【技术实现步骤摘要】
本专利技术涉及一种基于图像配准和变化检测的电表箱外观异常检测方法，属于图像处理。
技术介绍
1、智能电网是物联网技术在电力行业的应用之一，它是指通过传感器、通信网络、数据处理等技术手段，实现对电力系统的实时监测、控制和管理，从而提高电力系统的安全性、可靠性和经济性。智能电网的特点包括：1.高度智能，采用数字化和自动化技术，实现了对电力系统各个环节的智能管理和控制；2.自愈、激励和保护用户，抵御攻击，提供满足用户需求的电能质量，容许各种不同发电形式的接入，启动电力市场以及资产的优化高效运行；3.兼容性强，能够实现对多种能源资源的开发、转换(发电)、输电、配电、供电、售电及用电管理等电网系统的各个环节的智能化交流、精确化供电、互补供电、分布供电等。
2、智能电表作为一种计量工具，被广泛应用于社会生产生活的各个领域，电表箱作为保护电表的重要组成部分发挥了可观的作用。电表箱外观的异常可能意味着或将会导致被保护在其中的智能电表出现异常，因此，及时检测电表箱外观出现的异常是有必要的。
3、然而，由于电表箱多安装在室外且分布疏散，安排人工巡检将不可避免地存在疏漏，且人工巡检存在判断的主观性，随着巡检强度的增加，巡检人员对于设备状态的判断准确性也将急剧下降。在这种背景下，使用计算机视觉和图像处理技术代替人工判断检测电表箱外观异常是一项值得研究的内容。但现有的变化检测技术多用于遥感影像检测处理，直接套用这类方法存在准确率低，误检率高等问题。
技术实现思路
1、本专利技术所要解
2、为解决上述技术问题，本专利技术提供一种基于图像配准和变化检测的电表箱外观异常检测方法，
3、一种基于图像配准和变化检测的电表箱外观异常检测方法，包括以下步骤：
4、步骤1.在不同时间拍摄电表箱正面图像，获取两幅电表箱外观的不同时相的图像；
5、步骤2.将获取的两幅图像输入预设的图像配准网络模型，分别提取两幅图像的关键点及表征信息，对两幅图像的关键点进行特征匹配，根据关键点匹配关系计算两幅图像之间的变换模型，完成两幅图像之间的配准；
6、步骤3.将配准后的图像输入预设目标检测网络模型，获取具体的包含电表箱的区域，滤除背景；
7、步骤4.将步骤3处理后的两幅电表箱外观图像输入预设变化检测网络模型，获取两幅图像差异的二值图像；
8、步骤5.计算步骤4所得二值图像中每个区域的像素数和总像素数，判断电表箱外观是否存在异常。
9、前述的一种基于图像配准和变化检测的电表箱外观异常检测方法，在步骤2中，包括以下步骤：
10、步骤21、将获取的两幅图像输入图像关键点检测网络模型，得到两幅图像的关键点及其表征信息，所述图像关键点检测网络模型选用superpoint检测网络模型；
11、步骤22、对两幅图像的关键点进行特征匹配，所述图像关键点匹配网络模型选用superglue特征匹配网络模型；
12、步骤23、根据关键点匹配关系计算两幅图像之间的变换模型，完成两幅图像之间的配准。
13、前述的一种基于图像配准和变化检测的电表箱外观异常检测方法，在步骤21中，具体步骤为：
14、(21a)将获取的两幅图像和分别送入训练好的superpoint图像关键点检测网络模型，其中h和w分别为原始图像的高和宽，以为例，经过编码器结构下采样得到特征图
15、(21b)将步骤(21a)中得到的特征图送入关键点解码器结构，经过卷积层得到特征响应图其中，前64个通道表示一个8×8区域内每个位置的分数，第65个通道表示所述8×8区域内是否存在关键点；经过softmax层，在推理时将无兴趣点的通道滤除，再经过重塑层将滤除无兴趣点通道后的特征图重塑为以代表最终得分；
16、(21c)将步骤(21a)中得到的特征图送入描述子解码器结构，经过卷积层得到特征响应图经过bi-cubic差值处理到原图大小，再对通道做l2归一化得到包含特征信息的热力图
17、前述的一种基于图像配准和变化检测的电表箱外观异常检测方法，在步骤22中，具体步骤为：
18、(22a)根据公式(1)将图像的关键点和描述子编码成一个向量；
19、(0)xi＝di+mlpenc(pi) 公式(1)
20、其中，(0)xi表示将关键点位置和描述子合并成的特征点的初始表示，di表示关键点的描述子信息，pi表示关键点的位置信息，mlpenc()表示多层感知机，用于对低维特征进行升维，完成视觉外观和特征点位置的耦合；
21、(22b)根据公式(2)计算图像a中所有特征更新传递的残差信息；
22、
