1.本说明书涉及计算机技术领域，尤其涉及一种基于输电线路的导线舞动预警方法、装置、设备及介质。
背景技术：2.输电导线舞动是一种严重危害输电线路稳定安全运营的现象，导线舞动多发生于大风天气，在该天气下舞动以低频、大振幅的自激震动为主。导线发生舞动时易引发折损、线路跳闸停电，严重可造成烧毁导线、导线折断、杆塔坍塌等事故，对经济造成严重损失。
3.目前输电导线舞动监测方法主要通过传感器。传感器主要安装在导线上用于测量导线加速度，该方法能够实现对导线较为精准的定量分析，传感器安装成本高，安装费事费力且需后续定期维护。
技术实现要素：4.本说明书一个或多个实施例提供了一种基于输电线路的导线舞动预警方法、装置、设备及介质，用于解决背景技术提出的技术问题。
5.本说明书一个或多个实施例采用下述技术方案：
6.本说明书一个或多个实施例提供的一种基于输电线路的导线舞动预警方法，包括：
7.获取包含导线的多帧输电线路图像；
8.在所述多帧输电线路图像中进行导线检测，并对检测出的导线进行追踪，得到导线的运动轨迹；
9.根据所述运动轨迹确定所述导线的状态；
10.若所述导线的状态为舞动状态，向监测节点发出预警信息。
11.进一步的，所述在所述多帧输电线路图像中进行导线检测，具体包括：
12.分别确定所述多帧输电线路图像的参数均值；
13.将首个与相邻输电线路图像的参数均值相差预设值的输电线路图像作为有效起始帧，并将所述有效起始帧及所述有效起始帧之后的输电线路图像作为导线舞动预警的输电线路图像序列；
14.在所述导线舞动预警的输电线路图像序列中进行导线检测。
15.进一步的，所述在所述多帧输电线路图像中进行导线检测，具体包括：
16.通过预先设定的边缘检测算法检测出所述多帧输电线路图像中的边缘信息，并根据所述边缘信息确定边缘图像；
17.通过预先设定的直线检测算法检测出所述边缘图像中的直线集合；
18.根据所述边缘图像中像素点的像素值，在所述边缘图像中确定天空区域与地面区域；
19.在所述直线集合中筛选出所述天空区域的直线，以完成所述多帧输电线路图像中
导线检测。
20.进一步的，所述对检测出的导线进行追踪，得到导线的运动轨迹，具体包括：
21.在所述检测出的导线确定多个观察点；
22.通过预先设定的跟踪算法逐帧跟踪所有的观察点，得到所述多个观察点的运动轨迹。
23.进一步的，所述根据所述运动轨迹确定所述导线的状态，具体包括：
24.通过信息熵、方差、自相关系数、均值以上点数、均值以下点数以及赫斯特指数中的一项或多项，对所述导线的运动轨迹进行量化，以得到各观察点的轨迹序列；
25.将所述各观察点的轨迹序列输入预先设定的机器学习模型，得到所述各观察点的状态；
26.根据所述各观察点的状态确定各导线的状态。
27.进一步的，所述根据所述各观察点的状态确定各导线的状态，具体包括：
28.若第一导线的第一预设比例观察点处于静止状态，确定所述第一导线为静止状态；
29.若第二导线的第二预设比例观察点处于舞动状态，确定所述第二导线为舞动状态；
30.若第三导线的第三预设比例观察点处于舞动状态，且所述第三预设比例观察点小于所述第二预设比例观察点，确定所述第三导线为静止状态。
31.进一步的，所述若所述导线的状态为舞动状态，向监测节点发出预警信息，具体包括：
32.若所述导线的状态为舞动状态；
33.获取所述多帧输电线路图像对应的三维点云图像；
34.确定所述三维点云图像与所述多帧输电线路图像之间的像素对应关系；
35.根据所述像素对应关系确定所述导线的舞动幅度；
36.若所述导线的舞动幅度超出预先设定的阈值范围，向监测节点发出预警信息。
37.本说明书一个或多个实施例提供的一种基于输电线路的导线舞动预警装置，包括：
38.获取单元，获取包含导线的多帧输电线路图像；
39.检测追踪单元，在所述多帧输电线路图像中进行导线检测，并对检测出的导线进行追踪，得到导线的运动轨迹；
