變電站內智能視頻安全帽識別算法的應用

蘇應敢 王浩兵

中圖分類號：TM411文獻標識碼： A

摘要：

保證人身、電網和設備安全穩定運行是變電站安全生產工作的重心，也是供電企業發展的基本要求。隨著經濟的發展，地區配電網絡得到了飛速發展，然而，各類檢修、搶修、急修、現場問題的不斷增多，使各變電站現場作業的安全管理成為配電網管理中的重中之重。通過在變電站內智能視頻安全帽識別技術的應用，實現對人員越權穿越分析、進出站內人員情況分析、操作人員現場作業情況分析，從而有效的提高了變電站視頻監控系統的利用率，還為變電站現場作業管控提供了有力的動態見證資料。

1.引言

隨著電網規模的擴大，變電站建設的全面展開，對變電站“五遙”功能的要求越來越高， 傳統的遙視監控系統完全依靠人工從海量畫面中檢索異常信息來實現監控功能， 檢索難度大， 監控效果差， 監控系統所具備的錄像功能， 用大容量的數據存儲設備來代替監控功能的不足， 給異常事件發生后的調查取證帶來很大的難度，從管理和技術上都無法滿足電力行業發展的需要。與傳統的視頻監控相比，智能視頻監控系統是采用圖像處理、模式識別和計算機視覺技術，通過在監控系統中增加智能視頻分析模塊，借助計算機強大的數據處理能力過濾掉視頻畫面無用的或干擾信息、自動識別不同物體，分析抽取視頻源中關鍵有用信息，從而通過智能分析技術來代替人工監視的安全管控。

變電站現場施工作業中，要面對高壓危險設備，工作人員進入現場作業區佩戴安全帽是必要的安全措施。在南方電網系統中，安全帽有嚴格的佩戴等級之分，按照視覺識別系統VI規定：白色安全帽代表領導、， 藍色安全帽代表管理人員， 黃色安全帽代表施工人員， 紅色安全帽代表外來人員。在變電站的安全生產規范中，對進入變電設備施工現場的要求非常嚴格，如不允許不佩戴安全帽進入現場，也不允許不同身份的人越界非法操作等。但違反安全規定不佩戴安全帽的情況也時有發生，帶來是安全隱患。如何應用視頻監控有效的實現智能監管，規范變電站各種生產作業的現場管控機制。通過對變電站內智能視頻安全帽識別的研究，實現了對人員越權穿越分析、進出站內人員情況分析、操作人員現場作業情況分析，從而有效的提高了變電站視頻監控系統的利用率，還為變電站現場作業管控提供了有力的動態見證資料。規范了變電站各種生產作業的現場管控機制，充分響應了南方電網公司“十二五”科技發展的總體目標，以“保安全、優電網、添綠色、強基礎、重和諧”五大關鍵需求為導向，為智能變電站奠定了良好的技術支撐，為輸電、變電、配電、調度等各個重要領域發展提供有力的安全生產保障。

國內外現狀：

安全帽識別的難度較大，目前還未見到實用的產品出現，有關安全帽識別的研究及文獻也極其少見。這主要是由于安全帽表面顏色愛噪聲干擾而產生顏色失真，安全帽顏色隨光照條件和入射角度等變化而變化，安全帽顏色識別面臨尚未解決的物體顏色恒常性等的問題。以國內外現有技術，一般識別方法都是基于顏色特征進行識別的。安全帽顏色識別的目的在于利用所獲得的安全帽圖像，提取安全帽顏色所需的顏色特征信息，并根據這些特征將主體顏色分類到指定的顏色類別中。識別過程中所涉及的圖像處理方法大多都是基于彩色圖像的，而目前的圖像處理方法大都是針對灰度圖像進行的，而對彩色圖像的研究相對較少。

智能視頻安全帽識別算法實現

第一步，安全帽檢測目標跟蹤：

目標跟蹤技術就是基于視頻中圖像幀序列來通過目標檢測技術確定目標在不同幀中的對應位置和大小，以獲取相應的運動軌跡，并給出運動目標的運動軌跡趨勢，實現對運動目標連續、準確的跟蹤。本方案中使用的目標跟蹤技術主要有：基于區域法跟蹤、基于特征法跟蹤、基于貝葉斯法跟蹤。

