任佳颖， 李小雨， 房体育， 董子昊， 李金屏

(济南大学 a. 信息科学与工程学院, b. 山东省网络环境智能计算技术重点实验室,c. 信息处理与认知计算山东省“十三五”高校重点实验室, 山东 济南 250022)

架空输电线路舞动是输电线路在风激励下产生的一种低频、 大振幅的自激振动[1]， 是电力系统常见的故障原因之一。 输电线舞动易引起线路相间闪络、 跳闸、 断股以及损坏绝缘子、 倒塔等电力事故[2]。我国是世界上输电线舞动的多发地区之一，每年都会出现多起输电线舞动事故，严重危害电力系统的安全稳定运行，因此，输电线舞动检测和预防成为电力行业的研究热点之一。

输电线舞动检测是利用能够采集输电线运行状态参数的设备，实时获取输电线的位置信息，从而得到其幅值、频率等相关参数，进而判断输电线是否舞动[3]。常见的输电线舞动检测技术包括：1)传感器技术，通过在输电线路上安装多个传感器，获取导线上各个点的相关参数，然后分析舞动参数，从而实现输电线舞动检测[4-7]； 2)差分全球定位系统(differential global position system, DGPS)，通过DGPS获取输电线的经度、 纬度和空间三维坐标信息进行建模， 获得对应的空间曲线[8-9]； 3)视频在线检测技术， 利用监控摄像头采集输电线路的视频图像， 应用数字图像处理技术处理视频数据得出线路舞动的相关参数， 实现输电线舞动检测[10-11]。

上述3种方式中，视频在线检测技术具有对线路运行无影响、安装简便、成本低等优势，受到专家学者的广泛关注。基于视频在线检测技术的方法一般分为2类，即整体分析和局部分析的方法。整体分析是指通过获取视频图像中输电线路整体的位移信息，进而分析输电线舞动情况。黄新波等[12]提出基于光流法的输电线舞动检测算法，通过计算采集的图像中输电线上各点的光流信息获取图像的光流场，据此推断舞动的相关参数信息，进而实现输电线舞动检测，但这种方法是对输电线整体进行分析，需要处理大量的参数信息，计算量相对较大且时间复杂度高。

局部分析是指在输电线上选择一个合适的目标点，通过分析该目标的位置信息，计算幅值、频率等参数，进而判断是否发生输电线舞动。在这类方法中选择合适的目标点至关重要。一般而言，在高压或特高压架空输电线路上通过安装间隔棒来固定各分裂导线间距，防止线路接触放电，可以间隔棒为目标进行输电线舞动检测。李振家等[13]通过轮廓提取和轮廓跟踪的方式获取线路上间隔棒的位置信息，进而计算线路舞动的幅值、频率以实现输电线舞动检测。尹晖等[14]提出边缘检测和自动搜索算法定位间隔棒轮廓的方法，获取各视频帧中间隔棒的位置信息，从而实现输电线舞动检测。

上述方法需合理设计拍摄角度以获得成像清晰、背景简单、参照物明显的视频，在应用于质量差的视频图像时，间隔棒的检测结果存在大量的漏报和误报，严重影响输电线舞动检测效果。孙凤杰等[15]将输电线看作近似的直线，利用直线具有方向性的特点，根据方向场确定输电线的大致区域，利用图像匹配的方法获取间隔棒的位置信息。输电线通常存在一定的弧度，将其看成近似的直线来定位输电线的方法在实际应用中具有局限性，难以准确定位输电线。此外，利用图像匹配的方法检测间隔棒时，检测结果往往依赖于图像质量好坏以及模板图像的选择，因此算法的鲁棒性较差。

本文中基于安装在高压输电线杆塔上的摄像头采集的视频图像进行输电线舞动检测研究，利用穿线法并结合旋转投影实现了有弧度的输电线定位。同时，针对现有方法在利用图像匹配检测间隔棒时依赖于图像质量好坏以及模板图像的问题，提出一种基于Laws纹理能量的间隔棒检测方法。在准确检测出间隔棒后，跟踪间隔棒获取其运动轨迹，通过分析运动轨迹计算幅值、频率等相关参数，实现输电线舞动检测。

