黃 柏 楊 帆 鄧劍平 畢 凡

基于累積幀間差分法和掩膜的SF6紅外檢漏視頻定位算法研究

黃 柏 楊 帆 鄧劍平 畢 凡

（廣州供電局有限公司電力試驗(yàn)研究院，廣州 510410）

自動(dòng)化、智能化是變電站發(fā)展的趨勢(shì)，越來(lái)越多的自動(dòng)巡檢機(jī)器人被應(yīng)用于巡檢工作中。紅外圖像檢漏技術(shù)是常用的電氣設(shè)備SF6氣體檢漏手段，既可以針對(duì)局部查找漏點(diǎn)，又可以快速大范圍巡檢。因此，對(duì)紅外檢漏自動(dòng)定位算法的研究有其必要性。本文研究一種SF6紅外檢漏視頻定位算法，它既可用于變電站自動(dòng)巡檢機(jī)器人的紅外檢漏自動(dòng)定位，亦可用于手持式紅外圖像檢漏儀輔助定位。首先將紅外圖像灰度化，并利用高斯模糊技術(shù)消除噪聲干擾；其次通過(guò)閾值變換在首幀圖像中識(shí)別設(shè)備區(qū)域，得到掩膜；然后基于漏點(diǎn)位置相對(duì)固定且持續(xù)的特性，使用累積幀間差分法獲取紅外圖像的累積變化；最后根據(jù)掩膜排除不在設(shè)備區(qū)域的干擾，對(duì)SF6泄漏點(diǎn)進(jìn)行定位和統(tǒng)計(jì)。實(shí)驗(yàn)表明，該算法能準(zhǔn)確定位SF6漏點(diǎn)位置，運(yùn)算速度快且抗干擾性好。

紅外圖像；SF6；累積幀間差分法；掩膜；漏點(diǎn)定位

0 引言

SF6是一種無(wú)色、無(wú)味的惰性氣體，因良好的絕緣和滅弧性能，在氣體絕緣金屬封閉開關(guān)設(shè)備（gas insulated switchgear, GIS）等高壓電氣設(shè)備中得到廣泛的應(yīng)用[1-2]。SF6氣體泄漏是造成此類電氣設(shè)備失效的主要原因[3]。相比于傳統(tǒng)的包扎法、肥皂法、手持式檢漏儀定性檢漏法，紅外帶電檢漏技術(shù)不需要停電作業(yè)、不用接觸電氣設(shè)備，是一種更為便捷安全且直觀有效的檢漏手段[4]。

紅外線泄漏檢測(cè)技術(shù)是利用SF6氣體與空氣的紅外輻射特性實(shí)現(xiàn)的。SF6泄漏會(huì)向外輻射紅外線能量，對(duì)周邊環(huán)境造成一定的影響，在使用紅外成像技術(shù)進(jìn)行成像時(shí)，通過(guò)分析對(duì)比SF6氣體與空氣紅外圖像的差異，就能實(shí)時(shí)、精確地探測(cè)出SF6泄漏點(diǎn)，并生成直觀的紅外圖像。

隨著變電站自動(dòng)化和智能化水平的不斷提高，變電站巡檢機(jī)器人逐漸取代人工巡檢成為今后的發(fā)展方向[5]。紅外圖像檢測(cè)儀是巡檢機(jī)器人搭載的重要監(jiān)測(cè)設(shè)備之一。目前，關(guān)于紅外圖像處理的研究主要集中在紅外測(cè)溫領(lǐng)域[6]，通過(guò)圖像處理、智能識(shí)別等算法對(duì)紅外測(cè)溫圖像中的設(shè)備進(jìn)行識(shí)別，并找出故障設(shè)備。在生產(chǎn)中，紅外檢漏仍主要依賴人眼判斷，相關(guān)研究主要集中在檢測(cè)效果的加強(qiáng)方法方面[7]?；趫D像處理的紅外檢漏方法屬于運(yùn)用運(yùn)動(dòng)目標(biāo)圖像的定位算法，主要分為幀間差分法[8]、背景差分法[9]、光流法[10]。本文研究一種基于圖像處理的紅外檢漏定位算法，使用閾值變換分割設(shè)備區(qū)域與背景區(qū)域，基于SF6泄漏點(diǎn)的紅外圖像特性使用累積幀間差分法來(lái)實(shí)現(xiàn)漏點(diǎn)定位。

