[發明專利]一種輸電線防外破的車輛識別與危險行為判別系統與方法

有效

• 申請號: 201810049610.9
• 申請日: 2018-01-18
• 公開（公告）號: CN108109385B
• 公開（公告）日: 2022-06-14
• 發明（設計）人: 陸國強;王興國;穆科明;鄭偉國
• 申請（專利權）人: 南京杰邁視訊科技有限公司
• 主分類號: G08G1/017
• 分類號: G08G1/017;G06K9/62;G06N3/04;G06N3/08;G06V10/25;G06V10/764;G06V10/82
• 代理公司: 南京銳恒專利代理事務所(普通合伙) 32506
• 代理人: 劉佳偉

本發明公開了一種輸電線防外破的車輛識別與危險行為判別系統與方法。該系統包括前端輸電線路智能防外破預警裝置、后端中心管理平臺和移動客戶端，系統的前端和后端分別裝有深度學習模塊，前端和后端的深度學習模塊協作運行，完成傳輸線防外破的車輛識別與車輛危險行為預警判別。前端的深度學習模塊的模型和參數由后端訓練后在線提供，中心管理平臺確定深度學習網絡的層數和卷積核大小，并對深度學習網絡進行訓練。本發明還提供了上述判別系統的判別方法。本發明既避免了前端深度學習網絡的訓練代價，降低了前端系統的復雜性，又解決了后端智能分析中視頻傳輸費用高和實時性低問題。

技術領域

本發明屬于電力供應技術及其智能化領域，具體涉及一種輸電線防外破的車輛識別與危險行為判別系統與方法。

背景技術

高壓輸電線路具有覆蓋范圍大、分布區域廣、傳輸距離長、自然和地理條件復雜多變、破壞源頭多等特點，它們給線路的日常運行、維護和檢修帶來極大挑戰，特別是桿塔或線路附近的泵車、工程車等大型車輛經過、附近吊車施工等潛在的外破行為給輸電線路的正常運行造成威脅。

近來年，各種新的技術和裝備不斷引入用于對電力設施的外破行為進行自動檢測和預警，基于機器視覺的模式識別方法是一種重要的方法。

目前，主流的應用于輸電線路防外破預警系統的模式識別的方法是SIFT特征提取、SVM分類為主，用于識別大型施工車輛，該方法使用SIFT方法提取前景區域的顏色和角點，再使用預先訓練好的SVM分類器進行車型判斷。但該方法的缺陷是特征向量的維數過高，容易產生“維數災難”，另SIFT提取的特征由人工設計，很難描述復雜場景下的車輛特征，適應性差、泛化能力較差、識別精度較低、預警可靠性不足。

發明內容

本發明的目的是提出一種基于聯合前后端的深度學習方法，針對輸電線環境的大型施工車輛識別與危險行為分析方法，該方法結合前端智能和后端分析，深度學習中后端實現模型訓練，前端實現分類判別。本發明既降低了前端訓練模型的復雜度，又解決后端智能分析中海量視頻數據傳輸問題、實時性問題、準確率問題，可實時實現各種對線路構成潛在危害的車輛和行為進行預警、阻止作用。

為實現上述目的，本發明采用的技術方案為一種輸電線防外破的車輛識別與危險行為判別系統，該系統包括輸電線路前端的智能防外破預警裝置、后端的中心管理平臺和移動客戶端，中心管理平臺通過3/4G網絡與輸電線路智能防外破預警裝置通信，移動客戶端通過3/4G網絡與輸電線路智能防外破預警裝置和中心管理平臺通信，前端的智能防外破預警裝置和后端的中心管理平臺分別裝有深度學習模塊，該前、后端的深度學習模塊協作運行，完成傳輸線防外破的車輛識別與車輛危險行為預警判別。

進一步，上述前端輸電線路智能防外破預警裝置由3/4G智能攝像機、太陽能電池板、電源控制器、蓄電池組成。

上述3/4G智能攝像機由視頻成像模塊、深度學習模塊、預警模塊、PTZ模塊、壓縮模塊、存儲模塊及通信模塊部件組成，視頻成像模塊實現圖像采集與預處理；預警模塊實現預警信息管理與信息上報；PTZ模塊實現攝像機上下左右轉動和鏡頭拉近或拉遠，調整攝像機視野；壓縮模塊實現對包含大型施工車輛的原始YUV數據壓縮為JPEG圖片和H.264/5視頻；存儲模塊實現對壓縮后的圖片和視頻在SD存儲介質上進行存儲和基于預警事件和時間戳的索引。

進一步，深度學習算法分別部署于系統的前、后端，后端的中心管理平臺實現深度學習算法中網絡模型的建模、標注、訓練，調整后端的深度學習網絡網絡模型及參數，并定時在線將最新的深度學習網絡模型及參數傳送到前端；前端收到后端發來的深度學習網絡模型及參數后更新前端智能攝像機的深度學習網絡及參數；前端的智能攝像機抓拍監測點過往車輛的圖像，對采集的圖像采用實時更新深度學習網絡模型與參數進行分類識別和行為分析，判別出危險情況時，在線預警并將預警事件、圖片及發生預警的車輛過往時前后短視頻進行時間戳標注、壓縮、存儲并發往后端中心管理平臺。