基于深度学习的变电站鸟类检测跟踪方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种基于深度学习的变电站鸟类检测跟踪方法、装置及存储介质，方法包括：获取变电站附近的实时监控视频图像；采用深度学习方法对每个视频图像中的鸟类进行识别；对视频图像中识别出的所有鸟实体进行多目标跟踪；对视频图像中的每个鸟进行单目标跟踪；根据每个鸟在最近一帧视频图像上的坐标区间，以及最临近变电站设备在最近一帧视频图像上的坐标区间，计算每个鸟的安全距离；若鸟未来在图像视频上的飞行距离超出该鸟的安全距离，则判定当前鸟为驱逐目标鸟，将标出驱逐目标鸟的视频图像发送至告警设备，并向驱逐设备发送驱逐指令；当驱逐前后占据面积减小的部分超出阈值时判定驱逐成功。本发明专利技术跟踪准确率和跟踪速度高。

【技术实现步骤摘要】

本专利技术涉及鸟类跟踪技术，尤其涉及一种基于深度学习的变电站鸟类检测跟踪方法、装置及存储介质。

技术介绍

1、电网驱鸟的背景主要源于电力系统面临的鸟类干扰问题。随着电网覆盖范围的扩大，鸟类在电力设施上筑巢、栖息和活动的情况越来越普遍。然而，这种行为容易导致鸟类触碰导线，造成短路、跳闸等事故，不仅危及鸟类的生命安全，还严重影响电网的运行稳定性。此外，鸟类粪便和筑巢材料堆积也会损坏设备。为了解决这一问题，电力部门逐渐采用各种驱鸟措施，如安装驱鸟装置、采用声光驱鸟技术等，以保障电网安全运行，减少因鸟害引发的电力事故。

2、目前行业上的驱鸟设备具备无差别、短时间、无针对性的特性，不能持续对鸟类进行跟踪打击，因此对鸟类的驱散能力较弱，不能长时间有效的维护电网的安全。运动目标的跟踪一直都是机器机视觉研究领域中的难点以及热点问题。在对鸟类识别跟踪过程中，存在很多方面的挑战和难题，比如鸟类存在误检，鸟类存在形变、鸟类飞行速度过快等难题。基于深度学习的目标检测和跟踪算法可以在一定程度上规避这些问题，有效提高了效率和精度。

3、但是，基于深度学习的孪生本文档来自技高网...

【技术保护点】

1.一种基于深度学习的变电站鸟类检测跟踪方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于深度学习的变电站鸟类检测跟踪方法，其特征在于，步骤（1）具体包括：

3.根据权利要求1所述的基于深度学习的变电站鸟类检测跟踪方法，其特征在于，步骤（2）具体包括：

4.根据权利要求1所述的基于深度学习的变电站鸟类检测跟踪方法，其特征在于，步骤（3）具体包括：

5.根据权利要求1所述的基于深度学习的变电站鸟类检测跟踪方法，其特征在于，步骤（4）具体包括：

6.根据权利要求5所述的基于深度学习的变电站鸟类检测跟踪方法，其特征在于，所...

【技术特征摘要】

1.一种基于深度学习的变电站鸟类检测跟踪方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于深度学习的变电站鸟类检测跟踪方法，其特征在于，步骤（1）具体包括：

3.根据权利要求1所述的基于深度学习的变电站鸟类检测跟踪方法，其特征在于，步骤（2）具体包括：

4.根据权利要求1所述的基于深度学习的变电站鸟类检测跟踪方法，其特征在于，步骤（3）具体包括：

5.根据权利要求1所述的基于深度学习的变电站鸟类检测跟踪方法，其特征在于，步骤（4）具体包括：

6.根据权利要求5所述的基于深度学习的变电站鸟类检测跟踪方法，其特征在于，所述根据同一个鸟在不同时间的视频图像上的坐标区间，...

【专利技术属性】
技术研发人员：刘子全，朱雪琼，谭笑，胡成博，杨景刚，邵剑，郭晋超，郝宝欣，胡妍捷，王真，刘征宇，薛海，
申请(专利权)人：江苏省电力试验研究院有限公司，
类型：发明
国别省市：