陈小龙

（广州供电局有限公司，广东广州，510000）

1 应用背景

目前的视频监控系统并没有自动分析功能，自动化程度低，运行人员不能利用这些监控系统及时发现问题，及时处理。为使监控系统功能更加智能化，需要利用图像处理技术在视频监控中自动识别异常事件及设备状态，以机器的方式代替人力监控工作，对可能或已经发生的异常现象及时告警并保存现场的图像资料，便于及时发现危险隐患，保障安全生产，为无人值守模式提供更完备、可靠的保障。本项目主要研究内容为基于深度学习算法的变电站内鸟巢智能识别研究。

2 国内外研究水平的现状和发展趋势

2.1 图像识别技术

数字图像处理和识别的研究开始于1965年。数字图像与模拟图像相比具有存储，传输方便可压缩、传输过程中不易失真、处理方便等巨大优势，这些都为图像识别技术的发展提供了强大的动力。现代图像识别技术的一个不足就是自适应性能差，一旦目标图像被较强的噪声污染或是目标图像有较大残缺往往就得不出理想的结果。图像识别问题的数学本质属于模式空间到类别空间的映射问题。目前，在图像识别的发展中，主要有三种识别方法：统计模式识别、结构模式识别、模糊模式识别[1]。

2.2 深度学习技术

现有的深度学习模型属于神经网络。神经网络的历史可追述到上世纪四十年代，曾经在八九十年代流行。神经网络试图通过模拟大脑认知的机理，解决各种机器学习的问题。……