1 监控视频采集及特点分析

1.1 视频采集

为了及时发现并排除输电线路及其周边环境的安全隐患，提高巡检效率 ，课题组与山东省某电力公司合作开发了输电线路在线监拍装置，如图1所示。通过在高压输电杆塔上安装自供电摄像头，以定期拍摄的方式采集视频或图像序列传回后端服务器，然后在服务器端查看采集的图像，判断是否出现安全隐患。

图1 输电线路在线监拍装置

1.2 视频特点分析

图2为利用安装在杆塔上的在线监拍装置获取的视频图像。这类图像具有以下特征：

1)拍摄角度为仰角，输电线路多以纹理简单的天空区域为背景；

2)输电线路通常并非直线，在靠近杆塔区域附近的输电线存在明显的弧度；

图2 在线监拍装置获取的高压输电线路视频图像

3)间隔棒作为输电线路上的显著目标点，其位置固定且易于观测；

4)远距离拍摄导致视频图像中的间隔棒呈现出的像素数较少，形状和轮廓不清晰，难以提取有效特征；

5)间隔棒的类型不同， 常用的是二、 四、 六、 八分裂间隔棒。

2 算法设计

基于间隔棒跟踪的输电线舞动检测算法的流程见图3， 算法主要步骤如下：

图3 输电线舞动检测算法流程图

1)划分天空区域，根据纹理、灰度分布等特征划分天空区域；

2)定位输电线，即利用穿线法得到输电线上的初始点后，根据不同方向上旋转投影曲线的特点判断线路方向并确定线路上的下一点位置，从而实现输电线定位；

3)检测间隔棒，提出基于投影Laws纹理能量的间隔棒检测方法；

4)利用核相关滤波(kernel correlation filter, KCF)[16]算法跟踪获取间隔棒的运动轨迹，据此计算幅值、频率等相关参数，进而判断输电线是否发生舞动。

2.1 划分天空区域

输电线路位于在线监测图像中的天空区域。为了减少复杂的地面区域对输电线路间隔棒检测的影响，根据地面区域与天空区域的灰度分布差异分割出监控图像中的天空区域。

图4为输电线场景的原图和灰度图。经过大量的观察和统计发现，天空区域和地面区域的纹理和灰度分布存在较大的差异。具体体现在以下几个方面： 1)天空区域的平均亮度远高于地面区域的，灰度值较大； 2)天空区域和地面区域的交界处存在明显的梯度变化； 3)天空区域的纹理相对简单，相比于地面区域，天空区域的灰度变化较小，地面区域的灰度变化较为频繁。

针对上述特点，本文中提出相应的天空区域分割算法，具体过程如下：

(a)输电线场景的原图

(b)输电线场景的灰度图图4 输电线图像灰度变化曲面图

1)采用模板大小为7像素×7像素的中值滤波去除图像中天空区域的输电线；

2)利用Canny算子计算图像的边缘梯度信息，Canny算子通过双阈值检测和连接边缘，对抗噪声的能力更强；

3)根据图像中连通区域的均值、 方差等灰度信息和纹理相似度等信息对连通区域进行筛选、 合并；

4)利用孔洞填充算法对连通区域进行填充得到天空区域掩模，根据天空区域掩模对天空区域进行分割。

天空区域分割结果如图5所示。

(a)天空区域模膜1(b)分割结果1(c)天空区域模膜2(d)分割结果2图5 天空区域分割结果

2.2 输电线定位

2.2.1 图像二值化

由于远程在线监测系统获取的监控图像中输电线路往往存在边缘模糊、对比度低的情况，并且天空区域存在云等物体干扰，导致全局阈值分割方法无法检测到远处的输电线，因此本文中采用局部阈值分割方法对天空区域图像进行二值化处理。与全局阈值分割方法相比，局部阈值分割方法能最大限度地保留输电线，但同时也加强了天空中的云彩等物体对二值化结果的干扰，局部阈值分割结果如图6所示。

