随着我国经济技术和其它各方面的不断发展,各行各业的用电需求越来越大,所以准确并且实时的检测电力设施的安全稳定性非常必要。但是近年来由于受自然条件和人为主观条件等因素的影响,电力设施的异常事件所引起的电力事故频繁发生,因此而造成了巨大的经济损失。基于这种情况,本文提出了基于图像的电力设施异常事件检测的方法,用于检测电力设施中异常事件的发生。本文首先分析了电力设施异常事件(例如输电线路覆冰、变压器或绝缘子人为破坏等)发生的原因和影响因素等;然后介绍了基于这些异常事件的图像预处理的方法,在此基础上引入了传统的边缘检测方法对上面的图片和视频进行了检测;最后主要介绍了三个方面的异常事件检测:输电线路覆冰检测及厚度测量、变压器和绝缘子边缘检测以及杆塔及电力设施旁边行人检测与统计。论文重点介绍了电力设施边缘检测方法和人数统计方法。在电力设施边缘检测方面,分别介绍了传统的图像边缘检测算子、阈值分割方法以及现代智能控制算法,包括粒子群算法和结构森林算法等,同时对这几种方法进行了实验对比分析。根据对比分析的结果,本文总结出结构森林算法的优缺点,并且对算法进行了改进,以满足复杂图片的仿真需求;在行人统计方面,采用背景建模、Adaboost分类器以及卡尔曼改进滤波器相结合的方法,对拍摄的视频中的行人进行了统计,经过仿真实验验证,证明了该算法的实用性,满足了实际系统的需要。