一种输电走廊的烟囱烟雾识别方法、系统、介质及产品与流程

摘要: 本发明属于输电线路山火监测领域,涉及一种输电走廊的烟囱烟雾识别方法、系统、介质及产品。背景技术:1、输电线路广泛穿越山林、村镇及工矿区域,其安全运行依赖对周边环...
一种输电走廊的烟囱烟雾识别方法、系统、介质及产品与流程

本发明属于输电线路山火监测领域,涉及一种输电走廊的烟囱烟雾识别方法、系统、介质及产品。

背景技术:

1、输电线路广泛穿越山林、村镇及工矿区域,其安全运行依赖对周边环境风险的实时感知,其中山火因突发性强、破坏性大,成为威胁电网稳定的重要因素;当前电力系统普遍部署固定可见光摄像头,通过视频图像对输电走廊进行全天候监控,以实现对山火烟雾的早期发现与预警。

2、现有技术多基于单帧图像的静态特征进行烟雾判别,通常采用语义分割模型提取候选区域,并结合颜色方差、形状相似度、位置置信度等表层视觉特征加权融合输出判定结果,虽能在一定程度上识别烟雾,但因烟囱排烟与山火烟雾在静态外观上高度相似,仅依赖单帧静态特征难以从生成机理和动态演化规律上加以区分,导致大量人工排烟被误判为山火,伪告警频发,严重影响运维效率与真实火情的及时响应。

技术实现思路

1、本技术提供了一种输电走廊的烟囱烟雾识别方法、系统、介质及产品,能够解决现有技术因缺乏对烟雾生成机理与时序演化规律建模,导致输电走廊中烟囱排烟与植被山火烟雾难以有效区分的问题。

2、为实现上述目的,第一方面,本发明提供一种输电走廊的烟囱烟雾识别方法,包括:

3、采集输电走廊区域的连续视频帧;

4、在所述连续视频帧中对烟雾区域进行识别,并根据识别结果,将包含所述烟雾区域的各视频帧按时间顺序组成图像帧序列;

5、在所述图像帧序列中选取烟雾区域的置信度最高的图像帧作为典型帧,将烟雾底部与地面接触的区域作为附着区域,计算所述典型帧中的附着区域面积占烟雾总面积的比例、所有图像帧中烟雾底部中心的位置偏移量,以及首张图像帧中的附着区域和烟雾整体面积在图像帧序列中的面积增量之比,作为静态特征;

6、计算所有图像帧中,烟雾中心区域与边缘区域的径向灰度差异梯度的平均值,以及烟雾中心的竖向加速度的平均值,作为动态特征;

7、对所述静态特征和动态特征进行加权融合并输出烟雾类型的判定结果;其中,所述判定结果为烟囱烟雾或山火烟雾。

8、相比于现有技术,本技术实施例具有如下有益效果:通过采集输电走廊区域的连续视频帧,为时序动态分析提供基础数据支撑;进一步通过对连续视频帧进行烟雾区域识别并按时间顺序组成图像帧序列,确保烟雾演化过程的完整性与时序一致性;在此基础上,选取置信度最高的典型帧计算附着区域面积占烟雾总面积的比例,能够精准量化烟雾是否具有地面扎根特性,有效区分烟囱排烟无根漂浮与山火烟雾原位附着的本质差异;同时通过计算所有图像帧中烟雾底部中心的位置偏移量,表征烟雾基底在时序中的空间稳定性,反映固定排放源与动态燃烧源的行为区别;再结合首张图像帧中的附着区域与烟雾整体面积在图像帧序列中的面积增量之比,刻画烟雾是否在初始扎根区域持续生长,避免将烟囱飘散烟气误判为原位扩张的山火;另一方面,计算所有图像帧中烟雾中心区域与边缘区域的径向灰度差异梯度的平均值,可稳定量化烟雾浓度是否呈现“中心浓、边缘淡”的分层结构,该特征为燃烧烟雾所特有而人工排烟通常均匀;同时通过计算烟雾中心的竖向加速度的平均值,捕捉热驱动抬升效应,精准识别山火烟雾因燃烧热流导致的加速上升行为;最终通过对上述静态特征与动态特征进行加权融合并输出烟雾类型判定结果,使得系统能够在仅依赖单摄像头可见光视频且不依赖深度学习语义分割模型的前提下,从烟雾生成机理与时序演化规律两个维度协同建模,有效解决现有技术因缺乏对这两类本质差异的建模而导致烟囱排烟与植被山火烟雾难以区分的核心问题。

9、在本技术第一方面的一些实施例中,所述在所述连续视频帧中对烟雾区域进行识别,包括:

10、对所述连续视频帧依次执行高斯降噪、逆光补偿及自适应对比度增强,得到各增强图像帧;

11、对于每一增强图像帧,采用自适应阈值分割算法进行灰度分割,得到对应的初始烟雾连通域;

