变电站基于人体特征识别的跨摄像机自动跟踪系统技术领域
本发明公开了一种变电站基于人体特征识别的跨摄像机自动跟踪系统，属于变电
站自动化控制系统技术领域。
背景技术
变电站均已实现无人值守，特别是“三集五大”体系下，变电检修人员和运维人员
的配置规模缩减，运维人员工作量增加，切实保护无人值守变电站稳定可靠运行变得尤为
重要，但是无人值守变电站往往发生社会盲流进入无人值守变电站，破坏设备等情况。
发明内容
本发明的目的在于提供一种变电站基于人体特征识别的跨摄像机自动跟踪系统，
实现设定时间段对非法进入变电站人员进行检测、识别、跨摄像机间的自动跟踪，同时给远
程运维人员推送及时报警信息，并将目标物体在变电站所有轨迹记录在数据库，方便管理
人员随时调看，提供事后取证。
为达到上述目的，本发明采用的技术方案如下：
变电站基于人体特征识别的跨摄像机自动跟踪系统，其特征在于，包括若干变电站前
端摄像机组、变电站内自动跟踪智能识别服务器和若干远程客户端；
所述前端摄像机组为两个枪型摄像机和一个球型摄像机为一组，球型摄像机和枪型摄
像机分别安装在支架的最顶端，且球型摄像机在两个枪型摄像机的中间；
所述若干变电站前端摄像机组安装在变电站围墙上；
所述变电站前端摄像机组与变电站内自动跟踪智能识别服务器之间通过光纤进行通
讯，在变电站内自动跟踪智能识别服务器与变电站前端摄像机组之间设置光端收发器和交
换器；
所述变电站内自动跟踪智能识别服务器后台服务能将非法入侵人员所有轨迹记录，保
存在后台，并将报警信息推送到远程客户端；
所述变电站内自动跟踪智能识别服务器和远程客户端通过电力内网实现通讯；
所述变电站内自动跟踪智能识别服务器包括如下模块：
智能图像识别模块：将变电站前端摄像机组采集传输来的图像进行人体检测识别；
模式识别模块：对智能图像识别模块检测到的人体进行特征提取，再利用分类器确定
非法入侵目标物体；
跨摄像机数据处理模块：对多台变电站前端摄像机组获取的非法入侵目标物体的特征
向量进行分析，确定为同一运动目标，实现跨摄像机自动跟踪；
视频整合模块：将同一个运动目标在不同变电站前端摄像机组跟踪到的轨迹、截取的
视频整合成一个完整的连续视频；
数据录入模块：将视频整合模块整合的视频，保存在数据库中。
前述的变电站前端摄像机组为网络摄像机。
前述的变电站前端摄像机组为模拟摄像机，且在变电站内自动跟踪智能识别服务
器上增加硬盘录像机，用于获取变电站前端摄像机组的视频帧图片。
前述的智能图像识别模块进行人体检测识别的具体方法为：首先将变电站前端摄
像机组采集到的视频图像转换为灰度图像，再对其进行去噪处理，通过混合高斯背景建模
的方法对静态场景进行建模，然后用背景差分法进行运动目标检测，在经过阴影消除后，进
行二值化处理，得到前景为白色，背景为黑色的图像，然后在通过形态学图像处理方法进行
小孔洞的填充，最后，对留下的大的区域进行连通性分析，从而实现变电站场景内的人体检
测识别。
前述的模式识别模块进行特征提取具体方法为：在2D图片中抽出代表性更强的1D
特征向量，每一个特征向量对应一个算法，一个算法对一张图片能映射出唯一的一个特征
向量，具体步骤如下：
3-1）把64x128的图片分割成7x15个16x16大小的模块，相邻模块差8像素；
3-2）每个模块中的256个点，和附近点做一次梯度计算，算出属于的bin数和梯度值；
3-3）把16x16的模块分成4个8x8的小块；
3-4）每个8x8的小块中的64个点用他们各自的梯度值给bin个直方图投票，计算每个
bin的总得票数；
3-5）将每个小块的直方图做归一化，共9维；
3-6）组合所有模块的直方图向量，得到最终的特征向量（9x4x105）。
前述的模式识别模块将检测到的非法入侵目标物体特征向量提取出来后，将该特
征向量信息保存在跨摄像机数据处理模块中，形成特征向量库，当别的变电站前端摄像机
组中出现了运动目标，并被检测、识别、提取特征向量后，将提取的特征向量和之前存储在
特征向量库中的非法入侵目标物体的特征向量进行差值法计算，寻找出最接近的特征向
量，确定两者对应的运动目标为同一目标，实现跨摄像机自动跟踪。
本发明具有以下优点：
1）实现管理人员、运维人员远程查看变电站现场情况。
2）当有非法入侵变电站人员，能准确检测、识别，并能对其进行跨摄像机自动跟
踪。
3）变电站内自动跟踪智能识别服务器后台服务能将非法入侵人员所有轨迹记录，
保存在后台，并将报警信息推送到远程客户端。
附图说明
图1为本发明的变电站基于人体特征识别的跨摄像机自动跟踪系统结构示意图；
图2为智能图像识别模块人体检测过程流程图；