基于區域法的跟蹤又包括基于小區域的跟蹤和基于模板匹配的目標跟蹤。

基于小區域的跟蹤即利用圖像灰度、顏色、物體運動特征、紋理或顏色直方圖等特征將每幀圖像分割為不同區域，這類算法也可以說是基于圖像分割的跟蹤。但由于圖像分割本身就存在一些難以解決的問題，有時因為會產生過度分割，用這個方法進行運動目標跟蹤是無法進行的。其優點是對于運動目標中存在的遮擋問題不太敏感。

基于模板匹配的目標跟蹤的基本思想是，首先得到包含目標的模板，該模板可以通過圖像分割獲得或是人為給定，然后在視頻序列中利用特征直接做匹配運算。這種方法的優點在于當目標未被遮擋時跟蹤精度高且穩定；但缺點是很費時，尤其當搜索區域較大時，其次算法要求目標變形不大且不能有太大遮擋，否則相關精度下降會造成目標的丟失，且相似性度量值受噪聲影響較大。本方案中采用改進的模板匹配算法以及基于模板匹配的自適應目標跟蹤算法。

在本方案采用改進的模板匹配的目標跟蹤算法，通過距離加權、模板更新及局部匹配的方法來提高不同光照條件及變形情況下得魯棒性，不再采用簡單的平方差度量、相關匹配度量和相關系數度量，而是采用如式( 5)所示的相似性度量函數：

其中：為原始模板圖像同待匹配圖像在位置處的匹配值，為更新模板圖像同待匹配圖像在位置處的匹配值，與采用傳統的相似性度量函數；為位置同前一幀最優匹配點位置間的歐氏距離；為相應的權重系數；為最終的匹配結果。

本方案采用的基于模板匹配的自適應目標跟蹤算法在圖片檢索的過程中根據評價函數來自適應的調整模板，從而提高目標跟蹤的速度和可靠性。自適應模板匹配算法是在傳統的模板匹配的基礎上采用相關的評價函數，以當前的匹配位置為中心，根據給定的初始化模板構造一個圖像鄰域，以此鄰域作為被跟蹤目標的模板，作為下一幀和后續幀的匹配模板。匹配圖像中的目標由于視角或是非剛性運動造成的形狀和光照強度等信息的變化，可以利用與前一幀相關的模板來構造與當前幀相關的匹配模板。雖然目標的形狀信息在不同幀之間是變化的， 但是總體結構信息會保持不變，且連續兩幀之間的運動和變形不大，基于這樣的假設， 可以使用當前幀的信息為下一幀提供合理的初始化信息。 在目標跟蹤過程中可以結合圖像梯度、 幀間運動和區域相關來定義一個歸一化的評價函數。當評價函數值的變化量小于指定閾值時，更新匹配模板為自適應模板。

第二步，基于特征法目標鎖定：

基于特征的跟蹤不考慮運動目標的整體特征，而只通過目標圖像的一些顯著特征來跟蹤目標。將通過變電站現場作業員安全帽顏色和形狀來確定人物的運動行為。當然也可通過一個特征集合中的多個特征進行檢測?；谔卣鞣ǖ母欀饕ㄒ韵聝蓚€步驟組成：a)特征提??；b)特征匹配。

常常需要利用一些先驗信息或加入某些約束來解決，在基于多幀圖像的特征點跟蹤算法中，常假設相鄰幀圖像中的特征點在運動形式上的變化不會很大并以此為約束來建立特征點對應關系。

特征提取

特征提取即是從視頻圖像中提取出能夠標志運動目標對象的描繪特征，該特征應該具有以下特點：直觀性、易分性、簡單性以及不變性。直觀性即是指提取的特征符合人的人的視覺感官或是意識理解，易分性即是指提取的特征能夠將運動目標進行分類，簡單性即是指基于該提取特征的計算應盡量小，不變性即是指圖像進行平移、旋轉以及拉伸等變換不會影響通過特征提取來識別出目標對象。常用的目標特征有：顏色、紋理、邊緣、塊特征、光流特征、周長、面積等。特征提取算子有：Canny算子、SUSAN算子、哈里斯角點算子等。