由于输电线呈现细长的线形， 因此其形状与天

图6 天空区域局部阈值分割结果

空中的云等物体具有显著差异。 根据二值图像中连通区域的面积和长宽比等特征对连通域进行筛选， 为了尽可能地保留输电线以便下一步确定输电线的初始位置， 去除长宽比和面积小于设定的阈值且位于图像上方的连通域， 去噪后的二值化结果如图7所示。

图7 天空区域去噪后的二值化结果

2.2.2 穿线法初始化旋转投影窗口

在对输电线路进行旋转投影定位并确定其延伸方向之前，需要先确定输电线上的一个初始的旋转投影窗口，包括投影窗口的旋转中心点以及尺寸。

图8所示为穿线法初始化输电线的旋转投影窗口。从图8(a)可以看出，远程监控图像中的输电线一般从远处杆塔处延伸到图像的顶部或两侧，因此，利用穿线法遍历二值图像中靠近顶部和两侧的一行或列像素(图中红线所在位置像素) ，并记录其中非零像素的坐标，此时非零像素的位置即输电线的初始位置。

根据位于同一输电线上的像素之间的距离较小、位于不同输电线上的像素之间的距离较大的原则，对遍历得到的非零像素进行分类。以各类别的中心作为初始的旋转投影中心点，根据类内的最大距离(即输电线的宽度)确定旋转投影窗口的尺寸。其中，投影窗口应略大于输电线路的宽度。初始的旋转投影窗口如图8(b)所示。

(a)穿线法(b)初始的旋转投影窗口图8 穿线法初始化输电线的旋转投影窗口

2.2.3 基于旋转投影的输电线定位方法

在确定了初始的投影窗口之后，将该窗口绕旋转中心点在0°～180°的范围内进行旋转，然后分别向旋转窗口的加粗红色边框方向投影，得到不同旋转角度时的投影直方图，如图9所示。

从图中可以看出， 旋转不同角度的投影结果具有不同的特点： 当投影方向与输电线的延伸方向一致时， 投影直方图出现较大的波动， 呈现出明显的波峰和波谷； 垂直于输电线延伸方向投影的投影直方图近似于一条直线， 波动最小； 以其他角度进行投影的投影直方图波动比较平缓， 没有明显的波峰和波谷。

(a)投影框1(b)投影框2(c)投影框3(d)投影框4(e)投影图1(f)投影图2(g)投影图3(h)投影图4图9 投影窗口为不同角度时的灰度投影直方图

方差表示随机变量与期望值的偏离程度，本文中用方差的大小来描述曲线的波动情况。图10为输电线上投影窗口在不同角度时的旋转投影直方图的方差。由图可知，当投影角度与输电线的延伸方向相同时灰度投影直方图的方差最大，当投影角度与输电线的延伸方向垂直时投影直方图的方差最小。

根据在输电线路上以不同角度开窗口旋转投影的特点， 本文中提出基于旋转投影的输电线定位算法来确定输电线路的延伸方向。具体步骤如下：

图10 投影窗口为不同角度时的旋转投影直方图的方差

1)根据2.2.2节初始化旋转投影中心c0(x0,y0)和投影窗口的大小w；

2)在该位置进行旋转投影，当投影直方图的方差最大时，此时的旋转角度投影θ即为输电线的延伸方向；

3)以当前旋转投影中心点在输电线延伸方向上的邻域像素作为新的旋转中心点，再次执行步骤2)，直到检测到输电线路上的间隔棒时停止，间隔棒的检测方法将在第2.3节中进行介绍。

2.3 基于Laws纹理能量的间隔棒检测算法

远距离拍摄的视频中位于输电线上的间隔棒呈现的分辨率较小， 缺少清晰的轮廓和形状， 难以提取有效的特征， 因此通过旋转投影遍历输电线进行选择性搜索的方式检测间隔棒。 经过大量的观察和统计发现， 对输电线投影和对输电线上间隔棒所在区域的投影结果存在明显的不同， 如图11所示。 从图中可以看出： 当垂直于输电线路的延伸方向进行灰度投影时， 在输电线区域投影得到的投影直方图近似于一条直线， 波动较小； 而在间隔棒所在输电线区域投影得到的投影直方图存在明显的波动。

