一、背景现代社会对电力供应的依赖程度越来越高，切实保障高压输电线路的安全至为重要。解决方案之一是利用安装在高压杆塔上的摄像头获取场景图像，通过人工方式判别是否存在入侵物和其他安全隐患并及时报警。目前已有不少企业推出了相关监控产品，即通过安装在高压杆塔上的摄像头，定时拍摄高压线安全走廊区域的图像，将图像通过无线方式传输至监控中心进而至手持终端，由人工方式判断是否存在安全隐患。这种方式工作量大，劳动强度高，主观性强，容易产生漏报。二、 技术方案 我们提出了一种基于模式识别与图像分析的智能化识别方法，能够有效检测和识别安全走廊内的多种安全隐患，如工程车、吊车、线下堆积物、山火等。该方案能够及时发现各类隐患，并大幅降低线路维护人员的工作量，节约成本，节省资源。 利用安装在高压杆塔上的摄像头获得线路周边一定时间间隔的图像序列，通过无线方式将图像传输到服务器。利用区域分割、背景建模、纹理特征提取、相关性分析以及机器学习等方法能够有效判断监控区域中是否存在危害高压线路安全的多种隐患。根据各种隐患的不同特征判断入侵物类型及其危害程度。系统自主决定是否予以报警。三、隐患候选区域筛选和定位： 使用多颜色空间差分融合获得变化区域掩膜，并通过直方图、多尺度纹理等方法提取特征筛选变化区域，排除大量无隐患区域，确定隐患大致位置。四、天空与地面隐患检测： 1、利用纹理与几何位置信息进行天空和地面的分割。 2、对于天空区域，利用高斯背景建模进行塔吊、吊臂等隐患的检测。 3、对于地面区域，对火焰部分进行初步筛选，接着根据纹理特征并利用分类器识别火焰。 4、识别工程车辆等。 5、利用图像序列变化统计状况进行地面长期隐患检测。 6、根据各种隐患的不同特征判断入侵物类型及其危害程度。五、高压输电线路异物检测 在高压输电线杆塔上安装固定摄像头；通过分析图像和视频，在前端及时准确地发现高压输电线路上的悬挂异物。原理： 采用图像处理和深度学习等算法准确地检测高压输电线路上的悬挂异物。 常见异物： 风筝、塑料袋、防尘网等。 异物悬挂物带来的危害： 导致线路相间放电，引起大面积停电；异物如果被点燃掉落，容易导致火灾；可能导致人员伤亡等。六、导线舞动检测 利用安装在高压输电杆塔上的摄像头获取输电线路的监控短视频，采用数字图像处理和机器学习等技术实现输电线路舞动情况的检测，包括线路舞动的最大幅值和舞动频率。特点： 1、通过对杆塔上的监控摄像头获取的视频图像进行分析实现导线舞动的检测方法具有对线路运行无影响、安装简便等优势。 2、利用数字图像处理技术实现对输电线路舞动的智能化检测，减少电力工作人员的工作量。 3、对摄像头获取的实时监控数据进行自动化的智能分析，实时的返回导线舞动的检测结果，及时发现导线异常舞动隐患。