷积神经网络进行变电站设备视频信息进行特征提取，进行特征压缩和索引生成，存储至变电站设备信息数据库；提取已存储的视频目标分类检索特征，基于变电站设备视频及图像进行多源异构数据信息融合模型的构建；获取基于卷积神经网络的视频图像状态识别结果，提取变电站设备的状态运行信息，构建变电站设备状态标准库；基于构建的多源异构数据信息融合模型和变电站设备状态标准库，导入变电站设备的监控接口，进行变电站设备的实时监控。本发明专利技术通过构建多源异构数据信息融合模型，建立变电站设备监控体系，提升变电站安全运行水平和设备运维效率。

A scheduling monitoring method and system based on video analysis

【技术实现步骤摘要】
一种基于视频分析的调度监控方法和系统
本专利技术涉及视频监管
，具体涉及一种基于视频分析的调度监控方法和系统。
技术介绍
现有的变电站设备的状态运行多是以人工进行监管和维护，如机械臂刀闸状态识别(开/合)、汇控柜(出线设备)指示灯识别、油压表、避雷器泄漏电流表、SF6压力表等设备状态为主要监控对象，相关维护人员需要投入大量精力来确保变电站的安全生产。由于天气、光照以及季节替换等多变因素，更加增加了维护人员的工作压力，因此亟需一种能够代替人工进行变电站设备的状态巡检的技术，能够在代替维护人员工作的同时，还能够应对物理环境因素带来的影响，做到有效监控和管理。
技术实现思路
针对上述现有技术存在的问题，本专利技术提出一种基于视频分析的调度监控方法和系统来解决问题，通过构建多源异构数据信息融合模型，建立变电站设备监控体系，提升变电站安全运行水平和设备运维效率。本专利技术提供的一种基于视频分析的调度监控方法，包括如下步骤：采集变电站设备的所有状态的视频以及图像，基于卷积神经网络进行变电站设备视频信息进行特征提取，进行特征压缩和索引生成，存储至变电站设备信息数据库；提取已存储的视频目标分类检索特征，基于变电站设备的视频以及图像进行多源异构数据信息融合模型的构建；获取基于卷积神经网络的视频图像状态识别结果，提取变电站设备的状态运行信息，构建变电站设备状态标准库；基于构建的多源异构数据信息融合模型和变电站设备状态标准库，导入变电站设备的监控接口，进行变电站设备的实时监控。作为上述方案的进一步优化，所述的基于卷积神经网络进行变电站设备视频信息进行特征提取的步骤包括如下：基于计算机视觉库进行变电站设备视频信息的帧图像截取并存储；提取已存储的变电站设备的帧图像，进行卷积神经网络的局部范围像素感知，进行变电站设备图像的卷积层的特征内容输出；基于卷积层的特征输出进行下采样，进行特征内容的特征降维，压缩变电站设备图像的数据和参数数量；获取变电站设备的特征降维内容，采用激励函数进行非线性映射，将所有的特征图像进行连接并输出特征提取结果。作为上述方案的进一步优化，所述多源异构数据信息融合模型的构建具体包括如下：采集变电站设备的环境参数以及设备状态信息；采用深度随机配置网络进行变电站设备的环境参数以及设备状态信息的多层面特征到输出类别的非线性映射能力；针对变电站设备的环境参数以及设备状态信息进行集成以及融合处理。作为上述方案的进一步优化，所述变电站设备状态标准库构建包括如下：基于卷积神经网络进行变电站设备的任意状态的帧图像识别；采集变电站设备的包含标准状态的帧图像以及非标准状态的帧图像进行标准库构建。作为上述方案的进一步优化，所述变电站设备的实时监控具体包括如下：获取变电站设备的监控视频接口，进行变电站设备的实时视频图像截图；基于截取的视频图像采用卷积神经网络进行特征提取；基于构建的多源异构数据信息融合模型进行视频图像导入，获取变电站设备图像的融合结果；将变电站设备图像的融合结果数据与变电站设备状态标准库存储的数据进行匹配，针对匹配失败的变电站设备状态进行告警。