一种输电线路智能监控中树木检测方法技术

一种输电线路智能监控中树木检测方法，属图像处理技术领域。其获取高压输电线路保护区的视频监控图像，采集树木图像作为训练数据；构建树木像素点的视觉特征向量；通过机器学习的方法，训练一个分类器，判断图像中像素是否为树木；对于实时视频监控图像，在图像中找到属于树的像素点；采用区域跟踪方法，判断感兴趣区域内是否有大量的像素点属于树木，分割出树木图像区域；若感兴趣区域内有大量像素点属于树木，即存在树木，则发生报警信息；同时对远程监控客户端发送报警信号以提醒监控人员注意观察树木的生长状态。这种基于区域的分割技术有效地利用了图像的局部空间信息，可有效克服其他方法存在的图像分割空间不连续的缺点。

【技术实现步骤摘要】

本专利技术属于图像处理
，尤其涉及一种用于输电线路的智能监控方法。
技术介绍
树木生长触碰到高压输电线路，是影响高压输电线路(电网)安全和稳定的主要外力破坏隐患。特别在夏季，树木生长较快，用电负荷高，树木容易触碰到因负荷较高而下垂的高压传输线，导致停电事故发生。上海地区目前对高压输电线路的维护工作主要靠人工完成，依赖大量人工每天在现场重复巡检来防止外力对输电线路的破坏，输电线路数量快速增长与运行人员配备不足之间的矛盾日益增加。而近年来因外力破坏导致的输电线路事故逐年上升，也说明了传统的巡视方式已不能满足现有的安全需求，人工巡检很难及时对出现在线路周围及铁塔上的危险提出预警和告警。因此急需采用新的技术手段来帮助线路运行人员提高工作效率。把远程视频监控系统引入到输电线路的维护中，对线路进行远程视频监控及预警，可以使运维人员远程查看线路的实时监控图像，及时了解现场信息，将事故消灭在萌芽状态，有效地减少外力破坏因素导致的输电线路事故。本专利技术在实现视频监控系统基础上，加入了对视频图像进行智能分析的功能，实时检测线路保护区内的树木，当树木与导线之间距离小于安全距离时自动发出预警信息，避免了人工巡检很难及时对出现在线路周围的树木危害提出预警的问题，实现智能监控。图像分割是图像处理领域的基本问题，也是图像处理和分析的关键步骤。图像分割把图像分成各具特性的区域，并利用图像信息中部分特征提取图像中若干感兴趣目标的技术和过程。基于输电线路的视频监控图像，为判断树木顶端枝叶与高压线之间的距离，首先要对树木图像进行分割，从而判断树木与高压线之间的距离是否在安全范围内。由于视频图像的背景复杂，树木图像的分割先对比较困难，因此，树木图像分割方法是实现基于视频的高压输电线路树木危害监测的关键。相较于其他图像，树木图像有它的特殊性，同时也更为复杂。如在输入图像中含有大量的非目标物体，如不同形状、大小、颜色的建筑物，还有电线、人、广告牌、天空等，它们的颜色、形状也与目标树木有很大的差别。另外在图像中还含有与目标极为相似的植物，如不同的树种，绿色草坪等。而对于目标树木图像本身，也并没有一个可以总结的形状或是颜色共性可以作为分割的精确参数，目前国内对树木图像分割的研究刚刚起步。
技术实现思路
本专利技术所要解决的技术问题是提供，其采用区域跟踪方法从视频图像中分割出树木区域，区域跟踪是寻找具有相似性的像素群，这种基于区域的分割技术有效地利用了图像的局部空间信息，可有效克服其他方法存在的图像分割空间不连续的缺点。本专利技术的技术方案是提供，其特征是所述的检测方法包括以下步骤A、获取高压输电线路保护区的视频监控图像，采集树木图像作为训练数据；B、构建树木像素点的视觉特征向量；C、通过机器学习的方法，训练一个分类器，判断图像中像素是否为树木；D、对于实时视频监控图像，在图像中找到属于树的像素点；E、采用区域跟踪方法，判断感兴趣区域内是否有大量的像素点属于树木，分割出树木图像区域；F、若感兴趣区域内有大量像素点属于树木，即存在树木，则发生报警信息；G、同时对远程监控客户端发送报警信号以提醒监控人员注意观察树木的生长状态。具体的，在所述步骤B中，其构建的树木像素点的视觉特征向量有27维；其中，颜色特征6维，其中3维CIE Lab颜色特征，3维光照不变颜色特征；纹理特征18维，为3个尺度、每个尺度6个角度的gabor特征；3维熵特征。在所述的步骤B中，对于每个特征，都将计算后的结果线性归一化到附图说明图1是本专利技术的检测方法流程示意图。具体实施例方式下面结合附图对本专利技术做进一步说明。本专利技术的目的是提供一种基于高压输电线路保护区的实时视频监控图像，对图像中的树木进行智能化检测，判断树木与导线之间的距离的方法。采集高压输电保护区的视频监控图像，对树木图像像素点构建视觉特征向量，视觉特征一共27维。颜色特征6维，其中3维CIE Lab颜色特征，3维光照不变颜色特征；纹理特征18维，为3个尺度、每个尺度6个角度的gabor特征；3维熵特征( I)颜色特征。包括两类颜色特征一类是CIE Lab颜色空间的三个通道L，a, b特征。颜色是人的视觉系统对于可见光的感知结果。RGB值是相机获得的第一数据，但是其缺点是不直观，而且不均匀，所以仅仅从RGB值很难知道该值所表示的颜色认知属性。本专利技术首先将RGB颜色空间转换到CIE颜色空间上。CIE LAB是一种均匀的颜色空间，它是CIE 1976 LAB颜色空间的缩写，也称为CIE1976 L*a*b* (简写为CIE L*a*b*)颜色空间。CIE LAB颜色系统是使用最广泛的物体颜色度量方法，并作为度量颜色的国际标准。从RGB颜色空间到CIE LAB颜色空间的转换要经过XYZ空间，LAB空间。CIELAB使用L*、a*和b*坐标轴定义CIE颜色空间，其中L*值代表光亮度，其值从O (黑色) 100 (白色)；a*和b*代表色度坐标，其中a*代表红-绿轴，b*代表黄-蓝轴，它们的值从O 10，a*=b*=0表示无色；L*代表从黑到白的比例系数。RGB到XYZ的转换过程是一个线性变换，其变换可以通过一个3X3的矩阵形式本文档来自技高网...

