摘要：随着变电站智能化的普及与计算机视觉等技术的发展，市场急需智能化的监控系统来保障人身和设备的安全，通常，变电站内监控都是人为监控，可是人难免有疏忽，从而导致严重的后果。通过研究，本文提出了一种基于OpenCV的运动目标检测算法，对变电站内的人物进行自动跟踪，且对人物危险行为进行了报警。
关键词：变电站；智能化监控；OpenCV；自动跟踪；报警
1引言
随着计算机技术飞速发展，机器视觉技术也在蓬勃发展，智能化电网也相应的进入一个快速发展阶段。机器视觉技术就是人们利用摄像机头获取视频图像信息，再通过计算机将其转化为数字信号进行分析处理，以便人们充分的理解、利用这些信息。
传统视频监控系统是人在后台监控着摄像机画面，但人眼的视力始终是有限的，智能视频监控技术不仅减轻了工作人员的工作量，同时也减小了工作难度，还加大了安全系数。
智能视频监控技术在变电站有着广泛的应用前景和实用价值，可以在变电站的监控区域内进行行人跟踪，对其行为进行分析，判断如果是危险行为则报警，从而保障人身安全。
2系统开发环境概述
2.1 Visual Studio的简述
Microsoft Visual Studio（简称VS）是美国微软公司的开发工具包系列产品。VS是一个基本完整的开发工具集，它包括了整个软件生命周期中所需要的大部分工具，如UML工具、代码管控工具、集成开发环境（IDE）等等。所写的目标代码适用于微软支持的所有平台，包括Microsoft Windows、Windows Mobile、Windows CE、.NET Framework、.NET Compact Framework和Microsoft Silverlight 及Windows Phone，Visual Studio是目前最流行的Windows平台应用程序的集成开发环境。
2.2 OpenCV的简述
OpenCV于1999年由因特尔建立。OpenCV是一个基于（开源）发行的跨平台计算机视觉库，可以运行在很多操作系统上。它运行效率高，而且非常方便，由大量C 函数和少量 C++ 类构成，同时提供了JAVA、Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的算法。OpenCV 拥有包括 300 多个C函数的跨平台的中、高层应用程序调用接口。
OpenCV应用广泛，如人机互动，物体识别，图象分割，人脸识别，动作识别，运动跟踪，机器人等。
图1 OpenCv的组成框图
3背景建模
在图像处理中下，我们经常需要从一段视频或者一些图片中找到感兴趣的目标物体，然后再进行二次处理，把感兴趣的目标分离出来。为了达到这个目的，我们首先需要”学习”建设背景模型，然后将背景模型和当前图像进行比较，从而得到前景目标。
背景与前景是一个相对的概念，以信纸为例：有时人们对信纸上的字感兴趣，这时字是前景，而信是背景；有时人们对信纸上的格子感兴趣，这时格子是前景，而字和信纸又成了背景。背景建模的方式很多，有简单的有高级的。不过各种背景模型都有自己适用的场合，即使是高级的背景模型也不能适用于任何场合。
在本文中采用了背景建模中的高斯建模，高斯模型就是用正态分布曲线精确地量化事物，将一个分解为很多干的基于正态分布曲线形成的模型。
图像处理中建立高斯模型的原理：灰度直方图反映的是图像中某个灰度值出现的频率。如果图像包含的目标和背景相比变化大，那么该图像的灰度直方图呈现双峰或谷形状，其中一个峰对应于目标的平均灰度，另一个峰对应于背景的平均灰度。对于医学图像，一般是多峰的。通过观察直方图的多峰特性，分析为多个高斯分布的叠加，便可以解决图像的分割问题。
由于需要视频素材来进行图像处理，所以在特高压扎鲁特换流站的换流变广场进行了视频采样，并进行了高斯建模，如图2，左边图像为实际场景，右侧高斯建模后发现，大部分物体变为黑色，视频中的人物变为白色凸显出来。
图2 高斯背景建模
4图像分割与目标标记
图像分割是将图像划分成若干个互不相交的小区域的过程，小区域是某种意义下具有共同属性的像素的连通集合。如不同目标物体所占的图像区域、前景所占的图像区域等，而连通域算法作为图像分割的重点与难点，它的功能就是将图像中每个区域标记符号，相当于给每个区域取名字，方便后期对区域进行算法调用和识别。