特征匹配

基于特征法的目標跟蹤在使用特征提取算子從視頻序列中抽取出顯著特征后，再在不同圖像上尋找特征點的對應關系即匹配來跟蹤目標。已有的技術包括模板匹配、結構匹配、約束松弛匹配和假設檢驗匹配等。這類方法需要大量的執行時間；優點在于即使目標的某一部分被遮擋，只要還有一部分特征可以看到就可以完成跟蹤任務。

第三步，安全帽顏色識別：

顏色樣本提?。?/p>

安全帽顏色樣本的提取在安全帽顏色識別中是非常重要的，它是基本顏色特征匹配的基礎和關健?，F場安全帽顏色分為紅色、白色、藍色、黃色這4種。具體操作如下：

分別采樣晴天、陰天、雨天、雪天、霧天變電站內現場視頻素材各5000次穿越，每次穿越，人員在場景內停留3-5秒。對每一幀的視頻幀取樣并標定，如下圖。

顏色識別算法實現：

實現步驟如下：

(1) 通過對樣本分析，提取圖象特征

通過對大量樣本素材的分析，提取視頻圖像信息中的圖像特征。三大底層特征即：顏色、紋理和形狀特征。顏色特征常用的特征提取與匹配方法。

圖像的特征可以分為低層圖像特征和高層圖像特征。低層特征主要指圖像的顏色、形狀、紋理和空間關系等特征。圖像的高層特征即語義特征，則是指人對圖像內容及含義的理解和反映。對圖像提取的特征可以是圖像的全局特征，也可以是圖像中的某個目標或某個對象等局部特征。特征提取是CBIR技術的核心，圖像特征提取的好壞，決定著圖像檢索的最終效果好壞。所以圖像的特征提取是我們研究的關鍵環節。

(2) 通過圖像特征，進行圖像相似度匹配

在提取完圖像的特征之后，需要做的便是選取合適的方法利用圖像的這些特征來進行圖像間的相似性判別，判斷出檢索圖像與數據庫中的哪些圖像最接近，也就是度量它們的相似度。目前用的比較多的相似度度量準則主要有：歐氏距離、直方圖相交距離、二次式距離、相關系數和馬氏距離等。它們各有各的優缺點，各有各的適用范圍，在進行檢索時，應根據所提取的特征的特點，來選擇合適的相似度度量方法。

(3) 優化圖像檢索速度

索引機制是提高圖像檢索的速度而建立的。在提取的圖像特征之間可能具有一定的相關性，因此在圖像檢索系統中選用合適索引機制可以提高圖像檢索的速度。

(4)設置閥值，輸出匹配樣本

通過大量實驗，得出最合理的閥值。按照所設置的合理閥值，將檢索到的圖像相似度排序，將相似度符合的圖像輸出。

結論

本文提出一種基于安全帽顏色識別的算法，在云南電網視頻智能作業管控項目中已經成功的運用，通過此算法來解決在智能監控中如何判斷監控人員身份的問題。該算法在人員檢測算法的基礎上，識別檢測出來的行人的頭部，并根據頭部的顏色值，得到該行人所佩戴安全帽的顏色，然后根據生產規范中得到對應人的身份。實現對人員越權穿越分析、進出站內人員情況分析、操作人員現場作業情況分析。通過視頻智能監控的有效運用，促進變電站的運行管理水平提高，保障了變電站內作業的安全穩定運行。

參考文獻：

[1] 李太華，王迪.基于安全帽顏色識別的人員身份認證算法在變電站的應用 (國網烏魯木齊供電公司信息通信公司， 新疆 烏魯木齊 830011)

[2] 王亮，胡衛明，譚鐵牛.人運動的視覺分析綜述 [J] .計算機學報，2002，（3）：225-237.

[3] Haritaoglu I.， Harwood D. W4： Real-time Surveillance of People and Their Activities [J]. IEEE Trans. on PAMI， 2000， 22（8）： 809- 830.

[4] 張丙坤.基于人頭檢測的人數統計算法研究.西安科技大學碩士學位論文.

[5] 陳衛東 張強 楊麗．一種改進的快速中位切割彩色圖像量化算法 Ｊ ．計算機工程與應用 2007.