爱爱视频网站免费-爱爱视频在线-爱爱视频在线播放-爱爱视频在线观看-爱爱视频在线看

近年來，視頻監控技術被越來越多的應用于電力系統。在無人值守的變電站以及禁止人員靠近的危險區域安裝視頻監控系統中，可以有效地排除安全隱患，及時預警，避免事故的發生。傳統的視頻監控系統多采用由工作人員全天候值守、人為預警的方式，這種方式不僅不能通過事故預防報警來減少事故發生，而且嚴重浪費了人力物力。

如今，隨著計算機視覺研究的不斷深入，智能視頻監控技術逐漸取代了原有的視頻監控方式。智能視頻監控系統可以在沒有工作人員參與的情況下，運用圖像處理與計算機視覺的方法對視頻圖像進行分析，以確定監控地點的實時狀態，當異常情況發生時可以及時上報工作人員，提示他們采取處理措施，從而實現預防、預警和主動監控的功能。

目前普遍采用的智能視頻監控算法以移動目標檢測算法為主，即對采集到的視頻信息進行逐幀處理，當被監控區域內有異物侵入時則發出報警信號。這種算法不能對運動的物體加以區分，且對應用場所要求較高，不能適應于復雜的環境。若采用高級移動目標檢測算法檢測運動物體，同時使用模式識別機器學習的方法識別運動物體，則可使智能視頻監控技術具備更高的適應性及準確性。

1 移動目標檢測算法（略）

目前能夠實現并廣泛應用的視頻移動目標檢測算法主要包括：幀間差分法、背景差分法、光流法及一些高級融合算法。

2 移動目標識別算法綜述（略）

在通過移動目標檢測算法檢測出運動區域后，不同的運動區域可能會對應不同的運動物體。能否正確識別出非正常的運動物體，將影響到智能視頻監控系統報警的準確性。

同時，目標識別技術還可以應用于線路的自動巡檢系統，辨別設備是否損壞。目前移動目標識別算法的種類較多，大體上可分為基于傳統模板物體識別方法和基于統計學習的物體識別方法。

3 算法比較與未來展望

3.1 算法比較

綜上所述，在基礎的移動目標檢測技術中，幀間差分法和背景差分法作為基礎的移動目標檢測算法，具備算法簡單，對設備要求不高，運算速度快等優點。當然，也同時存在著適應性較差、對光照等背景變化較敏感等缺點。光流法檢測精度較高且可以解決待測目標遮擋重合問題。

但是，計算復雜且運算量巨大，除非有特殊的硬件支持，否則光流法很難滿足對視頻進行實時處理的要求，同時由于在計算中采用假設具有局限性，使得光流法對噪聲比較敏感。在未來的算法開發中，將各種方法結合的融合算法及較高級的背景建模方法無疑將成為研究的熱點。

在物體識別算法方面，基于傳統模板物體識別方法可以看作“演繹法”，即由人輸入物體的明確特征，當計算機檢測出與這些特征相似度高的物體時即完成識別。這種方式當運動物體特征明確時可以起到很好的效果，且不需要太多的原始樣本作為算法的支撐。但是，當待識別物體特征不是很明顯或者不容易用機器語言表示清楚時，此種算法便行不通了。

而基于統計學習的物體識別方法可以看作“歸納法”，在識別過程中無需向計算機輸入任何規則，只需要為其提供大量的真實世界產生的具有代表性的樣本，算法即可自主提取出特定的規則，進而完成識別。此種算法可以提取待測物體高級的、抽象的特征，在實踐中有很好的適應性及準確性。但缺點為需要大量的訓練數據，以及大量的計算，對設備的要求很高。

3.2 未來展望

近幾年，智能視頻監控技術發展迅速，在智能電網中的應用也日益增多，但是存在著誤報率高、應用面窄、不能完全智能識別出相應故障，仍需要人為干預等缺點。同時在技術角度分析，智能視頻監控系統必將朝著以下幾個方向發展：

1）具備更好的適應性。只有提高算法的適應性，才能使智能視頻監控更加適應復雜多變的環境。

2）可以識別出更多種異常情況，且具有更高的準確率。目前應用的模式識別方法可以具備很高的準確性，但是基于深度學習的方法因為需要較多的正負樣本導致準確率并不高，如何提升此種方法的識別準確性將是智能視頻監控技術未來研究的方向。

3）智能視頻監控裝置也必將向著產品形式的多樣化發展，目前普遍采用的多為外置架設攝像頭有線傳輸的方式，為適應多樣的工作環境，智能視頻監控裝置也將朝著便攜手持式、車載式、遙控式等多種終端形式及無線視頻傳輸方向發展。

結論

智能視頻監控技術是一項十分具有實際應用價值的研究。而且隨著我國電力系統自動化程度的不斷提高，智能視頻監控技術被越來越多地應用于異物入侵檢測、設備狀態檢測及安防報警當中。目前針對視頻信息的移動目標檢測技術已經逐漸成熟，在實際中的應用也越來越多。

但是移動目標的自動識別技術仍處于不斷探索研究的階段。想要真正設計一套適用于電力系統的智能視頻檢測、識別系統，還有很多的工作要做。相信隨著相關研究的不斷深入，智能視頻監控技術必將在電力系統中大放異彩。