本發(fā)明涉及一種基于紅外視頻的sf6氣體泄漏自動檢測方法。

背景技術(shù)：

隨著變電站內(nèi)sf6設(shè)備數(shù)量的增多及運行時間的增長，sf6氣體泄漏故障一直是影響電力設(shè)備正常運行及威脅現(xiàn)場工作人員人身安全的重要問題。由于sf6氣體無色、無味的物理特征，很難被現(xiàn)場工作人員直接發(fā)現(xiàn)，尋求一種安全、及時、有效的sf6泄漏檢測方法顯得尤為重要。以往sf6泄漏檢測技術(shù)大多屬于被動檢測法，主要包括刷肥皂泡法、定性檢漏儀檢測法、定量檢測(包扎法、掛瓶法)等方法，這些方法存在著靈敏度低、受周圍環(huán)境影響較大、需停電檢測等缺點。近幾年，以先進(jìn)性的紅外探測技術(shù)為原理的sf6泄漏檢測技術(shù)開始在變電站設(shè)備巡檢中推廣應(yīng)用，這種方法無需斷電、安全可靠、查漏準(zhǔn)確，但該檢測方式主要是固定檢測點、專人單臺設(shè)備多角度長時間監(jiān)測，不僅耗時耗力，而且還有可能由于檢測人員疲勞等因素出現(xiàn)漏檢，造成設(shè)備的安全隱患。

目前智能巡檢機器人已經(jīng)在國內(nèi)變電站開始推廣應(yīng)用，并取得了良好的效果，有效地提升了變電站運行和管理的智能化水平。機器人可以替代人工完成一些設(shè)備外觀及發(fā)熱情況的檢測，但目前機器人云臺只裝設(shè)了可見光攝像機與紅外測溫儀，使得變電站巡檢機器人功能受到了限制，變電站內(nèi)一些設(shè)備的巡檢任務(wù)仍然需要人工完成，制約了智能機器人的推廣應(yīng)用。

技術(shù)實現(xiàn)要素：

本發(fā)明為了解決上述問題，提出了一種基于紅外視頻的sf6氣體泄漏自動檢測方法，本發(fā)明通過巡檢機器人攜帶的sf6紅外成像儀對可能發(fā)生sf6泄漏的螺栓、法蘭等位置進(jìn)行紅外視頻采集，根據(jù)采集的紅外視頻圖像，首先采用圖像增強算法對采樣幀圖像進(jìn)行圖像增強，然后通過不同幀圖像間的多特征圖像比對，檢測圖像中發(fā)生變化區(qū)域，最后根據(jù)圖像變化區(qū)域的檢測，判斷該監(jiān)測點是否存在sf6氣體泄漏。

為了實現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

一種基于紅外視頻的sf6氣體泄漏自動檢測方法，對可能發(fā)生sf6泄漏的位置進(jìn)行視頻采集，基于特征點配準(zhǔn)方法完成不同幀圖像的對齊，采用圖像增強算法對采樣幀圖像進(jìn)行圖像增強，以首幀圖像為比對模板，對不同幀圖像采用多特征融合比較的方法進(jìn)行圖像比對，查找相鄰幀圖像之間的差異，記錄幀圖像間內(nèi)容發(fā)生變化的區(qū)域，根據(jù)圖像變化區(qū)域的檢測，判斷該監(jiān)測點是否存在sf6氣體泄漏。

進(jìn)一步的，利用sf6氣體檢測紅外成像儀對可能發(fā)生sf6泄漏的位置進(jìn)行紅外視頻采集。

進(jìn)一步的，在變電站巡檢機器人云臺上安裝sf6氣體檢測紅外成像儀，利用變電站巡檢機器人自主運動到設(shè)備監(jiān)測點。

這種設(shè)計可以使得巡檢機器人在巡檢過程中就進(jìn)行了sf6氣體泄漏檢測。

對機器人采集到的紅外視頻進(jìn)行抽幀采樣，得到一系列圖像，按采樣順序?qū)D像進(jìn)行編號，并采用圖像配準(zhǔn)算法對該組圖像進(jìn)行對齊。

