变电站在电力系统中担负着最核心的任务,其对所在区域的供配电有着重要影响。基于视频智能分析的变电站监控管理模式正在广泛开展研究中,通过这种智能的管理模式,管理者可以通过网络轻松实现远程监测,能够更加快速的发现各种安全隐患,及时处理问题,省去大量实地检修和排查的麻烦,有效的减轻工作人员的工作时间和工作强度。这种变电站智能监控系统设计对电力系统可视化统一智能管理的建设有着非常重要的意义。针对上述需求,本文设计了一种基于视频智能分析的变电站监控系统。该系统将视频智能分析技术融入电网统一视频监控平台,通过视频智能分析技术实现智能排查,自动报警功能,并且能够全天24小时不间断工作,同时可以对监控数据进行筛选和区分,缓解存储压力和管理者的工作量,提高监控系统的整体效率和可靠性。变电站视频智能分析主要围绕设备状态监测、入侵和异常行为检测、违规行为检测、视频质量检测等方面进行,从设备状态到周围环境进行了全方位的分析。并设计出了该系统的软硬件架构,以及架构按功能模块划分后各功能模块所包含的软硬件组成单元和各模块可以实现的功能。同时针对变电站安全防范最重要的环节即设备状态监测和入侵监测,该论文重点研究了变电站数字仪表的识别和运动目标的跟踪。针对数字仪表识别,本文提出了一种多特征多分类器融合的识别算法,该方法将几组具有较高区分度且计算简单的典型特征融合,并通过最小距离分类器和最近邻分类器进行两次分类识别。由于通过多个特征结合形成有辨识度的特征因子,和分类器粗分类细分类的两层筛选,使系统鲁棒性强,能够在保证系统识别准确性的同时,提高识别速率。试验表明:该方法的识别率高达99.03%,系统识别用时低于300ms,达到了仪表显示值识别的速度和准确率要求。针对变电站可疑人物车辆入侵检测,本文研究了运动目标跟踪算法。运动目标跟踪的算法准确度决定了报警的正确与否,因此本文研究了Mean Shift算法及Cam Shift算法实现运动目标跟踪的原理和过程,并利用VC++及OpenCV实现了基于该算法的运动目标跟踪程序,实验证明该算法跟踪的准确率满足实际需求。