一种电力系统危险目标识别方法及装置的制造方法
【技术领域】
[0001]本发明涉及电力系统设备保护领域领域，更具体地，涉及一种电力系统危险目标识别方法和装置。
【背景技术】
[0002]为了保证电力设施的安全运行，一般都会给一定区域内的电力设施配备监测系统，现有的电力设施监测系统，通常只能识别出某一监测区域中的入侵物，而对于此入侵物是否对电力设施构成确定的威胁，则无法判别，更加无法确定入侵物对电力设施会造成多大的威胁，因而必然给威胁的排除造成困难，例如，对将没有威胁的入侵物体安排排除工作，造成资源的浪费，或者对排除工作准备的不足，造成安全隐患。
【发明内容】
[0003]本发明提供一种电力系统危险目标识别方法，目的在于解决现有的电力设备监测系统不能明确入侵威胁及威胁程度，而给威胁排除造成困难的问题。
[0004]本发明的又一目的在于提供一种电力系统危险目标识别装置。
[0005]为了达到上述技术目的，本发明的技术方案如下:
[0006]一种电力系统危险目标识别方法，包括:
[0007]检测出所述电力监测系统采集到的视频中的入侵物；
[0008]利用预先训练的分类器对所述入侵物的图像进行分类，确定所述入侵物是否对电力设施构成威胁；
[0009]如果是，则计算所述入侵物的参数，并依据预先设置的参数与危害程度间的对应关系确定所述入侵物的危险等级。
[0010]进一步地，所述检测出所述电力监测系统采集到的视频中的入侵物包括:获取所述视频的图像序列中相邻的两幅图像的结构相似性指标对应的图像;计算所述结构相似性指标对应的图像的直方图；依据所述直方图，确定阈值;利用所述阈值对所述结构相似性指标对应的图像进行阈值分割，得到分割后的图像;将所述分割后的图像分别向其所在坐标系的水平轴和垂直轴做投影，并提取所述投影值大于预设的值的连续区域作为入侵物的图像。
[0011]进一步地，在所述得到分割后的图像之后，将所述分割后的图像分别向其所在坐标轴的水平轴和垂直轴做投影之前，还包括:对所述分割后的图像进行先腐蚀再膨胀的数学形态学计算，将计算结果作为分割后的图像。
[0012]进一步地，所述预先训练的分类器包括:基于Haar特征基的分类器。
[0013]进一步地，所述预先训练的过程包括:将能够对电力设施产生威胁的物体的图像作为正样本，将不含所述物体的图像作为负样本；分别计算所述正样本和所述负样本的Haar特征值，并根据所述特征值确定弱分类器的阈值;将不同的弱分类器按照Adaboot方法的加权方式组合为不同的强分类器;将所述强分类器级联，以组成所述的分类器。
[0014]进一步地，所述利用预先训练的分类器对所述入侵物进行分类，确定所述入侵物是否对电力设施构成威胁包括:获取所述入侵物图像的多个相同尺寸的子图像;将所述子图像送入所述分类器，当有预设数量的连续的子图像的分类结果均为有威胁物体时，则确定所述入侵物对电力设施构成威胁。
[0015]进一步地，所述入侵物的参数包括:所述入侵物的尺寸。
[0016]一种电力系统危险目标识别装置，包括:入侵物检测模块，用于检测出所述电力监测系统采集到的视频中的入侵物;威胁物确定模块，用于利用预先训练的分类器对所述入侵物的图像进行分类，确定所述入侵物是否对电力设施构成威胁;危险等级分类模块，用于当入侵物对电力设施构成威胁时，计算所述入侵物的参数，并依据预先设置的参数与危害程度间的对应关系确定所述入侵物的危险等级。
[0017]进一步地，所述入侵物检测模块包括:图像获取单元，用于获取所述视频的图像序列中相邻的两幅图像的结构相似性指标对应的图像；阈值分割单元，用于计算所述结构相似性指标对应的图像的直方图，并依据所述直方图，确定阈值，利用所述阈值对所述结构相似性指标对应的图像进行阈值分割，得到分割后的图像;区域提取单元，用于将所述分割后的图像分别向其所在坐标系的水平轴和垂直轴做投影，并提取所述投影值大于预设的值的连续区域作为入侵物的图像。
[0018]进一步地，所述危险等级分类模块包括:子图像获取单元，用于获取所述入侵物图像的多个相同尺寸的子图像;分类器，用于将所述子图像进行分类，当有预设数量的连续的子图像的分类结果均为有威胁物体时，则确定所述入侵物为有威胁物体;危险等级确定单元，用于当所述入侵物为有威胁物体时，计算所述物体的尺寸，以确定其危险等级。
