【文章內(nèi)容簡(jiǎn)介】 制；日志管理（操作、報(bào)警及異常事件日志的記錄、查詢與維護(hù)）；巡檢和校時(shí)服務(wù)；報(bào)警管理。 （ 3） 視頻瀏覽終端 視頻瀏覽終端用于對(duì)變電站現(xiàn)場(chǎng)視頻的瀏覽， 可以實(shí)現(xiàn)對(duì)變電站現(xiàn)場(chǎng)的攝像 機(jī)的控制，可以控制攝像機(jī)云臺(tái)的轉(zhuǎn)動(dòng)、調(diào)整攝像機(jī)的焦距和光圈、可以設(shè)置攝像機(jī)的預(yù)置位，可以查詢歷史告警記錄，支持電子地圖。視頻瀏覽終端可以配置多套。 （ 4） 電子地圖 系統(tǒng)具有電子地圖功能，具備操作權(quán)限的管理人員或操作員可在電子地圖上通過(guò)鼠標(biāo)點(diǎn)擊圖標(biāo)等操作，實(shí)現(xiàn)調(diào)用單路視頻、鏡頭分組、報(bào)警信息、多層地圖等功能，并能對(duì)站端云臺(tái)鏡頭和開(kāi)關(guān)設(shè)備進(jìn)行遠(yuǎn)程操作。 電子地圖采用樹(shù)形目錄結(jié)構(gòu)多級(jí)電子地圖方式，立體展現(xiàn)布防區(qū)域。 對(duì)地圖中的對(duì)象分兩種方式表達(dá)，一是在多級(jí)樹(shù)形結(jié)構(gòu)中，按類型分類，二是在地圖在圖標(biāo)標(biāo)注，克服一般軟件只能在地圖中標(biāo)注的缺點(diǎn)。 支持雙顯功能，即一個(gè)顯示器顯示圖像，另一個(gè)顯示器顯示地圖?？朔话丬浖曨l圖像與地圖相互遮擋的缺點(diǎn)。 設(shè)備類型明確分類，信息完備，一目了然，每個(gè)地圖層中所布的如攝像頭、報(bào)警輸入均列在樹(shù)形結(jié)構(gòu)中，方便用戶查看。 報(bào)警聯(lián)動(dòng)功能清晰表達(dá)，當(dāng)有報(bào)警發(fā)生時(shí)，自動(dòng)轉(zhuǎn)到目標(biāo)所在的地圖中，并居中顯示，延時(shí) 1分鐘閃爍標(biāo)識(shí) (時(shí)間可設(shè)定 )，樹(shù)形結(jié)構(gòu)中對(duì)應(yīng)的標(biāo)識(shí)自動(dòng)展開(kāi)，并以方框標(biāo)識(shí)，同時(shí)圖標(biāo)會(huì)加紅色標(biāo)記。 （ 5） SCADA 系統(tǒng) 系統(tǒng)可在調(diào)度 監(jiān)控中心與電力調(diào)度 SCADA 系統(tǒng) 互聯(lián)實(shí)現(xiàn)電力調(diào)度系統(tǒng)與視頻監(jiān)控系統(tǒng)聯(lián)動(dòng)。 電力調(diào)度中心向各變電站發(fā)送操作指令時(shí)，本系統(tǒng)通過(guò)對(duì)指令的分析，可以獲取對(duì)應(yīng)刀閘的開(kāi)關(guān)操作。當(dāng)事故或意外情況發(fā)生時(shí)，系統(tǒng)自動(dòng)將攝像機(jī)切換至指定位置并彈出對(duì)應(yīng)畫面，同時(shí)進(jìn)行聲音提示并啟動(dòng)錄像功能以便進(jìn)行故障分析時(shí)作為參考。 系統(tǒng)除與 SCADA 系統(tǒng)進(jìn)行聯(lián)動(dòng)外，還可以與火災(zāi)報(bào)警等系統(tǒng)實(shí)現(xiàn)聯(lián)動(dòng)，實(shí)時(shí)監(jiān)聽(tīng)火災(zāi)報(bào)警信息，與 SCADA 系統(tǒng)處理方式相同，當(dāng)事故發(fā)生時(shí)系統(tǒng)自動(dòng)將攝像機(jī)切換至指定位置并彈出對(duì)應(yīng)畫面，同時(shí)進(jìn)行聲音提示并啟動(dòng)錄像功能。 