Laws能量法[17]是一种纹理滤波分析方法，通过统计图像中的单个像素及其邻域像素的灰度分布来反映图像的纹理变化。本文中将Laws纹理能量作为反映上述投影直方图的变化的特征对输电线上不同区域的投影直方图进行描述，根据不同投影直方图的Laws纹理能量值的差异实现间隔棒的检测。Laws纹理能量的计算公式为

(1)

(2)

计算投影曲线及其Laws纹理能量计算结果见图12。在实际计算中，用分辨率为n像素×n像素的滑动窗口遍历投影曲线，步长为n/2(图12(a))。将各个小窗口内的Laws纹理能量值累加后求平均，

(a)遍历投影曲线

(b)不同区域投影的Laws能量图12 计算投影曲线及其Laws纹理能量值

以投影直方图的平均Laws纹理能量值作为检测间隔棒的依据。通过对平均Laws纹理能量值的分析发现，在输电线区域的投影直方图的Laws纹理能量值较小，在间隔棒区域的投影直方图的Laws纹理能量值较大，尤其当间隔棒在投影窗口中心位置时的投影直方图的Laws纹理能量值最大。

综上所述, 间隔棒检测过程如下：首先开窗口，沿垂直于输电线的延伸方向投影，并计算投影直方图的Laws纹理能量值，然后通过设定一个阈值，当Laws纹理能量值大于这个阈值时, 将Laws纹理能量最大的区域认为是间隔棒的所在区域。

2.4 基于间隔棒跟踪的输电线舞动检测

在检测出输电线路上的间隔棒后，利用KCF算法跟踪间隔棒，得到该间隔棒在不同视频帧的位置坐标。将间隔棒在不同视频帧的坐标按时间顺序连接起来，即得到间隔棒的运动轨迹，如图13所示。

图13 输电线间隔棒运动轨迹图

其中，x、y轴分别表示间隔棒在视频帧中的横、 纵坐标，z轴为时间轴，表示不同的视频帧。

输电线舞动会使输电线产生巨大的拉力，且与舞动的幅值和频率有关，因此，舞动的幅值和频率是衡量输电线舞动的重要指标。

分析间隔棒的运动轨迹可以得到输电线舞动的上述特征参数。舞动的幅值即为同一间隔棒在不同视频帧中的偏移距离d，计算公式为

(3)

式中(xi,yi)、 (xj,yj)分别为第i、j幅图像中间隔棒的坐标位置。本文中将间隔棒偏移的最大距离定义为一段时间内输电线舞动的最大幅值。

在计算输电线舞动的频率时，首先需要明确监拍装置采集的视频的帧率，即每秒拍摄的图像数量，然后记录最高位置与最低位置(即半个周期)的图像数量。舞动频率的计算方式为

(4)

式中：f为舞动频率；T为舞动的周期；ω为视频的帧率；N为半个周期内的视频帧数。

以视频中最右边的第1个间隔棒为例，相邻视频帧中间隔棒的舞动幅值检测结果如图14所示。通过分析幅值和频率等参数，设置合适的阈值，判断是否发生输电线舞动。一般将频率在0.1～3 Hz之间，幅值大于5的视频判断为存在输电线舞动。

(a)第30帧图像(b)第40帧图像(c)第50帧图像图14 输电线间隔棒的舞动幅值

3 结果及分析

本文中所用的实验数据均来源于山东某电力公司提供的输电线路远程在线监测系统获取的视频图像，共69个视频，其中26个视频为输电线舞动视频，每个视频的时长约为15 s。

3.1 间隔棒检测实验结果及分析

为了验证本文中提出的基于投影Laws纹理能量值的间隔棒检测算法的有效性和鲁棒性。从每个视频中随机挑选10帧共690个图像进行测试。其中，实验所用视频中的间隔棒主要分为3类，即二、 四、 八分裂间隔棒，如图15所示。