本专利技术还公开了一种基于视频分析的调度监控系统，包括如下步骤：数据采集模块，用于采集变电站设备的所有状态的视频以及图像；特征提取模块，用于基于卷积神经网络进行变电站设备视频信息进行特征提取，进行特征压缩和索引生成，存储至变电站设备信息数据库；融合模型构建模块，用于提取已存储的视频目标分类检索特征，基于变电站设备的视频以及图像进行多源异构数据信息融合模型的构建；标准库构建模块，用于获取基于卷积神经网络的视频图像状态识别结果，提取变电站设备的状态运行信息，构建变电站设备状态标准库；监控模块，用于基于构建的多源异构数据信息融合模型和变电站设备状态标准库，导入变电站设备的监控接口，进行变电站设备的实时监控。作为上述方案的进一步优化，所述的特征提取模块包括如下：图像截取单元，用于基于计算机视觉库进行变电站设备视频信息的帧图像截取并存储；卷积层处理单元，用于提取已存储的变电站设备的帧图像，进行卷积神经网络的局部范围像素感知，进行变电站设备图像的卷积层的特征内容输出；池化层处理单元，用于基于卷积层的特征输出进行下采样，进行特征内容的特征降维，压缩变电站设备图像的数据和参数数量；全连接层处理单元，用于获取变电站设备的特征降维内容，采用激励函数进行非线性映射，将所有的特征图像进行连接并输出特征提取结果。作为上述方案的进一步优化，所述融合模型构建模块包括如下：信息采集单元，用于采集变电站设备的环境参数以及设备状态信息；融合映射单元，用于采用深度随机配置网络进行变电站设备的环境参数以及设备状态信息的特征到输出类别的非线性映射能力，保证构建的深度随机配置网络尽可能全面地描述这些特征，获得分类判别能力强的特征表征。融合处理单元，用于针对变电站设备的环境参数以及设备状态信息进行集成以及融合处理。。作为上述方案的进一步优化，所述变电站设备标准库构建模块包括如下：图像识别单元，用于基于卷积神经网络进行变电站设备的任意状态的帧图像识别；库构建单元，用于采集变电站设备的包含标准状态的帧图像以及非标准状态的帧图像进行标准库构建。作为上述方案的进一步优化，所述系统具体包括如下：获取变电站设备的监控视频接口，进行变电站设备的实时视频图像截图；基于截取的视频图像采用卷积神经网络进行特征提取；基于构建的多源异构数据信息融合模型进行视频图像导入，获取变电站设备图像的融合结果；将变电站设备图像的融合结果数据与变电站设备状态标准库存储的数据进行匹配，针对匹配失败的变电站设备状态进行告警。本专利技术采用上述的技术方案，与现有技术相比，本专利技术的一种基于视频分析的调度监控方法与系统，具有以下技术效果：1.本专利技术的一种基于视频分析的调度监控方法，通过采集变电站设备状态的视频及图像，进行变电站设备的特征提取，针对存储的目标分类检索特征进行多源异构数据信息融合模型的构建，再基于多源异构数据信息融合模型和变电站设备状态标准库，导入变电站设备的监控接口，进行变电站设备的实时监控，若存在异常状态则进行状态告警，提高对变电站的全程监管，减轻维护人员的工作压力。2.本专利技术的一种基于视频分析的调度监控方法，通过将所变电站设备采集的多状态信息之间的不同参数综合起来，优化提升同一目标设备在不同光照、遮挡、角度等情况下的识别性能，增强了调度监控的容错性，提升变电站设备的稳定运行能力。附图说明图1为本专利技术的一种基于视频分析的调度监控方法的流程示意图；图2为本专利技术的一种基于视频分析的调度监控方法的特征提取流程示意图；图3为本专利技术的一种基于视频分析的调度监控方法的模型构建流程示意本文档来自技高网...