40.状态确定单元，根据所述运动轨迹确定所述导线的状态；
41.舞动预警单元，若所述导线的状态为舞动状态，向监测节点发出预警信息。
42.本说明书一个或多个实施例提供的一种基于输电线路的导线舞动预警设备，包括：
43.至少一个处理器；以及，
44.与所述至少一个处理器通信连接的存储器；其中，
45.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
46.获取包含导线的多帧输电线路图像；
47.在所述多帧输电线路图像中进行导线检测，并对检测出的导线进行追踪，得到导线的运动轨迹；
48.根据所述运动轨迹确定所述导线的状态；
49.若所述导线的状态为舞动状态，向监测节点发出预警信息。
50.本说明书一个或多个实施例提供的一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：
51.获取包含导线的多帧输电线路图像；
52.在所述多帧输电线路图像中进行导线检测，并对检测出的导线进行追踪，得到导线的运动轨迹；
53.根据所述运动轨迹确定所述导线的状态；
54.若所述导线的状态为舞动状态，向监测节点发出预警信息。
55.本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：
56.本说明书实施例提出一种基于单目视觉的导线舞动分析方法。该方法以单目摄像头短视频为分析载体，无需额外传感器设备，无需现场操作，可在设备端完成舞动分析，避免大量视频数据回传数据中心，通过时序特征的舞动分析机器学习模型运算效率、高鲁棒性强，可有效应对摄像头抖动场景。
附图说明
57.为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。在附图中：
58.图1为本说明书一个或多个实施例提供的一种基于输电线路的导线舞动预警方法的流程示意图；
59.图2为本说明书一个或多个实施例提供的导线舞动监测方法的整体流程图；
60.图3为本说明书一个或多个实施例提供的导线检测与跟踪方法流程图；
61.图4为本说明书一个或多个实施例提供的舞动绝对幅度计算方法流程图；
62.图5为本说明书一个或多个实施例提供的一种基于输电线路的导线舞动预警装置的结构示意图；
63.图6为本说明书一个或多个实施例提供的一种基于输电线路的导线舞动预警设备的结构示意图。
具体实施方式
64.本说明书实施例提供一种基于输电线路的导线舞动预警方法、装置、设备及介质。
65.本说明书实施例的输电线路图像是通过输电通道场景中单目相机所获取，以分析输电线路图像中的导线是否存在舞动现象，进一步可以分析导线的舞动幅度与频率。
66.输电导线舞动是一种严重危害输电线路稳定安全运营的现象，导线舞动多发生于大风天气，在该天气下舞动以低频、大振幅的自激震动为主。导线发生舞动时易引发金具折损、线路跳闸停电，严重可造成烧毁导线、导线折断、杆塔坍塌等事故，这对经济造成严重损
失。
67.输电导线舞动监测方法可以通过传感器、图像处理技术。其中传感器主要安装在导线上用于测量导线加速度，该方法能够实现对导线较为精准的定量分析，传感器安装成本高，安装费事费力且需后续定期维护。而基于视频图像的导线舞动分析逐渐成为主流，借助对现场实时获取的输电线路视频图像信息，采用无线网络传输至数据分析控制中心或直接在设备端离线分析视频数据以分析处理当前导线状态。该方法安装容易，但导线舞动时易造成相机抖动，这对现有导线定位，定量分析方法提出较大挑战。
68.针对上述不足本说明书实施例提出一种基于单目视觉的导线舞动分析方法。该方法以单目摄像头短视频为分析载体，无需额外传感器设备，无需现场操作，可在设备端完成舞动分析，避免大量视频数据回传数据中心，通过时序特征的舞动分析机器学习模型运算效率、高鲁棒性强，可有效应对摄像头抖动场景。最后，本方法可以通过2d视频数据与点云数据相结合的方式实现导线舞动绝对幅值的计算。
