摘要

北京交通大學(xué)電氣工程學(xué)院的研究人員王聰、劉明光等，在2018年第9期《電氣技術(shù)》雜志上撰文指出,，隨著電力系統(tǒng)自動化程度的不斷提高,，智能視頻監(jiān)控在電力系統(tǒng)中的應(yīng)用也變得越來越多。

本文針對智能視頻監(jiān)控系統(tǒng)所采用的動態(tài)目標(biāo)檢測與識別算法進(jìn)行了綜述,。介紹了包括幀間差分法、背景差分法、光流法在內(nèi)的視頻移動目標(biāo)檢測算法,、基于傳統(tǒng)模板的識別方法以及統(tǒng)計學(xué)習(xí)識別方法。并對上述各種算法進(jìn)行了比較,，闡述了各算法的適用環(huán)境及優(yōu)缺點(diǎn),。

近年來，視頻監(jiān)控技術(shù)被越來越多的應(yīng)用于電力系統(tǒng),。在無人值守的變電站以及禁止人員靠近的危險區(qū)域安裝視頻監(jiān)控系統(tǒng)中,，可以有效地排除安全隱患，及時預(yù)警,，避免事故的發(fā)生,。傳統(tǒng)的視頻監(jiān)控系統(tǒng)多采用由工作人員全天候值守、人為預(yù)警的方式,，這種方式不僅不能通過事故預(yù)防報警來減少事故發(fā)生,，而且嚴(yán)重浪費(fèi)了人力物力。

如今,，隨著計算機(jī)視覺研究的不斷深入,，智能視頻監(jiān)控技術(shù)逐漸取代了原有的視頻監(jiān)控方式。智能視頻監(jiān)控系統(tǒng)可以在沒有工作人員參與的情況下,，運(yùn)用圖像處理與計算機(jī)視覺的方法對視頻圖像進(jìn)行分析,，以確定監(jiān)控地點(diǎn)的實(shí)時狀態(tài)，當(dāng)異常情況發(fā)生時可以及時上報工作人員,，提示他們采取處理措施,，從而實(shí)現(xiàn)預(yù)防、預(yù)警和主動監(jiān)控的功能,。

目前普遍采用的智能視頻監(jiān)控算法以移動目標(biāo)檢測算法為主,，即對采集到的視頻信息進(jìn)行逐幀處理,，當(dāng)被監(jiān)控區(qū)域內(nèi)有異物侵入時則發(fā)出報警信號。這種算法不能對運(yùn)動的物體加以區(qū)分,，且對應(yīng)用場所要求較高,，不能適應(yīng)于復(fù)雜的環(huán)境。若采用高級移動目標(biāo)檢測算法檢測運(yùn)動物體,，同時使用模式識別機(jī)器學(xué)習(xí)的方法識別運(yùn)動物體,，則可使智能視頻監(jiān)控技術(shù)具備更高的適應(yīng)性及準(zhǔn)確性。

1 移動目標(biāo)檢測算法（略）

目前能夠?qū)崿F(xiàn)并廣泛應(yīng)用的視頻移動目標(biāo)檢測算法主要包括：幀間差分法,、背景差分法,、光流法及一些高級融合算法。

2 移動目標(biāo)識別算法綜述（略）

在通過移動目標(biāo)檢測算法檢測出運(yùn)動區(qū)域后,，不同的運(yùn)動區(qū)域可能會對應(yīng)不同的運(yùn)動物體,。能否正確識別出非正常的運(yùn)動物體，將影響到智能視頻監(jiān)控系統(tǒng)報警的準(zhǔn)確性,。

同時,，目標(biāo)識別技術(shù)還可以應(yīng)用于線路的自動巡檢系統(tǒng)，辨別設(shè)備是否損壞,。目前移動目標(biāo)識別算法的種類較多,，大體上可分為基于傳統(tǒng)模板物體識別方法和基于統(tǒng)計學(xué)習(xí)的物體識別方法。

3 算法比較與未來展望

3.1 算法比較

綜上所述,，在基礎(chǔ)的移動目標(biāo)檢測技術(shù)中,，幀間差分法和背景差分法作為基礎(chǔ)的移動目標(biāo)檢測算法，具備算法簡單,，對設(shè)備要求不高,，運(yùn)算速度快等優(yōu)點(diǎn)。當(dāng)然,，也同時存在著適應(yīng)性較差,、對光照等背景變化較敏感等缺點(diǎn)。光流法檢測精度較高且可以解決待測目標(biāo)遮擋重合問題,。

