本发明专利技术公开了一种门开关状态的检测方法、装置及边缘处理设备、存储介质。该方法包括：获取待测图像；利用训练好的目标检测模型从待测图像中确定目标门区域的坐标信息；将待测图像输入至配置好的异常检测模型中，得到异常图像块的位置信息，其中，异常图像块为待测图像中与预先构建的模板库中标准图像之间的区别图像块；根据异常图像块的位置信息和目标门区域的坐标信息确定位于目标门区域中的异常图像块数量，并在异常图像块数量大于预设阈值时，判定门状态为开启状态。由此，以提升门状态检测的检测准确度。测的检测准确度。测的检测准确度。
【技术实现步骤摘要】
门开关状态的检测方法、装置及边缘处理设备、存储介质
[0001]本专利技术涉及图像处理
，尤其涉及一种门开关状态的检测方法、装置及边缘处理设备、存储介质。
技术介绍
[0002]通常，变电站内部的设备大多是高压、强电磁设备，设备的价值较高，因此，一旦变电站发生了人员入侵等情况，极有可能会造成设备的损坏或者人员伤亡，进而会导致设备停电，影响城市正常用电，后果十分严重。大多数变电站大门都是自动门，但是存在可能由于工作人员离站时忘记关门，导致变电站大门处于半开或者全开的状态，存在相当大的安全隐患。
[0003]目前，相关的变电站大门开关状态检测方法为：基于深度学习的目标检测方法，即利用目标检测将变电站大门进行矩形框标注，再训练一个两类检测器，来对变电站大门的开关状态进行检测。但是，当变电站大门处于全开状态时，大门后的背景就会进入到检测区域中，而不同大门后的背景又是多种多样的，这会严重影响检测器的性能。另外，当大门处于快关闭状态而未关闭状态时，检测器又容易将大门直接识别为关闭状态，造成一定程度的误检。
技术实现思路
[0004]本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术的一个目的在于提出一种门开关状态的检测方法，以提升门状态检测的检测准确度。
[0005]本专利技术的第二个目的在于提出一种门开关状态的检测装置。
[0006]本专利技术的第三个目的在于提出一种边缘处理设备。
[0007]本专利技术的第四个目的在于提出一种计算机可读存储介质。
[0008]为达上述目的，本专利技术第一个实施例提出了一种门开关状态的检测方法，该方法包括：
[0009]获取待测图像；利用训练好的目标检测模型从所述待测图像中确定目标门区域的坐标信息；将所述待测图像输入至配置好的异常检测模型中，得到异常图像块的位置信息，其中，所述异常图像块为所述待测图像中与预先构建的模板库中标准图像之间的区别图像块；根据所述异常图像块的位置信息和所述目标门区域的坐标信息确定位于所述目标门区域中的异常图像块数量，并在所述异常图像块数量大于预设阈值时，判定门状态为开启状态。
[0010]本专利技术实施例的门开关状态的检测方法，通过利用训练好的目标检测模型从待测图像中确定目标门区域的坐标信息；再将待测图像输入至配置好的异常检测模型中，可以得到待测图像中与模板库中标准图像之间的异常图像块（即区别图像块）；最后根据异常图像块的位置信息和目标门区域的坐标信息确定位于目标门区域中的异常图像块数量，若异常图像块数量大于预设阈值，则判定门状态为开启状态，从而提升了门状态检测的检测准
确度。
[0011]在一些可实现的方式中，所述模板库的构建步骤包括：获取多个标准图像，其中，所述标准图像中的门状态为关闭状态；将多个所述标准图像输入至异常检测模型中，得到多个标准图像块，其中，所述标准图像块是通过将第一特征图的区域块映射至所述标准图像中得到的，所述第一特征图是通过异常检测模型对所述标准图像进行特征提取和特征融合得到的；将多个所述标准图像块存储至所述模板库中，得到构建好的模板库。
[0012]在一些可实现的方式中，将所述待测图像输入至配置好的异常检测模型中，得到异常图像块的位置信息，包括：对所述待测图像进行特征提取和特征融合，得到第二特征图；将所述第二特征图分割为多个区域块，并将多个所述第二特征图的区域块映射至所述待测图像中，得到多个图像块；确定所述图像块与所述模板库中对应位置的标准图像块之间的相似度值，并根据所述相似度值确定所有所述图像块中的异常图像块；确定所述异常图像块的所述位置信息。
[0013]在一些可实现的方式中，对所述待测图像进行特征提取和特征融合，得到第二特征图，包括：对所述待测图像进行特征提取，得到多个子特征图；确定每个所述子特征图的融合权重；根据每个所述子特征图的融合权重将所有所述子特征图进行特征融合，以得到所述第二特征图。
[0014]在一些可实现的方式中，通过下式确定所述子特征图的融合权重：
[0015][0016]其中，W
i
为第i层特征提取得到的子特征图的融合权重，n为特征提取的总提取层数，S
i
为第i层特征提取得到的子特征图的尺寸，S
j
为求和时第j层特征提取得到的子特征图的尺寸，j为求和时的特征提取层数。