12、分别对各所述初始烟雾连通域执行形态学开闭运算,去除噪点与空洞,得到轮廓完整的烟雾区域。

13、相比于现有技术,上述实施例具有如下有益效果:通过对连续视频帧依次执行高斯降噪、逆光补偿及自适应对比度增强,有效抑制野外复杂光照、薄雾及传感器噪声对烟雾轮廓的干扰,提升图像信噪比与细节清晰度;进一步采用自适应阈值分割算法进行灰度分割,能够根据局部亮度自适应调整分割阈值,准确提取烟雾连通域;再通过对初始烟雾连通域执行形态学开闭运算去除噪点与空洞,优化烟雾区域边界完整性,从而为后续静态与动态特征计算提供鲁棒、精确的烟雾区域输入。

14、在本技术第一方面的一些实施例中,所述将烟雾底部与地面接触的区域作为附着区域,包括:

15、获取输电走廊的地形先验信息,并基于所述地形先验信息确定地面掩膜区域;

16、在任意图像帧中,将对应的烟雾区域与所述地面掩膜区域进行逻辑与运算,得到该图像帧对应的附着区域。

17、相比于现有技术,上述实施例具有如下有益效果:通过获取输电走廊的地形先验信息并基于其确定地面掩膜区域,为判断烟雾是否接触地面提供了可靠的背景参考;进一步在任意图像帧中将烟雾区域与地面掩膜区域进行逻辑与运算,即可得到该帧对应的附着区域,为不同静态特征提供了统一且可靠的底层区域定义支持,有效确保了两类判别依据均能准确反映烟雾与地面的真实接触关系。

18、在本技术第一方面的一些实施例中,所述计算所有图像帧中烟雾底部中心的位置偏移量,包括:

19、在所述图像帧序列中的每一图像帧中,根据烟雾区域的像素分布,将烟雾区域最下方连续水平线段的中点作为对应的烟雾底部中心;

20、提取所有图像帧的烟雾底部中心的二维坐标并计算均值得到均值坐标;

21、计算每一图像帧的底部中心坐标与所述均值坐标的欧氏距离平方和,开方后除以所述图像帧序列的帧数,得到所述位置偏移量。

22、相比于现有技术,上述实施例具有如下有益效果:通过将烟雾区域最下方连续水平线段的中点定义为烟雾底部中心,确保了基底定位的几何合理性与抗干扰性;进一步提取所有帧底部中心坐标并计算均值得到均值坐标,建立稳定参考基准;再通过计算各帧底部中心与均值坐标的欧氏距离平方和开方后除以帧数得到位置偏移量,该指标直接反映烟雾基底在时序中的空间波动程度,从而有效识别烟囱排烟因固定源导致的低偏移特性与山火因蔓延燃烧导致的高偏移行为。

23、在本技术第一方面的一些实施例中,所述计算首张图像帧中的附着区域和烟雾整体面积在图像帧序列中的面积增量之比,包括:

24、将所述图像帧序列中最后一帧图像和第一帧图像的附着区域内的烟雾像素面积进行相减,得到附着区域面积增量;

25、将所述图像帧序列中最后一帧图像中的烟雾整体像素面积,减去首帧图像中的烟雾整体像素面积,得到烟雾整体面积增量;

26、将所述附着区域面积增量除以所述烟雾整体面积增量,得到面积增量之比。

27、相比于现有技术,上述实施例具有如下有益效果:计算附着区域面积增量,聚焦于原始扎根区域的增长贡献;同时计算烟雾整体面积增量并求二者比例,使得“原位生长度”可被量化,从而有效区分山火烟雾在原始燃烧点持续扩张的特性与烟囱烟雾仅在外围飘散、原始区域无增长的被动扩散行为。

28、在本技术第一方面的一些实施例中,所述计算所有图像帧中,烟雾中心区域与边缘区域的径向灰度差异梯度的平均值,包括:

29、对于每一图像帧,以烟雾区域的质心为原点构建极坐标系,在烟雾边缘均匀采样多个边缘点并获取各边缘点的灰度值及对应径向距离,计算烟雾中心区域的平均灰度值与各边缘点的灰度值的差值并除以对应径向距离,得到各方向梯度值;对所有方向梯度值取绝对值后求算术平均值得到单帧径向灰度差异梯度均值;

30、对所有图像帧的单帧径向灰度差异梯度均值取算术平均值得到径向灰度差异梯度的平均值。

31、相比于现有技术,上述实施例具有如下有益效果:通过以烟雾质心为原点构建极坐标系并在边缘均匀采样,确保径向梯度计算的方向覆盖性与空间均匀性;进一步计算中心区域平均灰度与各边缘点灰度差值除以对应径向距离得到各方向梯度值,再取绝对值求算术平均得到单帧径向灰度差异梯度均值,有效消除方向偏差;最后对所有帧的单帧均值再取算术平均得到径向灰度差异梯度的平均值,使得浓度分层演化特征可被稳定量化,从而可靠区分山火烟雾因燃烧核心区导致的显著径向梯度与烟囱烟雾因充分混合导致的均匀灰度分布。

