基于视频的带电作业中组合间隙的智能检测

摘 要：在带电作业实训项目中，作业人员进出电场需要保持正确的姿态，以保证自身的组合间隙小于最小组合间隙，避免引起安全事故，传统的带电作业培训中主要依靠现场教练的主观经验判断作业人员的实时组合间隙，判断的标准具有较强的主观性，从而导致一定的安全隐患。文中针对现有问题，创新性的提出了一种基于视频的智能检测算法，运用了自适应混合高斯背景建模、团块检测、前景融合等模式识别算法。该算法以500 kV输电线塔架为实验对象，实验表明该算法能够准确检测出作业人员的实时组合间隙，并在发生违规操作时，可及时准确的给予警示，有助于规范作业人员的操作，可有效提高带电作业的安全系数。

关键词：带电作业；组合间隙；视频；混合高斯模型；团块检测；模式识别

中图分类号：TM84；TP393 文献标识码：A 文章编号：2095-1302（2016）12-00-04

0 引 言

在开展专业化的带电作业中，如何最大程度的保证作业人员的人身安全是首要解决的问题。所以带电作业中最为关注的一个问题即安全距离，尤其是安全距离中的一项指标即最小组合间隙。最小组合间隙是指在组合间隙中的作业人员处于最低的操作冲击放电电压位置时，人体对接地体与带电体两者应保持的距离之和。

目前国内关于组合间隙的研究重点包括各级别输电线带电作业组合间隙的操作冲击放电特性[1]；研究确定输电线路带电作业最小组合间隙[2]；带电作业中的工具服装等屏蔽防护措施[3-5]以及进入电场的位置[6]与方式[7]等。而在带电作业实际操作中，人们更关心的是如何智能判断作业人员的实时组合间隙，规范作业人员的操作以降低带电作业的危险系数。

对组合间隙的监控能够保证实训人员从地电位进入等电位，或者从等电位回到地电位的过程中保持正确的姿态，防止人体过于舒展导致自身的组合间隙小于最小组合间隙，从而引起安全事故。

对于电力行业而言，其存在场地内塔架高、走线复杂、强电场环境等影响因素，因此如何智能检测组合间隙是电力行业专业化的难点。

在目前的带电作业人员培训过程中，作业人员的实时组合间隙大小主要依靠培训指导教师的现场仰视观察并指导，依赖于培训指导教师的工作经验和直观感知，适时对参训学员进行安全警示，但这种方式对于高处带电作业实训中的动作是否规范合理，其组合间隙距离是否符合要求的判断存在一定的误差，从而增加了作业人员的危险系数。针对上述问题，本文创新性的提出了一种基于视频的带电作业组合间隙智能检测算法，并结合了自适应混合高斯背景建模、团块检测、前景融合等模式识别算法。

相对于传统方法而言，采用基于视频的方法进行组合间隙检测，能够智能化的给出直观明了的结果显示，并从根本上克服强电场的不利因素，具有很强的扩展性，易于移植到其他类似场合，可有效减轻教练的负担。

1 组合间隙算法的框架

针对客观环境存在的室外光线，我们采取多种模式识别算法相结合的方法，即利用混合高斯背景建模、团块检测、前景融合，结合带电作业相关知识和摄像头图像确定作业人员实时组合间隙及其安全信息。算法流程图如图1所示。其中高斯背景建模、团块检测、前景融合及组合间隙计算是整个算法的核心步骤。

2 组合间隙算法

2.1 确定前景框

首先通过摄像头采集数据，当有作业人员准备在绝缘子上作业时，同时启动摄像头并开始检测。

由于实训人员是由绝缘子串进入电场，绝缘子串带电作业区被认为是人员活动的主要区域，所以我们以此作为检测的主要区域，计算这一区域的人员实时组合间隙值。

提取摄像头拍摄的一帧图像，根据绝缘子串所在位置划定前景检测区，并分别记录图片中对应区域的宽度Wimage及前景区高度Hfore Region，摄像头对应的检测区域如图2所示。

3 算法结果及分析

本文以在四川电力职业学院带电作业实训场地拍摄的通过绝缘子进入500 kV塔架电场的一段视频作为实验样本，利用上文提出的基于视频的组合间隙检测算法进行智能测试，并在发生违规操作时现场给予声光警示。最后，对组合间隙检测算法与传统教练经验的判断结果进行对比分析。

首先对选取的视频片段进行算法分析，视频大小格式为320×240，实验环境为Visual Studio 2010 and OpenCv2.3。混合高斯背景建模算法的参数选取了最优化的值，分别为k=3，T=0.8，a=0.02，V0=50，W0=0.33，根据式（9）可知实验中人员的最小宽度阈值为：