[0017]在一些可实现的方式中，通过下式确定所述相似度值：
[0018][0019]其中，similarity为所述图像块与对应位置的所述标准图像块之间的所述相似度值，为所述图像块的特征向量，为所述标准图像块的特征向量。
[0020]在一些可实现的方式中，所述目标检测模型的训练步骤包括：获取样本图像；以所述样本图像作为输入，以目标门区域的坐标信息作为输出，训练目标检测模型，以得到所述训练好的目标检测模型。
[0021]为达上述目的，本专利技术第二个实施例提出了一种门开关状态的检测装置，该装置包括：
[0022]获取模块，用于获取待测图像；确定模块，用于利用训练好的目标检测模型从所述待测图像中确定目标门区域的坐标信息；异常检测模块，用于将所述待测图像输入至配置好的异常检测模型中，得到异常图像块的位置信息，其中，所述异常图像块为所述待测图像中与预先构建的模板库中标准图像之间的区别图像块；门状态判定模块，用于根据所述异常图像块的位置信息和所述目标门区域的坐标信息确定位于所述目标门区域中的异常图像块数量，并在所述异常图像块数量大于预设阈值时，判定门状态为开启状态。
[0023]本专利技术实施例的门开关状态的检测装置，通过获取模块获取待测图像；确定模块
利用训练好的目标检测模型从待测图像中确定目标门区域的坐标信息；异常检测模块将待测图像输入至配置好的异常检测模型中，可以得到待测图像中与模板库中标准图像之间的异常图像块（即区别图像块）；最后门状态判定模块根据异常图像块的位置信息和目标门区域的坐标信息确定位于目标门区域中的异常图像块数量，若异常图像块数量大于预设阈值，则判定门状态为开启状态，从而提升了门状态检测的检测准确度。
[0024]为达上述目的，本专利技术第三个实施例提出了一种边缘处理设备，包括存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现如第一方面实施例提出的门开关状态的检测方法。
[0025]为达上述目的，本专利技术第四方面实施例提出了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如根据本专利技术第一方面实施例提出的门开关状态的检测方法。
[0026]本专利技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0028]图1是本专利技术一个实施例的门开关状态的检测方法的流程图；
[0029]图2是本专利技术实施例的模板库构建方法的流程图；
[0030]图3是本专利技术一个具体实施例的标准图像和第一特征图的示意图；
[003本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种门开关状态的检测方法，其特征在于，包括：获取待测图像；利用训练好的目标检测模型从所述待测图像中确定目标门区域的坐标信息；将所述待测图像输入至配置好的异常检测模型中，得到异常图像块的位置信息，其中，所述异常图像块为所述待测图像中与预先构建的模板库中标准图像之间的区别图像块；根据所述异常图像块的位置信息和所述目标门区域的坐标信息确定位于所述目标门区域中的异常图像块数量，并在所述异常图像块数量大于预设阈值时，判定门状态为开启状态。2.根据权利要求1所述的门开关状态的检测方法，其特征在于，所述模板库的构建步骤包括：获取多个标准图像，其中，所述标准图像中的门状态为关闭状态；将多个所述标准图像输入至异常检测模型中，得到多个标准图像块，其中，所述标准图像块是通过将第一特征图的区域块映射至所述标准图像中得到的，所述第一特征图是通过异常检测模型对所述标准图像进行特征提取和特征融合得到的；将多个所述标准图像块存储至所述模板库中，得到构建好的模板库。3.根据权利要求2所述的门开关状态的检测方法，其特征在于，将所述待测图像输入至配置好的异常检测模型中，得到异常图像块的位置信息，包括：对所述待测图像进行特征提取和特征融合，得到第二特征图；将所述第二特征图分割为多个区域块，并将多个所述第二特征图的区域块映射至所述待测图像中，得到多个图像块；确定所述图像块与所述模板库中对应位置的标准图像块之间的相似度值，并根据所述相似度值确定所有所述图像块中的异常图像块；确定所述异常图像块的所述位置信息。4.根据权利要求3所述的门开关状态的检测方法，其特征在于，对所述待测图像进行特征提取和特征融合，得到第二特征图，包括：对所述待测图像进行特征提取，得到多个子特征图；确定每个所述子特征图的融合权重；根据每个所述子特征图的融合权重将所有所述子特征图进行特征融合，以得到所述第二特征图。5.根据权利要求4所述的门开关状态的检测方法，其特征在...
【专利技术属性】
技术研发人员：赵帆，刘海峰，王子磊，艾坤，
申请(专利权)人：合肥中科类脑智能技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。