【技术保护点】
一种输电线路智能监控中树木检测方法，其特征是所述的检测方法包括以下步骤：A、获取高压输电线路保护区的视频监控图像，采集树木图像作为训练数据；B、构建树木像素点的视觉特征向量；C、通过机器学习的方法，训练一个分类器，判断图像中像素是否为树木；D、对于实时视频监控图像，在图像中找到属于树的像素点；E、采用区域跟踪方法，判断感兴趣区域内是否有大量的像素点属于树木，分割出树木图像区域；F、若感兴趣区域内有大量像素点属于树木，即存在树木，则发生报警信息；G、同时对远程监控客户端发送报警信号以提醒监控人员注意观察树木的生长状态。

【技术特征摘要】
1.一种输电线路智能监控中树木检测方法，其特征是所述的检测方法包括以下步骤 A、获取高压输电线路保护区的视频监控图像，采集树木图像作为训练数据； B、构建树木像素点的视觉特征向量； C、通过机器学习的方法，训练一个分类器，判断图像中像素是否为树木； D、对于实时视频监控图像，在图像中找到属于树的像素点； E、采用区域跟踪方法，判断感兴趣区域内是否有大量的像素点属于树木，分割出树木图像区域； F、若感兴趣区域内有大量像素点属于树木，即存在树木，则发生报警信息； G、同时对远程监控客户端发送报警信号以提醒监控人员注意观察树木的生长状态。2.按照权利要求1所述的输电线路智能监控中树木检测方法，其特征是在所述步骤B中，其构建的树木像素点的视觉特征向量有27维；其中，颜色特征6维，其中3维CIE Lab颜色特征，3维光照不变颜色特征；纹理特征18维，为3个尺度、每个尺度6个角度的gabor特征；3维熵特征。3.按照权利要求1所述的输电线路智能监控中树木检测方法，其特征是在所述的步骤B中，对于每个特征，都将计算后的结果线性归一化到[0，I)，即 :4.按照权利要求1所述的输电线路智能监控中树木检测方法，其特征...

【专利技术属性】
技术研发人员：何冰，刘新平，鲍晓华，顾俊杰，俞震亮，陆丽，方焌，
申请(专利权)人：上海市电力公司，国家电网公司，
类型：发明
国别省市：