1 圖像預(yù)處理

1.1 灰度化

每個(gè)紅外圖像均為RGB彩色圖像，每個(gè)像素均包含紅（R）、綠（G）、藍(lán)（B）三部分。由于漏點(diǎn)識(shí)別主要和亮度有關(guān)，故為了降低對(duì)計(jì)算機(jī)硬件、軟件性能的要求，將彩色圖像進(jìn)行灰度化處理。圖像灰度化是指將一張彩色照片的亮度分為0到255個(gè)級(jí)別，0為全黑色，255為全白色。彩色圖片灰度化的方法為[11]

式中，Y為亮度。圖片灰度化處理效果如圖1所示。

1.2 高斯模糊

由于后續(xù)檢漏定位的算法對(duì)圖片變化較為敏感，為了減少環(huán)境和拍攝者動(dòng)作對(duì)圖像造成的干擾，對(duì)每一幀灰度化后的圖像進(jìn)行高斯模糊處理。高斯模糊是一種通過(guò)高斯分布來(lái)減小圖像雜散程度和細(xì)節(jié)層次的方法[12]，其計(jì)算公式為

式中：x和y為坐標(biāo)值；為濾鏡半徑。高斯模糊效果如圖2所示。

1.3 圖像掩蔽

圖像掩蔽是指對(duì)所處理的圖像（全部或局部）進(jìn)行遮蔽，以控制圖像處理的范圍或過(guò)程。在漏點(diǎn)識(shí)別定位中，SF6漏點(diǎn)只存在于設(shè)備區(qū)，通過(guò)劃分設(shè)備區(qū)域和背景區(qū)域可以有效排除外界干擾。假設(shè)單次定位中紅外攝像儀拍攝位置變化不大，使用閾值法[9]對(duì)視頻的首幀圖像劃分設(shè)備區(qū)域與背景區(qū)域。在紅外圖片中，一般帶電電氣設(shè)備區(qū)域比背景區(qū)域亮度要高。閾值法是一種簡(jiǎn)便、高效的圖像分割方法，它把圖像上灰度高于限值的點(diǎn)設(shè)為全白色，其他點(diǎn)設(shè)為全黑色。這樣，截圖就變成一張黑白相間的圖片，圖片中白色的部分則為設(shè)備部分。

由于SF6氣體泄漏是一種擴(kuò)散運(yùn)動(dòng)，這種運(yùn)動(dòng)往往會(huì)稍超出設(shè)備區(qū)域，故使用圖像形態(tài)學(xué)膨脹[9]操作留出一定裕度，將其稱為掩膜。對(duì)于遠(yuǎn)處有干擾的情況，還可以采取圖像形態(tài)學(xué)腐蝕[12]操作后再膨脹進(jìn)行消減。掩膜的過(guò)程如圖3所示。圖3（c）通過(guò)腐蝕除去零散的不在設(shè)備區(qū)域的白色部分，再經(jīng)過(guò)膨脹最終得到的掩膜如圖3（d）所示。

圖3 掩膜過(guò)程

2 基于累積幀間差分的漏點(diǎn)定位算法

2.1 SF6泄漏紅外圖像特點(diǎn)及抗干擾分析

SF6氣體泄漏在紅外視頻中是一種局部漸變的運(yùn)動(dòng)，其相對(duì)位置變化不大，且持續(xù)時(shí)間貫穿整個(gè)拍攝區(qū)間。由于變電站的相對(duì)封閉性，紅外視頻可能存在的干擾有飛鳥、附近高樓的燈光、變電站工作人員、攝像機(jī)位置的微小變化等。利用泄漏位置相對(duì)固定且持續(xù)時(shí)間長(zhǎng)的特性，選用累積幀間差分法可以將這些干擾排除。對(duì)于不在設(shè)備上的干擾，可以通過(guò)圖像預(yù)處理步驟中的掩膜進(jìn)行區(qū)分。同時(shí)，高斯模糊和累積幀間差分法也能有效減少攝像機(jī)位置微小變化帶來(lái)的干擾。

