一种配电站房摄像机预置位异常检测方法技术

本发明专利技术提出了一种配电站房摄像机预置位异常检测方法，包括如下步骤：首先是图片获取及初始化处理、然后是通过物联网技术控制配电站房运行环境、再然后是通过图像识别技术计算当前图像的偏移量、再然后控制摄像机PTZ参数设置云台预置位，最后是通过互联网技术上报摄像机云台预置位异常告警五个过程，通过结合视频数据智能分析技术、物联网技术、互联网技术，实现了对配电站房摄像机预置位异常自动检测，不仅有效提高了巡查工作效率，降低人员巡查工作量，而且还提高了配电站运行的安全可靠性。而且还提高了配电站运行的安全可靠性。而且还提高了配电站运行的安全可靠性。

【技术实现步骤摘要】
一种配电站房摄像机预置位异常检测方法


[0001]本专利技术属于配电站房通信
，具体为一种配电站房摄像机预置位异常检测方法。

技术介绍

[0002]随着人工智能技术的发展，摄像机做为配电站房的眼睛起着越来越重要的作用。人工智能技术赋能摄像机，将对配电现场的人员着装、固定资产、设备运行状态、小动物入侵、站房积水、开关柜顶漏水、明火、烟雾等事件进行识别，在出现异常后第一时间发出报警，从而保障配电站房运行状态可控。但是，摄像机云台长期运行，可能会照成预置位与实际位置产生明显偏差，无法观察到预定的目标，并且配电站房数量多、分布广，如果通过运维人员手动重新设置的方式，需要投入大量的人力、物力开展维护工作。所以急需一种配电站房摄像机预置位异常检测方法。

