变电站智能视频监控系统研究

论文摘要

变电站无人值班是当今电网调度自动化发展的趋势,至今,变电站综合自动化系统已经实现了“遥测、遥信、遥控、遥调”的四遥功能,但是仅依赖这四遥不能完全满足变电站无人值班的安全要求。本文提出将智能视频监控系统应用于变电站综合自动化系统中,使得“遥视”成为传统四遥的有力补充和变电站安全运行的必要设施,真正实现变电站的无人值班运行。本文主要研究了智能视频监控系统中运动目标检测和目标分类两个关键技术。首先,为了实现运动目标检测,本文在分析现有运动目标检测方法的基础上,采用基于独立分量分析的运动目标检测算法,该方法将监控数字图像归类为背景与运动目标两种独立信号的混合,利用信号间的统计独立性分离背景和运动目标,该算法能够适应现场光线的变化,较之已有的算法鲁棒性、实时性更强;然后本文采用Hu不变矩和BP神经网络相结合的目标分类算法,利用Hu不变矩描述检测到的运动目标的形状特征,作为神经网络分类器的分类依据,利用神经网络的自学习性完成分类,该分类算法能够很好的容忍目标大小、位置、角度的变化,具有很强的学习能力、容错能力和快速的运算能力,使得目标分类能够准确实时的进行。最后,本文基于Matlab,对上述两种算法进行了仿真实验。实验结果表明,本文采用的方法能够较好的实现变电站中运动目标检测和目标分类,为实现变电站智能视频监控奠定了基础。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 本课题的研究背景及意义
• 1.2 本课题国内外发展现状
• 1.2.1 国内外主要研究现状
• 1.2.2 国内外主要研究成果
• 1.3 本文所做工作
• 第2章 运动目标检测算法及检测前图像预处理算法
• 2.1 运动目标检测的基本方法分析
• 2.1.1 相邻帧差法
• 2.1.2 背景帧差法
• 2.1.3 光流法
• 2.2 独立分量分析（ICA）的基本原理
• 2.2.1 ICA的模型
• 2.2.2 ICA的一般求解过程
• 2.2.3 ICA的典型算法
• 2.3 检测前视频图像预处理算法
• 2.3.1 视频图像的灰度化
• 2.3.2 视频图像的增强
• 第3章 运动目标分类算法及分类前图像预处理算法
• 3.1 目标分类的基本方法
• 3.1.1 结构模式识别
• 3.1.2 统计模式识别
• 3.2 基于Hu不变矩的图像形状特征提取
• 3.2.1 矩的概念
• 3.2.2 Hu不变矩
• 3.3 BP神经网络分类器
• 3.4 分类前目标图像预处理算法
• 3.4.1 目标图像的形态学分割
• 3.4.2 目标图像的二值化
• 第4章 变电站视频图像运动目标检测及仿真
• 4.1 变电站视频图像的预处理
• 4.2 基于独立分量分析的运动目标检测
• 4.3 仿真实验及分析
• 第5章 变电站视频图像目标分类及仿真
• 5.1 运动目标图像的预处理
• 5.2 基于Hu不变矩和BP神经网络的目标分类
• 5.2.1 Hu不变矩的改进
• 5.2.2 BP神经网络分类器的构造
• 5.2.3 BP神经网络训练及分类
• 5.3 仿真实验及分析
• 5.4 提高目标分类性能的技术
• 5.4.1 利用时间一致性约束
• 5.4.2 采用隔帧分类的思想
• 结论
• 致谢
• 参考文献
• 攻读硕士学位期间发表的论文