(a)二分裂间隔棒(b)四分裂间隔棒(c)八分裂间隔棒图15 输电线路远程在线监测系统获取的视频中的间隔棒

本文中将间隔棒检测看作关键点检测问题。采用关键点相似度(object keypoint similarity, OKS)对间隔棒的检测结果进行评分，定义为

(5)

(6)

式中：OOKS为关键点相似度；δ(vl)为第l个间隔棒是否可见的标志， 当vl≤0表示该间隔棒在图中没有标注，vl>0表示该间隔棒在图中进行了标注；dl为在图像中检测到的第l个间隔棒与实际标签之间的欧氏距离；s为间隔棒的尺度；k为常数。

由于远程监控图像中间隔棒都比较小，本文中假设每个间隔棒的大小都是相近的，令2s2k2=1，因此，将关键点相似度定义为

(7)

在不同场景监控图像中进行测试，通过设置不同的阈值得到的实验结果如表1所示。

表1 输电线间隔棒检测结果 %

实验结果表明，本文中提出的间隔棒检测方法能够有效地检测图像中的大部分间隔棒，对于四、 八分裂间隔棒的检测效果较好。二分裂间隔棒的特征较少且呈现出的像素数量非常少，加之二分裂导线的边缘梯度与天空更为接近，导致在沿输电线路搜索时受到噪声的干扰相对较大，因此，这类间隔棒的检测结果相对较差。

间隔棒检测的可视化实验结果如图16所示。

从算法的实用性角度考虑，只需要在图像中检测到1～2个间隔棒并进行跟踪即可判断视频中输电线的舞动情况，因此，本文中提出的间隔棒检测方法可以满足实用化的需求。

3.2 输电线舞动检测实验结果及分析

为了验证本文中提出的基于间隔棒跟踪的输电线舞动检测方法的有效性和实用性，将69个不同场景的视频拆分成若干个视频片段测试输电线舞动检测算法的性能，其中每个视频片段时间约为5 s，如表2所示。

(a)效果1(b)效果2(c)效果3(d)效果4图16 输电线间隔棒检测结果

表2 输电线视频分类

输电线舞动检测实验以每个视频片段内是否发生输电线舞动为标准，用检测准确率P、 误报率R、 漏报率L对结果进行衡量检测，其中准确率P表示正确检测出视频片段中输电线舞动情况的概率，误报率R表示将未发生舞动的视频检测为舞动的概率，漏报率L表示没有检测出来的舞动视频的概率。假设某视频片段存在输电线舞动，准确检测到输电线舞动称为NTP，未检测到输电线舞动称为NFN；假设某视频片段不存在输电线舞动，检测到输电线舞动称为NFP，未检测到输电线舞动称为NTN。计算公式为

(8)

根据计算，本文中提出的输电线舞动检测方法在现有视频中的检测结果如表3所示。由检测结果可以看出，二分裂导线的舞动检测准确率相对较低，通过分析发现，二分裂导线上的间隔棒在视频中几乎为一条线，所呈现出的分辨率极低，投影提取的特征不明显，因此影响二分裂间隔棒的检测和跟踪结果。

表3 输电线舞动检测结果

实验结果表明，本文中提出的基于间隔棒跟踪的输电线舞动检测方法能够有效的检测视频中的输电线舞动情况，具有较好的实用价值。

4 结语

以安装在输电线杆塔上的监拍装置作为视频采集设备，采用基于Laws纹理能量的间隔棒检测方法，并结合KCF算法跟踪到输电线位置的移动，根据其运动轨迹计算出输电线舞动的幅值和频率，进而判断输电线是否发生舞动。通过输电线定位算法并以投影Laws纹理能量值作为统计特征实现间隔棒检测，缩小了输电线间隔棒的检测范围，提高了检测的速度和精度。

本文中提出的检测方法主要针对采用分裂输电线的高压或特高压输电线路，以线路上的间隔棒为目标点进行线路舞动分析，不适用于无间隔棒的输电线舞动检测。