將對齊的圖像由rgb彩色空間轉(zhuǎn)換到lab空間，采用非線性圖像增強算法對圖像進(jìn)行增強處理。

進(jìn)一步的，對于圖像對齊的步驟具體包括：

(1)讀取采集的某一段avi視頻，獲取該視頻總的幀數(shù)n，然后每隔若干幀圖像抽取一幀，按照抽幀的順序?qū)D像進(jìn)行排序；

(2)將圖像進(jìn)行灰度化處理，圖像由3通道rgb圖像變?yōu)閱瓮ǖ阑叶葓D；

(3)對每幅圖像的orb特征點檢測，以第一幅圖像為基準(zhǔn)圖像，通過特征點匹配算法計算其余圖像和參考圖像的變換矩陣；

(4)將其余圖像以變換矩陣進(jìn)行投影變換，完成其余圖像與參考圖像的配準(zhǔn)。

對圖像進(jìn)行增強處理的具體步驟包括：

(i)將圖像由rgb彩色空間按下面方法變換到lab彩色空間；

(ii)取圖像lab彩色空間的亮度通道圖像，采用非線性圖像增強算法對亮度通道圖像進(jìn)行增強，將氣體的灰度范圍內(nèi)的像素映射到設(shè)定區(qū)間；

(iii)將配準(zhǔn)后的圖像組中的每一副圖像按步驟(i)、(ii)步驟進(jìn)行圖像增強處理，得到增強后的一組圖像。

所述步驟(i)中，對rgb彩色空間的各通道圖像通過gamma函數(shù)進(jìn)行色調(diào)編輯，提高圖像對比度，通過映射，原圖像變換到xyz空間，進(jìn)而變換到lab彩色空間。

對相鄰幀圖像采用多特征融合比較的方法進(jìn)行圖像比對的具體方法為：

(i)將增強處理后的圖像經(jīng)大小變換尺寸變?yōu)?40×480像素，得到一組圖像；

(ii)以圖像為模板圖像，對圖像以40×40像素大小的方格對圖像進(jìn)行柵格化，每個圖像分為16×12個柵格圖像塊；

(iii)取圖像中對應(yīng)的圖像塊，分別提取方向梯度直方圖特征和平均絕對值偏差特征；

(iv)分別將對應(yīng)的圖像塊中的方向梯度直方圖特征與平均絕對值偏差特征進(jìn)行歸一化，采用特征層串聯(lián)融合方法對歸一化的特征值進(jìn)行特征融合，得到全特征；

(v)根據(jù)步驟(iv)求得的圖像塊全特征，利用余弦相似度計算全特征間的差異度；

(vi)前期需要針對不同內(nèi)容的圖像樣本進(jìn)行比對實驗，確定圖像內(nèi)容發(fā)生變化的先驗余弦相似度閾值，若兩圖像塊間的差異度θ>t，則記錄當(dāng)前圖像塊發(fā)生變化；

(vii)圖像和圖像對應(yīng)16×12個柵格圖像塊都經(jīng)過(iii)～(vi)步驟計算，記錄整幅圖像中發(fā)生變化的圖像框位置中心點集合；

(viii)按順序取圖像組中每一幅圖像，按(ii)～(vii)步驟計算，記錄每幅圖像中發(fā)生變化的圖像框中心點集合。

所述步驟(iii)中，的方向梯度直方圖特征的提取方法為：

(3-1)將40×40像素的圖像塊i進(jìn)行灰度化，采用gamma校正法對輸入圖像進(jìn)行顏色空間的標(biāo)準(zhǔn)化；

(3-2)計算圖像每個像素的梯度，將圖像劃分為小的單元圖，大小為10×10像素，將單元圖cell的梯度方向360度分成9個方向塊，統(tǒng)計每個cell的梯度直方圖，令所有的圖像塊block無重疊；

(3-3)一個圖像塊block內(nèi)所有單元圖cell特征描述符首尾相連便得到該圖像塊block的1×36維的hog特征，將圖像i內(nèi)4個圖像塊block的hog特征首尾相連便得到表示該圖像1×144維的hog特征向量。

