一种高压开关柜内小车开关动作视频识别方法技术

本发明专利技术公开了一种高压开关柜内小车开关动作视频识别方法，包括视频图像色彩空间转换、视频逐帧滤波、运动区间分割、运行状态判定步骤。本发明专利技术考虑了视频每一帧的具体特征，仅需要较少的样本数据量即可实现对高压开关柜内部开关的精确估计。具有较强的实用价值、检测速度快，并且过程简单，易于操作。易于操作。易于操作。

【技术实现步骤摘要】
一种高压开关柜内小车开关动作视频识别方法


[0001]本专利技术涉及一种高压开关柜内电力设备运行状态检测方法，特别是涉及一种高压开关柜内小车开关动作视频识别方法，属于电力设备监测


技术介绍

[0002]随着经济的快速发展，我国的电网结构变得越来越复杂，因此，电网的安全稳定运行变得越来越重要。图像处理技术快速发展，已经广泛应用于电网稳定运行当中，高压开关柜是电网中重要组成部分之一，智能开关柜需要准确对电力设备的运行状态进行实时监控与了解，及时将各种异常运行状态通知监控人员，即监控人员通过开关柜内的视频监控系统直接对开关柜内部状态进行掌控。
[0003]现有开关柜内部状态视频检测方法主要分为三类，即帧间差分法、卷积神经网络法、光流法。帧间差分法简单，但是检测结果精度较差，提取出的运动目标区域并不完整。帧间差分法在检测连续两帧的图像中，目标内部可能产生空洞现象，也可能出现假目标区域，并且对于物体运动速度还有很强的限制，当运动速度过快时容易产生“鬼影”现象。卷积神经网络法的池化层的导致许多非常有价值的信息的丢失，忽略掉整体与部分之间的关联，稍微改变同一物体的朝向或位置，可能并不会激活那些识别该物体的神经元。卷积神经网络法计算复杂，数据需求较大，识别时间较慢。光流法的计算量大，只适用于光照亮度稳定的场景，实时性和实用性不能得到有效保证。
[0004]可见，由于监控监测算法的缺失，当电力设备所在的区域发生快速变化，无法精准分割出设备运动区域，进而导致无法实时准确掌握设备运行情况，容易出现检测运行状态误差的问题。因此，需要能够精确识别开关柜内电力设备运行状态，提高对开关柜内目标区域检测及识别的精度。

技术实现思路

[0005]本专利技术的目的是提供一种高压开关柜内小车开关动作视频识别方法。
[0006]为实现上述目的，本专利技术提供了如下技术方案：
[0007]一种高压开关柜内小车开关动作视频识别方法，包括以下步骤：
[0008]步骤1，视频图像色彩空间转换：将开关柜视频传感器获得的RGB色彩空间的视频逐帧转换到HSV色彩空间，各像素的转换方法为：
[0009][0010][0011]V＝MAX
[0012]MAX＝MAX(R,G,B)
[0013]MIN＝MIN(R,G,B)
[0014]式中，R为像素的红色分量，G为像素的绿色分量，B为像素的蓝色分量，H为像素的色调分量、S为像素的饱和度分量、V为像素的亮度分量；
[0015]步骤2，视频滤波：将HSV色彩空间的视频逐帧滤波：
[0016]L(i,j)＝F(i,j)*g(i,j)
[0017][0018]式中F(i，j)代表HSV色彩空间的视频帧，σ
s
为高斯标准差，L(i，j)代表滤波后的视频帧，i和j分别为像素的行坐标和列坐标；
[0019]步骤3，运动区间分割：
[0020]计算差分图像序列：
[0021]D
n
(i,j)＝|L
n
(i,j)
‑
L
n
‑1(i,j)|
[0022]分别将差分图像D
n+1
，D
n
进行阈值分割，确定相应的运动区间像素集P1和P2，运动区间像素集P1和P2交集为运动区间P；
[0023]步骤4：运行状态判定：将运动区间P与高压开关柜内小车开关运行状态数据库中动作图像进行状态匹配，状态匹配方法如下：
[0024]步骤4
‑
1：提取运动区间P的特征描述点；
[0025]步骤4
‑
2：将运动区间P的特征描述点与高压开关柜内小车开关运行状态数据库中动作图像的特征描述点以欧式距离为相似度度量逐一进行匹配，提取欧式距离最小的两个高压开关柜内小车开关运行状态数据库中动作图像作为第一匹配动作图像和第二匹配动作图像，相应的欧式距离分别记为第一欧氏距离和第二欧氏距离；
[0026]步骤4
‑
3：计算第一欧氏距离和第二欧氏距离的比值；
[0027]步骤4
‑
4：判断第一欧氏距离和第二欧氏距离的比值是否小于预设的比例阈值，如果是，第一匹配动作图像的动作状态为高压开关柜内小车开关运行状态，否则，转向步骤4
‑
1；
[0028]进一步，所述步骤4
‑
2采用SIFT匹配方法将运动区间P的特征描述点与高压开关柜内小车开关运行状态数据库中动作图像的特征描述点以欧式距离为相似度度量逐一进行匹配。
[0029]进一步，所述步骤3中差分图像D
n
分辨率为MxN，其分割阈值为(m
t
，n
t
)，t＝1，
…
，T，T为分割阈值数目，目标函数为：
[0030][0031][0032][0033]式中，h
ij
表示像素点个数；利用优化算法对目标函数进行最大值寻优，确定最佳分割阈值。
[0034]更进一步，所述目标函数最佳分割阈值求解方法包括以下步骤：
[0035]步骤A：确定层次数量为4，每一个层次的分割阈值都用设置一个随机解，利用适应度函数对4个层次进行排序，按适应度从高到低依次为x、y、z、g层，分割阈值分别为W
x
、W
y
、W
z
和W
g
；设定最大迭代次数t
max
；当前迭代次数t为1；
[0036]步骤B：层次位置更新：
[0037]U
x
＝|Q1·
W
x
‑
W(t)|
[0038]U
y
＝|Q2·
W
y
‑
W(t)|
[0039]U
z
＝|Q3·
W
z
‑
W(t)|
[0040]U
g
＝|Q4·
W
g
‑
W(t)|
[0041]Q＝n
·
e1[0042]式中，Q1，Q2，Q3，Q4为由Q确定的随机变量，Q1为百分之二十的Q，Q2为百分之四十的Q，Q3为百分之六十的Q，Q4为百分之八十的Q，e1是值介于[0，0.5＊n]之间的随机数，n为自定义数值，W(t)为W
x
、W
y
、W
z
和W
g
的平均数；
[0043]步骤C：确认分割结果：
[0044]W
x
＝W
x
‑
A1*U
x
[0045]W
y
＝W
y
‑
A2*U
y
[0046]W
z
＝W
z
‑
A3*U...

