一种基于图像处理的汽轮机低压缸末级高速摄像叶片监测系统关键帧提取方法技术方案

本发明专利技术公开了一种基于图像处理的汽轮机低压缸末级高速摄像叶片监测系统关键帧提取方法，属于汽轮机监测技术领域。解决了现有技术中汽轮机低压缸末级叶片监测方法存在的人工监测精准度低、无法自动获取关键帧的问题；本发明专利技术包括以下步骤：S1.读取高速摄像机拍取的低压缸末级叶片监测视频文件，将其拆分为图片，对每帧图片排序并储存；S2.将RGB色彩模式图片转换为灰度图；S3.截取灰度图的中间区域，计算其均值特征量以及均值特征量序列；S4.对均值特征量序列进行归一化的高斯移动平滑处理；S5.计算提取的特征量峰值，锁定峰值对应的关键帧图片。本发明专利技术算法自动获得且计算量较少，可以应用于汽轮机低压缸末级叶片监测。可以应用于汽轮机低压缸末级叶片监测。可以应用于汽轮机低压缸末级叶片监测。

【技术实现步骤摘要】
一种基于图像处理的汽轮机低压缸末级高速摄像叶片监测系统关键帧提取方法


[0001]本专利技术涉及一种汽轮机低压缸末级高速摄像叶片监测系统关键帧提取方法，尤其涉及一种基于图像处理的汽轮机低压缸末级高速摄像叶片监测系统关键帧提取方法，属于汽轮机监测


技术介绍

[0002]汽轮机是一种复杂的旋转机械，其中的低压缸末级叶片是一个很重要的部件，为了保证低压缸末级叶片运行安全，目前已有汽轮机制造商在其生产的汽轮机低压缸末级处安装高速摄像头捕捉叶片信息，在汽轮机低速运行或者盘车过程时通过视频实时监测末级叶片的运行状态。
[0003]但目前叶片监测采取手段为人为监测，主要是将采集的连续的叶片整圈视频缓慢播放进行人工监测，逐帧观察叶片。因此，现有的汽轮机低压缸末级高速摄像叶片监测方法存在以下缺陷：叶片无法排序，人工监测精准度低，无法自动获取关键帧；高速摄像头拍摄的视频存在一个最佳拍摄区域，其中进入最佳区域和离开最佳区域时的截取照片采集不到一支完整叶片信息，不具备存储及分析意义，浪费计算机存储空间。

