[發(fā)明專利]用于對(duì)變電站內(nèi)多目標(biāo)跟蹤定位的方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010879688.0
• 申請(qǐng)日: 2020-08-27
• 公開(kāi)（公告）號(hào): CN112215873A
• 公開(kāi)（公告）日: 2021-01-12
• 發(fā)明（設(shè)計(jì)）人: 韓睿;劉黎;楊忠光;王威;蔣鵬;李斐然;馮宇哲;楊立川;劉爽
• 申請(qǐng)（專利權(quán)）人: 國(guó)網(wǎng)浙江省電力有限公司電力科學(xué)研究院
• 主分類號(hào): G06T7/277
• 分類號(hào): G06T7/277;G06T7/246;G06T7/73
• 代理公司: 浙江翔隆專利事務(wù)所(普通合伙) 33206
• 代理人: 張建青

本發(fā)明涉及機(jī)器視覺(jué)技術(shù)領(lǐng)域，本發(fā)明提供了用于對(duì)變電站內(nèi)多目標(biāo)跟蹤定位的方法，對(duì)通過(guò)攝像頭采集到的變電站內(nèi)設(shè)備圖像集，進(jìn)行預(yù)處理；使用目標(biāo)檢測(cè)器給識(shí)別圖像中每一個(gè)被跟蹤的目標(biāo)，獲取每一個(gè)目標(biāo)的坐標(biāo)信息；當(dāng)發(fā)生遮擋時(shí)，該方法結(jié)合運(yùn)動(dòng)信息和外觀信息，對(duì)目標(biāo)進(jìn)行跟蹤，最后基于透視變換將跟蹤情況實(shí)時(shí)反映到變電站底圖上，能克服現(xiàn)有變電站內(nèi)多目標(biāo)跟蹤中出現(xiàn)的遮擋問(wèn)題及對(duì)目標(biāo)的定位問(wèn)題。

技術(shù)領(lǐng)域

本發(fā)明涉及機(jī)器視覺(jué)技術(shù)領(lǐng)域，具體涉及用于對(duì)變電站內(nèi)多目標(biāo)跟蹤定位的方法。

背景技術(shù)

隨著電網(wǎng)規(guī)模的增大、電壓等級(jí)的提高，供電安全性要求更加嚴(yán)格，變電站正常運(yùn)行成為保障電力系統(tǒng)供電安全的重要環(huán)節(jié)。無(wú)人值守或少人值守變電站在一定程度上決定了 電網(wǎng)的智能化發(fā)展，而變電站場(chǎng)景下的運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤技術(shù)是實(shí)現(xiàn)變電站無(wú)人值守或少 人值守的必要條件。

準(zhǔn)確有效的多目標(biāo)跟蹤將提高監(jiān)視性能，并確保變電站人員的安全。如今，隨著基于圖像的檢測(cè)方法的迅速發(fā)展，基于圖像檢測(cè)的跟蹤方法逐漸成為多目標(biāo)跟蹤方法的重要組 成部分。基于圖像檢測(cè)的方法首先使用背景減法檢測(cè)對(duì)象，然后建立幀與幀之間的對(duì)應(yīng)關(guān)系 以找到對(duì)象的軌跡。

但是，基于圖像檢測(cè)的跟蹤方法的性能高度依賴于目標(biāo)檢測(cè)器。當(dāng)檢測(cè)器處理復(fù)雜 的情況(例如重度阻塞)時(shí)，會(huì)經(jīng)常出現(xiàn)錯(cuò)誤和丟失跟蹤檢測(cè)目標(biāo)的情況。尤其是變電站監(jiān) 視的視頻跟蹤系統(tǒng)常遇到的重要問(wèn)題之一就是目標(biāo)人員被遮擋，尤其是多個(gè)目標(biāo)人員。

現(xiàn)有的視頻跟蹤方法處理遮擋問(wèn)題的模型主要采用生成模型，通過(guò)在線學(xué)習(xí)的方式 建立模型，然后搜索重建誤差最小的圖像區(qū)域以找到目標(biāo)位置。然而，生成模型在速度和準(zhǔn) 確性上表現(xiàn)不理想，尤其是變電站內(nèi)出現(xiàn)多個(gè)目標(biāo)時(shí)。

因此，急需用于對(duì)變電站內(nèi)多目標(biāo)跟蹤定位的方法，以解決多目標(biāo)的遮擋問(wèn)題。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問(wèn)題是克服上述現(xiàn)有技術(shù)的缺陷，提供了用于對(duì)變電站內(nèi)多 目標(biāo)跟蹤定位的方法，能夠有效的解決變電站內(nèi)對(duì)多目標(biāo)的遮擋問(wèn)題。

為實(shí)現(xiàn)上述目的，本發(fā)明通過(guò)以下技術(shù)方案得以實(shí)現(xiàn)：用于對(duì)變電站內(nèi)多目標(biāo)跟蹤 定位的方法，包括，

S1：對(duì)通過(guò)攝像頭采集到的變電站內(nèi)設(shè)備圖像集，進(jìn)行預(yù)處理；

S2：使用目標(biāo)檢測(cè)器給識(shí)別圖像中每一個(gè)被跟蹤的目標(biāo)，獲取每一個(gè)目標(biāo)的坐標(biāo)信 息；

S3：使用卡爾曼濾波預(yù)測(cè)目標(biāo)的軌跡，根據(jù)目標(biāo)在當(dāng)前幀的狀態(tài)預(yù)測(cè)其在下一幀的 狀態(tài)，并將估計(jì)預(yù)測(cè)結(jié)果存入T-Pre集合中；

S4：計(jì)算被目標(biāo)在當(dāng)前幀的狀態(tài)與其在下一幀的預(yù)測(cè)狀態(tài)的馬氏距離，并比較所得 結(jié)果與預(yù)設(shè)的第一閾值的大小；若所得結(jié)果小于或等于第一閾值，則進(jìn)入S7，否則進(jìn)入S6；

S5：使用卷積神經(jīng)網(wǎng)絡(luò)提取目標(biāo)的外觀特征，計(jì)算前、后幀的余弦相似度，并比較所得余弦距離與預(yù)設(shè)的第二閾值的大小；若所得余弦距離小于或等于第二閾值，則進(jìn)入S7，否則進(jìn)入S6；

S6：進(jìn)行融合度量學(xué)習(xí)，將當(dāng)前幀獲得的目標(biāo)的坐標(biāo)信息存入已檢測(cè)集合D中，將歷史幀獲得的目標(biāo)的坐標(biāo)信息存入跟蹤集合T中，根據(jù)設(shè)置的權(quán)重系數(shù)j，計(jì)算包含T預(yù)測(cè)結(jié)果的T-Pre集合與D集合之間的馬氏距離以及D中提取到的特征向量與歷史軌跡T中提 取到的特征向量平均值的余弦距離，并比較所得結(jié)果與預(yù)設(shè)的第一閾值的大小；若所得結(jié)果大于第三閾值，則進(jìn)入S7；

S7：若D為空集，就將丟失幀計(jì)數(shù)加1，若丟失幀計(jì)數(shù)超過(guò)預(yù)設(shè)的第四閾值時(shí)，就 認(rèn)為該目標(biāo)已消失，并將該目標(biāo)的歷史坐標(biāo)信息從T中刪除，重新進(jìn)行檢測(cè)；

S8：將變電站底圖和被跟蹤的目標(biāo)之間進(jìn)行透視變換，實(shí)現(xiàn)對(duì)目標(biāo)的實(shí)時(shí)定位；

S9：輸出最終的結(jié)果。