但是,，計算復(fù)雜且運(yùn)算量巨大，除非有特殊的硬件支持,，否則光流法很難滿足對視頻進(jìn)行實(shí)時處理的要求，同時由于在計算中采用假設(shè)具有局限性,，使得光流法對噪聲比較敏感,。在未來的算法開發(fā)中，將各種方法結(jié)合的融合算法及較高級的背景建模方法無疑將成為研究的熱點(diǎn),。

在物體識別算法方面,，基于傳統(tǒng)模板物體識別方法可以看作“演繹法”,，即由人輸入物體的明確特征，當(dāng)計算機(jī)檢測出與這些特征相似度高的物體時即完成識別,。這種方式當(dāng)運(yùn)動物體特征明確時可以起到很好的效果,，且不需要太多的原始樣本作為算法的支撐。但是,，當(dāng)待識別物體特征不是很明顯或者不容易用機(jī)器語言表示清楚時,，此種算法便行不通了。

而基于統(tǒng)計學(xué)習(xí)的物體識別方法可以看作“歸納法”,，在識別過程中無需向計算機(jī)輸入任何規(guī)則,，只需要為其提供大量的真實(shí)世界產(chǎn)生的具有代表性的樣本，算法即可自主提取出特定的規(guī)則,，進(jìn)而完成識別,。此種算法可以提取待測物體高級的、抽象的特征,，在實(shí)踐中有很好的適應(yīng)性及準(zhǔn)確性,。但缺點(diǎn)為需要大量的訓(xùn)練數(shù)據(jù)，以及大量的計算,，對設(shè)備的要求很高,。

3.2 未來展望

近幾年，智能視頻監(jiān)控技術(shù)發(fā)展迅速,，在智能電網(wǎng)中的應(yīng)用也日益增多,，但是存在著誤報率高、應(yīng)用面窄,、不能完全智能識別出相應(yīng)故障,，仍需要人為干預(yù)等缺點(diǎn)。同時在技術(shù)角度分析,，智能視頻監(jiān)控系統(tǒng)必將朝著以下幾個方向發(fā)展：

1）具備更好的適應(yīng)性,。只有提高算法的適應(yīng)性，才能使智能視頻監(jiān)控更加適應(yīng)復(fù)雜多變的環(huán)境,。

2）可以識別出更多種異常情況,，且具有更高的準(zhǔn)確率。目前應(yīng)用的模式識別方法可以具備很高的準(zhǔn)確性,，但是基于深度學(xué)習(xí)的方法因?yàn)樾枰^多的正負(fù)樣本導(dǎo)致準(zhǔn)確率并不高,，如何提升此種方法的識別準(zhǔn)確性將是智能視頻監(jiān)控技術(shù)未來研究的方向。

3）智能視頻監(jiān)控裝置也必將向著產(chǎn)品形式的多樣化發(fā)展,，目前普遍采用的多為外置架設(shè)攝像頭有線傳輸?shù)姆绞?，為適應(yīng)多樣的工作環(huán)境，智能視頻監(jiān)控裝置也將朝著便攜手持式,、車載式,、遙控式等多種終端形式及無線視頻傳輸方向發(fā)展,。

結(jié)論

智能視頻監(jiān)控技術(shù)是一項(xiàng)十分具有實(shí)際應(yīng)用價值的研究。而且隨著我國電力系統(tǒng)自動化程度的不斷提高,，智能視頻監(jiān)控技術(shù)被越來越多地應(yīng)用于異物入侵檢測,、設(shè)備狀態(tài)檢測及安防報警當(dāng)中。目前針對視頻信息的移動目標(biāo)檢測技術(shù)已經(jīng)逐漸成熟,，在實(shí)際中的應(yīng)用也越來越多,。

但是移動目標(biāo)的自動識別技術(shù)仍處于不斷探索研究的階段。想要真正設(shè)計一套適用于電力系統(tǒng)的智能視頻檢測,、識別系統(tǒng),，還有很多的工作要做。相信隨著相關(guān)研究的不斷深入,，智能視頻監(jiān)控技術(shù)必將在電力系統(tǒng)中大放異彩,。

來源：機(jī)房環(huán)境監(jiān)控 http://rupm.cn/   本文采集于網(wǎng)絡(luò)，如有問題有聯(lián)系刪除