变电站智能辅助设施监控系统设计
苏泽荫
摘 要： 随着经济的发展，用电需求日益增大，变电站的安全问题也越来越重要。基于物联网的变电站智能安检系统能有效保障变电站工作人员的人身安全，确保巡检工作到位。在变电站内用红外线摄像头采集视频数据经过DM642处理，实现对监控范围内的空间进行运动目标（人）的检测，调用RFID射频识别系统，获取工作人员的位置和身份信息，判断该工作人员是否能够进入监控区域；如果不允许则报警并做相应的语音提示，确保工作人员的安全，最终达到实时动态监控和智能报警的安检效果。
关键字： 变电站； 目标检测与跟踪； RFID； DM642； 智能报警
中图分类号： TN827?34； TP273+.5 文献标识码： A 文章编号： 1004?373X（2014）19?0045?03
Design of intelligent security check system in transformer substation
SU Ze?yin
（Fuzhou University， Fuzhou， 350108， China）
Abstract： With the development of economy and the increasingly demand in electricity， the security problem of transformer substations becomes more and more important. Substation intelligent security system based on Internet of Things can effectively protect the substation personnel and ensure the inspection work in place. Within the substation， DM642 is used to process the video data of moving targets， which is captured by infrared cameras within the scope of their monitoring， and then RFID Radio frequency identification system is called to obtain the location and identity information of the substation staff and judge whether the staff can enter the monitored area. If not allowed， an alarm is given and the corresponding voice prompt is made to ensure the safety of the staff， and achieve the effect of real?time dynamic monitoring and intelligent alarm.
Keywords： transformer substation； target detection and tracking； RFID； DM642； intelligent alarm
0 引 言
电力系统的稳定运行关系着人民生活和生产活动乃至国家和社会的稳定，而电力设施巡检是有效保证电力系统安全运行的一项基础工作。如何保障巡检人员的人身安全和确保巡检工作到位情况已经是迫切要解决的问题了。
考虑到变电站这样的特殊场所对于安全的要求非常高，单纯采用RFID射频识别技术，对工作人员进行身份的识别和定位，难以确保工作人员的人身安全，该方案无法获取现场的具体情况，工作人员一旦忘记携带RFID标签，整个安检效果就无法实现。采用摄像头监控技术，进行实时拍摄，有相关的工作人员进行实时地录像监控，发现工作人员有相关的操作失误行为可以立即发现并且报警，原理简单，易于实现；缺点是需动用人力去监控，成本比较大，而且人员难以避免会有一些疏忽，导致安全系数不高。
本文采用两种技术结合的方案，利用红外线摄像头对监控范围内的空间进行运动目标的识别与跟踪，监测到运动目标后，调用相应的RFID模块。如果是工作人员则获取位置和身份信息，判断该工作人员是否能够进入监控区域；如果不允许则报警并做相应的提示，确保工作人员的安全；如果不是工作人员则报警，最终达到实时动态监控和智能报警的安检效果。