2.2 累積幀間差分法

幀間差分法[13]是一種利用對(duì)連續(xù)兩幀圖像進(jìn)行差分運(yùn)算得到運(yùn)動(dòng)物體輪廓的新算法。在差分操作中，去除不會(huì)改變的背景，獲得相對(duì)移動(dòng)的區(qū)域，并根據(jù)該區(qū)域和閾值的相對(duì)大小來(lái)判定該區(qū)域的移動(dòng)特征。通過(guò)閾值提取序列圖像中運(yùn)動(dòng)變化的區(qū)域，第幀圖像的灰度值I(,)與第+1幀圖像的灰度值I+1(,)之間的變化差值可以表示為

式中：(,) 為運(yùn)動(dòng)目標(biāo)在圖像中的位置；為閾值。

該方法的編程簡(jiǎn)單，對(duì)光照和其他場(chǎng)景的變化不敏感，能很好地適應(yīng)各種動(dòng)態(tài)的環(huán)境，具有很好的穩(wěn)定性[14]。然而，傳統(tǒng)的幀間差分法只能處理單個(gè)幀的差分圖，不能反映出SF6泄漏的相對(duì)位置和較長(zhǎng)的相對(duì)位置，而且易被白噪聲、脈沖噪聲（飛鳥、移動(dòng)的人、攝像機(jī)的自然抖動(dòng)等）影響。為了提高SF6泄漏的定位精度，本文提出一種累積幀間差分法。

假設(shè)100幀是一個(gè)測(cè)試序列，對(duì)輸入視頻的圖像進(jìn)行幀間差分和差分累加運(yùn)算，總共執(zhí)行99次差分操作。因此，累積的圖像像素值介于[0, 99]。實(shí)驗(yàn)證明，累加圖像的門限A以40為宜。累積幀間差分法的計(jì)算公式為

式中：(,)為運(yùn)動(dòng)目標(biāo)在圖像中的位置；A為閾值；=99；D(,)為第幀和+1幀圖像差分；(,)為累積差分；(,)為二值化后的最終結(jié)果。

圖4為單幀差分和累積幀間差分對(duì)比，由圖4（b）可見，單幀差分容易受到噪聲干擾，而圖4（c）的累積差分白色部位相對(duì)集中，抗干擾能力較好。

圖4 單幀差分與累積幀間差分

2.3 漏點(diǎn)定位及統(tǒng)計(jì)

上述所得圖像中白色的部位即為可能的漏點(diǎn)區(qū)域，為排除非設(shè)備區(qū)域的干擾，將累加圖像與1.3節(jié)得到的掩膜進(jìn)行式（6）所示的與操作，得到在設(shè)備區(qū)域的漏點(diǎn)區(qū)域[15]。

式中：(,)為式（5）累積差分二值化的結(jié)果；(,)為1.3節(jié)中得到的掩膜。最后使用邊緣檢測(cè)[12]找出圖中輪廓，去除較小的輪廓并合并距離較近的輪廓，得到漏點(diǎn)位置并統(tǒng)計(jì)漏點(diǎn)個(gè)數(shù)。程序以100幀圖像為一個(gè)測(cè)試序列，不斷重復(fù)循環(huán)實(shí)時(shí)定位，單個(gè)循環(huán)的流程如圖5所示。

3 實(shí)驗(yàn)驗(yàn)證

實(shí)驗(yàn)使用的計(jì)算機(jī)為CPU i3@2.00GHz，2GB內(nèi)存，系統(tǒng)環(huán)境為Windows7，編程語(yǔ)言Python2.7，圖像處理軟件為OpenCV3.0.本實(shí)驗(yàn)采用FLIR公司的GF306紅外探測(cè)器拍攝紅外視頻，幀速為15幀/s，分辨率為320×240。截取五段紅外視頻，各自進(jìn)行循環(huán)定位，結(jié)果均能正確定位。算法的處理性能見表1，由表1處理速度得知，該算法能處理50幀/s的紅外視頻，滿足實(shí)時(shí)視頻處理的要求。