32、在本技术第一方面的一些实施例中,所述动态特征,还包括烟雾面积的扩张速率、烟雾中心的水平飘移速度方差和烟雾的形态波动特征;

33、所述烟雾的形态波动特征的计算,包括:

34、对于每一图像帧,计算烟雾区域的轮廓周长和像素面积,并将所述轮廓周长的平方除以四倍圆周率与所述像素面积的乘积, 得到该图像帧的轮廓紧凑度;

35、基于所有图像帧的轮廓周长计算轮廓周长标准差,基于所有图像帧的轮廓紧凑度计算轮廓紧凑度标准差;

36、计算所述轮廓周长标准差和轮廓紧凑度标准差的平方和的算术平方根,得到烟雾的形态波动特征。

37、相比于现有技术,上述实施例具有如下有益效果:通过在动态特征中补充烟雾面积的扩张速率、烟雾中心的水平飘移速度方差和烟雾的形态波动特征,进一步增强对烟雾动态行为的多维刻画能力;其中,形态波动特征的计算通过轮廓周长与像素面积构造轮廓紧凑度,该指标反映烟雾形状规整性;进一步基于所有帧计算轮廓周长标准差与轮廓紧凑度标准差,分别表征轮廓尺寸与时序形态的波动程度;最终通过计算二者标准差的平方和开方得到形态波动特征,使得系统能够有效识别烟囱烟雾因稳定排放导致的低形态波动与山火烟雾因湍流扰动导致的高形态畸变,从而提升复杂场景下的判别鲁棒性。

38、第二方面,本发明还提供一种输电走廊的烟囱烟雾识别系统,包括:数据获取模块、序列构建模块、第一特征模块、第二特征模块和输出模块;

39、其中,所述数据获取模块,用于采集输电走廊区域的连续视频帧;

40、所述序列构建模块,用于在所述连续视频帧中对烟雾区域进行识别,并根据识别结果,将包含所述烟雾区域的各视频帧按时间顺序组成图像帧序列;

41、所述第一特征模块,用于在所述图像帧序列中选取烟雾区域的置信度最高的图像帧作为典型帧,将烟雾底部与地面接触的区域作为附着区域,计算所述典型帧中的附着区域面积占烟雾总面积的比例、所有图像帧中烟雾底部中心的位置偏移量,以及首张图像帧中的附着区域和烟雾整体面积在图像帧序列中的面积增量之比,作为静态特征;

42、所述第二特征模块,用于计算所有图像帧中,烟雾中心区域与边缘区域的径向灰度差异梯度的平均值,以及烟雾中心的竖向加速度的平均值,作为动态特征;

43、所述输出模块,用于对所述静态特征和动态特征进行加权融合并输出烟雾类型的判定结果;其中,所述判定结果为烟囱烟雾或山火烟雾。

44、相比于现有技术,本技术以上实施例具有如下有益效果:通过采集输电走廊区域的连续视频帧,为时序动态分析提供基础数据支撑;进一步通过对连续视频帧进行烟雾区域识别并按时间顺序组成图像帧序列,确保烟雾演化过程的完整性与时序一致性;在此基础上,选取置信度最高的典型帧计算附着区域面积占烟雾总面积的比例,能够精准量化烟雾是否具有地面扎根特性,有效区分烟囱排烟无根漂浮与山火烟雾原位附着的本质差异;同时通过计算所有图像帧中烟雾底部中心的位置偏移量,表征烟雾基底在时序中的空间稳定性,反映固定排放源与动态燃烧源的行为区别;再结合首张图像帧中的附着区域与烟雾整体面积在图像帧序列中的面积增量之比,刻画烟雾是否在初始扎根区域持续生长,避免将烟囱飘散烟气误判为原位扩张的山火;另一方面,计算所有图像帧中烟雾中心区域与边缘区域的径向灰度差异梯度的平均值,可稳定量化烟雾浓度是否呈现“中心浓、边缘淡”的分层结构,该特征为燃烧烟雾所特有而人工排烟通常均匀;同时通过计算烟雾中心的竖向加速度的平均值,捕捉热驱动抬升效应,精准识别山火烟雾因燃烧热流导致的加速上升行为;最终通过对上述静态特征与动态特征进行加权融合并输出烟雾类型判定结果,使得系统能够在仅依赖单摄像头可见光视频且不依赖深度学习语义分割模型的前提下,从烟雾生成机理与时序演化规律两个维度协同建模,有效解决现有技术因缺乏对这两类本质差异的建模而导致烟囱排烟与植被山火烟雾难以区分的核心问题。

45、第三方面,本发明还提供一种计算机程序产品,包括计算机程序或指令,所述计算机程序或指令被执行时,实现本发明任意一种输电走廊的烟囱烟雾识别方法。

46、第四方面,本技术实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现本发明任意一种输电走廊的烟囱烟雾识别方法。