一种基于图像处理的铁塔倾斜自动检测方法和装置制造方法及图纸

本发明专利技术公开了一种基于图像处理的铁塔倾斜自动检测方法和装置。包括：A.对铁塔视频进行分帧处理，得到连续的帧图片；对于每一帧图片，均执行步骤B‑C：B.从帧图片中分割出ROI；C.采用K‑Means聚类算法对ROI进行聚类，以从ROI中分离出铁塔图像；D.从第一帧铁塔图像开始，计算相邻两帧铁塔图像的帧差值，在所述帧差值超过第一阈值时，判定铁塔疑似发生偏移，否则继续检测下一帧；E.从第一帧铁塔图像开始，计算相邻两帧铁塔图像的中轴线的偏角，在所述偏角超过第二阈值时，判定铁塔疑似发生偏移；F.在步骤D、E均判定铁塔疑似发生偏移时，判定铁塔发生倾斜。本发明专利技术采用双重验证标准自动分析铁塔倾斜情况，分析结果快速、准确，并能有效克服环境对分析过程的影响。

【技术实现步骤摘要】
一种基于图像处理的铁塔倾斜自动检测方法和装置
本专利技术涉及图像处理
，尤其是一种基于图像处理进行铁塔倾斜自动检测的方法和装置。
技术介绍
铁塔，包括输电线塔、信号塔等，是作为电力电缆、信号覆盖等光电运输媒介的重要承载设施，其所承载的装备多是具备大重量、高造价、高精度的特点，若铁塔稍有倾斜，则会因设施重量的不平衡，导致输电线走廊等变形，影响所承载设施和周围环境的安全，因此，铁塔的稳定性至关重要，需要及时掌握铁塔倾斜的情况，以便于及时排除故障。此外，在排查故障原因或修复故障时，需要等上铁塔，而铁塔属于高空作业环境，任何一点环境参数(如风速、温度等)的变化，都有可能影响高空作业的安全，因此，在进行高空作业(如高空铁塔作业)时，对于环境的监测显得尤为重要。当前多是通过人工巡检的方式来对铁塔倾斜情况进行检测，耗时耗力，效率较低，及时性不高，且人工检测存在一定的误差，准确性欠佳。
技术实现思路
本专利技术的专利技术目的在于：针对上述存在的问题，提供一种基于图像处理的铁塔倾斜自动检测方法，对采集的视频，利用双重检测标准，快速、准确地检测铁塔倾斜的状况，避免了人工检测成本高、效率低、准确度不佳的问题。本专利技术采用的技术方案如下：一种铁塔倾斜自动检测方法，包括：A.对铁塔视频进行分帧处理，得到连续的帧图片；对于每一帧图片，均执行以下步骤B-C：B.从帧图片中分割出ROI；C.采用K-Means聚类算法对ROI进行聚类，以从ROI中分离出铁塔图像；D.从第一帧铁塔图像开始，计算相邻两帧铁塔图像的帧差值，在所述帧差值超过第一阈值时，判定铁塔疑似发生偏移，否则继续检测下一帧；E.从第一帧铁塔图像开始，计算相邻两帧铁塔图像的中轴线的偏角，在所述偏角超过第二阈值时，判定铁塔疑似发生偏移；F.在所述步骤D、E均判定铁塔疑似发生偏移时，判定铁塔发生倾斜。进一步的，所述步骤B包括：B1：将帧图片转为灰度图，分别计算灰度图每行和每列像素灰度值的总和，得到对应的行灰度值特性曲线和列灰度值特性曲线；B2：分别将所述行灰度值特性曲线、列灰度值特性曲线进行平滑归一化处理；B3：遍历列灰度值总和曲线的所有数据，以最大灰度值的坐标值作为横向截取中心坐标，在所述中心坐标前后第一预设阈值像素长度的范围内，分别对列灰度值总和曲线中每相邻两坐标的列灰度值总和作差分，遍历从中心坐标向前、后两个方向的差分运算结果，将差分结果绝对值最小的两个坐标点作为截取ROI的横向坐标；B4：以行灰度值最大的坐标作为纵向截取的中心，分别向两侧扩展到第二预设阈值像素长度处作为截取ROI的纵向坐标；B5：根据确定的横向坐标和纵向坐标，从帧图片中截取出ROI。进一步的，所述步骤B2通过分别将所述行灰度值特性曲线、列灰度值特性曲线与矩形窗函数卷积以实现平滑归一化处理。