张林华 李绍荣 李永彪
（云南电网有限责任公司楚雄供电局 675000）
摘要：本文提出了一种基于3D建模视频检测方法，用于高压输电线路运行情况的实时检测。传统的视频检测方法不能适应背景复杂多变的检测环境，需要经常根据环境变化调整视频检测参数，存在视频检测精度低、使用维护量大等缺点。针对以上情况，本文提出的基于3D建模的视频检测方法可以适应视频检测环境复杂多变的情况，提高视频检测精度和极大的减少系统使用的维护量。
关键词 3D 建模 视频检测 高压输电线路
引言
随着中国电力系统的迅速发展，高压输电线路越来越多的敷设在众多经济活跃地区，在为当地提供经济发展电力保证的同时，也经常遭受有意或者无意的干扰事件，造成电力输送中断甚至发生人员伤亡等事件。近年来，不同地区的电力部门积极采用新技术尝试通过远程非接触方式对输电线路状态进行实时检测，目的是及时发现对高压输电线路造成危险的突发情况，比如高压输电线路保护区内有大型机械闯入、输电线路上有漂浮物、输电线路特定区域内有人员、车辆闯入，又或者输电线路附近有山体滑坡发生等。
目前经过测试和验证，采用视频检测的方法是比较有效且性价比较高的一种方式，即通过在高压输电塔上安装监控摄像机并通过对摄像机监控图像进行分析的方式来发现高压输电线路是否面临有突发情况。
由于高压输电线路现场环境的复杂性，使得对视频检测和分析所使用的技术提出了很高的要求。目前视频检测所使用的技术多采用样本对比等方式，对检测环境有比较苛刻的要求，不能很好的适应检测环境、背景高度复杂且经常发生变化的情况，需要经常对视频检测的条件根据环境情况进行重新设置或者调整以保证检测精度。这种情况给系统使用和维护带来了极大的工作量。
本文依据当前视频检测技术的发展，提出了采用3D建模的视频检测方式应对背景环境复杂变化的情况，可以改善视频检测的精度并减少系统使用和维护的工作量，对当前乃至以后高压输电线路运行情况的视频检测技术具有一定的启示意义。
1、3D建模视频技术
图像3D建模首先对背景建立统计模型，然后将当前需识别的图像与背景
图像模型做位处理，提取出活动性前景图像再予以识别。
1.1 背景图像建模
建模方法选取：使用自适应基密尔估计法建立背景模型，可以取得较好的检测效果，但需要较多的存储空间而且运算复杂，实时性差；W4算法以双峰分布描述单像素的概率分布，采用最大值、最小值及与最大帧之间的变化建立背景模型，可使运算速度加快，但其只利用图像的灰度信息，在应用中有局限性；
采用混合高斯模型（MOG）作为背景的统计模型，对每个高斯分布的参数不断进行更新以适应背景的逐渐变化；该方法对于非完全静止的时变背景有较好的适应能力；但MOG的缺点在于，当图像边缘纹理、颜色变化很明显的情况下，识别前景对象仍不是很准确；
本研究采用改进的混合高斯模型，在一定边框范围内，利用像素局部邻域之间的相关性，采用每一个像素点及其邻域组成的集合作为特征矢量来描述图像。为了更加充分地利用边缘空间背景，本研究扩大图像背景分割建模，以从重复变化的背景中提取出活动目标。
（1）图像的混合高斯分布表示
利用像素邻域之间的相关性，采用每一个像素点及其邻域组成的集合作为特征矢量来描述图像。例如，对像素x55采用其5×5邻域像素构成特征向量，即x55(x11,… x15, x21,…, x25, x31,… x35, x41,… x45 x51,… x55)T。
为使白天、黑夜获得同样的识别效果，本系统使用灰度图像序列。
1.2 背景建模中的几个特征
（1）基于像素亮度的特征
像素亮度特征是背景建模中常用的一个特征。在一个完全静止的场景中，一个像素在一段时间内的亮度变化服从高斯分布N（μ，σ）。如果场景变化缓慢，那么只要用基本的高斯模型就可以适应这种变化。在模型需要更新时，可以使用各种滤波器来实现。
