阅读量：

89

作者：

王磊

展开

摘要：

近几年,我国的经济发展迅速,各行各业对电力的需求很大.绝缘子是输电线路的重要部件,用来支吊导线和大地保持绝缘.传统的绝缘子巡检主要是通过人工完成,易受到地形环境限制,效率低下且成本高.近年来,计算机视觉技术和无人机技术取得的重大突破,使得无人机巡检逐步取代人工巡检,是未来智能化巡检的发展趋势.无人机巡检的主要目的是对输电线路尤其是绝缘子的脱落,开裂,老化,污损等状态实施高效的监控,这些都依赖于对绝缘子的准确跟踪和快速清晰成像.本文以航拍电力线路中的绝缘子为研究对象,设计了针对航拍视频中绝缘子的跟踪方法.本文的主要工作包括以下三个方面:(1)针对时空上下文跟踪算法的灰度特征不能很好的完成航拍图像特征表达问题,提出了一种基于局部二值模式特征(Local Binary Pattern,LBP)和时空上下文的航拍绝缘子跟踪方法.其中为解决绝缘子大尺度变化问题,实现一种尺度更新策略,该尺度更新策略依靠对每一帧图像尺度赋予权重实现.在CarScale和Lemming公共数据集的实验结果表明:本文算法比原算法在适应目标尺度变化上效果更好;在绝缘子数据集中的实验结果表明本文能够处理绝缘子大尺度变化引起的跟踪偏移问题.(2)针对低层人工特征对绝缘子深度语义特征信息表达不充分的问题,本文基于连续训练卷积网络跟踪(Sequentially Training Convolutional Networks for Visual Tracking,STCT)方法,采用两种不同层的卷积神经网络(Convolutional Neural Network,CNN)分别对目标提取特征和目标定位,并构造了尺度预测网络对目标的尺度进行自适应.将STCT跟踪方法引入绝缘子视频的跟踪,在Linux系统平台和Caffe框架下完成配置和调试,取得较好效果,表明其跟踪方法能够精确跟踪绝缘子,满足实际电力工程应用的实时性要求.(3)针对递归神经网络(Recurrent Neural Network,RNN)对图像序列有良好的应用效果,本文基于结构感知网络跟踪(Structure-Aware Network for Visual Tracking,SANet)方法,采用RNN对目标建模,将目标物体的RNN特征与CNN特征合并,以此提升跟踪器的判别力.将SANet跟踪方法引入绝缘子视频的跟踪,在Linux系统平台和MatConvNet完成配置和编译,取得较好效果,表明其跟踪方法能够准确跟踪绝缘子,并能够解决绝缘子尺度变化问题.

展开

关键词：

航拍绝缘子；时空上下文；LBP；RNN；CNN

学位级别：

硕士

DOI：

CNKI:CDMD:2.1018.273125