近年来，视频监控技术被越来越多的应用于电力系统。在无人值守的变电站以及禁止人员靠近的危险区域安装视频监控系统中，可以有效地排除安全隐患，及时预警，避免事故的发生。传统的视频监控系统多采用由工作人员全天候值守、人为预警的方式，这种方式不仅不能通过事故预防报警来减少事故发生，而且严重浪费了人力物力。

如今，随着计算机视觉研究的不断深入，智能视频监控技术逐渐取代了原有的视频监控方式。智能视频监控系统可以在没有工作人员参与的情况下，运用图像处理与计算机视觉的方法对视频图像进行分析，以确定监控地点的实时状态，当异常情况发生时可以及时上报工作人员，提示他们采取处理措施，从而实现预防、预警和主动监控的功能。

目前普遍采用的智能视频监控算法以移动目标检测算法为主，即对采集到的视频信息进行逐帧处理，当被监控区域内有异物侵入时则发出报警信号。这种算法不能对运动的物体加以区分，且对应用场所要求较高，不能适应于复杂的环境。若采用高级移动目标检测算法检测运动物体，同时使用模式识别机器学习的方法识别运动物体，则可使智能视频监控技术具备更高的适应性及准确性。

1 移动目标检测算法（略）

目前能够实现并广泛应用的视频移动目标检测算法主要包括：帧间差分法、背景差分法、光流法及一些高级融合算法。

2 移动目标识别算法综述（略）

在通过移动目标检测算法检测出运动区域后，不同的运动区域可能会对应不同的运动物体。能否正确识别出非正常的运动物体，将影响到智能视频监控系统报警的准确性。

同时，目标识别技术还可以应用于线路的自动巡检系统，辨别设备是否损坏。目前移动目标识别算法的种类较多，大体上可分为基于传统模板物体识别方法和基于统计学习的物体识别方法。

3 算法比较与未来展望

3.1 算法比较

综上所述，在基础的移动目标检测技术中，帧间差分法和背景差分法作为基础的移动目标检测算法，具备算法简单，对设备要求不高，运算速度快等优点。当然，也同时存在着适应性较差、对光照等背景变化较敏感等缺点。光流法检测精度较高且可以解决待测目标遮挡重合问题。

但是，计算复杂且运算量巨大，除非有特殊的硬件支持，否则光流法很难满足对视频进行实时处理的要求，同时由于在计算中采用假设具有局限性，使得光流法对噪声比较敏感。在未来的算法开发中，将各种方法结合的融合算法及较高级的背景建模方法无疑将成为研究的热点。

在物体识别算法方面，基于传统模板物体识别方法可以看作“演绎法”，即由人输入物体的明确特征，当计算机检测出与这些特征相似度高的物体时即完成识别。这种方式当运动物体特征明确时可以起到很好的效果，且不需要太多的原始样本作为算法的支撑。但是，当待识别物体特征不是很明显或者不容易用机器语言表示清楚时，此种算法便行不通了。

而基于统计学习的物体识别方法可以看作“归纳法”，在识别过程中无需向计算机输入任何规则，只需要为其提供大量的真实世界产生的具有代表性的样本，算法即可自主提取出特定的规则，进而完成识别。此种算法可以提取待测物体高级的、抽象的特征，在实践中有很好的适应性及准确性。但缺点为需要大量的训练数据，以及大量的计算，对设备的要求很高。

3.2 未来展望

近几年，智能视频监控技术发展迅速，在智能电网中的应用也日益增多，但是存在着误报率高、应用面窄、不能完全智能识别出相应故障，仍需要人为干预等缺点。同时在技术角度分析，智能视频监控系统必将朝着以下几个方向发展：

1）具备更好的适应性。只有提高算法的适应性，才能使智能视频监控更加适应复杂多变的环境。

2）可以识别出更多种异常情况，且具有更高的准确率。目前应用的模式识别方法可以具备很高的准确性，但是基于深度学习的方法因为需要较多的正负样本导致准确率并不高，如何提升此种方法的识别准确性将是智能视频监控技术未来研究的方向。

3）智能视频监控装置也必将向着产品形式的多样化发展，目前普遍采用的多为外置架设摄像头有线传输的方式，为适应多样的工作环境，智能视频监控装置也将朝着便携手持式、车载式、遥控式等多种终端形式及无线视频传输方向发展。

结论

智能视频监控技术是一项十分具有实际应用价值的研究。而且随着我国电力系统自动化程度的不断提高，智能视频监控技术被越来越多地应用于异物入侵检测、设备状态检测及安防报警当中。目前针对视频信息的移动目标检测技术已经逐渐成熟，在实际中的应用也越来越多。

但是移动目标的自动识别技术仍处于不断探索研究的阶段。想要真正设计一套适用于电力系统的智能视频检测、识别系统，还有很多的工作要做。相信随着相关研究的不断深入，智能视频监控技术必将在电力系统中大放异彩。