1 系统方案设计
本项目系统主要有RFID射频识别系统、红外摄像头视频采集模块、DM642视频处理模块和PC机，系统框图如图1所示。红外摄像头采集标准PAL模拟信号：视频信号经视频线传到视频解码芯片（A/D转换芯片）解码成数字并行信号BT656码流传送到DM642的视频接口；DM642的视频接口解码BT656码流，得到图象，自动通过EDMA传输到SDRAM中存储；DM642的CPU通过访问SDRAM中的图象，进行运动目标检测与跟踪处理后送输出缓冲区（SDRAM中）；DM642经过处理后判断是否调用RFID射频识别系统；如果检测到运动目标则获取RFID系统传来的信息，判断是否要报警及语音提示。RFID读写器通过天线发射射频信号，RFID射频标签接收到信息后，将信息经天线传给RFID读写器；读写器经过处理后将信息通过串口传给DM642开发板，DM642将视频及处理结果通过以太网传输到PC端的上位机软件上显示；在上位机软件上可以根据RFID号，知道哪个工作人员巡检了哪个区域，方便安排工作和确保巡检工作进行到位。一旦有什么异常，也可以及时观看现场的监控视频，了解现场情况。
2 RFID射频识别系统
巡检人员巡检设备时不按规定的巡检路线进行，巡检过程有随机性，造成遗漏设备、遗漏检查项目、巡视不到位现象时有发生。由于受气候条件、环境因素、人员素质和责任心等多方面因素的制约，巡检质量和到位率无法保证[1]。可见基于物联网的变电站智能安检系统的实际应用，可以有效提高巡检质量和到位率，保证电力设备的安全运行；同时，在PC终端可以查询和管理巡检人员及信息。
由于RFID射频识别系统与摄像头安装的位置在变电站是固定的，RFID系统通过串口经DM642与PC机通信，因此在PC端分析所获得的位置、时间、工作人员身份，可由此判断工作人员巡检工作的情况。与传统条形码相比射频标签具有防水、防磁、耐高温、使用寿命长、读写距离大等特点[2]，因此识别的稳定性可以保证，增加了系统的可靠性。该系统利用工作人员携带的RFID标签进行身份识别和定位，一旦工作人员误闯非安全工作区，能够针对工作人员的具体身份作相应的提示，很大程度上确保了工作人员的安全。
2.1 RFID简介
RFID射频识别是一种非接触式的自动识别技术，它通过射频信号自动识别目标对象并获取相关数据，识别工作无须人工干预，可工作于各种恶劣环境。完整的RFID系统由读写器（Reader）、电子标签（Tag）和数据管理系统三部分组成。读写器是将标签中的信息读出或将标签所需要存储的信息写入标签的装置，是RFID系统信息控制和处理中心[2]。
2.2 RFID工作原理
在RFID系统工作时，由读写器在一个区域内发送射频能量形成电磁场，区域的大小取决于发射功率。在读写器覆盖区域内的标签被触发，发送存储在其中的数据，或根据读写器的指令修改存储在其中的数据，并能通过接口与计算机网络进行通信[3]。
RFID电子标签内部备有一个存储器，用以存储标签数据。IC内部还有一个通导电阻极低的调制门控管（CMOS），以一定频率工作。当读卡器发射电磁波使标签天线电感式电压达到[VPP]时，器件工作，以曼彻斯特格式将数据发送回去。数据发送是通过调谐与去调谐外部谐振回路来完成的，具体过程如下：当数据为逻辑高电平时，门控管截止，将调谐电路调谐于读卡器的载波频率，这就是调谐状态，感应电压达到最大值。如此进行调谐与去调谐在标签线圈上产生一个幅度调制信号，读卡器检测电压波形包络，就能重构来自标签的数据信号。门控管的开关频率为70 kHz，完成154位数据约需2.2 ms。在发送完全部数据后，器件进入100 ms的休眠模式[4]。
2.3 开发过程
采用RMU系列840～960 MHz范围超高频RFID识别系统，通过UART与DM642通信。DM642需要按照规定数据格式往RMU发送命令并接收RMU返回数据格式（hex），根据RMU命令列表，设置发送命令格式（hex），可实现各种需要的功能，根据返回的数据信息可以判断设置是否成功，从而采取相应措施，确保设置成功。
RMU可以设置多种模式，但考虑到本系统应用的实际，因此采用识别标签模式，在这个模式下RMU900+根据通信过程中的碰撞情况，智能调整实际通信过程的Q值，以达到快速识别读写器通信范围内的多个电子标签的目的。