所述步驟(iii)的平均絕對值偏差特征的提取方法為：

(3-a)將40×40像素的圖像塊進(jìn)行灰度化，將圖像柵格化分為16個10×10像素不重疊的小圖像塊，分別計算每一個小圖像塊的平均絕對值偏差值；

(3-b)將這個16個小圖像塊的平均絕對值偏差值按順序連接起來，構(gòu)成1×16維的特征向量。

所述步驟(iv)的特征融合算法計算公式為：

其中，f為融合后特征，f1,f2為待融合的兩個分特征，α,β分別為hog和aad兩個特征的權(quán)值。

根據(jù)幀圖像間變化區(qū)域的統(tǒng)計分析判斷該視頻中是否存在sf6泄漏的異常的具體步驟包括：綜合記錄的集合得到所有圖像框中心點坐標(biāo)集合，統(tǒng)計該集合中各坐標(biāo)點的個數(shù)；若個數(shù)大于設(shè)定值，記錄坐標(biāo)點，并以坐標(biāo)點為中心點，在圖像組每幅圖像上標(biāo)注40×40的紅色圖像框，標(biāo)注該圖像中出現(xiàn)sf6氣體泄漏故障位置，對當(dāng)前位置進(jìn)行sf6泄漏報警。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果為：

(1)本發(fā)明提出了一種基于巡檢機器人搭載sf6紅外探測儀的sf6泄漏自動檢測方法，取代人工攜帶設(shè)備現(xiàn)場檢測方法，減輕了電力巡檢人員的工作負(fù)擔(dān)，提高了安全性；

(2)本發(fā)明通過基于多特征融合的圖像比對算法，提取視頻不同幀之間發(fā)生變化的區(qū)域，標(biāo)注存在sf6氣體泄漏位置；

(3)本發(fā)明使得巡檢機器人具備了sf6氣體泄漏功能，解除了變電站巡檢機器人功能的限制。

附圖說明

構(gòu)成本申請的一部分的說明書附圖用來提供對本申請的進(jìn)一步理解，本申請的示意性實施例及其說明用于解釋本申請，并不構(gòu)成對本申請的不當(dāng)限定。

圖1為本發(fā)明的算法流程圖；

圖2為本發(fā)明的圖像增強結(jié)果圖。

具體實施方式：

下面結(jié)合附圖與實施例對本發(fā)明作進(jìn)一步說明。

應(yīng)該指出，以下詳細(xì)說明都是例示性的，旨在對本申請?zhí)峁┻M(jìn)一步的說明。除非另有指明，本文使用的所有技術(shù)和科學(xué)術(shù)語具有與本申請所屬技術(shù)領(lǐng)域的普通技術(shù)人員通常理解的相同含義。

需要注意的是，這里所使用的術(shù)語僅是為了描述具體實施方式，而非意圖限制根據(jù)本申請的示例性實施方式。如在這里所使用的，除非上下文另外明確指出，否則單數(shù)形式也意圖包括復(fù)數(shù)形式，此外，還應(yīng)當(dāng)理解的是，當(dāng)在本說明書中使用術(shù)語“包含”和/或“包括”時，其指明存在特征、步驟、操作、器件、組件和/或它們的組合。

一種基于紅外視頻sf6氣體泄漏自動檢測方法，包括以下步驟：

(1)在變電站巡檢機器人云臺上安裝sf6氣體檢測紅外成像儀，機器人自主運動到設(shè)備監(jiān)測點，利用sf6檢測紅外成像儀對可能存在sf6泄漏的螺栓、法蘭等位置進(jìn)行拍攝，采集并保存該位置設(shè)備的紅外視頻；

(2)對機器人采集到的紅外視頻進(jìn)行抽幀采樣，得到一系列圖像，按采樣順序?qū)D像進(jìn)行編號，并采用圖像配準(zhǔn)算法對該組圖像進(jìn)行對齊；