技术实现思路

[0004]在下文中给出了关于本专利技术的简要概述，以便提供关于本专利技术的某些方面的基本理解。应当理解，这个概述并不是关于本专利技术的穷举性概述。它并不是意图确定本专利技术的关键或重要部分，也不是意图限定本专利技术的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。
[0005]鉴于此，为解决现有技术中汽轮机低压缸末级高速摄像叶片监测方法存在的人工监测精准度低、无法自动获取关键帧的技术问题，本专利技术提供一种基于图像处理的汽轮机低压缸末级高速摄像叶片监测系统关键帧提取方法。
[0006]技术方案如下：一种基于图像处理的汽轮机低压缸末级高速摄像叶片监测系统关键帧提取方法，包括以下步骤：
[0007]S1.读取高速摄像机拍取的低压缸末级叶片监测视频文件，将其拆分为图片，对每帧图片排序并储存；
[0008]S2.将RGB色彩模式图片转换为灰度图；
[0009]S3.截取灰度图的中间区域，计算其均值特征量以及均值特征量序列；
[0010]S4.对均值特征量序列进行归一化的高斯移动平滑处理；
[0011]S5.计算提取的特征量峰值，锁定峰值对应的关键帧图片。
[0012]进一步地，所述S1中，包括以下步骤：
[0013]S11.调用python库中的opencv库内置的VideoCapture模块，读取汽轮机低压缸末级叶片附近摄像机拍摄的视频文件，逐帧提取图片；
[0014]S12.将n张图片进行排序编号，编号为T(t1，t2...t
n
)，图片命名为编号+JPG格式，并进行储存。
[0015]进一步地，所述S2中，利用加权平均法将RGB色彩模式图片转化为灰度图。
[0016]进一步地，所述S3中，包括以下步骤：
[0017]S31.以灰度图中间位置[h/2,v/2]为中心，h为图像横向像素，v为图像竖向像素，获取一个p*p宽度的像素块矩阵H[
l,m
]；
[0018]S32.计算像素块矩阵H[
l,m
]的均值为a，a用以表示为特征量；
[0019]S33.将所有特征量组成一个均值特征量序列
[0020]进一步地，所述S31中，p可取范围为80px
‑
150px，像素块矩阵H[
l,m
]表示为H
[l,m](l,m＝1,2...p)；
[0021]所述S32中，特征量a计算公式为：
[0022][0023]进一步地，所述S4中，包括以下步骤：
[0024]S41.对均值特征量序列进行高斯移动平滑处理前，添加窗函数；
[0025]S42.求出高斯函数f(x)，并对其进行归一化求得f1(x)；
[0026]S43.将均值特征量序列与f1(x)进行卷积，得到高斯移动平滑后的序列
[0027]进一步地，所述S41中，窗函数数值设定为5；
[0028]所述S42中，高斯函数f(x)计算公式为：
[0029][0030]其中，x为[
‑
1，
‑
0.5，0，0.5，1]，σ为x的均方差，μ为x的均值，求得f(x)为[0.2267，0.4132，0.5046，0.4132，0.2267]，对高斯函数f(x)进行归一化求得f1(x)；
[0031]f1(x)计算公式为：
[0032][0033]得到f1(x)为[0.1271，0.2315，0.2828，0.2315，0.1271]。
[0034]进一步地，所述S5中，包括以下步骤：
[0035]S51.采取差分法提取特征量的峰值，求出差分后的序列
[0036]S52.筛选出满足峰值点判定准则的点，锁定峰值点对应的图片编号，存储关键帧图片；
[0037]进一步地，所述S52中，峰值点判定准则为：
[0038][0039]其中，s＝1,2,n
‑
1，满足上述判别准则的点即为所求的峰值点。
[0040]本专利技术的有益效果如下：本专利技术基于图像处理可以实现提取汽轮机低压缸末级叶片监测视频中处于最佳观察位置的关键帧图片；将现场高速摄像机拍摄的汽轮机低压缸末级叶片监测视频文件拆分为图片并排序，节约了人力资源；将图片转换为灰度图，截取灰度图中心区域计算特征量，并将所有图片的特征量组成一个均值特征量序列，使用高斯移动平滑处理均值特征量序列，消除了均值特征量序列的局部范围波动，提高了特征量精确度；采用差分法得到均值特征量的峰值点，根据峰值点对应的图片编号可以锁定关键帧图片，自动存储，节约了计算机储存空间；本专利技术在获取关键帧方式上算法自动获得，并且计算量较小，解决了现有的汽轮机低压缸末级高速摄像叶片监测方法存在的人工监测精准度低、无法自动获取关键帧的问题。
附图说明
[0041]此处所说明的附图用来提供对本专利技术的进一步理解，构成本专利技术的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0042]图1为一种基于图像处理的汽轮机低压缸末级高速摄像叶片监测系统关键帧提取方法流程示意图；
[0043]图2为汽轮机低压缸末级叶片灰度图及其最佳视域示意图；
[0044]图3为汽轮机低压缸末级叶片中心区域灰度图序列示意图；
[0045]图4为汽轮机低压缸末级叶片像素特征量示意图；
[0046]图5为汽轮机低压缸末级叶片高斯移动平滑前后像素特征量对比示意图；
[0047]图6为汽轮机低压缸末级叶提取的像素特征量及其峰值示意图。
具体实施方式
[0048]为了使本专利技术实施例中的技术方案及优点更加清楚明白，以下结合附图对本专利技术的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本专利技术的一部分实施例，而不是所有实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像处理的汽轮机低压缸末级高速摄像叶片监测系统关键帧提取方法，其特征在于，包括以下步骤：S1.读取高速摄像机拍取的低压缸末级叶片监测视频文件，将其拆分为图片，对每帧图片排序并储存；S2.将RGB色彩模式图片转换为灰度图；S3.截取灰度图的中间区域，计算其均值特征量以及均值特征量序列；S4.对均值特征量序列进行归一化的高斯移动平滑处理；S5.计算提取的特征量峰值，锁定峰值对应的关键帧图片。2.根据权利要求1所述的一种基于图像处理的汽轮机低压缸末级高速摄像叶片监测系统关键帧提取方法，其特征在于，所述S1中，包括以下步骤：S11.调用python库中的opencv库内置的VideoCapture模块，读取汽轮机低压缸末级叶片附近摄像机拍摄的视频文件，逐帧提取图片；S12.将n张图片进行排序编号，编号为T(t1，t2...t
n
)，图片命名为编号+JPG格式，并进行储存。3.根据权利要求2所述的一种基于图像处理的汽轮机低压缸末级高速摄像叶片监测系统关键帧提取方法，其特征在于，所述S2中，利用加权平均法将RGB色彩模式图片转化为灰度图。4.根据权利要求2或3所述的一种基于图像处理的汽轮机低压缸末级高速摄像叶片监测系统关键帧提取方法，其特征在于，所述S3中，包括以下步骤：S31.以灰度图中间位置[h/2,v/2]为中心，h为图像横向像素，v为图像竖向像素，获取一个p*p宽度的像素块矩阵H[
l,m
]；S32.计算像素块矩阵H[
l,m
]的均值为a，a用以表示为特征量；S33.将所有特征量组成一个均值特征量序列5.根据权利要求4所述的一种基于图像处理的汽轮机低压缸末级高速摄像叶片监测系统关键帧提取方法，其特征在于，所述S4中，包括以下步骤：S41.对均值特征量序列进行高斯移动...

【专利技术属性】
技术研发人员：程学亮，王东，邵崇晖，郑宏伟，初世明，马义良，刘志德，李光磊，关淳，胡炳南，刘洋，张亦宁，尉坤，潘劭平，薛海亮，李洪亮，张春秀，王鑫雨，
申请(专利权)人：哈尔滨汽轮机厂有限责任公司，
类型：发明
国别省市：