读取信息：用于读取RMU读写器模块的版本信息。
读取功率：用于获取读写器模块的输出功率大小信息。
设置功率：用于设置读写器模块的输出功率，有效值在10～30 dBm之间。当上位机与RMU900+读写器连接成功后，设定功率值后，RMU900+将该功率参数保存，重新上电后，RMU900+的默认输出功率为最后一次修改的功率值。
读取频率：用于获取读写器模块设置的频率信息。
设置频率：用于设置读写器模块的工作频率。目前RMU900+支持四种频率工作模式。
读取数据用于读取电子标签指定数据块的信息，如UII，USER的数据信息，如标签ID号；写入数据用于往电子标签的指定数据块中写入数据信息，擦除数据用于将电子标签指定数据块的数据擦除。锁定选项与锁定功能配套使用，用于选择用户所要锁定的存储区，生成锁定码。销毁功能用于销毁指定的电子标签，使其失效。
以上的功能只要在DM642上编写串口程序，发送命令数据就可以实现，满足系统要求。
3 视频采集处理与传输
变电站智能安检系统利用视频处理自动对获得的视频图像进行处理和分析，实现主动对运动目标的检测和跟踪，进而使用射频识别技术来识别运动目标身份，当发生异常情况时及时报警或提供有用信息，提高了变电站的安全性能，在很大程度上减轻监控人员的视觉负担，监控人员可以不依赖人眼就可以实现变电站的安全监控，极大地降低了监控人员的工作量；并且通过身份识别还能避免非法人员误闯而造成事故的发生，提高了变电站运行的安全性和可靠性。
红外摄像头具有全天候检测及摄像功能，可以完全穿透浓烟，不需要可见光，在夜晚仍能保持较高的图像清晰度，响应速度快，监视面积大，甚至可以用来防火；能实现智能化的全天候安检工作，也可应用于某些安防场所，安全性好，可长期稳定使用，十分适合本系统。
系统的框图如图2所示，将程序下载到FLASH中，控制系统运行。RFID射频识别系统将数据通过串口传到DM642上。红外摄像头采集PAL制式视频数据，经TI公司的TVP5150AM高性能视频解码芯片，解码成数字并行信号BT656码流传送到DM642的视频接口，DM642的视频接口解码BT656码流，得到图像，自动通过EDMA传输到SDRAM中存储；DM642的CPU通过访问SDRAM中的图像，进行运动目标检测与跟踪处理后送输出缓冲区（SDRAM中），并根据处理结果和RFID的数据判断是否要报警及提示；再通过以太网接口将数据传输到PC机；DM642的网络接口支持物理层的网络器件（PHY设备），从而完成与外界通过以太网（Ethernet）的连接。实际编程中只需完成EMAC的设置就可以了，不必考虑到物理层PHY芯片。
4 运动目标检测与跟踪
在DM642上运行运动检测算法，检测运动目标，结合RFID判断目标身份，因此运动目标检测是关键环节，整个流程如图3所示。
运动检测是指从序列图像中将变化区域从背景中分割出来，它是图像处理和分析的关键技术。目前常用的运动检测方法有光流法、背景差分法和相邻帧差法[5]。
光流法具有能够在无法预先知道场景的任何信息的情况下检测到独立运动的物体，但由于受噪声、阴影以及各种遮挡情形的影响，计算得到的光流场分布并不是非常可靠精确，而且光流的计算过程十分复杂，在没有特殊硬件的情况下，很难满足视频序列中运动目标检测的实时性要求[6]。
相邻帧差法：利用视频图像特征，从连续得到的视频流中提取所需要的动态目标信息。相邻帧差法的实质是将相邻帧图像相减来提取前景目标的移动信息。此方法不能完全提取所有相关特征像素点，只能检测出目标的边缘，在其提取的运动实体内部可能出现空洞。一般难以获得完整轮廓，同时它也很难检测出缓慢运动的目标。
背景差分法：该方法实现最为简单，并且能够完整地分割出运动目标。实现原理为：将当前帧图像与事先得到的背景图像相减，若差分图像的像素值大于某阈值（自己设定），则判断此像素点为前景点（运动目标区域），否则属于背景区域，操作简单，速度快，因此本系统采用背景差分法作为运动目标检测的主要算法。
4.1 算法原理
背景模型法是利用当前图像和背景图像的差分来检测出运动区域，可以提供比较完整的运动目标特征数据，精确度和灵敏度比较高，具有良好的性能表现。背景的建模和自适应是背景模型法的关键。实时输入的场景图像与背景图像进行差分，可以较准确地分割出运动目标。但是背景差分算法也有其天然的缺陷，随着时间的推移，场景的光线、树叶的遮挡或者运动物体滞留都会很大程度地破坏已经建立好的背景图像。为了解决这些问题，最好的方法便是使用背景建模和背景更新算法来弥补[7]。
