一种基于两阶段定位的开关仪表智能识别方法技术

本发明专利技术公开了一种基于两阶段定位的开关仪表智能识别方法，实现了在采集的图像上精准定位仪表位置并识别仪表状态，可以用于变电站控制室的仪表读数采集工作，主要解决了变电站仪表人工读数效率低的问题。其实现步骤为：(1)仪表区域粗定位；(2)仪表区域细定位；(3)截取定位结果区域子图；(4)仪表状态识别。可以实现开关仪表状态的智能识别功能，可以针对小型巡检机器人或固定摄像头采集的图像进行快速处理，得到各种开关仪表的开合状态，并由网络功能实时的传输到后台服务器，从而实现了远程监控变电站控制室仪表设备的功能。

【技术实现步骤摘要】
一种基于两阶段定位的开关仪表智能识别方法
本专利技术涉及一种基于两阶段定位的开关仪表智能识别方法，可用于在变电站室内进行开关仪表状态的数据采集。
技术介绍
变电站存在大量仪表来监测变电设备的工作状态，目前我国变电站仪表的巡检读数工作普遍采用人工巡视、手工记录的方式。人工读表工作耗费大量的人力劳动，特别是随着变电站规模的扩大和巡检区域的不断增加，与此同时，人工读表简单依赖于巡视人员的感官和经验、效率低以及易受雨雪风沙等环境因素的干扰，很难做到全面准确巡检，这样使得变电站设备和电网的安全运行存在隐患。随着计算机视觉、通信、自动化控制等技术的发展和成熟，利用机器人对变电站的各种仪表进行自动化巡检成为可能。目前国内已经有多家单位推出了可稳定运行的变电站智能巡检机器人产品，并已在多个现场进行应用。比如山东鲁能集团的变电站智能巡检机器人、上海谱萌光电的红外热像仪智能机器人、杭州申昊的变电站巡检机器人等，这些机器人的使用很好地提高了变电站巡检的效率，但无一例外的是，这些机器人只能识别指针式仪表，而且由体积大，笨重，成本高昂的缺点，不适用于变电站配备有多种仪表设备的环境。因此，利用图像处理，模式识别等相关技术实现开关仪表的识别功能，既填补了目前巡检机器人在开关仪表识别方面的不足，又可以结合体积小，行动灵活的巡检机器人代替人工进行变电站控制室的巡检，促进智能变电站和无人值守变电站巡检技术的发展，具有很大的理论和实际价值。
技术实现思路
本专利技术针对现有变电站在仪表智能识别功能方面的不足，提出一种基于两阶段定位的开关仪表的智能识别算法。本专利技术实现了对巡检机器人或摄像头采集到的图像进行开关仪表区域定位和状态识别的功能，具体流程见图1。本专利技术的实现步骤包括：步骤1：仪表区域粗定位(1a)图像预处理：对摄像头或巡检机器人采集到的输入图像和本地保存的模板图像进行灰度化，使图像特征位于灰度空间，便于处理。采用中值滤波法对灰度子图进行平滑去噪处理，这里的中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值，中值滤波模板的大小与本地仪表模板的大小保持一致；(1b)位置尺度粗估计：采用基于AKAZE特征点检测与匹配的方法实现仪表区域的粗定位和尺度估计，首先分别对滤波后的本地模板图像和输入图像构造尺度空间，然后提取AKAZE特征点和生成相应的特征描述子，最后进行特征描述子匹配算法，根据匹配结果得到仪表区域的大致位置和尺度。步骤2：仪表区域细定位(2a)候选区域子图截取：以粗定位区域中心，截取相比粗定位结果尺度更大的区域作为细定位的候选区域；(2b)图像预处理：对于基于统计区间的颜色直方图匹配算法，预处理部分需要对各通道进行高斯滤波处理平滑噪声；对于基于金字塔灰度图像的模板匹配算法，预处理部分包括灰度化、高斯滤波平滑噪声、归一化减弱光照影响；(2c)位置尺度细估计：采用基于金字塔灰度图像的模板匹配算法在粗定位后的候选区域进行目标位置估计和尺度估计；(2d)位置微调：基于区间统计的颜色直方图匹配算法对位置进行微调和修正，实现精确定位。