69.为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。
70.图1为本说明书一个或多个实施例提供的一种基于输电线路的导线舞动预警方法的流程示意图，该流程可以由导线舞动预警系统执行，该系统可以自动对输电线路的导线舞动进行预警，以免导线在发生舞动时引发事故，对经济造成损失。流程中的某些输入参数或者中间结果允许人工干预调节，以帮助提高准确性。
71.本说明书实施例的方法流程步骤如下：
72.s102，获取包含导线的多帧输电线路图像。
73.在本说明书实施例中，多帧输电线路图像即可等同有关输电线路的短视频，即输电线路图像的帧可以等同于视频帧。
74.s104，在所述多帧输电线路图像中进行导线检测，并对检测出的导线进行追踪，得到导线的运动轨迹。
75.需要说明的是，通道摄像头在启动阶段存在自适应矫正过程，涉及到白平衡等操作。此时视频画面不稳定，不稳定视频画面无法作为分析帧。所以，本说明书实施例在所述多帧输电线路图像中进行导线检测时，可以分别确定所述多帧输电线路图像的参数均值，参数均值可以为像素值，此外也可以将输电线路图像转化为灰度图，参数均值即为灰度值；然后，可以将首个与相邻输电线路图像的参数均值相差预设值的输电线路图像作为有效起始帧，并将所述有效起始帧及所述有效起始帧之后的输电线路图像作为导线舞动预警的输电线路图像序列；最后，在所述导线舞动预警的输电线路图像序列中进行导线检测。
76.进一步的，本说明书实施例在所述多帧输电线路图像中进行导线检测时，可以先通过预先设定的边缘检测算法检测出所述多帧输电线路图像中的边缘信息，并根据所述边缘信息确定边缘图像；然后，通过预先设定的直线检测算法检测出所述边缘图像中的直线集合；之后，根据所述边缘图像中像素点的像素值，在所述边缘图像中确定天空区域与地面区域，由于地面区域不存在导线，后续可以将地面区域直接排除，仅在天空区域进行导线检
测；最后，在所述直线集合中筛选出所述天空区域的直线，以完成所述多帧输电线路图像中导线检测。
77.进一步的，本说明书实施例在对检测出的导线进行追踪，得到导线的运动轨迹时，可以在所述检测出的导线确定多个观察点；然后，通过预先设定的跟踪算法逐帧跟踪所有的观察点，得到所述多个观察点的运动轨迹。跟踪算法可以应用shi-tomasi角点检测算法。
78.s106，根据所述运动轨迹确定所述导线的状态。
79.在本说明书实施例中，根据所述运动轨迹确定所述导线的状态时，可以通过信息熵、方差、自相关系数、均值以上点数、均值以下点数以及赫斯特指数中的一项或多项，对所述导线的运动轨迹进行量化，以得到各观察点的轨迹序列；然后，可以将所述各观察点的轨迹序列输入预先设定的机器学习模型，得到所述各观察点的状态；最后，可以根据所述各观察点的状态确定各导线的状态。
80.进一步的，本说明书实施例在根据所述各观察点的状态确定各导线的状态时，若第一导线的第一预设比例观察点处于静止状态，确定所述第一导线为静止状态，比如，第一导线有10个观察点，其中9个观察点处于静止状态，则可以认定第一导线为静止状态；若第二导线的第二预设比例观察点处于舞动状态，确定所述第二导线为舞动状态，比如，第二导线有10个观察点，其中7个观察点处于舞动状态，则可以认定第二导线为舞动状态；若第三导线的第三预设比例观察点处于舞动状态，且所述第三预设比例观察点小于所述第二预设比例观察点，确定所述第三导线为静止状态，比如，第三导线有10个观察点，其中2个观察点处于舞动状态，而其余的观察点处于静止状态，可以认为第三导线处于静止状态，处于舞动状态的2个观察点为干扰观察点。
81.s108，若所述导线的状态为舞动状态，向监测节点发出预警信息。
