一种环境障碍物动态识别与预警方法及系统与流程

本发明涉及障碍物识别领域，特别涉及一种环境障碍物动态识别与预警方法及系统。

背景技术：

1、变电站作为电力输配系统的核心枢纽，设备密集且高压运行，其运行环境的安全稳定直接关乎全域电网的供电可靠性。当前变电站运维场景日趋复杂，站内不仅存在固定设备构架等静态障碍，还频繁出现施工机械、飞鸟、漂浮杂物、入侵小动物等各类动态障碍物，极易引发设备碰撞、线路短路、电弧放电等安全事故，造成设备损毁、电网跳闸甚至人员伤亡等严重后果。

2、当前市面上的障碍物识别预警方法多数未针对多路监控视频流设计独立环形缓存与读写指针管控机制，高并发采集下易出现帧丢失、时序错乱与处理阻塞，难以保障边缘端稳定运行；检测环节要么仅依赖传统差分算法导致误漏检率偏高，要么全程调用深度神经网络推理造成算力开销过大，缺乏前后景粗筛加模型精判的分层检测机制。目标跟踪多采用单一特征的简单帧间匹配，易出现目标跟丢与身份切换，运动参数测算精度不足；空间测距多停留在像素级比对或粗略二维映射，缺乏精准的相机标定与三维空间坐标转换，真实距离测算误差大，无法匹配不同电压等级带电设备的安全防护要求。风险预警多为越界后事后触发，缺少基于运动矢量的前置轨迹预测与最小接近距离预判，且普遍采用统一阈值的单级预警模式，联动手段单一，难以实现分级精准防护，整体安全防护的主动性与场景适配性明显不足。

技术实现思路

1、为了完善现有的方法及系统，提供一种环境障碍物动态识别与预警方法及系统，该方法融合ai视觉检测、目标跟踪、三维空间映射与轨迹预测技术，精准识别障碍物并预判其与带电设备的接近风险，通过分级预警联动机制有效提升站内安全防护的主动性与运维智能化水平。

2、为达到以上目的，本发明采用的技术方案为：

3、一种环境障碍物动态识别与预警方法，包括：

4、通过部署于变电站内多个预设监控点位的ai摄像头实时采集站内环境视频流，对各路视频流分别执行逐帧解码操作，将解码后获得的连续图像帧按照采集时间顺序存入环形缓存队列中；

5、从环形缓存队列中按帧提取当前图像，对当前图像执行前景与背景的分离处理，基于分离得到的前景区域生成候选障碍物目标框，将候选障碍物目标框输入预先训练的障碍物分类神经网络，输出各候选障碍物目标框对应的障碍物类别标签；

6、对经识别出障碍物类别标签的连续多帧图像中的同一障碍物目标执行跨帧关联匹配，根据该障碍物目标在各帧图像中的像素坐标变化，结合三维空间坐标映射关系计算其在实际空间中的运动速度矢量与运动方向角与运动方向角，生成该障碍物目标的运动轨迹数据；

7、基于得到的运动轨迹数据，结合预先建立的变电站三维空间坐标映射关系，将该障碍物目标在各帧图像中的像素坐标转换为变电站实际空间坐标，并依据所述运动速度矢量预测该障碍物目标在未来预设时间窗口内与各带电设备的最小接近距离；

8、当预测的最小接近距离小于对应带电设备的安全距离阈值时，触发分级预警机制，根据最小接近距离与安全距离阈值的比值确定预警等级，按照预警等级向变电站运维平台发送包含障碍物类别、实际空间坐标、运动轨迹及预警等级的告警信息。

9、优选的，所述环形缓存队列的构建与维护具体包括：

10、为每个ai摄像头分配独立的环形缓存队列，各环形缓存队列包含固定数量的缓存帧位，每个缓存帧位用于存储一帧解码后的图像数据及该帧的时间戳；

11、按照先进先出原则对环形缓存队列执行图像帧的写入与覆盖操作，新解码得到的图像帧写入当前写指针指向的缓存帧位，写指针向前移动一位，当写指针到达队列末尾时折返至队列起始位置；