进一步的，对于每一帧图片，在执行步骤C后，还包括对所述铁塔图像进行优化的步骤，包括：从所述铁塔图像纵向中部将所述铁塔图像分割为上半部分和下半部分；对于所述上半部分，执行以下方法进行优化：对上半部分进行边缘检测，对于检测到的每一个像素点，在检测到的像素点的8领域中，找出与该像素点的单位向量域所表示方向偏差在第三阈值内的点，将该点与该像素点连接作为检测的直线；遍历所有检测到的直线，计算每条直线的倾斜角度；以倾斜角度对直线排序，将排序后，每两条次序相邻且角度差值小于第四阈值的直线相连；对于所述下半部分，执行以下方法进行优化：检测下半部分中的孤立点，所述孤立点的判定方法为：若某像素点为有效值点，且该像素点8邻域内无其他有效值点，则将该点判定为孤立点，所述有效值点为像素值为255的点；将所述下半部分中对应所检测到的孤立点的位置置0消除；将优化后的上半部分和下半部分在分割的位置进行拼接，得到优化后的铁塔图像。进一步的，在对所述上半部分进行优化过程中，对于检测到的直线，还包括过滤掉长度低于第三预设阈值像素长度的直线的步骤。进一步的，所述将排序后，每两条次序相邻且角度差值小于第四阈值的直线相连中，将两条直线相连的步骤包括：选中两条直线中欧氏距离最短的两个端点，计算两条直线的交点；计算所述交点与所选中的两个端点的欧式距离，若低于第四预设阈值像素长度，则将所述交点分别与两个选中的端点连接，否则，直接连接两个选中的端点。进一步的，所述第一阈值为对应当前所检测帧序的自适应帧差阈值，自适应帧差阈值计算方法为：T1＝2×(sum(d)+di)/(N-1)其中，T1为自适应帧差阈值，sum(d)为前面所有帧帧差值之和，di为当前帧差值，N为当前已检测的帧数。进一步的，所述铁塔图像的中轴线的计算方法包括：遍历所述铁塔图像确定铁塔所在位置的中间行，从所述中间行将铁塔分为上、下两部分；分别求取分割后的上、下两部分的连通域质心；将上、下两半部分的质心连线，即得到铁塔图像的中轴线。进一步的，所述第二阈值为对应当前所检测帧序的自适应中轴线偏角阈值，自适应中轴线偏角阈值的计算方法为：T2＝1.65×(sum(θ)+θi)/(N-1)其中，T2为自适应中轴线偏角阈值，sum(θ)为前面所有帧中轴线偏角值之和，θi为当前帧中轴线偏角值，N为当前已检测的帧数。进一步的，所述步骤F还包括：在判定铁塔发生倾斜后，启动环境监测系统，所述环境监测系统包括温度监测电路、风速监测电路、窗口比较电路和报警电路；所述温度监测电路包括：第一电桥电路和第一运算放大器，第一电桥电路的第一臂包含热敏电阻；第一电桥电路的两臂分别连接到第一运算放大器的两输入端；所述风速监测电路包括：闭环式恒温电路和第二运算放大电路，闭环式恒温电路包括第二电桥电路和第一差分放大器，第二电桥电路的第一臂包含热电阻，第一差分放大器的输出端连接第二运算放大器的输入端；所述第一运算放大器的输出端和第二运算放大器的输出端均连接到窗口比较电路的输入端；窗口比较电路的输出端连接报警电路的输入端。为解决上述全部或部分问题，本专利技术还提供了一种铁塔倾斜自动检测装置，该装置包括处理器及所述处理器分别连接的数据接收单元和报警单元；所述数据接收单元用于接收铁塔视频，将所接收的铁塔视频传输给所述处理器，所述处理器用于执行上述的铁塔倾斜自动检测方法，并在判定铁塔发生倾斜时，触发所述报警单元工作。综上所述，由于采用了上述技术方案，本专利技术的有益效果是：1、本专利技术利用图像处理技术对铁塔视频(定点拍摄铁塔得到的视频)进行分析计算，来对铁塔倾斜情况进行监控，无需耗费太多的人力成本，分析效率高。2、本专利技术采用双重验证标准来对铁塔的倾斜进行检测，检测准确性高。3、本专利技术创新性地提出了自适应帧差阈值和自适应中轴线偏角阈值，即相应的阈值随着检测的帧序自适应变化，从而能够避免环境对视频的影响而导致对倾斜判断的误判。4、本专利技术中涉及对图像处理的过程-如ROI分割、铁塔分离、铁塔优化等-采用了分部处理，本文档来自技高网...

