一种基于图像识别的变电站刀闸状态识别方法技术

本发明专利技术公开了一种基于图像识别的变电站刀闸状态识别方法，包括如下步骤：S1、将摄像头安装在变电站刀闸正下方两块闸刀的中间位置，取闸刀间的中轴线为基准线，并选定实时跟踪点位置；S2、获取每个摄像头的图像，通过图像识别方法在图像帧中得到刀闸的边界信息；S3、根据刀闸的边界信息判断得到刀闸的精准闭合状态。本发明专利技术将刀闸开合过程的图像作为研究对象，通过目标跟踪技术实时跟踪刀闸动态轨迹，进而实时监测开关的分合，提高了识别的准确性。提高了识别的准确性。提高了识别的准确性。

【技术实现步骤摘要】
一种基于图像识别的变电站刀闸状态识别方法


[0001]本专利技术涉及变电站视频监控
，具体为一种基于图像识别的变电站刀闸状态识别方法。

技术介绍

[0002]隔离开关作为变电站的重要设备，其状态的自动识别对于电网智能化设备状态巡视、设备告警联动等电网生产运行监控具有重要意义。现有隔离开关的辅助开关定位功能都是基于机械原理，在岀现磨损时，这种定位将会导致较大的偏差，从而致使对开关的分合状态判断失误。
[0003]视频监控技术已广泛应用于变电站的监控。传统的视频监控技术只是将变电站的远程视频传输到监控室，通过人工查看并确认每个设备的状态，对于隔离开关的状态识别效率低下，这极大地增加了运维人员的工作量，如何实现对变电站隔离开关的有效自动识别，成为提高变电站视频监控的智能化水平和变电站运维效率和安全的关键。因此，设计一种基于图像识别的变电站刀闸状态识别方法是很有必要的。