12、在读指针与写指针之间维护一个待处理帧区间，从待处理帧区间中按帧提取图像进行处理，处理完成后的帧位被标记为已处理状态，读指针向前移动以释放已处理帧位；

13、当写指针追赶上读指针时，判定环形缓存队列发生溢出，此时强制将读指针向前移动预设数量的帧位以腾出缓存空间，并将被强制覆盖的帧位所对应的图像帧标记为丢弃帧，记录丢弃帧的数量及时间戳范围。

14、优选的，所述前景与背景的分离具体包括：

15、针对每个ai摄像头的固定监控场景，预先采集该摄像头在无障碍物状态下的多帧基准图像，对多帧基准图像逐像素计算灰度均值和灰度方差，生成该摄像头对应的背景统计模型；

16、将当前图像与背景统计模型进行逐像素灰度值比对，计算当前图像各像素点与背景统计模型对应位置灰度均值的偏差值，当偏差值超过由灰度方差动态确定的阈值时，将该像素点标记为前景像素点；

17、对标记为前景像素点的二值图像执行连通域分析，将相邻的前景像素点聚合为连通区域，对每个连通区域计算其外接矩形框，剔除面积小于预设面积阈值或长宽比超出预设范围的连通区域，保留剩余的连通区域作为候选障碍物目标框。

18、优选的，所述障碍物分类神经网络的训练与推理具体包括：

19、预先收集变电站场景下各类障碍物的图像样本，对每张样本图像中的障碍物目标进行边界框标注和类别标注，构建训练数据集；

20、采用基于卷积神经网络的特征提取主干网络对训练数据集中的样本图像进行特征提取，在特征提取网络后端接入区域提议网络生成候选区域，再通过分类子网络对候选区域进行类别预测，通过回归子网络对候选区域的边界框位置进行精调，联合训练分类损失和回归损失直至网络收敛；

21、将训练完成的障碍物分类神经网络部署至变电站的边缘计算设备中，将候选障碍物目标框输入网络后，输出每个候选框对应各类别的概率分布，取概率最大值对应的类别作为障碍物类别标签，将该最大概率值作为置信度评分。

22、优选的，所述跨帧关联匹配与运动轨迹生成具体包括：

23、提取当前帧图像中每个障碍物的外观特征向量，所述外观特征向量包括颜色直方图特征、纹理特征及深度语义特征；

24、将当前帧各障碍物目标的外观特征向量与上一帧各障碍物目标的外观特征向量进行相似度计算和欧氏距离计算，将计算结果加权融合得到关联代价矩阵；

25、基于关联代价矩阵，采用匈牙利算法对当前帧目标与上一帧目标进行最优匹配，对于匹配成功的同一障碍物目标，将该目标在当前帧中的像素坐标追加至该目标的运动轨迹序列中，根据轨迹序列中最新若干帧的坐标数据采用线性拟合方法计算当前运动速度矢量与运动方向角；

26、对于连续预设数量帧均未匹配到任何上一帧目标的障碍物目标，将其标记为新出现目标并初始化其运动轨迹序列，对于连续预设数量帧均未能匹配到当前帧任何目标的已有轨迹，将该轨迹从活跃轨迹列表中移除。

27、优选的，所述变电站三维空间坐标映射关系的建立与空间距离计算具体包括：

28、对变电站各ai摄像头进行标定，获取内参矩阵与畸变系数，现场选取六个已知三维坐标标定点，采集图像提取标定点像素坐标，依托内参矩阵通过透视n点算法求解含旋转矩阵、平移向量的摄像头外参矩阵；

29、依托摄像头安装点位地面高程构建地平面方程，提取障碍物目标框底部中心像素坐标，联合相机内外参与地平面方程完成像素反投影，解算出障碍物在变电站场地的三维地面实际投影坐标；