(3)圖像對齊后，將圖像由rgb彩色空間轉(zhuǎn)換到lab空間，采用非線性圖像增強算法對圖像進(jìn)行增強處理；

(4)對相鄰幀圖像采用多特征融合比較的方法進(jìn)行圖像比對，查找相鄰幀圖像之間的差異，記錄幀圖像間內(nèi)容發(fā)生變化的區(qū)域。

(5)根據(jù)幀圖像間變化區(qū)域的統(tǒng)計分析判斷該視頻中是否存在sf6泄漏的異常。

所述步驟(1)中，安裝在機器人云臺的sf6泄漏檢測紅外成像儀的參數(shù)為：

當(dāng)巡檢機器人移動到監(jiān)測點后，通過控制云臺調(diào)整紅外成像儀對準(zhǔn)電力設(shè)備可能存在sf6泄漏的位置，打開紅外成像儀，持續(xù)拍攝1分鐘，保存為avi格式的視頻。

所述步驟(2)中，具體步驟包括：

(2-1)讀取采集的某一段avi視頻，獲取該視頻總的幀數(shù)n，然后每隔10幀圖像抽取一幀，按照抽幀的順序用數(shù)字1,2…,n對圖像進(jìn)行排序，得到圖像i1,i2,…,in，其中n＝n/10，這里“/”為除法取整符號；

(2-2)將圖像進(jìn)行灰度化處理，圖像由3通道rgb圖像變?yōu)閱瓮ǖ阑叶葓D；

(2-3)對每幅圖像的orb特征點檢測，以圖像i1為基準(zhǔn)圖像，通過特征點匹配算法計算圖像i2,i3,…,in和參考圖像1的變換矩陣h2,h3,…,hn；

(2-4)將圖像i2,i3,…,in以變換矩陣h2,h3,…,hn進(jìn)行投影變換，完成圖像i2,i3,…,in與i1的配準(zhǔn)；

所述步驟(3)中，具體步驟包括：

(3-1)將圖像由rgb彩色空間按下面方法變換到lab彩色空間，設(shè)r，g，b為圖像的三個通道，取值范圍為[0,255]。首先對各通道圖像通過gamma函數(shù)進(jìn)行色調(diào)編輯，提高圖像對比度，變換公式為；

其中

然后通過映射[x，y，z]^t＝m*[r，g，b]^t，原圖像變換到xyz空間，其中m為映射矩陣，定義為

最后經(jīng)過下面計算公式變換到lab彩色空間

l＝116f(y/yn)-16

a＝500[f(x/xn)-f(y/yn)]

b＝200[f(y/yn)-f(z/zn)]

其中

xn＝95.047，yn＝100,zn＝108.883

(3-2)取圖像lab彩色空間的l(亮度)通道圖像il，采用非線性圖像增強算法對圖像il進(jìn)行增強，增強后的圖像為ie，將氣體的灰度范圍內(nèi)的像素映射到區(qū)間[0,255]。如下式所示：

其中，il(x,y)是圖像il在像素點(x,y)處的灰度值，ie(x,y)是增強后圖像ie在像素點(x,y)處的灰度值，γ是決定圖像在灰度范圍[50,200]區(qū)間亮度分布參數(shù)，此處參數(shù)γ設(shè)置為2.75。

(3-3)將配準(zhǔn)后的圖像組中的每一副圖像按上述步驟進(jìn)行圖像增強處理，得到增強后的一組圖像

所述步驟(4)中，具體步驟包括：

(4-1)將增強處理后的圖像經(jīng)大小變換尺寸變?yōu)?40×480像素，得到一組圖像

(4-2)以圖像為模板圖像，取圖像然后兩幅圖像以40×40像素大小的方格對圖像進(jìn)行柵格化，每個圖像分為16×12個柵格圖像塊；

(4-3)取兩幅圖像中對應(yīng)的圖像塊記為分別提取方向梯度直方圖特征(histogramoforientedgradient,hog)和平均絕對值偏差特征(averageabsolutedeviation，aad)；

(4-4)別將中的方向梯度直方圖特征fh與平均絕對值偏差特征fa進(jìn)行歸一化，得到歸一化特征和然后采用特征層串聯(lián)融合方法對和進(jìn)行特征融合，得到全特征f1和f2；

(4-5)根據(jù)步驟(4-4)求得的圖像塊融合特征f1和f2，利用余弦相似度計算f1和f2間的差異度θ，計算公式為：

其中，k＝276，為f1和f2的特征維數(shù)；

(4-6)前期需要針對不同內(nèi)容的圖像樣本進(jìn)行比對實驗，確定圖像內(nèi)容發(fā)生變化的先驗余弦相似度閾值t＝0.3，若兩圖像塊間的差異度θ>t，則記錄當(dāng)前圖像塊發(fā)生變化；