圖5 單個(gè)循環(huán)流程

表1 算法的處理性能

圖6為某段視頻中的某次循環(huán)定位，可以看到圖6（b）的累積差分右上方有兩處白點(diǎn)干擾，通過(guò)和掩膜進(jìn)行與操作后只留下設(shè)備區(qū)域內(nèi)的白色部分如圖6（c）所示，最終定位結(jié)果如圖6（d）所示。

圖6 定位案例

運(yùn)動(dòng)目標(biāo)圖像定位算法主要分為差分法和光流法[16-17]。光流法運(yùn)算復(fù)雜度高，對(duì)幀間位移較大的目標(biāo)有更好的檢測(cè)效果；傳統(tǒng)的背景差分法運(yùn)算復(fù)雜度低，但無(wú)法實(shí)時(shí)更新背景，容易受到背景突發(fā)變化的干擾；本文的累積幀間差分法對(duì)光線等場(chǎng)景變化不太敏感，能夠適應(yīng)各種動(dòng)態(tài)環(huán)境，穩(wěn)定性較好。對(duì)三種方法的運(yùn)算速度進(jìn)行測(cè)試，結(jié)果見表2。

表2 差分法和光流法運(yùn)算速度對(duì)比

由表2可知，兩種差分法處理速度遠(yuǎn)快于光流法。在準(zhǔn)確率方面，光流法對(duì)位移較小的目標(biāo)不敏感，對(duì)5段紅外視頻，可以準(zhǔn)確識(shí)別出2段視頻中的漏點(diǎn)，正確率僅為40%；傳統(tǒng)的背景差分法無(wú)法實(shí)時(shí)更新背景，對(duì)5段測(cè)試視頻的準(zhǔn)確識(shí)別率為80%，但無(wú)法識(shí)別中途闖入鏡頭的干擾物；本文的累積幀間差分法對(duì)5段測(cè)試視頻的識(shí)別率為100%，且能區(qū)分人為設(shè)置的中途入鏡的干擾物。因此，相比于光流法，差分法更適用于紅外檢漏視頻定位。但由于驗(yàn)證的視頻樣本數(shù)量有限，本文的驗(yàn)證結(jié)果有一定局限性。

4 結(jié)論

本文根據(jù)SF6泄漏點(diǎn)在紅外圖像中相對(duì)位置固定且持續(xù)時(shí)間長(zhǎng)這一特點(diǎn)，提出一種基于累積幀間差分和掩膜的定位方法。通過(guò)實(shí)驗(yàn)分析，得出以下結(jié)論：

1）該方法處理速度快，抗干擾性好，適合實(shí)時(shí)視頻處理，既可用于變電站自動(dòng)巡檢機(jī)器人的紅外檢漏自動(dòng)定位，亦可用于手持式紅外圖像檢漏儀輔助定位。

2）高斯模糊和幀間差分對(duì)消除攝像機(jī)抖動(dòng)的干擾效果明顯；設(shè)備區(qū)域和背景區(qū)域劃分可以有效區(qū)分非設(shè)備區(qū)的干擾。

3）該方法對(duì)視頻拍攝的平穩(wěn)程度有一定要求，大幅度的抖動(dòng)會(huì)造成較大干擾；另外，雨天對(duì)該方法的干擾尚未經(jīng)過(guò)實(shí)驗(yàn)測(cè)試。

4）下一步可以充分挖掘SF6泄漏紅外圖像的紋理特征、幾何特征、動(dòng)態(tài)特征等，使用貝葉斯分類、神經(jīng)網(wǎng)絡(luò)等算法來(lái)識(shí)別這些特征，或許能有更一步的改進(jìn)。

[1] 劉財(cái)明. 氣體絕緣開關(guān)設(shè)備局部放電帶電檢測(cè)綜合應(yīng)用[J]. 電氣技術(shù), 2020, 21(10): 117-122.

[2] 潘巖, 章海斌, 馬凱, 等. 一起GIS傳動(dòng)失效導(dǎo)致的接地故障原因及分析[J]. 安徽電氣工程職業(yè)技術(shù)學(xué)院學(xué)報(bào), 2021, 26(2): 36-40.

[3] 陳振生. GIS高壓電器SF6氣體密度、濕度及泄漏檢測(cè)技術(shù)[J]. 電氣技術(shù), 2007, 8(4): 16-20.