82.在本说明书实施例中，若导线的状态为舞动状态，标识当前的导线存在隐患，可以向监测节点发出预警信息。此外，本说明书还可以进一步确定导线的舞动幅度，进而确定处于舞动状态的导线是否需要人工进行处理，具体的，若所述导线的状态为舞动状态，可以获取所述多帧输电线路图像对应的三维点云图像；然后，确定所述三维点云图像与所述多帧输电线路图像之间的像素对应关系；之后，根据所述像素对应关系确定所述导线的舞动幅度；最后，若所述导线的舞动幅度超出预先设定的阈值范围，向监测节点发出预警信息。
83.针对上述技术特征，本说明书实施例可以通过下述具体方案：
84.本说明书实施例包含四个部分，导线检测与跟踪模块、导线观察点时序特征分析模块、导线状态识别模型模块以及导线舞动绝对幅度计算模块。本说明书实施例涉及的导线舞动监测方法的整体流程图如图2所示。
85.1.导线检测与跟踪模块
86.在该模块中本方法首先提取短视频有效帧位置，后续仅分析以有效帧开始的短视频。导线检测主要通过边缘检测、天际线检测与直线检测完成。最后通过光流跟踪导线完成导线观察点时序数据提取，导线检测与跟踪方法流程图如图3所示
87.1.1有效起始帧提取
88.通道摄像头在启动阶段存在自适应矫正过程，涉及到白平衡等操作。此时视频画面不稳定，不稳定视频画面无法作为分析帧。因此，本方法提出一种简单快捷有效起始帧提取方法。首先将所有视频帧转换至灰色图像，然后求所有视频帧灰度图像均值。将视频帧中
首个与灰度均值相差小于5个像素的视频帧作为视频有效起始帧，将有效帧之后的视频序列作为导线舞动分析视频序列。
89.1.2导线检测与跟踪
90.考虑到通道可视化摄像机所拍摄视频画面中导线趋向于直线，本方法提出使用霍夫变换来实现导线检测，最后通过光流来实现导线追踪，具体操作流程如下：
91.1)导线检测
92.首先可以使用canny算法来检测出图片中所有边缘信息并通过自适应二值化得到二值图片。接着采用霍夫变换检测出图片中所有直线，此时导线即包含在所检测而得的直线集合中。为筛选出导线，本方法提出使用天际线来过滤出导线。具体地，天际线是一条划分天空与地面的线，在本方法中针对canny检测出的所有边缘图针对x轴方向做投影，将沿y轴方向首个投影指低于70像素的位置看做天际线。最后，将天际线以上的直线看做导线。
93.2)导线追踪
94.导线追踪其实追踪的是导线上多个关键点，我们将导线上的关键点称为导线观察点。在本方法中，首先使用shi-tomasi角点检测算法检测出图片中所有角点，shi-tomasi算法是harris算法的改进。harris算法最原始的定义是将矩阵m的行列式值与m的迹相减，再将差值同预先给定的阈值进行比较。后来shi和tomasi提出改进的方法，若两个特征值中较小的一个大于最小阈值，则会得到强角点。
95.接着，为了提取出仅在导线上的角点，可以将检测出的导线直线向外扩充一定像素后形成条状导线，以条状导线为mask过滤出仅在导线上的观察点。最后，通过lk稀疏光流跟踪算法逐帧跟踪所有观察点得到导线观察点轨迹。lk金字塔光流算法是一种经典的稀疏光流算法，该算法有三个假设条件：亮度恒定、小运动、邻域空间一致。图像越满足这三个条件，算法的跟踪效果就越好。
96.2.导线观察点时序特征分析模块
97.导线观察点轨迹是一个三维矩阵，记为t，t∈r
n*k*2
,其中n为观察点个数，k为短视频帧数。为量化分析导线观察点轨迹序列，本方法提出使用信息熵、方差、自相关系数、均值以上点数、均值以下点数以及赫斯特指数来量化导线观察点序列特征。
98.信息熵在信息论中是对不确定性的度量，其计算公式如公式(1)所示，其中p表示xi发生的概率。
[0099][0100]
自相关系数可用作序列稳定性评估，通过计算不同滞后窗口的自相关性来综合评估整个序列的稳定性，综合稳定性f
stab
