本發明的一種基于視頻分析的調度監控方法和系統，采集變電站的所有狀態的視頻以及圖像，基于卷積神經網絡進行變電站設備視頻信息進行特征提取，進行特征壓縮和索引生成，存儲至變電站設備信息數據庫；提取已存儲的視頻目標分類檢索特征，基于變電站設備視頻及圖像進行多源異構數據信息融合模型的構建；獲取基于卷積神經網絡的視頻圖像狀態識別結果，提取變電站設備的狀態運行信息，構建變電站設備狀態標準庫；基于構建的多源異構數據信息融合模型和變電站設備狀態標準庫，導入變電站設備的監控接口，進行變電站設備的實時監控。本發明通過構建多源異構數據信息融合模型，建立變電站設備監控體系，提升變電站安全運行水平和設備運維效率。

技術領域

本發明涉及視頻監管技術領域，具體涉及一種基于視頻分析的調度監控方法和系統。

背景技術

現有的變電站設備的狀態運行多是以人工進行監管和維護，如機械臂刀閘狀態識別(開/合)、匯控柜(出線設備)指示燈識別、油壓表、避雷器泄漏電流表、SF6壓力表等設備狀態為主要監控對象，相關維護人員需要投入大量精力來確保變電站的安全生產。

由于天氣、光照以及季節替換等多變因素，更加增加了維護人員的工作壓力，因此亟需一種能夠代替人工進行變電站設備的狀態巡檢的技術，能夠在代替維護人員工作的同時，還能夠應對物理環境因素帶來的影響，做到有效監控和管理。

發明內容

針對上述現有技術存在的問題，本發明提出一種基于視頻分析的調度監控方法和系統來解決問題，通過構建多源異構數據信息融合模型，建立變電站設備監控體系，提升變電站安全運行水平和設備運維效率。

本發明提供的一種基于視頻分析的調度監控方法，包括如下步驟：

采集變電站設備的所有狀態的視頻以及圖像，基于卷積神經網絡進行變電站設備視頻信息進行特征提取，進行特征壓縮和索引生成，存儲至變電站設備信息數據庫；

提取已存儲的視頻目標分類檢索特征，基于變電站設備的視頻以及圖像進行多源異構數據信息融合模型的構建；

獲取基于卷積神經網絡的視頻圖像狀態識別結果，提取變電站設備的狀態運行信息，構建變電站設備狀態標準庫；

基于構建的多源異構數據信息融合模型和變電站設備狀態標準庫，導入變電站設備的監控接口，進行變電站設備的實時監控。

作為上述方案的進一步優化，所述的基于卷積神經網絡進行變電站設備視頻信息進行特征提取的步驟包括如下：

基于計算機視覺庫進行變電站設備視頻信息的幀圖像截取并存儲；

提取已存儲的變電站設備的幀圖像，進行卷積神經網絡的局部范圍像素感知，進行變電站設備圖像的卷積層的特征內容輸出；

基于卷積層的特征輸出進行下采樣，進行特征內容的特征降維，壓縮變電站設備圖像的數據和參數數量；

獲取變電站設備的特征降維內容，采用激勵函數進行非線性映射，將所有的特征圖像進行連接并輸出特征提取結果。

作為上述方案的進一步優化，所述多源異構數據信息融合模型的構建具體包括如下：

采集變電站設備的環境參數以及設備狀態信息；

采用深度隨機配置網絡進行變電站設備的環境參數以及設備狀態信息的多層面特征到輸出類別的非線性映射能力；

針對變電站設備的環境參數以及設備狀態信息進行集成以及融合處理。

作為上述方案的進一步優化，所述變電站設備狀態標準庫構建包括如下：

基于卷積神經網絡進行變電站設備的任意狀態的幀圖像識別；

采集變電站設備的包含標準狀態的幀圖像以及非標準狀態的幀圖像進行標準庫構建。