【技术实现步骤摘要】
一种客户侧变配电室红外成像自动监测方法
[0001]本专利技术涉及一种客户侧变配电室红外成像自动监测方法。
技术介绍
[0002]客户侧变配电室多布设于用户，分布广泛且零散。对客户侧变配电室的巡检任务量大，繁琐，耗费着大量的人力物力。并常因人员资源不足或人员疲惫造成失检或误检测。自动化监测技术的发展为克服这一问题，提高客户侧变配电室的管理水平，降低客户侧变配电室巡检的人财物的消耗，提供了一种先进的技术手段。然而，客户侧变配电室的监测，尤其是对于客户侧变配电室入侵目标的监测和预警面临诸多难题。首先，入侵目标的种类繁多，即包含非法入侵的人员，也包含有误入的非人目标，如鼠类、鸟类等。这为依赖于目标建模的检测技术带来了挑战。其次，客户侧变配电室的装备、设备种类繁多，形态各异，对于目标的遮挡严重，造成目标的微隐性特性突出。现有成像目标检测技术常采用背景建模和目标建模的技术策略，通过背景抑制和凸显目标的方法实现目标检测。该类技术策略难以适用于客户侧变配电室多变的场景信息和复杂目标种类和形态。此外，依赖于大样本机器学习的技术策略仅能够适用...
【技术保护点】
【技术特征摘要】
1.一种客户侧变配电室红外成像自动监测方法，其特征在于，包括以下步骤：步骤(S1)、通过红外成像模拟生物视觉的红外敏感性，获取客户侧变配电室内场景成像信息；步骤(S2)基于生物视觉机理构建运动目标检测模型；步骤(S3)、首先模拟光接收层(PR层)，通过对输入的监测场景成像信息进行亮度平滑和非线性自适应调整，采用高斯滤波和伽马变换对输入的监测红外图像进行预处理；步骤(S4)、其次模拟单级细胞层(LMC层)，采用伽马差分卷积提取场景中入侵目标的运动特征，进而采用侧抑制计算优化运动特征，形成初级运动特征图；步骤(S5)、接着模拟整流细胞层(RTC层)将初级运动特征图分解为亮、暗目标双通道，采用侧抑制计算获取亮、暗目标运动特征图；步骤(S6)、最后对亮、暗目标运动特征图进行线性融合，生成运动特征区域，在运动特征区域内进行像素级时空域检测，得到入侵目标检测的最终显著图，标记入侵目标的空间位置。2.根据权利要求1所述的一种客户侧变配电室红外成像自动监测方法，其特征在于，所述步骤(S3)中模拟光接收层(PR层)的空间平滑效应，采用高斯卷积核函数对输入的红外图像序列进行卷积以实现空间域的亮度平滑，以初步增强图像特征：F(x,y,t)＝∫∫I(u,v,t)G
σ
(x
‑
u,y
‑
v)dudv
ꢀꢀ
(1)其中，I(u,v,t)表示输入的场景成像信息，F(x，y，t)为平滑后的场景成像信息，G
σ
(x,y)为二维高斯卷积核函数：其中，σ为高斯函数的标准差。3.根据权利要求2所述的一种客户侧变配电室红外成像自动监测方法，其特征在于，所述步骤(S3)中模拟光接收层(PR层)对视觉信息的非线性亮度自适应机理，采用伽马变换压缩红外图像的亮度范围：其中，P(x,y,t)为亮度范围压缩后的红外图像信息，c为灰度缩放系数；γ为伽马因子，为伽马变换算子。4.根据权利要求1所述的一种客户侧变配电室红外成像自动监测方法，其特征在于，所述步骤(S4)中，对光接收层(PR层)处理后的视觉信号采用伽马差分核进行时域卷积，以模拟单级细胞层(LMC层)的滤波特性：L(x,y,t)＝∫P(x,y,s)K(t
‑
s)ds
ꢀꢀ
(4)其中，L(x,y,t)代表在t时刻的亮度变化信息；K(t)为伽马差分核函数，定义为两个伽马函数的差：
其中：n和τ分别代表伽马函数的阶数和时间常数，Γ
n,τ
(t)为伽马函数。5.根据权利要求4所述的一种客户侧变配电室红外成像自动监测方法，其特征在于，所述步骤(S4)中，模拟单级细胞层(LMC层)的侧抑制机理，通过亮度变化信息卷积侧抑制模板矩阵，拉伸运动特征与背景的差异，形成初级运动特征图：其中：L
I
(x,y,t)为初级运动特征图，ω为a
×
a侧抑制模板矩阵，ω矩阵如下：6.根据权...
【专利技术属性】
技术研发人员：罗平，张馨升，万永忠，朱红卫，王晨，石勇，董风举，江华，鲍友春，章守宇，吴思若，
申请(专利权)人：南京苏逸实业有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。