[发明专利]一种输电线路车辆靠近检测方法、装置和存储介质

说明书

本发明公开了一种输电线路车辆靠近检测方法和装置，包括：将采集到的选定区域的图像进行灰度处理得到灰度图像；根据灰度图像的像素和对应的灰度值确定测试矩阵；基于预先利用字典学习模型迭代求解获得的字典，确定测试矩阵的表示矩阵；基于字典和表示矩阵确定测试矩阵对应的类别标签，获得输电线路车辆可能靠近的位置。本发明提出一种基于字典学习的输电线路车辆靠近检测方法，创新性地引入字典学习这一新兴技术，利用字典学习判断输电线路保护区内是否出现车辆，从而可以及时发现输电线路保护区内的安全隐患。

技术领域

本发明涉及计算机视觉图像处理领域，具体涉及一种基于字典学习的输电线路车辆靠近检测方法和装置。

背景技术

电力生产的安全、稳定、高效运行关乎国计民生，对电力工业的持续健康发展具有重大意义，也是整个行业常抓不懈的根本任务。电力设备状态检测是电力公司日常的重点工作，为保证电力设备的正常运行，需要指定严格的巡检计划，分派人员对变电站、输电线路进行巡视，以便及时发现隐患和故障，并把设备的运行情况以及缺陷信息进行汇总和定期的分析统计，人员工作强度大、工作任务重。

大型车辆在输电线路保护区内作业，都有可能引起放电、采石爆破、车辆冲撞等事故，造成输电线路的不安全现象或故障。因此，需要研究输电线路车辆靠近检测，及时发现超高车辆，避免事故发生，可大幅降低运行人员的工作量和劳动强度。

发明内容

本发明旨在克服了传统人为检测输电线路车辆靠近问题，提供一种输电线路车辆靠近的检测方法和装置。

本发明采用以下技术方案：一方面，本发明提供一种输电线路车辆靠近检测方法，包括：

将采集到的选定区域的图像进行灰度处理得到灰度图像；根据灰度图像的像素和对应的灰度值确定测试矩阵；

基于预先利用字典学习模型迭代求解获得的字典，确定测试矩阵的表示矩阵；基于字典和表示矩阵确定测试矩阵对应的类别标签，根据类别标签判断输电线路保护区内是否出现车辆。

进一步地，对采集到的选定区域的图像采用对R、G、B分量进行加权平均算法得到灰度图像。

进一步地，所述字典学习模型如以下公式表示：

其中，j是整数，j＝1-N^c，Y是训练样本矩阵，[Y¹,Y²...Y^C]＝Y,Y¹～Y^C分别表示属于第1～C类的训练样本矩阵，X是基于字典D的样本矩阵Y的表示矩阵，[X¹,X²...X^C]＝X,X¹～X^C分别表示第1～C类训练样本的表示矩阵，N^c代表第c类训练样本的数目，分别代表第1...j...N^c个第c类训练样本的表示向量，[d₁,d₂...d_k]＝D，k是字典D的列数，d₁～d_k分别表示字典D的k个列向量，β、λ、γ是三个标量因子，表示矩阵的F范数的平方，表示矩阵的2范数的平方，P^c表示提取系数矩阵，tr()表示矩阵的迹算子，表示第c类样本的拉普拉斯矩阵，s.t.表示约束条件，||d_k||₂表示d_k的2范数，表示任意的k。

再进一步地，提取系数矩阵P^c表示如公式(2)所示：

其中，a，b分别是矩阵P^c行、列的索引，c＝1,…,C，C表示所有样本对应的类别标签总数，ξ表示字典D的所有样本类别相关联的列的索引集。