在现实中，完全静止的场景是不存在的。严格地说，在每一种情况下，像素都会呈现出不同的亮度值，具有不同的分布。因此，只用单个的高斯分布来模拟像素亮度的概率密度函数是不充分的。使用混合高斯分布（MOG）是建模时一种比较好的方法。
把每个像素在一段时间内的值作为一个“像素过程”，场景中每个像素最近观察值的分布用一个混合高斯分布来表示。每个新的像素值可以由混合模型的主要组成之一来表示。这种方法通过缓慢改变高斯分布值来处理光照的渐变问题，同时还可以处理阴影、摄像头抖动问题，可有效地实现图像监控系统活动对象识别功能。再加上利用像素亮度的亮度特征，通过非参数核密度估计对背景建模。其模型保留图像中每个像素亮度值的样本，然后用这个样本来估计像素亮度分布的密度函数。这个模型可以估计任何新观察像素值的概率，达到处理背景比较凌乱、背景与前景同色的问题，同时减少由于摄像头的抖动而引起的误识。
为了解决像素的亮度随着光照的变化而改变，又引入Markov模型。
（2）基于块的特征
背景建模的过程也用到基于块特征的方法。
在背景学习的过程中用每一个块的中值模板和块标准偏移来代替第一块。在每一个新帧，每一块与它的模板对应。如果某块相对于标准偏移量的偏移程度很大，就认为它是前景区域。
（3）背景建模的保持
背景建模的保持是背景算法的一个难点。一个理想的背景保持系统应该综合考虑以下的一些问题：
① 背景对象可以移动，这种情况可能会被检测为前景；
② 自然光照的渐亮变化；
③ 光照的突变，例如闪电等天气的突然变化；
④ 摆动的树枝和草叶，这种情况使背景像素值频繁改变，且像素值之间的关系不是很清晰；
⑤云彩或塔身投入的阴影；
⑥活动对象停在场景中；
背景模型的保持拟从多种空间尺度来处理，例如结合图像像素、区域、帧的特征，从像素级、区域级、帧级综合进行运算，是自上而下的阶梯式处理方法。
像素级只用到孤立像素点的信息，将前景和背景进行第一次分离。像素级能处理一些问题，例如可动背景、光照的渐变和摆动树枝等。
区域级是一个整合过程。在区域级结合像素之间的关系，对像素级粗分的结果进行细分。在区域级还可以解决前景的空洞问题，同时还能处理进入场景中的对象停在场景中和原来属于场景中的对象开始移动。
帧级处理则对付光照的突变。
在背景保持更新时，结合采用长期更新与短期更新。
利用短期更新来处理因为光照的渐变使背景的亮度而轻微变化时的情况。
通过长期更新的方法来得到新的频变背景。
应用双背景和长期背景来解决背景静止到运动的转变以及光照变化的问题。短期背景考虑背景的快速变更以此来更新背景模型。
联合背景建模与运动图像分割以识别运动目标
装置充分利用整幅图像的空间信息，对当前图像It+1进行运动分割。
本系统增加投影方法，将图像识别和运动检测结合起来。
投影运算就是对图像识别后的每个一致性区域进行判断：如果该区域大部分面积经背景建模法检测都属于运动区域，那么该区域属于运动目标，否则，该区域属于背景，不属于活动对象。
将面积小于一定阀值的区域去除达到消除干扰，较为准确地识别活动对象。
2、3D建模视频检测技术应用
根据上述算法，本文作者编制了测试应用程序，并在云南楚雄供电局安装了测试设备，进行了实际验证，通过两个安装测试点的运行结果，取得了预期的效果。
结论
本文通过提出一种基于3D建模视频检测方法用于高压输电线路状态检测，通过实际测试和验证，证明具备良好的环境适应性，提高视频精度，极大的减轻了系统运行过程中需要经常调整检测参数的行为。
参考文献
[1]专著--吕敬钦.《视频行人检测及跟踪的关键技术研究》，2013，博士论文
[2]专著—万卫兵 霍宏 赵宇明.《智能视频监控中目标检测与识别》.出版者 上海交通大学出版社 2010年01月
论文作者:张林华,李绍荣,李永彪
论文发表刊物:《电力设备》2016年第12期
论文发表时间:2016/8/26
标签：背景论文; 像素论文; 建模论文; 图像论文; 视频论文; 模型论文; 亮度论文; 《电力设备》2016年第12期论文;