计算公式(2)所示。单个滞后窗口内的自相关系数如公式(3)所示，其中l表示滞后值，xi表示序列中的值，n表示序列长度，σ2和μ分表表示方差与均值。
[0101][0102]
[0103]
赫斯特指数(h)用来测量时间序列的波动范围如何随时间跨度变化，相关计算公式如(4)所示。
[0104][0105]
其中n是时间序列观测点的个数，表示时间跨度大小。r(n)是n个观测点的变化范围，s(n)是这些点的标准差。使用s(n)对r(n)来标准化，得到r(n)/s(n)称为重标极差，a为常数。
[0106]
h的取值在0至1之间，当h＝1/2时，该时间序列没有相关性；当h》1/2时，该时间序列有长记忆性；当h《1/2时，该时间序列表现出反持续性，因此它表现出比纯随机更强的波动。
[0107]
3.导线状态识别模型模块
[0108]
导线状态识别在本方法中通过综合多个导线观察点状态而得。具体地，每一个导线观察点数据为一个时序数据，通过统计机器学习模型对时序数据特征进行建模构建时序分类模型表征观察点状态。模型训练属于监督训练，需要成对的样本数据与标签数据，因此所述导线状态识别模型模块包含导线观察点时序数据标注，统计机器学习建模这两个步骤。
[0109]
3.1导线观察点时序数据标注
[0110]
依据导线跟踪而得的导线观察点数据为时序数据，在本方法中通过在视频中可视化导线观察点轨迹来对该观察点赋予相应标签，标签一共分为三类：稳定观察点，噪声抖动观察点，舞动观察点
[0111]
稳定观察点：处于静止导线上的观察点
[0112]
噪声抖动观察点：导线几乎静止，但导线观察点跟踪过程中存在位置抖动，这类观察点看起来像处于舞动导线但并不是。
[0113]
舞动观察点：处于舞动导线上的观察点
[0114]
3.2统计机器学习建模
[0115]
在本方法中使用支持向量机来构建导线观察点分类模型。支持向量机是一种定义在特征空间上的间隔最大的线性分类模型。支持向量机最大间隔分离超平面问题可表示为以下公式(5)的最优化问题
[0116][0117]
s.t.yi(w*xi+b)-1≥0,i＝1,2,...,n(5)
[0118]
支持向量机通过软间隔最大化来缓解对异常点的干扰，通过核技巧，即一个非线性变换将输入空间对应于一个特征空间，使得非线性可分数据在特征空间可通过线性支持向量机求解。在本方法中，可以使用高斯核函数来完成特征映射，其计算公式如(6)所示
[0119][0120]
其中，与分离超平面最近的点为支持向量。由于支持向量在分离超平面中起到决定作用，因此仅支持向量机所需的训练样本量也非常少。
[0121]
4.导线舞动绝对幅度计算模块
[0122]
导线舞动频率与振幅分别可通过导线观察点序列的傅里叶变换与极值计算而得，依据导线时序数据极大极小值之差可计算出舞动像素幅度大小。在本方法中提出使用2d图像导线与3d点云导线相互映射的方式来计算出2d图像中导线每一处像素与实际大小的缩放关系方程。舞动绝对幅度计算方法流程如图4所示。
[0123]
在本方法中，可以通过雷达扫描输电通道场景可获取场景3d点云数据。针对校准配对的相机可获取2d图像与3d点云数据中导线对应数据。借助3d点云数据中像素点之间的物理距离信息可实现导线实际舞动幅度计算。
[0124]
首先对导线数据通过聚类来区分每一根导线上的点与线的从属关系。然后，在2d图像上针对每一根导线上的点搜寻周边点构成点集以及对应3d点云中点集，从随机采样k次点对并计算点对之间像素距离，同样地计算中对应点对的实际距离，依据像素距离与物理距离即可计算出所有点对的缩放比例，将所有点对所求缩放比例求均值即可得导线上一个点的像素距离与物理距离之间的缩放关系。
[0125]
导线上每一个点处的缩放关系与横轴坐标可构成一条缩放曲线，通过卷积滤波的方式平滑该缩放曲线。值得注意的是，缩放曲线仅需一次计算，后续使用时直接加载已计算好的曲线即可。这使得本方法仅需扫描一次3d点云数据，避免每次使用时的扫描成本。