本章小結(jié) 本章主要講述變電 站監(jiān)控系統(tǒng)中的一些主要內(nèi)容，包括視頻監(jiān)控系統(tǒng)的組成，各個(gè)組成部分的一些設(shè)備，各部分的聯(lián)系和所起到的作用，對(duì)變電站視頻監(jiān)控系統(tǒng)做一個(gè)系統(tǒng)的介紹。通過(guò)廠站端采集所有圖片，最后匯總到集控端，集控端可以對(duì)所有圖片進(jìn)行查看也可以控制廠站端的攝像頭的運(yùn)作，而人臉識(shí)別只是期中 的一部分。通過(guò)廠站端采集的人的正面臉部圖像再在集控端通過(guò)與數(shù)據(jù)庫(kù)里的人臉圖像進(jìn)行比較。 第三章 人臉圖像的預(yù)處理 預(yù)處理的基本概念 預(yù)處理就是對(duì)圖像先進(jìn)行預(yù)先處理，但在處理過(guò)程中不會(huì)增加圖像中的信息，反而有可能圖像的損失一些信 息。 預(yù)處理的目的：改善圖像的數(shù)據(jù)，抑制不需要的變形或增強(qiáng)某些對(duì)后處理重要的圖像特征。 預(yù)處理的方法：圖像的復(fù)原，圖像的增強(qiáng)，圖像的幾何校正； 預(yù)處理步驟包括：尺寸歸一、灰度歸一 預(yù)處理的算法：人臉的定位：保留眼睛、鼻子、嘴巴等關(guān)鍵部位。 圖像的歸一：包括幾何歸一和灰度歸一。 圖像的歸一話 幾何歸一化 幾何歸一：圖像大小校正、平移、旋轉(zhuǎn)、翻轉(zhuǎn)。 （ 1）大小校正：就是把原始圖像中包含的人臉校正到統(tǒng)一的大小，主要依據(jù)是人眼的坐標(biāo)。人眼是人臉很重要的一個(gè)部分，通過(guò)預(yù)處理內(nèi)容能夠保證兩眼間距離相等。 從而其他部分如：嘴、鼻、臉頰等的位置也保持在相對(duì)標(biāo)準(zhǔn)的位置。 （ 2）平移：就是將圖像中的所有點(diǎn)都按照指定的平移量水平。垂直移動(dòng)，通過(guò)平移可以消除人臉左右偏移對(duì)后續(xù)識(shí)別環(huán)節(jié)的影響。 （ 3）旋轉(zhuǎn) :就是把原始圖像中人臉圖像進(jìn)行平面內(nèi)的旋轉(zhuǎn)，其目的是使兩眼間的連線保持在水平的位置。 （ 4）翻轉(zhuǎn) :考慮到一些人臉圖像可能存在上下顛倒的問(wèn)題，通過(guò)翻轉(zhuǎn)可以使目標(biāo)圖像中的人臉保持正面。 灰度歸一化 灰度歸一： ? ?? ?? ? ? ?? ?? ??????????????其它如果V A RMjiIV A RMMjiIV A RMjiIV A RMjigOOOO22, 其中 Mo、 VARo 是理想的均值和方差，通常兩者都取 100； 對(duì)于一個(gè) mn 大小的灰度圖像 I（ i， j） ：均值 Mo，方差 VARo ? ??? ??? nj jiI1m 1i ,n)1 /( mMo ? ?? ??? ? ??? nj MojiI1 2m 1i2 ,n)1 / ( mV A R o 灰度歸一的目的：減少因光照變化導(dǎo)致的灰度變化對(duì)正確識(shí)別的影響。 直方圖均衡化 直方圖均衡化：實(shí)際任為多值圖像，即多個(gè)灰度級(jí)的單色圖像。 直方圖均衡化認(rèn)為是圖像的灰度密度函數(shù)的近似，灰度直方圖是一個(gè)離散函數(shù)，它表示數(shù)字函數(shù)每一灰度級(jí)與該灰度級(jí)出現(xiàn)頻率的對(duì)應(yīng)關(guān)系。 基本思想：把原始圖像的直方圖變化為均勻分布的形式，增加了像素灰度值的動(dòng)態(tài)范圍從而達(dá)到增強(qiáng)圖像整體對(duì)比度的效果。 假設(shè)一幅數(shù)字圖像的像素總數(shù)為 N，有 L個(gè)灰度級(jí)具有第 k個(gè)灰度級(jí)的灰度kS 的像素共有 kn 個(gè)，則第 k 個(gè)灰度級(jí)或者說(shuō) kS 出現(xiàn)的頻率 nnSp kkk ?)( (k=0，1， ? ? ， L1) 垂足 f= kS ，各線段的長(zhǎng)度與 ? ?kk Sp 成正比。 