【技术保护点】
1.一种基于视频分析的调度监控方法，其特征在于，包括如下步骤：/n采集变电站设备的所有状态的视频以及图像，基于卷积神经网络进行变电站设备视频信息进行特征提取，进行特征压缩和索引生成，存储至变电站设备信息数据库；/n提取已存储的视频目标分类检索特征，基于变电站设备的视频以及图像进行多源异构数据信息融合模型的构建；/n获取基于卷积神经网络的视频图像状态识别结果，提取变电站设备的状态运行信息，构建变电站设备状态标准库；/n基于构建的多源异构数据信息融合模型和变电站设备状态标准库，导入变电站设备的监控接口，进行变电站设备的实时监控。/n

【技术特征摘要】
1.一种基于视频分析的调度监控方法，其特征在于，包括如下步骤：
采集变电站设备的所有状态的视频以及图像，基于卷积神经网络进行变电站设备视频信息进行特征提取，进行特征压缩和索引生成，存储至变电站设备信息数据库；
提取已存储的视频目标分类检索特征，基于变电站设备的视频以及图像进行多源异构数据信息融合模型的构建；
获取基于卷积神经网络的视频图像状态识别结果，提取变电站设备的状态运行信息，构建变电站设备状态标准库；
基于构建的多源异构数据信息融合模型和变电站设备状态标准库，导入变电站设备的监控接口，进行变电站设备的实时监控。


2.根据权利要求1所述的一种基于视频分析的调度监控方法，其特征在于，所述的基于卷积神经网络进行变电站设备视频信息进行特征提取的步骤包括如下：
基于计算机视觉库进行变电站设备视频信息的帧图像截取并存储；
提取已存储的变电站设备的帧图像，进行卷积神经网络的局部范围像素感知，进行变电站设备图像的卷积层的特征内容输出；
基于卷积层的特征输出进行下采样，进行特征内容的特征降维，压缩变电站设备图像的数据和参数数量；
获取变电站设备的特征降维内容，采用激励函数进行非线性映射，将所有的特征图像进行连接并输出特征提取结果。


3.根据权利要求1所述的一种基于视频分析的调度监控方法，其特征在于，所述多源异构数据信息融合模型的构建具体包括如下：
采集变电站设备的环境参数以及设备状态信息；
采用深度随机配置网络进行变电站设备的环境参数以及设备状态信息的多层面特征到输出类别的非线性映射能力；
针对变电站设备的环境参数以及设备状态信息进行集成以及融合处理。


4.根据权利要求1所述的一种基于视频分析的调度监控方法，其特征在于，所述变电站设备状态标准库构建包括如下：
基于卷积神经网络进行变电站设备的任意状态的帧图像识别；
采集变电站设备的包含标准状态的帧图像以及非标准状态的帧图像进行标准库构建。


5.根据权利要求1所述的一种基于视频分析的调度监控方法，其特征在于，所述变电站设备的实时监控具体包括如下：
获取变电站设备的监控视频接口，进行变电站设备的实时视频图像截图；
基于截取的视频图像采用卷积神经网络进行特征提取；
基于构建的多源异构数据信息融合模型进行视频图像导入，获取变电站设备图像的融合结果；
将变电站设备图像的融合结果数据与变电站设备状态标准库存储的数据进行匹配，针对匹配失败的变电站设备状态进行告警。


6.一种基于视频分析的调度监控系统，其特征在于，包括如下步骤：
数据采集模块，用于采集变电站设备的所有状态的视频以及...

【专利技术属性】
技术研发人员：王浩，郝威，陆烨，万涛，范叶平，杨彬彬，高海龙，张歆，白玉东，张可可，王天鹏，陈少达，周钰山，郝胜男，付饶，马冬，杨德胜，
申请(专利权)人：国网江苏省电力有限公司徐州供电分公司，安徽继远软件有限公司，国网信息通信产业集团有限公司，
类型：发明
国别省市：江苏;32