[0126]
最终，依据导线观察点计算出的像素幅度与该位置缩放关系即可得此处导线实际舞动幅度大小。
[0127]
需要说明的是，本那说明书实施例无需任何传感器，无需人工现场作业，无需视频数据回传至数据中心即可在端侧完成导线状态分析。所提视频有效帧提取、导线检测与跟踪算法均基于传统图像处理技术实现，实现简单可在端侧高效运行。所提基于观察点时序数据特征分析的导线观察点状态识别模型也无需gpu加速即可高效完成。所提导线观察点绝对幅度计算方法仅需2d与3d数据一次配对即可计算出导线缩放关系方程，点云扫描也仅需一次，避免大规模使用成本。
[0128]
与上述实施例相对应的是，图5为本说明书一个或多个实施例提供的一种基于输电线路的导线舞动预警装置的结构示意图，包括：获取单元502、检测追踪单元504、状态确定单元506与舞动预警单元508。
[0129]
获取单元502，获取包含导线的多帧输电线路图像；
[0130]
检测追踪单元504，在所述多帧输电线路图像中进行导线检测，并对检测出的导线进行追踪，得到导线的运动轨迹；
[0131]
状态确定单元506，根据所述运动轨迹确定所述导线的状态；
[0132]
舞动预警单元508，若所述导线的状态为舞动状态，向监测节点发出预警信息。
[0133]
与上述实施例相对应的是，图6为本说明书一个或多个实施例提供的一种基于输电线路的导线舞动预警设备的结构示意图，包括：
[0134]
至少一个处理器；以及，
[0135]
与所述至少一个处理器通信连接的存储器；其中，
[0136]
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
[0137]
获取包含导线的多帧输电线路图像；
[0138]
在所述多帧输电线路图像中进行导线检测，并对检测出的导线进行追踪，得到导线的运动轨迹；
[0139]
根据所述运动轨迹确定所述导线的状态；
[0140]
若所述导线的状态为舞动状态，向监测节点发出预警信息。
[0141]
本说明书一个或多个实施例提供的一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：
[0142]
获取包含导线的多帧输电线路图像；
[0143]
在所述多帧输电线路图像中进行导线检测，并对检测出的导线进行追踪，得到导线的运动轨迹；
[0144]
根据所述运动轨迹确定所述导线的状态；
[0145]
若所述导线的状态为舞动状态，向监测节点发出预警信息。
[0146]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备、非易失性计算机存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0147]
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0148]
以上所述仅为本说明书的一个或多个实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。
技术特征：1.一种基于输电线路的导线舞动预警方法，其特征在于，所述方法包括：获取包含导线的多帧输电线路图像；在所述多帧输电线路图像中进行导线检测，并对检测出的导线进行追踪，得到导线的运动轨迹；根据所述运动轨迹确定所述导线的状态；若所述导线的状态为舞动状态，向监测节点发出预警信息。2.根据权利要求1所述的方法，其特征在于，所述在所述多帧输电线路图像中进行导线检测，具体包括：分别确定所述多帧输电线路图像的参数均值；将首个与相邻输电线路图像的参数均值相差预设值的输电线路图像作为有效起始帧，并将所述有效起始帧及所述有效起始帧之后的输电线路图像作为导线舞动预警的输电线路图像序列；在所述导线舞动预警的输电线路图像序列中进行导线检测。