直方圖變換函數(shù) EH(g)=kt =EH( kS )是變換后的灰度級(jí) EH(g)：① EH(s)在 0≤ s≤ L1范圍內(nèi)是一個(gè)單值單增函數(shù) 保證：原圖像的灰度級(jí)在變換后仍保持從黑道白（或白到黑）的排列順序。 ②對(duì) 0≤ s≤ L1有 0≤ EH(s)≤ L1 保證：變換前后灰度值動(dòng)態(tài)范圍的一致性。 ? ?kki ski i SPNn ?? ?? ??? 00E H ( Sk )tk 其中 k=0， 1， ? ? ， L1； 10 ?? kS 步驟： 第一步：計(jì)算出原始圖像的所有灰度級(jí) kS ； 第二步：統(tǒng)計(jì)原始圖像各灰度級(jí)的像素?cái)?shù) kn ； 第三步：計(jì)算原始圖像的直方圖 ? ?kk Sp ； 第四步：計(jì)算原始圖像的累積直方圖 kt ； 第五步：取整計(jì)算 ? ?? ?NkNtk ??? 1in t。 第六步：定義映射關(guān)系： kk tS? ； 第七步：統(tǒng)計(jì)新直方圖各灰度級(jí)的像素?cái)?shù) kn ； 第八步：計(jì)算新的直方圖： ? ? Nntp kki ? 從原始圖像（圖 ）及其直方圖（ 圖 ），均衡化后的圖像（圖 ）以及直方圖（圖 ）可以看出， 均衡化圖像灰度分布更加均勻，可以在一定程度上減輕光照變化對(duì)識(shí)別的影響。 圖 原始圖像 圖 原始圖直方圖 圖 均衡化后的圖像 圖 均衡后的直方圖 二值化 用掃描儀或攝像頭獲取的原始圖像的灰度圖像，經(jīng)過(guò)灰度直方圖線性變換以后的圖像仍然是多值圖 像。所謂多值圖像，就是指具有多個(gè)灰度級(jí)的單色圖像。威為了 突出圖像調(diào)整和便于進(jìn)行調(diào)整提取，需要將多值圖像轉(zhuǎn)換為二值圖像。二值圖像也就是只具有黑白 兩 個(gè)灰度級(jí)的圖像，它是數(shù)字圖像的一個(gè)重要子集。將圖像進(jìn)行二值化處理后，可得到灰度值僅為 0,1 的二值化圖像。 本章小結(jié) 本章對(duì)人臉識(shí)別系統(tǒng)中人臉圖像預(yù)處理進(jìn)行了簡(jiǎn)單的歸納總結(jié)。 針對(duì)人臉識(shí)別系統(tǒng)中需要對(duì)訓(xùn)練圖像和待分類圖像進(jìn)行預(yù)處理步驟，本文介紹了幾何歸一化、灰度歸一化等常用的圖像預(yù)處理步驟。圖像預(yù)處理雖然可能削弱圖像的自身和外在因素對(duì)算法識(shí)別結(jié)果的影響，但是 如果預(yù)處理過(guò)度，那么這種影響可能是負(fù)面的。 第四章 核方法的特征提取 核方法的基本概念 核方法 [17]是一系列的先進(jìn)非線性數(shù)據(jù)處理技術(shù)的總稱，其共同特征是這些數(shù)據(jù)處理方法都應(yīng)用了核映射。從本質(zhì)上講，一個(gè)分類問(wèn)題在原始數(shù)據(jù)空間線性不可分，核方法就是采用非線性映射將原始數(shù)據(jù)由數(shù)據(jù)空間映射到高維的特征空間，使得數(shù)據(jù)在這個(gè)空間中線性可分，進(jìn)而在特征空間進(jìn)行對(duì)應(yīng)的線性操作。由于運(yùn)用了非線性性映射，而且這用非線性映射往往是非常復(fù)雜的，從而大大增強(qiáng)了非線性數(shù)據(jù)的處理能力。核方法實(shí)現(xiàn)了數(shù)據(jù)空間、特征空間和類 別空間之間的非線性變換。 設(shè) ix 和 jx 為數(shù)據(jù)空間的樣本點(diǎn)，數(shù)據(jù)空間到特征空間的映射函數(shù)為 ? ，核方法的基礎(chǔ)是實(shí)現(xiàn)了向量的內(nèi)積變換： ? ? ? ? ? ? ? ?jijiji xxxxKxx ????? , （ ） 通常，非線性變換函數(shù) ???? 相當(dāng)復(fù)雜，而運(yùn)算過(guò)程中實(shí)際用到的核函數(shù)? ???,K 則相對(duì)簡(jiǎn)單多了。 