高斯背景建模法：图像序列每个像素点的颜色分布用一个模型来描述，通过计算视频图像序列中每一个像素点的平均灰度值及像素灰度的方差，构建由均值和方差组成的初始背景图像。完成背景图像估计后，对每一幅当前帧图像进行检测，若高斯分布模型某个像素点的颜色分布概率大于阈值，则该点被判定为前景点，否则为背景点。
采集到的原始Y分量数据先通过中值滤波处理，并存入缓冲区。使用DSP自带的图像处理函数void IMG_median_3x3（const unsigned char * restrict in_data，int cols， unsigned char * restrict out_data），其中in_data是指向输入图像数据的指针；cols是指输入或输出的列数（必须是4的倍数）；out_data是指向输出图像数据的指针。IMG_median_3x3（ ）函数每次只处理一行的数据。因此调用该函数只需循环576次就能完成滤波和将数据存到数组的工作，对程序运行速度影响不大[8]。
设[（x，y）]是二维数字图像的平面坐标，通过计算第k帧图像与背景图像的差[Dk（x，y），]再对图像进行二值化。
[Dk（x，y）=fk（x，y）-B（x，y）]
[Rk（x，y）=1，Dk（x，y）≥T0，Dk（x，y） 式中：[fk（x，y）]表示图像序列中当前帧的灰度信息；[B（x，y）]表示当前最新背景的灰度信息；[Rk（x，y）]表示对应于灰度信息的二值化结果；[T]表示对应于灰度信息所选取的阈值。1表示此像素点为前景点（运动目标区域），否则属于背景区域。 图像的分割阈值T可以根据灰度直方图，采用峰值一谷值法获得，统计差分图像的灰度直方图，把分别对应目标和背景的两个峰值的中点的灰度值作为阈值[9]。 4.2 实验结果 根据实验结果分析，此方案总体没问题，只要人经过监控区域，均能检测到，并调用RFID射频设别系统进行身份识别，若是工作人员将会反馈位置身份信息，否则会报警，满足系统要求，达到预期目的。 5 结 论 变电站智能安检系统采用RFID射频识别系统与智能视频监控技术（IVS），有效地提高了巡检质量和到位率，保证电力设备的安全运行；极大地降低了监控人员的工作量，并且通过身份识别还能避免不是合法的工作人员误闯而造成事故的发生，提高了变电站运行的安全性和可靠性。 智能视频分析系统能把事后取证变成主动防御，算法处理由前端来实现，后端的服务压力非常小，能够以最省的成本，实现最有效的技术防范。无用视频信息被存储、传输，既浪费了存储空间又占用了带宽，采用智能分析的目的是为了缓解视频存储所需要的空间和传输所需的带宽压力，更有助于提升监控系统的应用价值。可以预见，在高清监控普及后，智能视频分析应用将是未来安防行业争夺的制高点[10]。 参考文献 [1] 董建华，潘英吉.基于RFID的变电站设备巡检信息管理系统[J].世界华商经济年鉴·高校教育研究，2008（17）：115?118. [2] 李静，王素珍，贺雪飞.RFID技术在变电站巡检系统中的应用[J].微型机与应用，2011，30（22）：56?59. [3] 张健翀.基于射频识别RFID技术室内定位系统研究[D].广州：中山大学，2010. [4] 张晓波，郭鹏飞.基于RFID的变电站设备巡视管理系统设计[J].青海电力，2007，26（z1）：32?34. [5] 杨金玲，柴颖，狄红卫，等.基于DM6446的智能视频监控系统的设计[J].电子测量技术，2010，33（3）：26?29. [6] 田红丽.变电站遥视环境中运动目标检测与跟踪的技术的研究[J].城市建设理论研究，2013（32）：69?71. [7] 魏宗坤.基于DM642的视频监控系统及动目标检测算法的实现[D].成都：电子科技大学，2008. [8] 姚树军.基于DM642的运动目标识别与跟踪系统[D].天津：天津大学，2012. [9] 谭永宏.基于TMS320C6701的嵌入式智能视觉监控系统设计与实现[J].计算机系统应用，2008（9）：73?76. [10] 马晓东.目标识别与跟踪技术引领智能监控发展潮流[J].中国公共安全，2012（14）：156?161.
