(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211146602.9 (22)申请日 2022.09.21 (71)申请人 内蒙古科电数据服 务有限公司 地址 010000 内蒙古自治区呼和浩特市和 林格尔县盛乐经济园区盛乐现代服务 业集聚区企业总部西三楼、 西四楼 (72)发明人 袁兴刚　陈满意　李天翼　 (74)专利代理 机构 北京冠和权律师事务所 11399 专利代理师 张树朋 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/13(2017.01) G06T 7/194(2017.01) G06T 5/00(2006.01)G06T 5/30(2006.01) (54)发明名称 基于高斯混合模型分离算法的变电站防触 电视频检测方法 (57)摘要 本发明提供了一种基于高斯混合模型分离 算法的变电站防触电视频检测方法， 包括： 采集 待测视频， 基于高斯混合模型分离算法对待测视 频进行处理， 得到目标图像； 对目标图像进行图 像二值化处理， 得到二值图像； 分别采用10x10的 kernel对二值图像执行开运算去 除噪点和执行 闭运算连接邻近区域， 得到结果图像； 采用物体 轮廓检测法确定结果图像的最小外接正矩形； 根 据预设的临界判断条件对最小外接正矩形进行 过滤得到检测图像； 判断检测图像的轮廓和预设 警戒区域是否相交， 生成检测结果。 权利要求书3页 说明书9页 附图3页 CN 115482217 A 2022.12.16 CN 115482217 A 1.一种基于高斯混合模型分离算法的变电站防触电视频检测方法， 其特征在于， 包括： 采集待测视频， 基于高斯混合模 型分离算法对待测视频进行 处理， 得到目标图像； 对目标图 像进行图像二值化处理， 得到二值图像； 分别采用10x10的ker nel对二值图像执行开运算去 除噪点和执行闭运算连接邻近区域， 得到结果图像； 采用物体轮廓检测法确定结果图像的 最小外接正矩形； 根据预设的临界判断条件对最小外接正矩形进行过滤得到检测图像； 判 断检测图像的轮廓和预设警戒区域是否相交， 生成检测结果。 2.根据权利要求1所述的一种基于 高斯混合模型分离算法的变电站防触电视频检测方 法， 其特征在于， 根据在 线期望最大化算法对自适应高斯混合模型进 行估计， 得到高斯混合 模型分离算法。 3.根据权利要求2所述的一种基于 高斯混合模型分离算法的变电站防触电视频检测方 法， 其特征在于， 建立自适应高斯混合模型包括： 分别获取训练图像中的任一像素值在时间 N的值为XN的概率P(XN)和前B个分布用作场景背景的模型； 根据概率P(XN)和前B个 分布用作 场景背景的模型确定高斯分量的更新方程； 根据更新方程对每个参与建立自适应高斯混合 模型的匹配测试值的高斯分量进行 更新， 直至满足预设条件， 得到自适应高斯混合模型。 4.根据权利要求3所述的一种基于 高斯混合模型分离算法的变电站防触电视频检测方 法， 其特征在于， 概 率P(XN)的计算公式包括： 其中， wk是kth高斯分量的权 重参数， η(xN； θk)是kth高斯分量的正态分布； kth高斯分量的正态分布 η(xN； θk)表示为： 其中， μk是D维度上的分量分布参数的均值向量， ∑k＝σk2I是kth高斯分量的协方差， D为 输入向量x的维度， x为分量正态分布的自变量， xN为x在N时刻的概率， I为单位矩阵， σk为单 位分布的方差值； 同时， K个分布根据适应度值 wk/σk排序。 5.根据权利要求3所述的一种基于 高斯混合模型分离算法的变电站防触电视频检测方 法， 其特征在于， B的取值 为： 其中， 阈值T是分布用作场景背景的模型的最小部分， b∈B， wj为第j种颜色所留存的时 间比例。 6.根据权利要求3所述的一种基于 高斯混合模型分离算法的变电站防触电视频检测方 法， 其特征在于， 更新方程包括： 权　利　要　求　书 1/3 页 2 CN 115482217 A 2其中， ωk是第kth个高斯分量， 1/α 定义了决定变化的时间常数； 同时， 若K个分布中没有一个与待测像素值匹配， 则将最不可能的分量替换为以当前值 作为其均值、 初始高方差和低权 重参数的分布。 7.根据权利要求2所述的一种基于 高斯混合模型分离算法的变电站防触电视频检测方 法， 其特征在于， 根据在线期望最大化 算法对自适应高斯混合模型进行估计， 包括： 根据预期的充分统计更新方程开始估计自适应高斯混合模型， 然后在处理前L个样本 时切换到L ‑recent窗口版本 。 8.根据权利要求1所述的一种基于 高斯混合模型分离算法的变电站防触电视频检测方 法， 其特征在于， 对目标图像进行图像二 值化处理， 包括： 其中， x,y为像素点的横纵坐标， g(x,y)为该点的值， thresh为阈值， maxval指当像素值 超过阈值时， 赋予的新的像素值。 9.根据权利要求1所述的一种基于 高斯混合模型分离算法的变电站防触电视频检测方 法， 其特征在于， 还 包括： 获取检测图像的轮廓， 生成每一检测图像的人员轮廓分布图； 获取人员轮廓分布图中与预设警戒区域小于预设安全距离的黄色人员轮廓分布图； 获取黄色人员轮廓分布图中人员轮廓的聚集程度大于预设聚集程度阈值的橙色人员 轮廓分布图； 其中， 人员轮廓的聚集程度根据黄色人员轮廓分布图中的人员轮廓数量和两 两人员轮廓的距离确定； 判断是否存在连续预设幅橙色人员 轮廓分布图存在， 若存在， 将连续预设幅橙色人员 轮廓分布图确定为红色人员轮廓分布图， 发出现场风险警报； 根据连续预设幅橙色人员 轮廓分布图中人员轮廓的变化幅度确定对应红色人员轮廓 分布图的危险值， 根据危险值发送提醒警报信息 至对应等级的管理人员。 10.根据权利要求9所述的一种基于高斯混合模型分离算法的变电站 防触电视频检测 方法， 其特征在于， 根据连续预设幅橙色人员轮廓分布图中人员轮廓的变化幅度确定对应 红色人员轮廓分布图的危险值， 包括： 根据连续预设幅橙色人员 轮廓分布图中人员轮廓的变化幅度确定每一人员轮廓的当 前状态； 其中， 当前状态包括 运动状态和静止状态； 当预设时间内的当前人员轮廓的变化幅度小于预设变化幅度， 则当前人员轮廓 为静止 状态， 否则为 运动状态；权　利　要　求　书 2/3 页 3 CN 115482217 A 3