步骤3：截取定位结果区域子图依据细定位结果，截取相应位置和尺度的图像作为仪表状态识别步骤中的输入。步骤4：仪表状态识别开关仪表的状态由两种颜色的指示灯表示，灯光为红色表示开关处于打开状态，灯光为绿色表示开关处于闭合状态，因此可以通过计算开关位置的图像颜色更靠近红色还是绿色来判断灯光为绿色还是红色，进而判断开关的开合状态。步骤1：白平衡：对输入图像进行白平衡操作，减弱图像颜色受光照环境的影响；步骤2：通道分离：分离输入图像的R、G、B三通道图像；步骤3：仪表识别：计算R通道和G通道的均值Rm和Gm，比较两者的大小，根据比较结果断定仪表的开合状态。附图说明图1是本专利技术的实现流程图图2是AKAZE特征点检测与匹配流程图图3是开关仪表状态识别流程图图4是实验效果图具体实施方式下面结合附图对本专利技术做进一步描述。参照图1，本专利技术的具体实施步骤如下。步骤1：仪表区域粗定位对摄像头或巡检机器人采集到的输入图像和本地保存的模板图像，采用基于AKAZE特征点检测与匹配的方法实现仪表区域的粗定位和尺度估计。(1a)图像预处理：对输入图像和模板图像进行预处理，包含灰度化和中值滤波。灰度化的目的在于便于特征点的提取，计算公式如下：f(i，j)＝0.30R(i，j)+0.59G(i，j)+0.11B(i，j)中值滤波的目的在于过滤掉噪声和奇异点，其中中值滤波的模板与模板图像的大小一致，计算公式如下：其中，median表示取中值操作，s表示滤波模板的大小。(1b)位置尺度粗估计：基于AKAZE特征点检测与匹配算法实现仪表区域的粗略定位和尺度估计，主要包括四个步骤：通过非线性滤波和快速扩散FED算法构建非线性尺度空间；利用不同尺度归一化的Hessian矩阵寻找局部极值点进行特征点检测和提取；计算特征点的主方向并利用M-LDB方法生成二值特征描述子；基于Hamming距离度量标准，进行特征描述子匹配过程。其中，在特征点检测之后，我们使用RANSAC算法对检测到的特征点进行提纯，提高匹配的鲁棒性。在得到匹配结果后，提取输入图像上所有匹配点的对应位置，生成一个最小包含匹配点的矩形框作为粗定位的结果。包括位置和尺度信息。步骤2：仪表区域细定位在步骤1的基础上，采用基于金字塔灰度图像的模板匹配算法同时对目标进行二次位置估计和尺度估计。为提高定位的准确行和鲁棒性，同时基于统计区间的颜色直方图匹配算法对位置结果进行微调作为细定位的结果。(2a)候选区域子图截取：粗定位步骤会生成一个矩形框，为了更精确的估计目标的位置，保证定位效率的前提下微扩候选区域的范围，具体操作是以此矩形框的中心为中心，以矩形框尺度的1.2倍大小为尺度，截取对应的区域子图作为细定位的输入图像。(2b)图像预处理：对于基于统计区间的颜色直方图匹配算法，预处理部分需要对各通道进行高斯滤波处理平滑噪声，其中高斯滤波模板的大小与本地模板图像大小一致；对于基于金字塔灰度图像的模板匹配算法，预处理部分包括灰度化、高斯滤波平滑噪声、归一化减弱光照影响，其中归一化操作具体为各位置像素灰度值除以全图中的最大灰度值，归一化的公式如下：其中，MIN(image)和MAX(image)分别表示输入图像灰度的最小值和最大值。(2c)位置尺度细估计：粗定位对仪表位置和尺度进行了粗略估计，在粗定位生成的候选区域内，采用基于金字塔灰度图像的模板匹配算法对目标进行二次位置估计和尺度估计。以粗定位尺度结果S作为中心尺度，采用0.9S、S、1.1S三种尺度以滑窗的方式进行遍历模板匹配相关操作，得到每个位置及尺度的响应值，取最大值对应的位置和尺度作为结果，相关操作的计算公式如下本文档来自技高网...