23、其中，表示图像a上第i个元素在第l层的中间表达形式，信息mε→i是聚合所有特征点{j:(i,j)∈ε}之后的结果，根据公式进行聚合，其中，{j:(i,j)∈ε}表示根据i值查询关系(i,j)∈ε所检索到的特征点j值的集合，αij表示查询与检索到的特征点的相似度，vj表示特征点的特征键值，ε∈{εself,εcross}，εself为图像内部特征点组成的无向边，εcross为本图特征点与另一张图特征点组成的无向边，{·，·}表示两种无向边组成的集合，(i,j)∈ε表示由无向边ε连结的两点，[·||·]表示串联操作；
24、(22c)经过l次的利用自我注意力机制和交叉注意力机制的增强，得到注意力图神经网络的输出fia，计算方式如公式(3)所示；
25、
26、其中，w和b分别为查询参数一和查询参数二，l为固定数值的层数；
27、(22d)根据公式(4)计算特征匹配向量的内积得到匹配度得分矩阵si,j；
28、
29、其中，<·,·>表示内积；
30、(22e)增广匹配度得分矩阵，增广矩阵补充一行一列，设置为dustbin，均用可学习参数来填充，如公式(5)所示；
31、
32、其中，表示增广的匹配度得分矩阵，m和n为原匹配度得分矩阵的行数和列数，表示在原匹配度得分矩阵的右侧增广一列，及第n+1的元素，同理增广和将所增广的元素设置为从有理数集r中所取的值z，使得原大小为m×n的匹配度得分矩阵增广为大小为(m+1)×(n+1)的增广匹配度得分矩阵
33、(22f)根据增广的匹配度得分矩阵，求得增广的最优指派矩阵存在如公式(6)所示的约束；
34、
35、公式(6)
本文档来自技高网...【技术保护点】
1.一种基于图像配准和变化检测的电表箱外观异常检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于图像配准和变化检测的电表箱外观异常检测方法，其特征在于，在步骤2中，包括以下步骤：
3.根据权利要求2所述的一种基于图像配准和变化检测的电表箱外观异常检测方法，其特征在于，在步骤21中，具体步骤为：
4.根据权利要求3所述的一种基于图像配准和变化检测的电表箱外观异常检测方法，其特征在于，在步骤22中，具体步骤为：
5.根据权利要求3所述的一种基于图像配准和变化检测的电表箱外观异常检测方法，其特征在于，在步骤23中，根据所求得的两幅图像关键点匹配关系，计算得到两幅图像之间的变换模型，将两幅图像中的电表箱变换到同一位置，完成两幅图像的配准。
6.根据权利要求1所述的一种基于图像配准和变化检测的电表箱外观异常检测方法，其特征在于，在步骤3中，包括以下步骤：
7.根据权利要求1所述的一种基于图像配准和变化检测的电表箱外观异常检测方法，其特征在于，在步骤4中，具体包括以下步骤：
8.根据权利要
9.根据权利要求1所述的一种基于图像配准和变化检测的电表箱外观异常检测方法，其特征在于，在步骤5中，包括以下步骤：
10.一种计算机装置，包括存储器、处理器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1－9任一项所述方法的步骤。
...【技术特征摘要】
1.一种基于图像配准和变化检测的电表箱外观异常检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于图像配准和变化检测的电表箱外观异常检测方法，其特征在于，在步骤2中，包括以下步骤：
3.根据权利要求2所述的一种基于图像配准和变化检测的电表箱外观异常检测方法，其特征在于，在步骤21中，具体步骤为：
4.根据权利要求3所述的一种基于图像配准和变化检测的电表箱外观异常检测方法，其特征在于，在步骤22中，具体步骤为：
5.根据权利要求3所述的一种基于图像配准和变化检测的电表箱外观异常检测方法，其特征在于，在步骤23中，根据所求得的两幅图像关键点匹配关系，计算得到两幅图像之间的变换模型，将两幅图像中的电表箱变换到同一位置，完成两幅图像的配准。
6.根据权利要求1所述的一种基于图像配准和变化检测的电表箱外观异常检测方法，其特征在于，在步骤3中，包括以下步骤：...
【专利技术属性】
技术研发人员：李庆武，张岩，贺卫刚，惠远鑫，郭旭鹏，陈万红，王春芳，赵磊，刘栋，白守平，
申请(专利权)人：国网青海省电力公司，
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。