[發(fā)明專利]一種輸電線路的靜態(tài)火災檢測方法

在審

• 申請?zhí)枺?/td>: 201810608933.7
• 申請日: 2018-06-13
• 公開（公告）號: CN108875626A
• 公開（公告）日: 2018-11-23
• 發(fā)明（設計）人: 袁杰;張斌;吳鵬;劉剛
• 申請（專利權）人: 江蘇電力信息技術有限公司;國網江蘇省電力公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 南京匯盛專利商標事務所(普通合伙) 32238
• 代理人: 陳揚

本發(fā)明公開了一種輸電線路的靜態(tài)火災檢測方法，它包括以下步驟：對圖像進行過分割；對過分割得到的分割區(qū)域集按相似度進行合并；對合并后每個剩下的區(qū)域，使用預先訓練好的SVM分類器進行火焰判斷，如判斷出為火焰區(qū)域，則進行標注；否則不標注。本發(fā)明能檢測出靜態(tài)火焰區(qū)域，達到更好的檢測準確率。

技術領域

本發(fā)明屬于輸電線路防外破領域，涉及一種基于深度時空域特征的輸電線路山火檢測方法，具體說是一種輸電線路的靜態(tài)火災檢測方法。

背景技術

輸電線路山火檢測可以通過煙霧和火焰兩方面進行檢測，而基于煙霧的山火檢測難以將山火發(fā)出的煙霧和其它諸如炊煙、工業(yè)煙囪煙霧等非險情煙霧有效區(qū)分開來，因此其實用價值不如基于火焰的山火檢測。

基于火焰的山火檢測通過火焰檢測來觸發(fā)山火報警。火焰檢測有兩種方式：靜態(tài)火焰檢測和動態(tài)火焰檢測。靜態(tài)火焰檢測輸入是單張圖像，通過各種圖像處理和機器學習技術檢測出圖像中的火焰區(qū)域；而動態(tài)火焰檢測輸入是視頻圖像序列，可以利用時域和空域信息檢測出動態(tài)跳躍的火焰。以下分別介紹這兩種檢測方法的研究現(xiàn)狀。

①靜態(tài)火焰檢測方法。靜態(tài)火焰檢測方法一般通過提取圖像的顏色、形狀、紋理及深度特征來檢測火焰。由于火焰最顯著的靜態(tài)特征是其顏色，所以對火焰顏色的特征提取是火焰識別過程的關鍵。但由于一些如太陽、晚霞、車燈發(fā)出的光等對象也具有火焰類似的顏色靜態(tài)特征，因此基于靜態(tài)特征的檢測方法的一大挑戰(zhàn)就是如何去除這些干擾目標。

②動態(tài)火焰檢測方法。動態(tài)火焰檢測方法利用視頻的時域信息，將火焰的跳躍、閃爍等動態(tài)特征納入模型考慮中進行火焰檢測，但不能區(qū)分閃爍的車燈與真實的火焰。

發(fā)明內容

本發(fā)明的目的是提供一種輸電線路的靜態(tài)火災檢測方法，能檢測出靜態(tài)火焰區(qū)域，達到更好的檢測準確率。

本發(fā)明的目的通過以下技術方案實現(xiàn)：

一種輸電線路的靜態(tài)火災檢測方法，其特征在于包括以下步驟：

(1)對圖像進行基于圖理論的過分割；

(2)使用基于層次聚類的方法對圖像過分割區(qū)域進行合并；

(3)使用預先訓練好的SVM分類器對每個合并剩下的區(qū)域進行判斷，如判斷為火焰，則進行標注，否則不標注；步驟為對于集合R中的每個區(qū)域,采用事先訓練好的SVM分類器進行火災判斷。SVM訓練時采集大量火災樣本，將火焰區(qū)域對應的類別標簽值設為1，非火焰區(qū)域類別標簽值設為0，進行參數學習。此處分類器使用的核函數是徑向基函數

K(x,y)＝exp(-|x-y|²/d²)。

本發(fā)明中，所述的對圖像進行基于圖理論的過分割步驟為：

11)將圖像的每個像素映射到特征空間形成圖的節(jié)點，然后利用特征空間中的距離選取與其距離最近的點作為他們的鄰居，連接鄰居點的邊權重為兩個對應節(jié)點在特征空間內的距離。這樣形成有n個節(jié)點和m條邊的圖G。

12)將邊按權重值以非遞減方式排序。

13)初始化分割狀態(tài)記為S(0),即每一節(jié)點屬于一個區(qū)域。

14)按照以下方式由S(q-1)構造S(q)：記第q條邊連接的兩個節(jié)點為v_i和v_j，如果在S(q-1)中vi和vj是分別屬于兩個區(qū)域并且第q條邊的權重小于兩個區(qū)域的區(qū)域內間距，則合并兩個區(qū)域。否則令S(q)＝S(q-1)。其中區(qū)域內間距定義為：即區(qū)域對應最小生成樹MST中權重最大的邊的權值。

15)從q＝1到q＝m,重復步驟4)。

16)返回s(m)即為所求過分割區(qū)域集合R＝{r₁,...,r_n}。