融合多尺度特征的前景分割方法在高压开关柜异物遮挡检测中的应用

姜鸿飞，晏忠泰，杨科，彭德中

(1. 四川大学计算机学院，成都 610065；2. 中国烟草总公司四川省公司专卖监督管理处，成都 610094；3. 中国烟草总公司四川省公司法规处，成都 610094)

0 引言

变电站是电力系统中电力输送和转换的枢纽，在整个电力系统中有着非常重要的作用，变电站中的高压开关柜控制和保护着电力的传输与配送，需要对其运行状态进行实时的检查。由于开关柜元器件设备种类繁多且状态复杂，传统中对开关柜的检查依靠人力巡视来实现，其中一项重要的任务是检查开关柜是否有被异物覆盖；与此同时，近年来随着智能化的推广，越来越多的变电站采用无人化的智能巡检实现对变电站设备尤其是高压开关柜的检查，基于监控图像利用计算机视觉的方法进行状态识别是最常用的实现方法之一，而在进行状态识别之前，也有必要首先进行一次异物的遮挡检测确保算法可以得到完整的设备图像。

恒定环境状态下的开关柜异物遮挡检测本不是一件非常困难的事情，然而当环境光变化较大、摄像头分辨率低且畸变严重等情况下，情况将变得比较复杂，一些传统的异常检测方法在这样的环境下容错率将变得很低。为了解决这个问题，本文尝试将视频中运动目标检测的基于深度神经网络的前景分割方法应用于静态视频帧的异物遮挡检测，并通过实验验证其可行性。

1 相关工作

1.1 异物检测

异物检测是一项常见的图像处理与计算机视觉的任务，广泛应用于铁路侵限异物检测、电力系统输电线异物检测、溶液异物检测等场景。……