(4-7)圖像和圖像對應(yīng)16×12個柵格圖像塊都經(jīng)過(4-3)～(4-6)步驟計算，記錄整幅圖像中發(fā)生變化的圖像框位置中心點集合{(xmid,ymid)}，xmid為圖像框中心點水平方向坐標(biāo)，ymid為圖像框中心點垂直方向坐標(biāo)，該集合記為

(4-8)按順序取圖像組中每一幅圖像，按(4-2)～(4-7)步驟計算，記錄每幅圖像中發(fā)生變化的圖像框中心點集合，分別記為

所述步驟(4-3)的方向梯度直方圖特征的提取方法為：

首先，將40×40像素的圖像塊i進(jìn)行灰度化，采用gamma校正法對輸入圖像進(jìn)行顏色空間的標(biāo)準(zhǔn)化；

然后，計算圖像每個像素的梯度(包括大小和方向)接下來將圖像劃分為小的單元圖(cells)，大小為10×10像素，將單元圖cell的梯度方向360度分成9個方向塊，統(tǒng)計每個cell的梯度直方圖，即形成每個單元圖cell的1×9維特征描述符，將2×2個cell組成一個圖像塊block，為減少特征維數(shù)，令所有的圖像塊block無重疊；

一個圖像塊block內(nèi)所有單元圖cell特征描述符首尾相連便得到該圖像塊block的1×36維的hog特征，將圖像i內(nèi)4個圖像塊block的hog特征首尾相連便得到表示該圖像1×144維的hog特征向量。

所述步驟(4-3)的平均絕對值偏差特征的提取方法為：

首先，將40×40像素的圖像塊進(jìn)行灰度化，然后將圖像柵格化分為16個10×10像素不重疊的小圖像塊，分別計算每一個小圖像塊的平均絕對值偏差值；設(shè)h為其中的一個10×10圖像塊，平均絕對值偏差值δ定義為：

其中，k為圖像塊h的像素點個數(shù)，取值為100，f(x,y)為圖像塊h內(nèi)像素點(x,y)的灰度值，μ為圖像塊h內(nèi)的像素灰度均值，這樣便得到了其中一個小圖像塊的平均絕對值偏差值；

最后，將這個16個小圖像塊的平均絕對值偏差值按順序連接起來，就構(gòu)成了一個1×16維的特征向量。

所述步驟(4-4)的特征融合算法計算公式為：

其中，f為融合后特征，f1,f2為待融合的兩個分特征，α,β分別為hog和aad兩個特征的權(quán)值，這里α＝0.3,β＝0.7。

所述步驟(5)中，具體步驟包括：

(5-1)綜合步驟(4)中記錄的集合得到所有圖像框中心點坐標(biāo)集合i∈{2，3，…，n}，統(tǒng)計該集合中各坐標(biāo)點的個數(shù)，記為

(5-2)若記錄坐標(biāo)點并以坐標(biāo)點為中心點，在圖像組每幅圖像上標(biāo)注40×40的紅色圖像框，標(biāo)注該圖像中出現(xiàn)sf6氣體泄漏故障位置，對當(dāng)前位置進(jìn)行sf6泄漏報警，此處tp＝5。

以上所述僅為本申請的優(yōu)選實施例而已，并不用于限制本申請，對于本領(lǐng)域的技術(shù)人員來說，本申請可以有各種更改和變化。凡在本申請的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本申請的保護(hù)范圍之內(nèi)。

上述雖然結(jié)合附圖對本發(fā)明的具體實施方式進(jìn)行了描述，但并非對本發(fā)明保護(hù)范圍的限制，所屬領(lǐng)域技術(shù)人員應(yīng)該明白，在本發(fā)明的技術(shù)方案的基礎(chǔ)上，本領(lǐng)域技術(shù)人員不需要付出創(chuàng)造性勞動即可做出的各種修改或變形仍在本發(fā)明的保護(hù)范圍以內(nèi)。