4 运动目标检测与跟踪
在DM642上运行运动检测算法，检测运动目标，结合RFID判断目标身份，因此运动目标检测是关键环节，整个流程如图3所示。
运动检测是指从序列图像中将变化区域从背景中分割出来，它是图像处理和分析的关键技术。目前常用的运动检测方法有光流法、背景差分法和相邻帧差法[5]。
光流法具有能够在无法预先知道场景的任何信息的情况下检测到独立运动的物体，但由于受噪声、阴影以及各种遮挡情形的影响，计算得到的光流场分布并不是非常可靠精确，而且光流的计算过程十分复杂，在没有特殊硬件的情况下，很难满足视频序列中运动目标检测的实时性要求[6]。
相邻帧差法：利用视频图像特征，从连续得到的视频流中提取所需要的动态目标信息。相邻帧差法的实质是将相邻帧图像相减来提取前景目标的移动信息。此方法不能完全提取所有相关特征像素点，只能检测出目标的边缘，在其提取的运动实体内部可能出现空洞。一般难以获得完整轮廓，同时它也很难检测出缓慢运动的目标。
背景差分法：该方法实现最为简单，并且能够完整地分割出运动目标。实现原理为：将当前帧图像与事先得到的背景图像相减，若差分图像的像素值大于某阈值（自己设定），则判断此像素点为前景点（运动目标区域），否则属于背景区域，操作简单，速度快，因此本系统采用背景差分法作为运动目标检测的主要算法。
4.1 算法原理
背景模型法是利用当前图像和背景图像的差分来检测出运动区域，可以提供比较完整的运动目标特征数据，精确度和灵敏度比较高，具有良好的性能表现。背景的建模和自适应是背景模型法的关键。实时输入的场景图像与背景图像进行差分，可以较准确地分割出运动目标。但是背景差分算法也有其天然的缺陷，随着时间的推移，场景的光线、树叶的遮挡或者运动物体滞留都会很大程度地破坏已经建立好的背景图像。为了解决这些问题，最好的方法便是使用背景建模和背景更新算法来弥补[7]。
高斯背景建模法：图像序列每个像素点的颜色分布用一个模型来描述，通过计算视频图像序列中每一个像素点的平均灰度值及像素灰度的方差，构建由均值和方差组成的初始背景图像。完成背景图像估计后，对每一幅当前帧图像进行检测，若高斯分布模型某个像素点的颜色分布概率大于阈值，则该点被判定为前景点，否则为背景点。
采集到的原始Y分量数据先通过中值滤波处理，并存入缓冲区。使用DSP自带的图像处理函数void IMG_median_3x3（const unsigned char * restrict in_data，int cols， unsigned char * restrict out_data），其中in_data是指向输入图像数据的指针；cols是指输入或输出的列数（必须是4的倍数）；out_data是指向输出图像数据的指针。IMG_median_3x3（ ）函数每次只处理一行的数据。因此调用该函数只需循环576次就能完成滤波和将数据存到数组的工作，对程序运行速度影响不大[8]。
设[（x，y）]是二维数字图像的平面坐标，通过计算第k帧图像与背景图像的差[Dk（x，y），]再对图像进行二值化。
[Dk（x，y）=fk（x，y）-B（x，y）]
[Rk（x，y）=1，Dk（x，y）≥T0，Dk（x，y） 式中：[fk（x，y）]表示图像序列中当前帧的灰度信息；[B（x，y）]表示当前最新背景的灰度信息；[Rk（x，y）]表示对应于灰度信息的二值化结果；[T]表示对应于灰度信息所选取的阈值。1表示此像素点为前景点（运动目标区域），否则属于背景区域。 图像的分割阈值T可以根据灰度直方图，采用峰值一谷值法获得，统计差分图像的灰度直方图，把分别对应目标和背景的两个峰值的中点的灰度值作为阈值[9]。 4.2 实验结果 根据实验结果分析，此方案总体没问题，只要人经过监控区域，均能检测到，并调用RFID射频设别系统进行身份识别，若是工作人员将会反馈位置身份信息，否则会报警，满足系统要求，达到预期目的。 