[发明专利]基于视频运动检测技术的电力设施防外破预警方案

摘要

本发明涉及一种基于视频运动检测技术的电力设施防外破预警方案，其方案是将摄像头所检测的视频按照一帧帧图像读取后，根据时间设置相应的阈值体系后对视频一系列的帧图像处理提取出电力设施的整体轮廓和整个视频图像上的虚拟线圈，然后确定检测区域，然后在所有检测区域内采用混合高斯分布背景模型来进行背景提取和更新，再通过背景消减法得到检测区域的前景，将检测区域的前景的像素数据与阈值体系的相应检测阈值进行比较，若前景像素数据超出了阈值范围则发出预警信号，从而实时地进行背景更新和前景的检测，确保视频检测的实时性和持续性。

主权项

一种基于视频运动检测技术的电力设施防外破预警方案，其特征在于包括如下几个步骤：①读取图像，将摄像头所检测的视频按照一帧帧图像读取到内存中并记录该图像的像素灰度值数据；②根据时间设置相应的阈值体系，时间为早上8点到下午5点之间确定为白昼模式、晚上8点到凌晨5点确定为黑夜模式，而对于其它时间即模糊时间区域，采用Bayes定理进行决策分类，黑夜和白昼模式采用相应的不同阈值体系；③通过图像边缘检测算法对步骤①得到的视频一系列的帧图像处理来提取出电力设施的整体轮廓；④在步骤②得到的阈值体系下，根据步骤③得到的电力设施轮廓生成整个视频图像的从内到外的3至8个虚拟线圈；⑤根据步骤③得到的电力设施轮廓和步骤④得到的虚拟线圈确定检测区域，检测区域为电力设施轮廓以外、位于最内的虚拟线圈以内的区域以及所有相邻的两个虚拟线圈之间的区域；⑥在步骤⑤得到的所有检测区域内采用混合高斯分布背景模型来进行背景提取和更新；采用一个多重自适应的混合高斯模型并根据高斯分布的持续性和变化性来检测出背景点和前景点；背景的更新是通过引入更新率更新各高斯分布的权重来实现的；基于混合高斯分布背景模型的背景提取和更新的原理和处理方法如下：设用来描述每个象素点颜色分布的高斯分布共有K 个；在时刻，某象素点第i 个高斯分布的概率密度函数为：（3）其中，表示时刻象素点的RGB强度值组成的颜色向量；、分别为时刻第个高斯分布的均值向量，协方差矩阵；各高斯分布分别具有不同的权值和优先级，它们按照优先级从高到低进行排序；满足公式的前b 个高斯分布被认为是背景分布，而其它高斯分布则认为前景分布，上式中，T为阈值，T的取值决定了背景分布的个数；在检测前景点时，按照优先级次序将与各高斯分布逐一匹配，若没有表示背景分布的高斯分布与匹配，则判定该点为前景点，否则为背景点；若检测时没有找到任何高斯分布与匹配，则将优先级最小的一个高斯分布去除，并根据引入一个新的高斯分布，并赋予较小的权值和较大的方差，若第k 个高斯分布与匹配，则对第i 个高斯分布的权值更新如下：（4）其中，为更新率，当i=k时，，否则，；⑦通过背景消减法得到检测区域的前景，通过对一帧帧的检测区域的图像像素数据和实时更新的检测区域中的背景像素数据做差值运算，即可得到所检测区域的前景；⑧将步骤⑦得出的检测区域的前景的像素数据与步骤②得到的阈值体系即黑夜或白昼模式下的检测阈值集进行比较，若前景像素数据超出了阈值范围则进入步骤⑨，否则继续不断循环步骤⑥至⑧，实时地进行背景更新和前景的检测，同时相隔一定时间后执行步骤②再次检测现在的模式为白昼模式还是黑夜模式并更新相应的阈值体系；⑨若前景像素数据超出了阈值范围，则认为有运动物体靠近电力设施，此时立即通过预警系统及时发出预警信号；其中步骤③中，Bayes函数为：（1）表示要加以判别的2个模式类别即白昼模式和黑夜模式，表示特征向量、即当前帧图像平均灰度值；表示2个模式出现的先验概率，随季节、周围环境的不同而变化，可由历史数据统计得到；分别表示白昼模式、黑夜模式下平均灰度值为的条件概率，由经验获得；判别公式为：若（2）则判为白昼模式；否则，判为黑夜模式；则该判断方法可表示为：式中为当前时间，通过确定黑夜或白昼模式后设置相应的阈值体系。