[4] 馬鳳翔, 袁小芳, 程登峰, 等. 基于紅外吸收原理的SF6氣體泄漏檢測(cè)技術(shù)應(yīng)用研究[J]. 電氣技術(shù), 2021, 22(10): 51-56.

[5] SONG Yifeng, WANG Hongguang, ZHANG Jianwei. A vision-based broken strand detection method for a power-line maintenance robot[J]. IEEE Transactions on Power Delivery, 2014, 29(5): 2154-2161.

[6] 李玉齊, 朱琦文, 張健. 發(fā)電廠帶電設(shè)備紅外檢測(cè)與故障診斷應(yīng)用研究[J]. 電氣技術(shù), 2020, 21(1): 78-82, 85.

[7] 許侃, 高凱, 鄧先欽, 等. 極端環(huán)境下SF6氣體紅外熱成像檢漏技術(shù)在GIS帶電檢測(cè)中的效果加強(qiáng)方法研究[J]. 高壓電器, 2021, 57(3): 191-197.

[8] 王建平, 李俊山, 楊亞威, 等. 基于紅外成像的乙烯氣體泄漏檢測(cè)[J]. 液晶與顯示, 2014, 29(4): 623-628.

[9] 肖欣怡. 紅外成像氣體檢漏儀軟件設(shè)計(jì)[D]. 武漢: 華中科技大學(xué), 2019.

[10] 吳春龍, 潘海鵬, 夏永明. 基于光流法的氣密性檢測(cè)裝置研究[J]. 機(jī)電工程, 2013, 30(8): 947-951.

[11] 楊帆. 數(shù)字圖像處理與分析[M]. 北京: 北京航空航天大學(xué)出版社, 2007.

[12] BRADSKI G R, KAEHLER A. Learning OpenCV[M]. Sebastopol: O’apos; Reilly Media, Inc., 2008.

[13] 李剛, 邱尚斌, 林凌, 等. 基于背景差法和幀間差法的運(yùn)動(dòng)目標(biāo)檢測(cè)方法[J]. 儀器儀表學(xué)報(bào), 2006, 27(8): 961-964.

[14] 包玉剛. 視頻圖像中的運(yùn)動(dòng)目標(biāo)跟蹤算法研究[D]. 哈爾濱: 哈爾濱工程大學(xué), 2010.

[15] GONZALEZ R C, WOODS R E, EDDINS W L. 數(shù)字圖像處理[M]. 北京: 電子工業(yè)出版社, 2009.

[16] 裴巧娜. 基于光流法的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)[D]. 北京: 北方工業(yè)大學(xué), 2009.

[17] 歐陽(yáng)玉梅. 基于稠密光流算法的運(yùn)動(dòng)目標(biāo)檢測(cè)的Python實(shí)現(xiàn)[J]. 現(xiàn)代電子技術(shù), 2021, 44(1): 78-82.

Study of an accumulated interframe difference and mask based SF6leakage infrared video location method

HUANG Bo YANG Fan DENG Jianping BI Fan

(Electric Power Test and Research Institute, Guangzhou Power Supply Bureau Co., Ltd, Guangzhou 510410)

Automation and intelligence are the development trend of substation. More and more automatic inspection robots are used in inspection work. Infrared image leakage detection technique is widely used in detecting SF6gas leakage in electrical equipment. It can be used in local leakage searching and large-scale patrolling. Therefore, it is necessary to study the automatic location algorithm of infrared leakage detection. First, gray processing is applied to infrared image and Gauss blur is used to eliminate the noise. Threshold transformation is used to recognize the device area in the first frame image and obtain mask. Then, accumulated interframe difference method is used to get the cumulative changes in infrared images. Finally, the interferences outside the device area are removed, and the leakage points are located. The experiment shows that the proposed method has fast computing speed and good anti-interference ability, which makes it suitable for real-time video processing. This method can be used in both automatic substation patrol robot and handheld infrared image leakage detector.

infrared image; SF6; accumulated interframe difference; mask; leakage location

2022-01-05

2022-05-09

黃 柏（1988—），工程師，從事高壓試驗(yàn)和器材檢驗(yàn)工作。