5 结 论 变电站智能安检系统采用RFID射频识别系统与智能视频监控技术（IVS），有效地提高了巡检质量和到位率，保证电力设备的安全运行；极大地降低了监控人员的工作量，并且通过身份识别还能避免不是合法的工作人员误闯而造成事故的发生，提高了变电站运行的安全性和可靠性。 智能视频分析系统能把事后取证变成主动防御，算法处理由前端来实现，后端的服务压力非常小，能够以最省的成本，实现最有效的技术防范。无用视频信息被存储、传输，既浪费了存储空间又占用了带宽，采用智能分析的目的是为了缓解视频存储所需要的空间和传输所需的带宽压力，更有助于提升监控系统的应用价值。可以预见，在高清监控普及后，智能视频分析应用将是未来安防行业争夺的制高点[10]。 参考文献 [1] 董建华，潘英吉.基于RFID的变电站设备巡检信息管理系统[J].世界华商经济年鉴·高校教育研究，2008（17）：115?118. [2] 李静，王素珍，贺雪飞.RFID技术在变电站巡检系统中的应用[J].微型机与应用，2011，30（22）：56?59. [3] 张健翀.基于射频识别RFID技术室内定位系统研究[D].广州：中山大学，2010. [4] 张晓波，郭鹏飞.基于RFID的变电站设备巡视管理系统设计[J].青海电力，2007，26（z1）：32?34. [5] 杨金玲，柴颖，狄红卫，等.基于DM6446的智能视频监控系统的设计[J].电子测量技术，2010，33（3）：26?29. [6] 田红丽.变电站遥视环境中运动目标检测与跟踪的技术的研究[J].城市建设理论研究，2013（32）：69?71. [7] 魏宗坤.基于DM642的视频监控系统及动目标检测算法的实现[D].成都：电子科技大学，2008. [8] 姚树军.基于DM642的运动目标识别与跟踪系统[D].天津：天津大学，2012. [9] 谭永宏.基于TMS320C6701的嵌入式智能视觉监控系统设计与实现[J].计算机系统应用，2008（9）：73?76. [10] 马晓东.目标识别与跟踪技术引领智能监控发展潮流[J].中国公共安全，2012（14）：156?161.
4 运动目标检测与跟踪
在DM642上运行运动检测算法，检测运动目标，结合RFID判断目标身份，因此运动目标检测是关键环节，整个流程如图3所示。
运动检测是指从序列图像中将变化区域从背景中分割出来，它是图像处理和分析的关键技术。目前常用的运动检测方法有光流法、背景差分法和相邻帧差法[5]。
光流法具有能够在无法预先知道场景的任何信息的情况下检测到独立运动的物体，但由于受噪声、阴影以及各种遮挡情形的影响，计算得到的光流场分布并不是非常可靠精确，而且光流的计算过程十分复杂，在没有特殊硬件的情况下，很难满足视频序列中运动目标检测的实时性要求[6]。
相邻帧差法：利用视频图像特征，从连续得到的视频流中提取所需要的动态目标信息。相邻帧差法的实质是将相邻帧图像相减来提取前景目标的移动信息。此方法不能完全提取所有相关特征像素点，只能检测出目标的边缘，在其提取的运动实体内部可能出现空洞。一般难以获得完整轮廓，同时它也很难检测出缓慢运动的目标。
背景差分法：该方法实现最为简单，并且能够完整地分割出运动目标。实现原理为：将当前帧图像与事先得到的背景图像相减，若差分图像的像素值大于某阈值（自己设定），则判断此像素点为前景点（运动目标区域），否则属于背景区域，操作简单，速度快，因此本系统采用背景差分法作为运动目标检测的主要算法。
4.1 算法原理
背景模型法是利用当前图像和背景图像的差分来检测出运动区域，可以提供比较完整的运动目标特征数据，精确度和灵敏度比较高，具有良好的性能表现。背景的建模和自适应是背景模型法的关键。实时输入的场景图像与背景图像进行差分，可以较准确地分割出运动目标。但是背景差分算法也有其天然的缺陷，随着时间的推移，场景的光线、树叶的遮挡或者运动物体滞留都会很大程度地破坏已经建立好的背景图像。为了解决这些问题，最好的方法便是使用背景建模和背景更新算法来弥补[7]。