3.根据权利要求1所述的方法，其特征在于，所述在所述多帧输电线路图像中进行导线检测，具体包括：通过预先设定的边缘检测算法检测出所述多帧输电线路图像中的边缘信息，并根据所述边缘信息确定边缘图像；通过预先设定的直线检测算法检测出所述边缘图像中的直线集合；根据所述边缘图像中像素点的像素值，在所述边缘图像中确定天空区域与地面区域；在所述直线集合中筛选出所述天空区域的直线，以完成所述多帧输电线路图像中导线检测。4.根据权利要求1所述的方法，其特征在于，所述对检测出的导线进行追踪，得到导线的运动轨迹，具体包括：在所述检测出的导线确定多个观察点；通过预先设定的跟踪算法逐帧跟踪所有的观察点，得到所述多个观察点的运动轨迹。5.根据权利要求1所述的方法，其特征在于，所述根据所述运动轨迹确定所述导线的状态，具体包括：通过信息熵、方差、自相关系数、均值以上点数、均值以下点数以及赫斯特指数中的一项或多项，对所述导线的运动轨迹进行量化，以得到各观察点的轨迹序列；将所述各观察点的轨迹序列输入预先设定的机器学习模型，得到所述各观察点的状态；根据所述各观察点的状态确定各导线的状态。6.根据权利要求5所述的方法，其特征在于，所述根据所述各观察点的状态确定各导线的状态，具体包括：若第一导线的第一预设比例观察点处于静止状态，确定所述第一导线为静止状态；若第二导线的第二预设比例观察点处于舞动状态，确定所述第二导线为舞动状态；若第三导线的第三预设比例观察点处于舞动状态，且所述第三预设比例观察点小于所述第二预设比例观察点，确定所述第三导线为静止状态。7.根据权利要求1所述的方法，其特征在于，所述若所述导线的状态为舞动状态，向监
测节点发出预警信息，具体包括：若所述导线的状态为舞动状态；获取所述多帧输电线路图像对应的三维点云图像；确定所述三维点云图像与所述多帧输电线路图像之间的像素对应关系；根据所述像素对应关系确定所述导线的舞动幅度；若所述导线的舞动幅度超出预先设定的阈值范围，向监测节点发出预警信息。8.一种基于输电线路的导线舞动预警装置，其特征在于，包括：获取单元，获取包含导线的多帧输电线路图像；检测追踪单元，在所述多帧输电线路图像中进行导线检测，并对检测出的导线进行追踪，得到导线的运动轨迹；状态确定单元，根据所述运动轨迹确定所述导线的状态；舞动预警单元，若所述导线的状态为舞动状态，向监测节点发出预警信息。9.一种基于输电线路的导线舞动预警设备，其特征在于，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：获取包含导线的多帧输电线路图像；在所述多帧输电线路图像中进行导线检测，并对检测出的导线进行追踪，得到导线的运动轨迹；根据所述运动轨迹确定所述导线的状态；若所述导线的状态为舞动状态，向监测节点发出预警信息。10.一种非易失性计算机存储介质，其特征在于，存储有计算机可执行指令，所述计算机可执行指令设置为：获取包含导线的多帧输电线路图像；在所述多帧输电线路图像中进行导线检测，并对检测出的导线进行追踪，得到导线的运动轨迹；根据所述运动轨迹确定所述导线的状态；若所述导线的状态为舞动状态，向监测节点发出预警信息。
技术总结本说明书实施例公开了一种基于输电线路的导线舞动预警方法、装置、设备及介质，包括：获取包含导线的多帧输电线路图像；在所述多帧输电线路图像中进行导线检测，并对检测出的导线进行追踪，得到导线的运动轨迹；根据所述运动轨迹确定所述导线的状态；若所述导线的状态为舞动状态，向监测节点发出预警信息。向监测节点发出预警信息。向监测节点发出预警信息。
技术研发人员：吕昌峰 蔡富东 刘焕云 丁健配 刘伟
受保护的技术使用者：山东信通电子股份有限公司
技术研发日：2022.07.08
技术公布日：2022/11/1