技术实现思路

[0004]针对上述情况，为克服现有技术的缺陷，本专利技术提供一种基于图像识别的变电站刀闸状态识别方法，将刀闸开合过程的图像作为研究对象，通过目标跟踪技术实时跟踪刀闸动态轨迹，进而实时监测开关的分合，提高了识别的准确性。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种基于图像识别的变电站刀闸状态识别方法，包括如下步骤：
[0006]S1、将摄像头安装在变电站刀闸正下方两块闸刀的中间位置，取闸刀间的中轴线为基准线，并选定实时跟踪点位置；
[0007]S2、获取每个摄像头的图像，通过图像识别方法在图像帧中得到刀闸的边界信息；
[0008]S3、根据刀闸的边界信息判断得到刀闸的精准闭合状态。
[0009]优选的，所述步骤S2中图像识别方法的具体步骤如下：
[0010]1)用PCA训练出滤波器；
[0011]2)将图像与滤波器进行卷积，再使用哈希二值化和块直方图进行索引和池化，实现图像特征提取；
[0012]3)采用最近邻分类器，实现图像识别。
[0013]优选的，所述滤波器的目标函数如下：
[0014][0015]s.t.WW
T
＝I
n1
[0016]假设样本X＝[x1,x2,
…
,x
N
]∈IR
n
，对于任一个样本x
i
，以样本中的任一像素点为中心做取块处理，并将所有块去均值化得到X
i
＝[x
i,1
,x
i,2
,
…
,x
i,mn
],其中mn是样本x
i
所取块数，对训练样本中所有样本做同样的处理，得到一个样本矩阵X＝[X1,X2,
…
,X
N
]，X
i
是第i个
样本取块且去均值化后的向量表示，通过求解即可得到XX
T
主特征向量。
[0017]优选的，所述滤波器的训练流程包括：
[0018]1)输入图像并且对图像取块且去均值化；
[0019]2)根据样本计算相识度权重矩阵；
[0020]3)根据权重矩阵设计滤波器目标函数；
[0021]4)得到所需的主特征向量。
[0022]优选的，所述最近邻分类器具体流程如下：
[0023]1)调用训练样本特征文件；
[0024]2)计算待识别图像特征与样本特征的卡方距离；
[0025]3)找到最小距离所对应的训练样本；
[0026]4)得到待识别图像的类别标签；
[0027]5)输出显示。
[0028]优选的，所述图像特征与样本特征的卡方距离的计算函数为：
[0029][0030]其中，X∈IR
n
,Y∈IR
n
。
[0031]优选的，所述图像特征提取的流程包括如下步骤：
[0032]1)输入待识别特征；
[0033]2)用滤波器对图像进行卷积，输出L2组图像；
[0034]3)将输出图像进行二进制表示；
[0035]4)加权组合将二进制转化为整数值矩阵；
[0036]5)将整数值矩阵分为B块并计算每块的直方图；
[0037]6)将直方图组合成向量并堆叠；
[0038]7)得到待识别图像的特征。
[0039]本专利技术的有益效果为：
[0040]1、将刀闸开合过程的图像作为研究对象，通过目标跟踪技术实时跟踪刀闸动态轨迹，进而实时监测开关的分合，提高了识别的准确性；
[0041]2、用PCANet算法来学习滤波器组，用哈希二值化和块直方图进行索引和池化，由于PCANet算法同时考虑了数据的局部几何结构和类别信息，因此它学习的滤波器组能提取更有判别力的特征，适用于图像分类与识别任务中，识别精确度高。
附图说明
[0042]附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制。在附图中：
[0043]图1是本专利技术整体流程方框图；
[0044]图2是本专利技术滤波器的训练流程方框图；
[0045]图3是本专利技术最近邻分类器具体流程方框图；
[0046]图4为本专利技术图像特征提取的流程方框图。
具体实施方式
[0047]在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本专利技术的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。
[0048]在本专利技术的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。
[0049]下面将结合附图对本专利技术的技术方案进行清楚、完整地描述。
[0050]由图1
‑
4给出，本专利技术提供如下技术方案：一种基于图像识别的变电站刀闸状态识别方法，包括如下步骤：
[0051]S1、将摄像头安装在变电站刀闸正下方两块闸刀的中间位置，取闸刀间的中轴线为基准线，并选定实时跟踪点位置；
[0052]S2、获取每个摄像头的图像，通过图像识别方法在图像帧中得到刀闸的边界信息；
[0053]S3、根据刀闸的边界信息判断得到刀闸的精准闭合状态。
[0054]优选的，步骤S2中图像识别方法的具体步骤如下：
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像识别的变电站刀闸状态识别方法，其特征在于：包括如下步骤：S1、将摄像头安装在变电站刀闸正下方两块闸刀的中间位置，取闸刀间的中轴线为基准线，并选定实时跟踪点位置；S2、获取每个摄像头的图像，通过图像识别方法在图像帧中得到刀闸的边界信息；S3、根据刀闸的边界信息判断得到刀闸的精准闭合状态。2.根据权利要求1所述的一种基于图像识别的变电站刀闸状态识别方法，其特征在于：所述步骤S2中图像识别方法的具体步骤如下：1)用PCA训练出滤波器；2)将图像与滤波器进行卷积，再使用哈希二值化和块直方图进行索引和池化，实现图像特征提取；3)采用最近邻分类器，实现图像识别。3.根据权利要求2所述的一种基于图像识别的变电站刀闸状态识别方法，其特征在于：所述滤波器的目标函数如下：s.t.WW
T
＝I
n1
假设样本X＝[x1,x2,
…
,x
N
]∈IR
n
，对于任一个样本x
i
，以样本中的任一像素点为中心做取块处理，并将所有块去均值化得到X
i
＝[x
i,1
,x
i,2
,
…
,x
i,mn
],其中mn是样本x
i
所取块数，对训练样本中所有样本做同样的处理，得到一个样本矩阵X＝[...

【专利技术属性】
技术研发人员：许杨俊，金鑫，卢铭翔，曾乔迪，谢仲铠，
申请(专利权)人：南方电网数字电网研究院有限公司，
类型：发明
国别省市：