核函數(shù)方法的特點(diǎn)： 核函數(shù)的計(jì)算量 和特征空間的維數(shù)無(wú)關(guān)。 無(wú)需知道非線性變換函數(shù) ???? 的形式及參數(shù)。 不同的和函數(shù)確定了不同的非線性變換函數(shù)。 核函數(shù)方法可以和不同的算法結(jié)合起來(lái)使用，可以形成基于核函數(shù)的不同技術(shù)，而在本文中主要采用的為 KPCA， KFDA 這兩結(jié)合技術(shù)。 核函數(shù)的確定比較容易，只要滿足 Mercer 的條件的任意對(duì)稱函數(shù)都可以作為核函數(shù)。 常用的核函數(shù)有： 多項(xiàng)式核函 ? ? ? ?? ?dbyxyxK ???, （ ） 高斯核函 ? ? ???????? ??? 22, ?yxeyxK （ ） 多層感知器函 ? ? ? ?? ?cyxvyxK ??? ta n h, （ ） 核的主成分分析法（ KPCA） 主成分分析法 主元分析法 ( PCA 方法 )[18] 是基于 KL 變換的統(tǒng)計(jì)學(xué)分析方法 , 是多元分析中常見(jiàn)的技術(shù) . 利用人臉結(jié)構(gòu)的相似性 , 假設(shè)所有的人臉都可以 處在一個(gè)低維的線性空間 , 并且不同的人臉在這個(gè)低維的空間里具有可分性 . 其原理是將高維向量通過(guò)一個(gè)特殊的特征向量矩陣投影到一個(gè)低維的向量空間中 ,表征為一個(gè)低維向量 . 同時(shí)希望表征的低維向量能保持識(shí)別所需要的信息 . 主元分析法主要作用就是用來(lái)降低數(shù)據(jù)的維數(shù) .因而，主成分分析法主要考慮樣本矩陣的協(xié)方差矩陣。 具體步驟如下： 假設(shè) X 是一個(gè) N? 1 的隨機(jī)向量，即 X 的每個(gè)元素 ix 都是一個(gè)隨機(jī)變量。 X的均值 xm 可以用 K 個(gè)這樣的樣本向量來(lái)估 計(jì)， ???ki ix XKm 11 （ ） 協(xié)方差矩陣可根據(jù)公式（ 46）估計(jì)， ? ?? ?? ? TxxTiki iTxxx mmXXKmXmXEC ????? ?? 11 （ ） 由公式 （ ） 可知，協(xié)方差矩陣是一個(gè) N?N 的實(shí)對(duì)稱矩陣，其對(duì)角線元素為各個(gè)隨機(jī)變量的方差，非對(duì)角線元素為各隨機(jī)變量的協(xié)方差。 KL 變換用矩陣A 來(lái)定義一個(gè)線性變換，它可以將任意向量 X 通過(guò)下面線性變換得到一個(gè)向量 y ? ?xmXAy ?? () 其中 A 的各行為 xS 的特征向量， xS 的特征向量按照這樣的規(guī)則構(gòu)成：先將 xS 的特征值按大小降序排列，特征向量按照對(duì)應(yīng)的特征排列的順序排列。由于 KL變換所得的向量 y 具有零均值特征性，則可得 y 的協(xié)方差矩陣 yS 與 X 的協(xié)方差矩陣的 xS 關(guān)系為： Txy AAss ? （ ） 其中 A 為 xS 的特征矩陣的轉(zhuǎn)置， yS 是對(duì)角線矩陣且其對(duì)角線上的元素為 xS的特征值。則有 ?????????????????????NyS???21 （ ） 有公式 （ ） 可知，向量 y 的各個(gè)元素之間互不相關(guān)，從而說(shuō)明線性變換 A 去掉了變量之間的相關(guān) 性。由于是對(duì)稱矩陣 xS 的特征向量，且和列均正交歸一，即 TAA ??1 則 KL 逆變換為： xmAyX ?? （ ） 這也正是對(duì)原向量進(jìn)行重構(gòu)的過(guò)程，在實(shí)際使用 KL逆變換時(shí)，如果選取較大的特征值對(duì)應(yīng)的特征向量，而舍棄那些在所有特征值中所占比重較小的特征值所對(duì)應(yīng)的特征向量，這 樣既可以降低變換后向量 y 的維數(shù)，又可以近似重建向量X。 取矩陣 A 的前 M 列 （