【技术保护点】
1.一种基于两阶段定位的开关仪表智能识别方法，包括：/n步骤1：仪表区域粗定位：/n1a：图像预处理：对摄像头或巡检机器人采集到的输入图像和本地保存的模板图像进行灰度化和中值滤波处理。/n1b：位置尺度粗估计：采用AKAZE特征点检测与匹配算法实现仪表区域位置和尺度的粗略估计。/n步骤2：仪表区域细定位：/n结合基于金字塔灰度图像的模板匹配算法和基于区间统计的颜色直方图匹配算法实现仪表位置的细定位。/n2a：候选区域子图截取：根据粗定位结果，截取相应位置和尺度的子图区域。/n2b：图像预处理：对于基于统计区间的颜色直方图匹配算法，需要对各通道进行高斯滤波处理；对于基于金字塔灰度图像的模板匹配算法，预处理部分包括灰度化、高斯滤波、归一化。/n2c：位置尺度细估计：采用基于金字塔灰度图像的模板匹配算法在粗定位后的候选区域进行目标位置估计和尺度估计。/n2d：位置微调：基于区间统计的颜色直方图匹配算法对位置进行微调和修正。/n步骤3：截取定位结果区域子图/n根据细定位的结果，截取相应位置和尺度的子图作为仪表状态识别阶段的输入/n步骤4：仪表状态识别/n通过计算和比较输入图像R通道均值和G通道均值的大小来判定灯光的颜色，进而判断仪表的开闭状态。/n步骤1：白平衡：对输入图像进行白平衡操作，减弱图像颜色受光照环境的影响；/n步骤2：通道分离：分离输入图像的R、G、B三通道图像；/n步骤3：仪表识别：计算R通道和G通道的均值Rm和Gm，比较两者的大小，根据比较结果断定仪表的开合状态。/n...

【技术特征摘要】
1.一种基于两阶段定位的开关仪表智能识别方法，包括：
步骤1：仪表区域粗定位：
1a：图像预处理：对摄像头或巡检机器人采集到的输入图像和本地保存的模板图像进行灰度化和中值滤波处理。
1b：位置尺度粗估计：采用AKAZE特征点检测与匹配算法实现仪表区域位置和尺度的粗略估计。
步骤2：仪表区域细定位：
结合基于金字塔灰度图像的模板匹配算法和基于区间统计的颜色直方图匹配算法实现仪表位置的细定位。
2a：候选区域子图截取：根据粗定位结果，截取相应位置和尺度的子图区域。
2b：图像预处理：对于基于统计区间的颜色直方图匹配算法，需要对各通道进行高斯滤波处理；对于基于金字塔灰度图像的模板匹配算法，预处理部分包括灰度化、高斯滤波、归一化。
2c：位置尺度细估计：采用基于金字塔灰度图像的模板匹配算法在粗定位后的候选区域进行目标位置估计和尺度估计。
2d：位置微调：基于区间统计的颜色直方图匹配算法对位置进行微调和修正。
步骤3：截取定位结果区域子图
根据细定位的结果，截取相应位置和尺度的子图作为仪表状态识别阶段的输入
步骤4：仪表状态识别
通过计算和比较输入图像R通道均值和G通道均值的大小来判定灯光的颜色，进而判断仪表的开闭状态。
步骤1：白平衡：对输入图像进行白平衡操作，减弱图像颜色受光照环境的影响；
步骤2：通道分离：分离输入图像的R...

【专利技术属性】
技术研发人员：张方，周开源，闫希颖，张沛方，
申请(专利权)人：西安英诺视通信息技术有限公司，
类型：发明
国别省市：陕西;61