[0019]与现有技术相比，本发明技术方案的有益效果是:
[0020]本发明通过使用Haar特征集训练的分类器对检测出的入侵物进行识别，不仅能够识别出确切的入侵物，还能够通过对入侵物尺度大小的计算，确定入侵物的危险等级，为排除危险物提供了准确的参考，方便了排除危险物的操作。
【附图说明】
[0021 ]图1为本发明识别方法的流程图；
[0022]图2为本发明识别装置的结构示意图。
【具体实施方式】
[0023]附图仅用于示例性说明，不能理解为对本专利的限制；
[0024]为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；
[0025]对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
[0026]下面结合附图和实施例对本发明的技术方案做进一步的说明。
[0027]实施例1
[0028]如图1所示，一种电力系统危险目标识别方法，包括步骤:
[0029]SlOl:检测出所述电力监测系统采集到的视频中的入侵物；
[0030]电力监测系统的图像采集单元将采集到的电力设施现场的视频传回后，将所述视频包含的图像帧序列进行图像处理的过程，用以检测是否有入侵物。
[0031]S102:利用预先训练的分类器对所述入侵物的图像进行分类，确定所述入侵物是否对电力设施构成威胁；
[0032]需要强调的是，本实施例中预先训练的分类器为使用Haar特征集进行训练后的分类器，Haar特征集中的特征分为三类:边缘特征、线性特征、中心特征和对角线特征，组合成特征模板。
[0033]S103:如果是，则计算所述入侵物的参数并依据预先设置的参数与危害程度间的对应关系确定所述入侵物的危险等级。
[0034]所述入侵物的危险等级指的是入侵物对电力设施的危害程度，危害程度越大则危险等级越高，入侵物的参数与危险等级间的对应关系可以根据实际情况预先设定，其中，参数可以为入侵物的尺寸。
[0035]本实施例公开的危险目标识别方法，除了能够检测出电力设施附件的入侵物外，还能够明确判断出所述入侵物是否为对电力设备造成威胁，并确定出危险等级，从而能够指导是否需要安排排除，以及怎样排除危险。
[0036]进一步地，本实施例中所述检测出所述电力监测系统采集到的视频中的入侵物包括:
[0037]获取所述视频的图像序列中相邻的两幅图像的结构相似性指标对应的图像；
[0038]其中，结果相似性指标(StructuralSimilarity Index Measurement，SSIM)是一种基于颜色空间的衡量两幅图像相似性的指标，两幅图像间的相似性越高，则SS頂值越大，当SSIM值为I时，说明两幅图像完全相同，也就是说，当后一幅图像中包含了前一幅图像中没有的目标时，则认为此目标为入侵物这里，使用SS頂的作用为找出相邻的图像间的不同。
[0039]计算所述结构相似性指标对应的图像的直方图；
[0040]依据所述直方图，确定阈值；
[0041]利用所述阈值对所述结构相似性指标对应的图像进行分割，得到分割后的图像；
[0042]图像中结构没有发生明显变化的区域的SSIM值接近或者等于I，而那些结构发生了明显变化的区域的值小于1，因而可以设定某一个阈值来将SS頂结果图二值化，只保留差异部分，而将其他结构没有发生明显变化的部分图像都变化O。
[0043]将所述分割后的图像进行先腐蚀后膨胀的数学形态学计算，将计算结果作为新的分割后的图像；
[0044]上述为对结构相似性指标对应的图像进行阈值分割的过程，得到的分割后的图像为二值图像，对分割结果进行形态学处理，则是为了去除噪声。
[0045]将分割后的图像分别向其所在坐标系的水平轴和垂直轴做投影，并提取所述投影值大于预设的值的连续区域作为入侵物的图像。
[0046 ]所述检测入侵物的方法面对电力设施入侵物的分割，将S SIM指标、阈值分割及投影计算灵活组合，相比于其他目标检测方法，更适用于检测出电力设施附近的入侵物。
[0047]进一步地，本实施例所述的预先训练的过程包括:
[0048]将能够对电力设施产生威胁的物体的图像作为正样本，将不含所述物体的图像作为负样本；
[0049]例如，能够对电力设施产生威胁的物体包括大型工程车辆，其