30、调取预存变电站带电设备三维坐标、轮廓尺寸数据，分别测算障碍物投影点与各带电设备水平间距，匹配障碍物类别对应的预估高度计算垂直间距，融合两类距离得出障碍物与带电设备实时三维空间距离。

31、优选的，所述未来预设时间窗口内最小接近距离的预测方法具体包括：

32、根据运动速度矢量和运动方向角，结合障碍物目标当前时刻的实际空间坐标，以当前时刻为起点沿运动方向角方向按照运动速度矢量的大小进行外推，生成障碍物目标在未来预设时间窗口内的预测运动轨迹；

33、在预测运动轨迹上按预设时间间隔采样若干预测位置点，对每个预测位置点重复执行空间距离计算方法，计算该预测位置点与各带电设备的预测空间距离；

34、遍历所有预测位置点的所有预测空间距离，取其中的最小值作为该障碍物目标在未来预设时间窗口内与各带电设备的最小接近距离，记录该最小接近距离对应的预测时刻和对应的带电设备编号。

35、优选的，所述分级预警机制具体包括：

36、为不同类别的带电设备设定对应安全距离阈值，所述安全距离阈值根据带电设备的电压等级和设备类型差异化配置；

37、计算最小接近距离与对应带电设备安全距离阈值的比值，当比值大于第一预设比值时判定为无预警状态，当比值处于第二预设比值与第一预设比值之间时判定为一级预警，当比值处于第三预设比值与第二预设比值之间时判定为二级预警，当比值小于等于第三预设比值时判定为三级预警，其中第一预设比值大于第二预设比值大于第三预设比值；

38、一级预警时向运维平台发送文本类告警信息，二级预警时在发送文本类告警信息的同时，控制对应监控点位的ai摄像头切换至光学变焦倍率对障碍物目标进行放大跟踪拍摄，三级预警时进一步联动变电站现场的声光报警装置发出声光警示信号。

39、进一步的，提出一种环境障碍物动态识别与预警系统，包括：

40、视频采集缓存模块：采集变电站多路监控视频流并逐帧解码，为各摄像头配置独立环形缓存队列，有序存储图像帧与时间戳；

41、障碍物检测模块：构建场景背景统计模型实现前后景分离，通过连通域筛选生成候选目标框，完成障碍物分类与置信度评分；

42、目标轨迹测算模块：融合多维度外观特征，通过匈牙利算法实现跨帧目标关联匹配，拟合计算障碍物运动速度与方向，完成轨迹初始化、更新与清理；

43、空间距离解算模块：完成相机标定与参数求解，建立像素与变电站三维空间映射关系，反投影障碍物实际坐标，测算其与站内带电设备的实时三维空间距离；

44、安全风险预测模块：基于障碍物运动参数外推未来时段运动轨迹，多点采样测算预测距离，筛选最小接近距离，预判障碍物对带电设备的潜在安全风险；

45、分级预警联动模块：依据设备电压等级设置差异化安全阈值，按距离比值划分三级预警，分级推送告警信息，联动摄像头变焦跟踪与现场声光报警装置。

46、与现有技术相比，本发明的优势在于：

47、采用多路ai摄像头独立环形缓存架构，通过读写指针管控与溢出丢弃策略保障高并发视频流稳定处理，避免帧丢失与处理阻塞；结合背景统计模型前后景粗筛与深度学习网络精细识别，在固定监控场景下兼顾检测效率与识别精度，有效降低误检率。通过多特征融合的匈牙利算法实现跨帧目标精准关联，依托相机标定建立三维空间映射关系，将像素坐标转换为真实空间坐标，精准测算障碍物与带电设备的三维距离；同时基于运动矢量外推预测未来时间窗口的最小接近距离，实现安全风险前置预判。配套差异化安全阈值的分级预警机制，适配不同电压等级设备防护需求，联动摄像头变焦跟踪与现场声光装置分级响应，有效提升变电站运维智能化水平与安全防护主动性，降低异物侵入引发的电力事故风险。