（10）

分别得到每一帧图像的实训人员的实时宽度Dcomgap，并与500 kV电压等级规定的最小人员宽度阈值Dmini相比较。

取实验结果中摄像头对应的10个不同时段的检测结果作为样本，图5所示为组合间隙检测算法的实验结果，其中图片上方数字代表人员最小宽度阈值，下方数值代表作业人员实时宽度值。通过人员框定的不同颜色来体现作业人员实时组合间隙的安全信息。

由表1所列的基于单一视频的最小组合间隙的实验结果可知，当作业人员身体宽度小于四片绝缘子宽度之和时，本文介绍的基于视频的组合间隙检测算法结果与传统的教练经验一致判断人员状态为安全；当作业人员身体宽度明显大于四片绝缘子宽度之和时，本文介绍的基于视频的组合间隙检测算法结果与传统的教练经验一致判断人员状态为违规。

在10个样本中，第4、6号样本帧现场教练实时判断结果与现场声光报警系统判断结果不一致，记录后，经教练后期查看，存储好的第4、6号样本帧经分析，人员宽度大于四片绝缘子宽度之和，判断为危险状态，而现场漏判或误判为安全状态，进而说明了本文提出的基于视频的组合间隙检测算法的优越性。

本算法在四川电力职业学院实训场地进行了多次500 kV输电线塔架带电作业实时测试，实验表明，基于视频的组合间隙检测算法没有漏报，偶尔存在误报，且误报次数远低于现场教练实时判断的误报次数。经分析，引起算法误报的原因为绝缘子串的抖动以及人员佩戴的绳索抖动。

4 结 语

本文创新性的提出了一种基于视频的带电作业的组合间隙检测算法，这种方式不受强电场影响，成本低廉，操作简便，能够有效减轻人力负担，并能根据国家相关标准和现场情况对危险情况给予警示，达到了系统的设计目的，并且填补了带电作业组合间隙智能检测方面的研究空白，具有极大的实际意义和广泛的应用前景。

但由于视频及输电线塔架摄像头安装等的局限性，本文算法存在一定的缺陷。首先基于视频的算法结果与角度的耦合性非常大，所以角度变化对算法结果影响十分显著。而且由于绝缘子串、绳索的抖动导致目标框定的不够准确。

综上所述，如何进一步提高算法准确率，降低抖动、光线等因素对检测结果的影响，都将是今后研究的重点。

参考文献

[1]胡毅，王力农，刘凯，等.750KV输电线路带电作业组合间隙的研究[J].电力设备，2006，7（1）：29-32.

[2]胡毅，王力农，刘凯，等.1000KV交流输电线路带电作业组合间隙研究[J].电力设备，2007，8（8）：1-5.

[3]舒印彪，胡毅，王力农.500KV紧凑型线路带电作业用保护间隙[J].中国电力，2003，36（5）：48-50.

[4]Shu Y B， Hu Y. Maintenance and Live Working Technology for Ultra High Voltage Transmission Line[J]. High Voltage Engineering， 2007， 33（6）： 1-5.

[5]HU Yi， LN Wang， GW Shao， et al. An Experimental Investigation on Live Line Work for 750kV Transmission Line[J]. Power System Technology， 2006， 30（2）： 14-18.

[6]肖坤，马宁，涂超.500KV线路耐张串组合间隙放电电压问题的分析与探讨[J].东北电力技术，2003，24（7）：22-24.

[7]肖宾，胡毅，刘凯，等.1000KV交流紧凑型输电线路等电位进入方式[J].高电压技术，2011，37（8）：1868-1874.

[8]TangYinggan， LiuDong. Multi-resolution image segmentation based on Gaussian mixture model[J]. Systems Engineering and Electronics， 2006， 17（4）： 870-874.

[9]STAUFFER C， GRIMSON W E L. Adaptive background mixture models for real-time tracking [C]. Proceedings of IEEE International Conference on Computer Vision and Pattern Recognition. Fort Collins， Colorado， USA， June 23-25， 1999. [S.1]： IEEE Computer Society， 2：246-252（1999）

[10]PLM Bouttefroy， A Bouzerdoum， SL Phung， et al. On the analysis of background subtraction techniques using Gaussian mixture models[C]. Acoustics Speech and Signal Processing （ICASSP）， 2010 IEEE International Conference on. IEEE， 2010： 4042-4045.

[11]Nguyen T B， Chung S T. An improved real-time blob detection for visual surveillance[C]. Image and Signal Processing， 2009. CISP'09. 2nd International Congress on. IEEE， 2009： 1-5.

[12]赵志刚，苏永杰，许文广.“坐二短四”进出强电场带电作业方法的应用[C].2012年供电企业带电作业技术研讨会论文集，2012.