【技术保护点】

【技术特征摘要】
1.一种高压开关柜内小车开关动作视频识别方法，其特征在于，包括以下步骤：步骤1，视频图像色彩空间转换：将开关柜视频传感器获得的RGB色彩空间的视频逐帧转换到HSV色彩空间，各像素的转换方法为：转换到HSV色彩空间，各像素的转换方法为：V＝MAXMAX＝MAX(R,G,B)MIN＝MIN(R,G,B)式中，R为像素的红色分量，G为像素的绿色分量，B为像素的蓝色分量，H为像素的色调分量、S为像素的饱和度分量、V为像素的亮度分量；步骤2，视频滤波：将HSV色彩空间的视频逐帧滤波：L(i,j)＝F(i,j)*g(i,j)式中F(i，j)代表HSV色彩空间的视频帧，σ
s
为高斯标准差，L(i，j)代表滤波后的视频帧，i和j分别为像素的行坐标和列坐标；步骤3，运动区间分割：计算差分图像序列：D
n
(i,j)＝|L
n
(i,j)
‑
L
n
‑1(i,j)|分别将差分图像D
n+1
，D
n
进行阈值分割，确定相应的运动区间像素集P1和P2，运动区间像素集P1和P2交集为运动区间P；步骤4：运行状态判定：将运动区间P与高压开关柜内小车开关运行状态数据库中动作图像进行状态匹配，状态匹配方法如下：步骤4
‑
1：提取运动区间P的特征描述点；步骤4
‑
2：将运动区间P的特征描述点与高压开关柜内小车开关运行状态数据库中动作图像的特征描述点以欧式距离为相似度度量逐一进行匹配，提取欧式距离最小的两个高压开关柜内小车开关运行状态数据库中动作图像作为第一匹配动作图像和第二匹配动作图像，相应的欧式距离分别记为第一欧氏距离和第二欧氏距离；步骤4
‑
3：计算第一欧氏距离和第二欧氏距离的比值；步骤4
‑
4：判断第一欧氏距离和第二欧氏距离的比值是否小于预设的比例阈值，如果
是，第一匹配动作图像的动作状态为高压开关柜内小车开关运行状态，否则，转向步骤4
‑
1；进一步，所述步骤4
‑
2采用SIFT匹配方法将运动区间P的特征描述点与高压开关柜内小车开关运行状态数据库中动作图像的特征描述点以欧式距离为相似度度量逐一进行匹配。2.根据权利要求1所述的高压开关柜内小车开关动作视频识别方法，其特征在于，所述步骤3中差分图像D
n
分辨率为MxN，其分割阈值为(m
t
，n
t
)，t＝1，
…
，T，T为分割阈值数目，目标函数为：T为分割阈值数目，目标函数为：T为分割阈值数目，目标函数为：式中，h
ij
表示像素点个数；利用优化算法对目标函数进行最大值寻优，确定最佳分割阈值。3.根据权利要求2所述的高压开关柜内小车开关动作视...

【专利技术属性】
技术研发人员：刘洪斌，张惠，任有刚，赵剑平，赵洪山，王之昕，高岩，田伟，武文鹏，王冲，仝翠芝，李肖，梁雨婷，官仕卿，于常兴，陈艳君，张大鹏，陈泽坤，
申请(专利权)人：国家电网有限公司秦皇岛龙鼎电气有限公司华北电力大学保定，
类型：发明
国别省市：