电网智慧应急单兵装备关键技术研究

李 珅，李舟演，王逊峰，翁若方

(国网上海市电力公司，上海 200122)

自然灾害的多发、重发趋势，对电网应急工作提出了更高的要求。一方面，灾害发生后重要变电站和线路灾情信息获取往往采用人工巡查方式，存在获取难、获取慢等问题，电网受灾信息无法快速准确统计，影响了应急响应科学决策。另一方面，地震、冰灾、台风等大范围巨灾导致停电后，地面移动网络无法使用，数据无法通过地面网络发送至指挥中心。因此，亟需研究基于卫星通信的电网智慧应急单兵装备关键技术，为应急救援提供技术支撑。

1 应急单兵装备设计思路

新型背包式电网智慧应急单兵装备总重量不超过10 kg，为双肩背包式，支持5G和卫星通信，兼容现有的应急单兵通信系统。采用嵌入式系统架构，高性能H265编解码处理器设计。设备支持视频采集、编码压缩、传输、双向对讲、地理定位等功能，支持5G全网通网络制式，支持卫星通信；多卡绑定传输策略，最多可支持四卡同时传输。可用于电视直播图传、无人机图传、高清赛事直播等实时性要求高的应用场景。应急单安装备装置外观和功能布局见图1。在终端前端实现人脸识别、二维码识别、车牌识别和兴趣点跟踪等功能。

图1 应急单兵装备装置外观和功能布局

2 关键技术实现

2.1 人脸识别技术

人脸识别主要分为人脸检测、特征提取和识别比对三个过程。

(1)人脸检测：人脸检测是指从输入图像中检测并提取人脸图像，训练级联分类器对图像中的每一块进行分类。如果某一矩形区域通过了级联分类器，则被判别为人脸图像。

(2)特征提取：特征提取是指通过一些数字来表征人脸信息，这些数字就是要提取的特征。

(3)识别比对：这里提到的人脸识别是狭义的人脸识别，即将待识别人脸所提取的特征与数据库中人脸的特征进行对比，根据相似度判别分类。采用基于深度学习的人脸检测MCTNN算法，解决复杂背景下人脸误检和速度慢的问题。

2.2 二维码识别技术

二维码比传统的Bar Code条形码能存储更多的信息，也能表示更多的数据类型。

当设备开启二维码识别功能后，视频采集到二维码，自动在线识别，并在客户端显示结果，目前二维码支持解析30个字符，以文字形式展示出来。

2.3 OCR车牌识别技术

车牌识别过程包括车辆检测——图像采集——预处理——车牌定位——字符分割——字符识别——结果输出。

(1)图像采集。一般有两种方式：视频流识别和静态图片采集。

(2)预处理。根据对现场环境和已经拍摄到的图像的分析得出结论，实现相机的自动曝光处理、自动白平衡处理、自动逆光处理、自动过爆处理等，并对图像进行噪声过滤、对比度增强、图像缩放等处理。

(3)车牌定位。依据纹理特征、颜色特征和形状特征等信息，采用投影分析、连通域分析、机器学习等算法检测车牌。

(4)字符分割。基于车牌的二值化结果或边缘提取结果，利用字符的结构特征、字符间的相似性、字符间间隔等信息，一方面把单个字符分别提取出来，也包括粘连和断裂字符等特殊情况的处理。另一方面把宽、高相似的字符归为一类，从而去除车牌边框以及一些小的噪声。

(5)字符识别。经过机器学习或与字符数据库模板进行匹配，最后选取匹配度最高的结果作为识别结果。目前比较流行的字符识别算法有：模板匹配法、人工神经网络法、支持向量机法和Adaboost分类法等。

车牌识别效果如图2所示。

图2 车牌识别效果

2.4 兴趣点跟踪

在实现人脸、二维码和车牌这些特定对象的识别后，研究特定对象为兴趣点的动态跟踪。在开始跟踪前，首先要在初始帧中检测特征点，之后在下一帧中尝试跟踪这些点。具体做法是在特征点先前位置附近进行搜索，尝试找到下一帧中它的新位置。

在兴趣点跟踪处理中，采用Harris角点检测是一种简单实用的兴趣点检测算法。Harris角点检测的基本思想是，当给像素点施加一个小的观察窗并在任意方向移动，如果在所有方向上窗内的图像强度值都有明显变化，那么这个观察窗内必然包含有角点，类似的如果在所有方向强度值没有明显变化，则窗内为平坦区域，而当窗内有边缘时，强度值在边缘移动方向没有明显变化。

Harris角点检测具有旋转不变性、抗噪好等优点。识别跟踪效果如图3所示。

图3 识别跟踪

3 结语

目前市场上的单兵装备基本都基于3G/4G技术，在大范围巨灾导致的电网应急处置中，通信运营商的基站受到灾害的破坏，导致单兵装备失去网络通道，在处置过程中无法发挥其作用。本文基于卫星的应急智慧单兵可以有效地解决这一问题。电网智慧应急单兵装备，可应用于电网应急培训、演练、救援指挥作业中，实现现场团队间、指挥中心间高效信息交互与信息安全保障。在智能卫星终端成本侧降低成本达到60%。电网智慧应急单兵装备能够以成果转化的形式产生可观的直接经济效益。