【技术保护点】
1.一种铁塔倾斜自动检测方法，其特征在于，包括：/nA.对铁塔视频进行分帧处理，得到连续的帧图片；/n对于每一帧图片，均执行以下步骤B-C：/nB.从帧图片中分割出ROI；/nC.采用K-Means聚类算法对ROI进行聚类，以从ROI中分离出铁塔图像；/nD.从第一帧铁塔图像开始，计算相邻两帧铁塔图像的帧差值，在所述帧差值超过第一阈值时，判定铁塔疑似发生偏移，否则继续检测下一帧；/nE.从第一帧铁塔图像开始，计算相邻两帧铁塔图像的中轴线的偏角，在所述偏角超过第二阈值时，判定铁塔疑似发生偏移；/nF.在所述步骤D、E均判定铁塔疑似发生偏移时，判定铁塔发生倾斜。/n

【技术特征摘要】
1.一种铁塔倾斜自动检测方法，其特征在于，包括：
A.对铁塔视频进行分帧处理，得到连续的帧图片；
对于每一帧图片，均执行以下步骤B-C：
B.从帧图片中分割出ROI；
C.采用K-Means聚类算法对ROI进行聚类，以从ROI中分离出铁塔图像；
D.从第一帧铁塔图像开始，计算相邻两帧铁塔图像的帧差值，在所述帧差值超过第一阈值时，判定铁塔疑似发生偏移，否则继续检测下一帧；
E.从第一帧铁塔图像开始，计算相邻两帧铁塔图像的中轴线的偏角，在所述偏角超过第二阈值时，判定铁塔疑似发生偏移；
F.在所述步骤D、E均判定铁塔疑似发生偏移时，判定铁塔发生倾斜。


2.如权利要求1所述的铁塔倾斜自动检测方法，其特征在于，所述步骤B包括：
B1：将帧图片转为灰度图，分别计算灰度图每行和每列像素灰度值的总和，得到对应的行灰度值特性曲线和列灰度值特性曲线；
B2：分别将所述行灰度值特性曲线、列灰度值特性曲线进行平滑归一化处理；
B3：遍历列灰度值总和曲线的所有数据，以最大灰度值的坐标值作为横向截取中心坐标，在所述中心坐标前后第一预设阈值像素长度的范围内，分别对列灰度值总和曲线中每相邻两坐标的列灰度值总和作差分，遍历从中心坐标向前、后两个方向的差分运算结果，将差分结果绝对值最小的两个坐标点作为截取ROI的横向坐标；
B4：以行灰度值最大的坐标作为纵向截取的中心，分别向两侧扩展到第二预设阈值像素长度处作为截取ROI的纵向坐标；
B5：根据确定的横向坐标和纵向坐标，从帧图片中截取出ROI。


3.如权利要求2所述的铁塔倾斜自动检测方法，其特征在于，所述步骤B2通过分别将所述行灰度值特性曲线、列灰度值特性曲线与矩形窗函数卷积以实现平滑归一化处理。


4.如权利要求1所述的铁塔倾斜自动检测方法，其特征在于，对于每一帧图片，在执行步骤C后，还包括对所述铁塔图像进行优化的步骤，包括：
从所述铁塔图像纵向中部将所述铁塔图像分割为上半部分和下半部分；
对于所述上半部分，执行以下方法进行优化：
对上半部分进行边缘检测，对于检测到的每一个像素点，在检测到的像素点的8领域中，找出与该像素点的单位向量域所表示方向偏差在第三阈值内的点，将该点与该像素点连接作为检测的直线；
遍历所有检测到的直线，计算每条直线的倾斜角度；
以倾斜角度对直线排序，将排序后，每两条次序相邻且角度差值小于第四阈值的直线相连；
对于所述下半部分，执行以下方法...

【专利技术属性】
技术研发人员：明自强，范荣全，朱峰，刘俊勇，李涛，贺含峰，张劲，游杨均，唐杨，刘克亮，王亮，何凌，吕俊杰，董斌，谢伟，王霆，赵星俨，
申请(专利权)人：国网四川省电力公司阿坝供电公司，
类型：发明
国别省市：四川;51