高斯背景建模法：图像序列每个像素点的颜色分布用一个模型来描述，通过计算视频图像序列中每一个像素点的平均灰度值及像素灰度的方差，构建由均值和方差组成的初始背景图像。完成背景图像估计后，对每一幅当前帧图像进行检测，若高斯分布模型某个像素点的颜色分布概率大于阈值，则该点被判定为前景点，否则为背景点。
采集到的原始Y分量数据先通过中值滤波处理，并存入缓冲区。使用DSP自带的图像处理函数void IMG_median_3x3（const unsigned char * restrict in_data，int cols， unsigned char * restrict out_data），其中in_data是指向输入图像数据的指针；cols是指输入或输出的列数（必须是4的倍数）；out_data是指向输出图像数据的指针。IMG_median_3x3（ ）函数每次只处理一行的数据。因此调用该函数只需循环576次就能完成滤波和将数据存到数组的工作，对程序运行速度影响不大[8]。
设[（x，y）]是二维数字图像的平面坐标，通过计算第k帧图像与背景图像的差[Dk（x，y），]再对图像进行二值化。
[Dk（x，y）=fk（x，y）-B（x，y）]
[Rk（x，y）=1，Dk（x，y）≥T0，Dk（x，y） 式中：[fk（x，y）]表示图像序列中当前帧的灰度信息；[B（x，y）]表示当前最新背景的灰度信息；[Rk（x，y）]表示对应于灰度信息的二值化结果；[T]表示对应于灰度信息所选取的阈值。1表示此像素点为前景点（运动目标区域），否则属于背景区域。 图像的分割阈值T可以根据灰度直方图，采用峰值一谷值法获得，统计差分图像的灰度直方图，把分别对应目标和背景的两个峰值的中点的灰度值作为阈值[9]。 4.2 实验结果 根据实验结果分析，此方案总体没问题，只要人经过监控区域，均能检测到，并调用RFID射频设别系统进行身份识别，若是工作人员将会反馈位置身份信息，否则会报警，满足系统要求，达到预期目的。 5 结 论 变电站智能安检系统采用RFID射频识别系统与智能视频监控技术（IVS），有效地提高了巡检质量和到位率，保证电力设备的安全运行；极大地降低了监控人员的工作量，并且通过身份识别还能避免不是合法的工作人员误闯而造成事故的发生，提高了变电站运行的安全性和可靠性。 智能视频分析系统能把事后取证变成主动防御，算法处理由前端来实现，后端的服务压力非常小，能够以最省的成本，实现最有效的技术防范。无用视频信息被存储、传输，既浪费了存储空间又占用了带宽，采用智能分析的目的是为了缓解视频存储所需要的空间和传输所需的带宽压力，更有助于提升监控系统的应用价值。可以预见，在高清监控普及后，智能视频分析应用将是未来安防行业争夺的制高点[10]。 参考文献 [1] 董建华，潘英吉.基于RFID的变电站设备巡检信息管理系统[J].世界华商经济年鉴·高校教育研究，2008（17）：115?118. [2] 李静，王素珍，贺雪飞.RFID技术在变电站巡检系统中的应用[J].微型机与应用，2011，30（22）：56?59. [3] 张健翀.基于射频识别RFID技术室内定位系统研究[D].广州：中山大学，2010. [4] 张晓波，郭鹏飞.基于RFID的变电站设备巡视管理系统设计[J].青海电力，2007，26（z1）：32?34. [5] 杨金玲，柴颖，狄红卫，等.基于DM6446的智能视频监控系统的设计[J].电子测量技术，2010，33（3）：26?29. [6] 田红丽.变电站遥视环境中运动目标检测与跟踪的技术的研究[J].城市建设理论研究，2013（32）：69?71. [7] 魏宗坤.基于DM642的视频监控系统及动目标检测算法的实现[D].成都：电子科技大学，2008. [8] 姚树军.基于DM642的运动目标识别与跟踪系统[D].天津：天津大学，2012. [9] 谭永宏.基于TMS320C6701的嵌入式智能视觉监控系统设计与实现[J].计算机系统应用，2008（9）：73?76. [10] 马晓东.目标识别与跟踪技术引领智能监控发展潮流[J].中国公共安全，2012（14）：156?161.