图3为模式识别模块分类器训练人体特征和检测的流程图。
具体实施方式
现结合附图和具体实施方式对本发明作进一步详细说明。
如图1所示，本发明的变电站基于人体特征识别的跨摄像机自动跟踪系统，包括若
干变电站前端摄像机组、变电站内自动跟踪智能识别服务器和若干远程客户端。变电站前
端摄像机组安装在变电站围墙上，如图1所示，前端摄像机组两枪一球为一组，即两个枪型
摄像机和一个球型摄像机，球型摄像机和枪型摄像机分别安装在支架的最顶端，且球型摄
像机在两个枪型摄像机的中间。变电站前端摄像机组可以为网络摄像机，也可以为模拟摄
像机，模拟摄像机需要在自动跟踪智能识别服务器上增加硬盘录像机，用于获取变电站前
端摄像机组的视频帧图片。变电站前端摄像机组与变电站内自动跟踪智能识别服务器之间
通过光纤进行通讯，在变电站内自动跟踪智能识别服务器与变电站前端摄像机组之间设置
光端收发器和交换器。变电站内自动跟踪智能识别服务器后台服务能将非法入侵人员所有
轨迹记录，保存在后台，并将报警信息推送到远程客户端。变电站内自动跟踪智能识别服务
器和远程客户端通过电力内网实现通讯。
变电站内自动跟踪智能识别服务器包括如下模块：
（1）智能图像识别模块：将变电站前端摄像机组采集传输来的图像进行人体检测识别。
如图2所示，具体人体检测识别方法为：首先将变电站前端摄像机组采集到的视频图像（RGB
图像）转换为灰度图像，再对其进行去噪处理，通过混合高斯背景建模的方法对静态场景进
行建模，然后用背景差分法进行运动目标检测（当前帧与背景帧做差分运算），在经过阴影
消除后，进行二值化处理，得到前景为白色，背景为黑色的图像，然后在通过形态学图像处
理方法进行小孔洞的填充；最后，对留下的较大的区域进行连通性分析，从而实现变电站场
景内的人体检测。
（2）模式识别模块：对智能图像识别模块检测到的人体进行特征提取，再利用分类
器确定非法入侵目标物体。当运动目标出现在变电站场景中，并准确检测识别出后，需要对
该运动目标进行特征提取，本发明采用提取方向梯度直方图特征的方法（Histogramof
orientgradient(HOG)），具体方法为：在2D图片中抽出代表性更强的1D特征向量，特征向
量用来训练分类器或者检测该图片。每一个特征向量对应一个算法，一个算法对一张图片
能映射出唯一的一个特征向量。具体步骤如下：
3-1）把64x128的图片分割成7x15个16x16大小的模块，相邻模块差8像素；
3-2）每个模块中的256个点，和附近点做一次梯度计算，算出属于的bin数和梯度值；
3-3）把16x16的模块分成4个8x8的小块；
3-4）每个8x8的小块中的64个点用他们各自的梯度值给bin个直方图投票，计算每个
bin的总得票数；
3-5）将每个小块的直方图做归一化，共9维；
3-6）组合所有模块的直方图向量，得到最终的特征向量（9x4x105）。
当运动目标的特征向量提取出来后，系统能自动优化分类器，分类器的主要作用
是：将该系统提取的特征向量做正负样本分类，且正样本需要有一定的差异性，包括不同性
别、不同年龄、不同姿势、不同衣着、提取的人体的不同区域等等。确定目标物体，当系统在
变电站运行时间越长，该系统提取的特征向量就越多，“见识”的人就越来越多，样本就越丰
富，从而该系统就越来越准确。该分类器越精确，基于越来越精确的分类器，用分类器来确
定的目标物体也越来越准确，具体流程如下图3所示。图3主要为分类器训练人体特征和检
测的过程，首先搜集人体的数据集，然后截取训练需要的子数据，提取出人在变电站背景中
的特征，最终得到训练的特征集合，从而得到准确的分类器；当分类器训练完成后，即可进
行人体特征识别，当系统检测出移动物体后，将需要检测的物体截取的图片和分类器中的
数据进行特征匹配，最终确定检测结果。
（3）跨摄像机数据处理模块：对多台变电站前端摄像机组获取的非法入侵目标物
体的特征向量进行分析，确定为同一运动目标。模式识别模块将检测到的非法入侵目标物
体特征向量提取出来后，将该特征向量信息保存在跨摄像机数据处理模块中，形成特征向
量库，当别的变电站前端摄像机组中出现了运动目标，并被检测、识别、提取特征向量后，将
提取的特征向量和之前存储在特征向量库中的特征向量进行差值法计算，寻找出最接近的
特征向量，确定两者对应的运动目标为同一目标，这样可以实现跨摄像机自动跟踪。
（4）视频整合模块：将同一个目标在不同变电站前端摄像机组跟踪到的轨迹、截取
的视频整合成一个完整的连续视频。
（5）数据录入模块：将视频整合模块整合的视频，保存在数据库中。