技术实现思路

[0003]为解决上述技术问题，本专利技术提出了一种配电站房摄像机预置位异常检测方法，结合视频数据智能分析技术、物联网技术、互联网技术，实现了对配电站房摄像机预置位异常自动检测，不仅有效提高了巡查工作效率，降低人员巡查工作量，而且还提高了配电站运行的安全可靠性。
[0004]为实现上述目的，本专利技术采取的技术方案是：
[0005]一种配电站房摄像机预置位异常检测方法，其特征在于：包括如下步骤：
[0006]S1：图片获取及初始化处理；
[0007]S2：通过物联网控制配电站房运行环境；
[0008]S3：通过图像识别技术计算当前图片的偏移量；
[0009]S4：控制摄像机PTZ参数设置云台预置位；
[0010]S5：通过互联网上报摄像机云台预置位异常告警。
[0011]作为本专利技术的优选技术方案：在步骤S1中，图片获取及初始化处理的具体步骤如下：
[0012]S11：通过厂家SDK实时获取配电站摄像机的实时视频数据；
[0013]S12：设置预置位时，获取实时视频数据中的某一帧，作为基准图片；
[0014]S13：在截取完基准图片后，检查基准图片是否正常，若基准图片存在异常，则重新获取基准图片，获取基准图片成功后，保存基准图片数据为OrgImg；
[0015]S14：此时获取的基准图片格式为YUV格式，再对基准图片进行格式转换，将其转换为RGB的图片格式，转换后的基准图片数据为OrgImg_RGB[]。
[0016]作为本专利技术的优选技术方案：在步骤S2中，通过物联网控制配电站房运行环境的具体步骤如下：
[0017]S21：通过物联网接入配电站房的灯光照明设备；
[0018]S22：获取启动图片识别前的灯光照明设备状态；
[0019]S23：启动图像识别时启动灯光照明；
[0020]S24：图像识别结束后恢复灯光照明状态。
[0021]作为本专利技术的优选技术方案：在步骤S3中，通过图像识别技术计算当前图片的偏移量的具体步骤如下：
[0022]S31：对获取预置位基准图片进行均值滤波处理；
[0023]令Sxy表示中心点在(x,y)处，大小为m
×
n的滤波器窗口，然后计算滤波器窗口区域的像素均值，最后将均值赋值给窗口中心点处的像素：
[0024][0025]其中，g(s,t)表示原始图片，f(x,y)表示均值滤波后得到的图片基于上述公式，对原始图片进行均值滤波处理；
[0026]S32：针对均值滤波处理后的图片，针对图片中的每个像素，当像素R、G、B三个颜色分量值均高于200时，设置该像素点的值为R＝255，G＝255，B＝255；
[0027]S33：计算处理后图片的每个像素的三个颜色分量的平均差值，计算方法如下：
[0028]Avg＝(R+G+B)/3
[0029]Avg_d＝((Avg
‑
R)+(Avg
‑
G)+(Avg
‑
B))/3
[0030]上式中的Avg为平均值，Avg_d为平均差值，当平均差值Avg_d大于50时，设置该像素点的值为R＝255，G＝255，B＝255；
[0031]S34：将不满足上述两个条件的像素值设置为R＝0，G＝0，B＝0；
[0032]S35：将RGB格式转换为灰度格式，根据RGB转灰度公式：Gray＝R*0.299+G*0.587+B*0.114，从而将OrgImg_RGB[]计算得到对应的灰度图片数据：Org_Mat_Gray[]；
[0033]S36：由于实际图片中左上角或右上角、左下角或右下角会包含文字信息，为避免文字信息对监测的影响，因此，假设图片横坐标为0<x<W1，图片纵坐标为0<y<H1，其中的H1表示图片的高度，W1表示图片的宽度，将图片横坐标截取为W1/8<x<7*W1/8，将图片纵坐标截取为H1/8<y<7*H1/8，得到灰度图片矩阵Mat_Gray[]，新的灰度图片的宽度为W2，高度为H2；
[0034]S37：对灰度图片采用3
×
3像素区域的图像膨胀算法进行处理；
[0035]S38：对膨胀处理后的图片查找白色像素点的区域，形成一系列的外部轮廓区域；
[0036]S39：计算每个外部轮廓区域的面积大小，当面积大小小于图片大小的1/50时，则忽略该外部轮廓区域；
[0037]S310：针对查找到的每个外部轮廓区域，将每个外部轮廓区域范围对应至原图区域范围；
[0038]S311：在原图中的每个区域范围内，根据每个像素RGB分量值，当R>G+10，并且G>B+30时，设置该像素值为R＝255，G＝255，B＝255；
[0039]S312：在原图中的每个区域范围内，根据每个像素RGB分量值，当像素R、G、B三个颜色分量值均高于200时，设置该像素点的值为R＝0，G＝0，B＝0；
[0040]S313：对原图进行5
×
5的切割，获取中间图像的左上角坐标为(x
1，
y1),比对基准图像的R矩阵数据，找到重叠部分的左上角坐标(x0,y0)；
[0041]S314：计算待测图像与基准图像的偏移量，则x方向的偏移量为
△
x＝x0
‑
x1，y方向的偏移量为
△
y＝y0
‑
y1。
[0042]作为本专利技术的优选技术方案：在步骤S37中，图像膨胀算法的函数处理流程：
[0043]S371：获得源图像每行像素的宽度；
[0044]S372：创建一幅大小与源图像相同，所有像素置黑的目标图像；
[0045]S373：从第2行、第2列开始检查源图像中的像素点，若3
×
3像素区域结构元素中只要有一个点是白色，则将目标图像中的当前像素点置为白；
[0046]S374：循环S373步骤本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种配电站房摄像机预置位异常检测方法，其特征在于：包括如下步骤：S1：图片获取及初始化处理；S2：通过物联网控制配电站房运行环境；S3：通过图像识别技术计算当前图片的偏移量；S4：控制摄像机PTZ参数设置云台预置位；S5：通过互联网上报摄像机云台预置位异常告警。2.根据权利要求1所述的一种配电站房摄像机预置位异常检测方法，其特征在于：在步骤S1中，图片获取及初始化处理的具体步骤如下：S11：通过厂家SDK实时获取配电站摄像机的实时视频数据；S12：设置预置位时，获取实时视频数据中的某一帧，作为基准图片；S13：在截取完基准图片后，检查基准图片是否正常，若基准图片存在异常，则重新获取基准图片，获取基准图片成功后，保存基准图片数据为OrgImg；S14：此时获取的基准图片格式为YUV格式，再对基准图片进行格式转换，将其转换为RGB的图片格式，转换后的基准图片数据为OrgImg_RGB[]。3.根据权利要求1所述的一种配电站房摄像机预置位异常检测方法，其特征在于：在步骤S2中，通过物联网控制配电站房运行环境的具体步骤如下：S21：通过物联网接入配电站房的灯光照明设备；S22：获取启动图片识别前的灯光照明设备状态；S23：启动图像识别时启动灯光照明；S24：图像识别结束后恢复灯光照明状态。4.根据权利要求1所述的一种配电站房摄像机预置位异常检测方法，其特征在于：在步骤S3中，通过图像识别技术计算当前图片的偏移量的具体步骤如下：S31：对获取预置位基准图片进行均值滤波处理；令Sxy表示中心点在(x,y)处，大小为m
×
n的滤波器窗口，然后计算滤波器窗口区域的像素均值，最后将均值赋值给窗口中心点处的像素：其中，g(s,t)表示原始图片，f(x,y)表示均值滤波后得到的图片基于上述公式，对原始图片进行均值滤波处理；S32：针对均值滤波处理后的图片，针对图片中的每个像素，当像素R、G、B三个颜色分量值均高于200时，设置该像素点的值为R＝255，G＝255，B＝255；S33：计算处理后图片的每个像素的三个颜色分量的平均差值，计算方法如下：Avg＝(R+G+B)/3Avg_d＝((Avg
‑
R)+(Avg
‑
G)+(Avg
‑
B))/3上式中的Avg为平均值，Avg_d为平均差值，当平均差值Avg_d大于50时，设置该像素点的值为R＝255，G＝255，B＝255；S34：将不满足上述两个条件的像素值设置为R＝0，G＝0，B＝0；S35：将RGB格式转换为灰度格式，根据RGB转灰度公式：Gray＝R*0.299+G*0.587+B*
0.114，从而将OrgImg_RGB[]计算得到对应的灰度图片数据：Org_Mat_Gray[]；S36：由于实际图片中左上角或右上角、左下角或右下角会包含文字信息，为避免文字信息对监测的影响，因此，假设图片横坐标为0<x<W1，图片纵坐标为0<y<H1，其中的H1表示图片的高度，W1表示图片的宽度，将图片横坐标截取为W1/8<x<7*W1/8，将图片纵坐标截取为H1/8<y<7*H1/8，得到灰度图片矩阵Mat_Gray[]，新的灰度图片的宽度为W2，高度为H2；S37：对灰...

【专利技术属性】
技术研发人员：刘涛，戴金林，
申请(专利权)人：齐丰科技股份有限公司，
类型：发明
国别省市：