随着电力逐渐渗透进社会的各行各业,由于火灾、异物入侵等隐患导致的意外停电事故严重影响了人们的生活,造成了巨大的经济损失。因此,如何有效地监控高压输电线路及其周边环境,从而及时发现安全隐患,保证电力供应是一个亟待解决的问题。据统计,常见的输电线路安全隐患包括工程车、吊臂、塔吊、火灾及异物入侵等。目前,常见的检测上述隐患的方法有人工巡检、机器人巡线、无人机巡检及基于固定于杆塔上摄像头的视频监控这四类。虽然上述方法取得了一定的效果,但是前三种方法不仅需要人工干预与控制,而且巡检范围有限,难以保证实时监控。视频监控对摄像头的供电要求非常高,然而由于高压输电线路不能直接为摄像头供电,因此一般使用可充电电池供电。可充电方式一般是利用风能、太阳能等,监控模式则采用按照一定时间间隔进行拍摄获取图像序列的模式,从而进一步降低功耗。为了解决基于图像序列的线路隐患检测问题,课题组自2015年开始与山东某公司合作,结合图像处理与机器学习理论分析图像序列,由于监拍装置的场景固定,采用了差分方法作为隐患的主要检测技术,进而自动确定隐患位置及类型,并及时报警,于2016年底开发了隐患检测和识别系统的第一个版本。该系统能够检测天空区域的吊臂和地面区域的工程车及火灾,但是仍然存在一些问题需要解决,主要问题有:无法检测线路异物、杆塔倒塌等天空区域隐患;图像差分之后仍然存在较多噪声;识别类型较少,还难以判定塔吊、泵车等不同类型的安全隐患。针对第一版本中存在的问题,主要开展了以下几方面的工作:(1)天际线分割。结合图像中灰度变化的程度、频率及天空区域的位置获得准确的天际线位置,从而得到天际线掩膜。由于出现在天空与地面区域的隐患类型不同,所以使用掩膜将图像分成天空与地面分别进行隐患检测;(2)提出了累计边缘概率分布模型,并实现了天空区域隐患的检测。天空区域隐患包括杆塔倒塌、线路异物以及摄像头异常移动等。事实上,上述隐患都是小概率事件。由于杆塔及线路是天空区域中的固定目标,虽然其位置偶有变化,但是正常情况下会在其平衡位置附近晃动。由于监拍场景固定,因此从图像序列的角度来看,这些固定目标应当符合一定的概率分布模型。在大量观察基础上,提出了累计边缘概率分布模型,结合自适应Parzen窗算法,通过与该模型比较,实现了天空区域隐患的检测;(3)地面区域隐患检测。首先,通过改进的多颜色空间融合图像差分算法获取变化区域;其次,结合灰度涨落漂移、改进的多尺度边缘朝向直方图与分形维数等算法筛选变化区域,进而确定隐患区域;最终,通过纹理、形状等特征确定隐患类型;(4)识别工程车、吊臂等目标。鉴于Faster-RCNN目标检测方法与利用传统图像处理方法在地面区域隐患检测方面的互补性,大幅度降低了漏报率。迄今为止,该系统已在山东省17地市、江苏、辽宁等多个省市获得推广。基于课题组所开发的系统,据统计,降低了工作人员约98%的工作量。虽然本文算法进一步改善了系统的性能,取得了更好的检测效果,但是对于存在遮挡、小目标的隐患检测等问题,系统的检测效果仍然不甚理想,需要进一步提升性能。