[發明專利]一種基于目標跟蹤算法的高壓輸電線路異物檢測方法有效
| 申請號: | 202110387931.1 | 申請日: | 2021-04-12 |
| 公開(公告)號: | CN113076899B | 公開(公告)日: | 2023-04-07 |
| 發明(設計)人: | 杜啟亮;張楠;田聯房 | 申請(專利權)人: | 華南理工大學;華南理工大學珠海現代產業創新研究院 |
| 主分類號: | G06V20/40 | 分類號: | G06V20/40;G06V10/44;G06F18/214;G06F18/24;G06N3/0464 |
| 代理公司: | 廣州市華學知識產權代理有限公司 44245 | 代理人: | 馮炳輝 |
| 地址: | 510640 廣*** | 國省代碼: | 廣東;44 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 基于 目標 跟蹤 算法 高壓 輸電 線路 異物 檢測 方法 | ||
1.一種基于目標跟蹤算法的高壓輸電線路異物檢測方法,其特征在于,包括以下步驟:
1)在高壓輸電線路的輸電塔上安裝攝像頭,調整攝像頭的角度使得攝像頭對準高壓輸電線,且對同一條高壓輸電線,應在線路兩端的輸電塔上,均安裝攝像頭,保證同一線路至少能同時被兩個攝像頭捕捉;
2)通過步驟1)搭建的攝像頭拍攝高壓輸電線路上的異物,同時在互聯網上收集異物的圖片;整理得到的圖片,對其進行分類,并對分類后的圖片進行一一對應的標注,并保證每一張圖片的標注方式相同;將標注過后的圖片隨機打亂,并分成訓練集、驗證集和測試集;
3)使用yolov5模型訓練方法對步驟2)中得到的訓練集開始訓練,進行迭代和更新yolov5模型,選取total?loss指標最小的模型作為最終得到的結果,并對其在測試集上進行實測,在得到良好的目標檢測結果后,將所用yolov5模型保留,用于目標跟蹤;
4)使用步驟3)中得到的yolov5模型,對視頻流進行預測,得到當前時刻的檢測框,使用改進的非極大值抑制算法,即soft-nms算法對yolov5模型的檢測結果進行處理,得到帶有soft-nms算法的yolov5模型;所述Soft-nms算法是在非極大值抑制的基礎上將重疊程度納入考慮當中,達成將重復檢測的目標合并,但又不遺漏掉兩個位置關系相近的目的;
5)使用步驟4)中的帶有soft-nms算法的yolov5模型進行目標檢測,將攝像頭捕獲到的視頻流第一幀的圖片設定為初始狀態,對初始狀態的圖片進行Hough直線檢測,得到高壓輸電線路的位置關系;提取檢測到的直線點集合L的最小橫坐標Xmin、最小縱坐標Ymin以及最大橫坐標Xmax、最大縱坐標Ymax,將(Xmin,Ymin),(Xmin,Ymax),(Xmax,Ymin),(Xmax,Ymax)作為4個角點,建立高壓輸電線路的所在矩形區域J;
6)對步驟5)中所述視頻流持續進行檢測,當檢測到有目標出現,將當前時刻定為t0時刻,當前檢測到目標設定為目標Pi,確定其出現位置是否是位于邊緣位置;如果是則保留當前目標Pi將其放入跟蹤目標集合S中,如果不是則判定其不為新的跟蹤對象;由于需要報警的目標均是從遠離高壓輸電線的地方,逐漸接近高壓輸電線,因此其第一次被檢測到的時候應該位于整個監控范圍的邊緣位置,獲取視頻流裝置的固有屬性,得到分辨率的數值,設定邊界閾值,使用yolov5模型得到的目標輸出前四個指標為(x,y,w,h),其中(x,y)代表被檢測物體的中心點的橫坐標和縱坐標,(w,h)代表矩形框的寬和高,因此只要中心點(x,y)位于分辨率減去邊界閾值的范圍內,則判定當前目標Pi位于邊緣位置,否則,不將檢測結果視作新的跟蹤對象;
7)將t0時刻下一幀設定為t1時刻,該時刻檢測到的目標設定為P1,使用基于DeepSort算法的目標跟蹤算法,對當前目標P1與目標集合S中的所有目標進行匹配跟蹤;如果當前目標P1與跟蹤目標S1成功匹配,則將跟蹤目標S1的位置信息更新為當前目標P1的位置信息,并將S2放入目標集合S中;如果當前目標P1未與集合S中的任何已有目標匹配,但是當前目標P1位于步驟6)中所描述的邊緣位置,則將目標P1作為新的跟蹤目標S2放入目標集合S中;
使用匈牙利算法對檢測目標Pi和預測目標Si進行匹配:計算檢測目標Pi和預測目標Si的馬氏距離,如果兩者之間的距離小于閾值,則判定兩者為同一目標匹配成功,將目標Si的坐標更新為(x'i,y'i,w'i,h'i),完成目標跟蹤;如果集合S中所有的預測目標與檢測目標Pi的馬氏距離均大于閾值或者雖然兩者之間的距離小于閾值但是兩者為不同類型的目標,則進行進一步判斷;如果檢測目標Pi符合步驟6)中的位置信息中心點(x,y)位于分辨率減去邊界閾值的范圍內,則判定檢測目標Pi為新的跟蹤目標,將其放入目標集合S中;如果檢測目標Pi符合步驟6)中的位置信息中心點(x,y)位于分辨率減去邊界閾值的范圍之外,則判定檢測目標Pi為錯誤檢測信息,刪除檢測目標Pi;
8)對視頻流進行持續不間斷的檢測,通過步驟6)、步驟7)完成目標跟蹤;根據跟蹤目標Si的以后運動軌跡,擬合出其未來的運動方程,即直線擬合運動方程;將矩形區域J中的點代入直線擬合運動方程中,如果存在算式左右相等的情況,則判定跟蹤目標Si有向高壓輸電線路區域運動的趨勢,需要發出提醒;
9)對步驟8)中的跟蹤目標Si繼續進行目標跟蹤,如果跟蹤目標Si最終在高壓輸電線路所在矩形區域內停止移動,則判定其是會干擾高壓輸電線路運行的異物,需要發出警報;如果跟蹤目標Si最終從邊界離開監控范圍,這判定其為經過的物體,不干擾高壓輸電線路正常運行,需要再次發出提醒。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于華南理工大學;華南理工大學珠海現代產業創新研究院,未經華南理工大學;華南理工大學珠海現代產業創新研究院許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110387931.1/1.html,轉載請聲明來源鉆瓜專利網。





