[发明专利]一种运动目标检测方法以及检测系统

说明书

本发明适用于图像数据处理技术领域，提供了一种运动目标检测方法，所述方法包括以下步骤：获取输电线路监控图像序列；对获取到的监控图像序列进行光照均衡预处理；对预处理后的图像通过自适应敏感度阈值前景分割进行前景目标的提取；通过对图像序列中两个连续图像的前景目标进行差分运算，并进行二值化与形态学滤波处理，提取出运动目标。本发明实施例提供的运动目标检测方法采用背景变化自适应敏感度前景分割方法解决了输电线路监控视频存在的背景扰动大、随机噪声多、光照变化大等前景难以分割的问题，实现了在输电线路重点监控区域对异常运动目标进行检测并预警，能有效避免重大电力生产安全事故。本发明还提供了运动目标检测系统。

技术领域

本发明实施例属于图像数据处理技术领域，尤其涉及一种运动目标检测方法以及检测系统。

背景技术

输电线路是我国能源互联网最重要的基础设施之一，其运行状态的安全稳定是电能传输的重要前提。近年来电网的外部环境日趋恶化，使得电网安全面临严峻考验。目前，输电线路排查异物主要有两种方法：人工巡检和无人机巡检。对巡检工人来说，不仅危险系数高、劳动强度大，而且由于人员素质参差不齐，漏检误检事件时有发生，使得巡检效率低下。无人机空中飞行视野比较全面，相对于人工巡查的视野范围大了许多，并且无人机的速度，比起人工快了太多，无人机能充分发挥视野广、机动性好、时效性强、巡查范围广的优点。但是无人飞行器传回的大量图像数据还是需要人为地判断线路上是否存在异物，因此导致了这种方法的局限性。

随着计算机视觉和深度学习的发展，输电线路的异常目标检测方法应运而生，甚至成为了目标检测领域研究的热点。运动目标检测通常通过对视频或者是监控图像序列分析进行实现，现基于输电线路监控图像序列中的运动目标检测主要有以下几个方面的不足：

1、输电线路监控采用按照一定时间间隔进行拍摄获取图像序列的模式，不同于传统的基于视频的运动目标检测，由于帧数少、在一定间隔时间内背景变化可能较大，信息关联少，导致背景建模难度大。

2、如今采用深度学习方法进行移动目标识别过程复杂，系统开销大，而移动设备相对于个人计算机或云服务器来说性能将成为瓶颈；

3、传统基于图像序列的采用帧间差法，利用目标图像与背景模型做比较做差分，得到运动目标，在实际操作中常采用中值滤波的方法进行图像滤波后进行帧间差法，该方法具有较高的准确度，是对连续的序列都做中值运算，得到这些序列的中值，然后将得到的数据当作背景模型，该方法也有一些缺点，针对非视频源的监控图像序列，检测的成功率和准确率往往较低，同时，该方法对内存的耗损也比较严重，计算量较大，而且在室外光照环境下，容易受到光照的影响，导致最终结果不太准确。

发明内容

本发明实施例的目的在于提供一种运动目标检测方法以及检测系统，旨在解决输电线路监控视频存在的背景扰动大、随机噪声多、光照变化大等前景难以分割的问题。为实现上述目的，本发明实施例是这样实现的：

在本发明提供的一个优选实施例中，一种运动目标检测方法，所述方法包括以下步骤：

获取输电线路监控图像序列；

对获取到的监控图像序列进行光照均衡预处理；

对预处理后的图像通过自适应敏感度阈值前景分割进行前景目标的提取；

通过对图像序列中两个连续图像的前景目标进行差分运算，并进行二值化与形态学滤波处理，提取出运动目标。

作为本发明优选实施例技术方案的进一步限定，所述对获取到的监控图像序列进行光照均衡预处理包括：

将图像序列进行分解处理，得到携带图像细节信息的目标物体的反射分量；

将所述反射分量取对数，变换到对数域；

基于单尺度Retinex算法将转化为对数域的反射分量进行卷积运算。