在我们认识连通区域标记算法之前，我们首先要知道连通区域是什么，什么的像素邻接关系会构成连通。在图片中，最小的单位是像素，每个像素周围有8个邻接像素，我们常见的邻接关系有两种：8邻接和4邻接，本文选用8邻接，8邻接一共8个点，为上下左右，左上左下右上右下，如下图3所示。
图3 8邻接
如果像素点邻接，我们称它们连通，有如下的结论：如果像素1与像素2连通，像素2与像素3连通，则像素1与像素3连通。在视觉上看来，彼此连通的点形成了一个区域，而不连通的点形成了不同的区域。这样的一个所有的点彼此连通点构成的集合，我们称为一个连通区域。
通过连通域标记后，我们将图像分割为一个又一个区域，我们可以通过像素面积来排除一下小的区域，一方面可以减噪，因为图像有可能波动造成建模时图像噪点增多，会影响检测，我们可以用连通域面积消除噪点；第二方面可以排除一些非感兴趣目标，我们摄像头一般搭设在高处，在检测区域内人的面积不会太大也不会太少，同时，我们在连通域算法后可以顺便提取区域左上角和左下角像素目标，和区域质心像素目标，串成链表存储在数组结构内，方便后面调用和标记。
链表是一种常见的重要的数据结构，如图4，它是动态地进行存储分配的一种结构。它可以根据需要开辟内存单元。链表有一个”头指针”变量，以head表示，它存放一个地址。该地址指向一个元素。链表中每一个元素称为”结点”，每个结点都应包括两个部分：一为用户需要用的实际数据，二为下一个结点的地址。因此，head指向第一个元素：第一个元素又指向第二个元素；……，直到最后一个元素，该元素不再指向其它元素，它称为”表尾”，它的地址部分放一个”NULL”（表示”空地址”），链表到此结束。
图4 链表
上文进行了OpenCV图像分割与目标标记，使用了连通域算法，划分了每个区域，并且把它们编号存入链表之中，之后又用OpenCV自带的函数对目标进行了矩形框标记，质心标记和轨迹绘制，接下来将算法使用代码实现，应用在素材中，效果图如下。
图5 算法实现效果图
在图5中可见，该算法鲁棒性强，跟踪人物十分准确，将人物用方框自动化跟踪，实现了智能化的人物标记，而且该算法自动计算人物轨迹，并绘制在人物后方。
5报警功能
算法在该素材中设置了一个虚拟的报警区域，如图6所示，该区域上方为safe，表示为安全状态，在人尚未踏入，一直为安全状态；一旦有人进入，立即触发信号，该区域上方的safe变为warning，表示情况十分危险！如图7所示。
图6 安全状态
图7 危险状态
7结语
人身安全和电气设备安全是电网稳定运行的基础，在大数据智能化的现代来说，智能化变电站是发展的趋势，而智能化监控则是智能
化变电站的重中之重，它使监控工作更加方便，减少人力的同时还提高了准确度，使每个危险行为都逃不过它的”火眼金睛”。为了每个人的生命安全，为了电网的蓬勃发展，希望该技术能早日应用在电网之中，这也是作者的心愿。
参考文献：
[1]蒋鹏，秦小麟.一种基于多特征的视频人物聚类方法[J].计算机科学.2008，5-25.
[2]洪松，朱龙英，周少龙.运动目标检测报警系统的设计与实现[J].常州大学学报.2013，4.
[3]孙文强.安全监视与综合报警系统的设计与实现[D].大连海事大学.2015.
[4]徐杨.移动目标视觉跟踪系统的设计与实现[J].电子科技大学.2012，3.
[5]王鹏，马宇飞，张宏江，杨士强.一种利用人物相似度的视频索引算法[J].电子学报.2004（06）.
[6]黄文君.工业分布式智能报警系统[D].浙江大学.2015.
作者简介：
李世荣（1994.2-），男（蒙古族），内蒙古自治区，职称：运维值班员；现从事特高压直流输电的运维工作，单位：国网内蒙古东部电力有限公司检修分公司特高压扎鲁特换流站
论文作者:李世荣
论文发表刊物:《电力设备》2018年第34期
论文发表时间:2019/5/20
标签：图像论文; 区域论文; 像素论文; 算法论文; 目标论文; 背景论文; 建模论文; 《电力设备》2018年第34期论文;