图像模糊识别技术在高压输电线路智能化视频监控系统中应用的分析研发.docVIP

图像模糊识别技术在高压输电线路智能化视频监控系统中应用的分析研发.doc

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
图像模糊识别技术在高压输电线路智能化视频监控系统中应用的分析研发

项目名称: 图像模糊识别技术在高压输电线路智能化视频监控系统中应用的研究 申请单位: 起止时间: 申请日期: 目的和意义 随着电力系统规模的扩大,高压远距离架空输电线路日益增多。高压输电线路由于分布范围广,穿越地区地形复杂、气候条件多变,传输距离远,造成人力巡检不能及时有效的巡视和监控,国内外都发生过由于高压输电线路或杆塔被盗而诱发的电力系统瓦解事故。另外,处在荒郊野外的杆塔线路极易受到环境外力的破坏,由此引起的线路跳闸事故逐年增加。如何有效的,快速的建立高压输电线路安全防范机制,而减少输电线路设施被盗已成了当务之急。实时监控从技术上保证电网的安全运行,具有巨大的社会和经济效益。视频监控系统发展了短短二十几年时间,从最早模拟监控到前些年数字监控再到现在网络视频监控,发生了翻天覆地变化。从技术角度出发,视频监控系统发展划分为第一代模拟视频监控系统(CCTV),到第二代基于“PC+多媒体卡”数字视频监控系统(DVR),到第三代完全基于IP网络视频监控系统(IPVS)。模拟视频监控系统(CCTV)模拟视频监控系统发展较早,主要由摄像机、视频矩阵、监视器、录像机等组成,通过视频矩阵主机可以将来自摄像机的视频图像显示在监视器,并能用键盘进行切换和控制或将图像信息录像到磁带;远距离图像传输采用模拟光纤,利用光端机进行视频的传输。由于系统视频信号的采集、传输、存储均为模拟形式,因此。模拟视频监控系统图像信息采用视频电缆以模拟方式传输主要应用于小范围内的监控监控图像一般只能在控制中心查看有线模拟视频监控无法联网,只能以点对点的方式监视现场,使得布线工程量极大无法形成有效的报警联动系统的扩展性较差。基于“PC+多媒体卡”数字视频监控系统(DVR) (5)施工规模仍较大; (6)扩展性受限、稳定性不足; (7)系统建设成本高; (8)不易维护、且维护费用较大。 完全基于IP网络视频监控系统(IPVS) 嵌入式视频监控系统是现今最先进、技术含量最高的视频监控系统。它可解决当前平安社会、平安电力系统几乎所有各类远程、分散处所与设备的视频监控问题;可以克服电源不便、通信不便等关键性问题。嵌入式视频从局域网络到广域网络,从一个城市到另一个城市,从一个国家到另一个国家,都能完成在现场所能完成的一切任务。是技术发展和社会进步的一次巨大飞跃,具有深远的现实意义。 嵌入式视频Web服务器监控系统与其它监控系统的比较布控区域广阔嵌入式视频Web服务器监控系统的Web服务器直接连入网络没有线缆长度和信号衰减的限制,同时网络是没有距离概念的,彻底抛弃了地域的概念,扩展布控区域。系统具有几乎无限的无缝扩展能力所有设备都以IP地址进行标识,增加设备只是意味着IP地址的扩充。可组成非常复杂的监控网络采用基于嵌入式Web服务器为核心的监控系统,在组网方式上与传统的模拟监控和基于PC平台的监控方式有极大的不同,由于Web服务器输出已完成模拟到数字的转换并压缩,采用统一的协议在网络上传输,支持跨网关、跨路由器的远程视频传输。性能稳定可靠,无需专人管理嵌入式Web服务器实际上基于嵌入式电脑技术,采用嵌入式实时多任务操作系统,又由于视频压缩和Web功能集中到一个体积很小的设备内,直接连入局域网或广域网,即插即看,系统的实时性、稳定性、可靠性大大提高,也无需专人管理,非常适合于无人值守的环境。… x15, x21,…, x25, x31,… x35, x41,… x45 x51,… x55)T。 为使白天、黑夜获得同样的识别效果,本系统使用灰度图像序列。 对集合元素采用5×5邻域内s像素的特征向量表示,则集合可以表示为。在任意t时刻,像素的混合高斯分布表示为 (1) 其中表示为t时刻像素的第k个高斯分布的权值,为相应高斯分布的均值和协方差阵,为多元高斯概率密度函数 (2) 其中协方差阵为 其中,I为25×25的单位矩阵。对于前景或背景, 5×5矩形区域内的像素,即特征矢量内的25个元素具有较强的相关性,因此认为它们具有相同的方差是合理的。*** (2)混合高斯分布参数的更新 为了适应光线亮度与背景中动态因素的变化,混合高斯分布参数随着新图像的到来要不断更新。本研究对不同处理阶段采用不同的方法,两个阶段的具体方法如下: ①初始学习建立背景模型阶段 在该阶段,混合高斯分布参数的更新采用最大期望(EM)算法的在线K-均值近似方法。 ② 前景检测阶段 设联合图像分割与背景建模提取的运动前景二值模板为F2,基于灰度的背景建模检测的运动前景二值模板为F1。若(x,y)位置F2(x,y)=F1(x,y)。说明最终检测的结果与基于灰度的背景建模检测的结果相同,该像素为前景点或是背景点,这种情况仍然按照学习建立初始背景

文档评论(0)

phltaotao + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档