CN103632150A - 一种刀闸状态识别方法及装置 - Google Patents

Abstract

本发明提供了一种刀闸状态识别方法及装置，该方法包括：步骤1，在单尺度空间上对接收到的待检测图像与预存的刀闸模板进行SER和SBR匹配；步骤2，当匹配到SER时，对所述SBR进行MAP Hough直线检测，确定候选直线；步骤3，对所述候选直线进行筛选，确定组成刀闸主体的刀闸主体直线SBL1和SBL2，并根据所述SBL1和SBL2的角度差确定所述刀闸的状态。本发明通过DOT匹配算法对待检测图像进行匹配，并在匹配到SER后，对SBR进行MAP Hough直线检测，对MAP Hough直线检测得到的候选直线进行筛选，确定SBL1和SBL2，降低了匹配算法计算复杂度，提高了并行处理能力，进而能够提高刀闸状态检测的实时性，对候选直线进行筛选，进一步提高SBL1和SBL2角度识别的准确度，尤其对复杂场景具有更佳鲁棒效果。

Description

一种刀闸状态识别方法及装置

技术领域

本发明涉及图像处理领域，尤其涉及一种刀闸状态识别方法及装置。

背景技术

隔离刀闸是高压开关电器中使用最多的一种电器设备，也是变电站中非常重要的设备，隔离刀闸的运行状态直接影响整个电力系统的稳定运行。变电站的日常操作中对刀闸的操作相对比较频繁，也需要人工对刀闸分合状态进行检查。如果刀闸分合不到位会造成部分过热、刀口熔焊等问题，进而影响电网的正常运转。

由于隔离刀闸的正常运行具有重要意义，检测和识别刀闸的分合是否到位成为研究热点。目前对刀闸状态进行识别的方式为利用红外图像结合不变性匹配（Scale Invariant Feature Transform，SIFT）算法实现刀闸状态的识别，但该方式需要将图像在多个尺度空间上进行匹配，计算量大，且较难做到实时计算；也有将SIFT算法替换为加速健壮特征（Speed-Up Robust Features，SURF）算法进行识别，虽然能够在计算上得到一定的提高，但仍很难做到实时，并且，通常变电站中存在许多和刀闸形状相似的设备，SURF算法在特征匹配时容易出现匹配错误的情况，造成刀闸状态识别准确率不高。

发明内容

有鉴于此，本发明的主要目的在于提供一种刀闸状态识别方法及装置，能够高效地实现刀闸状态的准确识别。

为达到上述目的，本发明的技术方案是这样实现的：

一种刀闸状态识别方法，所述方法包括：

步骤1，在单尺度空间上对接收到的待检测图像与预存的刀闸模板进行刀闸端头SER和刀闸直线主体区域SBR匹配；

步骤2，当匹配到SER时，对所述SBR进行最大后验概率霍夫（MAP Hough）直线检测，确定候选直线；

步骤3，对所述候选直线进行筛选，确定组成刀闸主体的刀闸主体直线SBL1和SBL2，并根据所述SBL1和SBL2的角度差确定所述刀闸的状态。

一种刀闸状态识别装置，所述装置包括：匹配单元、直线检测单元、直线筛选单元以及状态确定单元；其中，

所述匹配单元，用于在单尺度空间上对接收到的待检测图像与预存的刀闸模板进行刀闸端头SER和刀闸直线主体区域SBR匹配；

所述直线检测单元，用于在所述匹配单元匹配到SER时，对所述SBR进行MAP Hough直线检测，确定候选直线；

所述直线筛选单元，用于对所述候选直线进行筛选，确定组成刀闸主体的刀闸主体直线SBL1和SBL2；

所述状态确定单元，用于根据所述SBL1和SBL2的角度差确定所述刀闸的状态。

本发明通过在单尺度空间上对待检测图像进行匹配，并在匹配到SER后，对SBR进行MAP Hough直线检测，再对MAP Hough直线检测得到的候选直线进行筛选，确定SBL1和SBL2，降低了算法的复杂度，提高了并行处理能力，进而能够提高刀闸状态检测的实时性，并且对候选直线进行筛选，进一步提高SBL1和SBL2角度识别的准确度，尤其对复杂场景具有更佳鲁棒的效果。

附图说明

图1为本发明实施例的刀闸状态识别方法的实现流程示意图；

图2为本发明实施例的刀闸模板的关键部位示意图；

图3为本发明实施例的刀闸状态识别方法的具体实现流程示意图；

图4为本发明实施例的刀闸状态识别装置的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下举实施例并参照附图，对本发明进一步详细说明。

图1示出了本发明实施例的刀闸状态识别方法的实现流程，如图1所示，所述方法包括下述步骤：

步骤101，在单尺度空间上对接收到的待检测图像与预存的刀闸模板进行刀闸端头SER和刀闸直线主体区域SBR匹配；

其中，所述预存的刀闸模板可根据刀闸的关键部位进行存储，具体可参照图2，所述关键部位包括：刀闸的端头（Switch End Region，SER）、刀闸直线主体区域（Switch Body Region，SBR）、刀闸直线在端头部分的区域（Switch LineThrough Region，SLTR）、刀闸的分割线（Switch Split Line，SSL）、刀闸两部分的连接处（Switch Junction Region，SJR），其中，所述SBR表示刀闸直线主体的区域，其包含组成刀闸主体的刀闸主体直线（Switch Body Line，SBL）。

优选地，在单尺度空间上对接收到的待检测图像与预存的刀闸模板进行匹配可以使用主方向模板（Dominant Orientation Templates，DOT）匹配算法对接收到的待检测图像与预存的刀闸模板进行匹配,具体可包括：

首先，对所述待检测图像进行梯度主方向筛选，计算所述待检测图像的像素点的梯度值，当所述像素点的梯度值不小于梯度阈值时，所述像素点为有效主方向像素点；本步骤进行筛选的原因是：目标物体的轮廓一般是梯度幅值较大的像素点，而原始的DOT匹配算法利用的是模板中的梯度朝向信息，这些朝向信息中有一些位置的梯度实际上幅值很小，这些点在相似度比较中所起到的作用是非常小的；因此通过本步骤梯度朝向的筛选，得到有效主方向像素点组成的图像；其中，所述梯度阈值为以当前像素点为中心的周边像素点的加权梯度平均值，例如，令梯度Gmag(x,y)小于加权的局部梯度平均值Gavg(x,y)（这里的局部可以为7*7等）的那些像素点位置为无效主方向，如此，可以减少杂乱背景对模板匹配的影响，让匹配算法更加准确，具体可如公式1：Gmag(x,y)<w*Gavg(x,y)。

然后，对所述有效主方向像素点组成的图像与所述刀闸模板利用cov(T,D)=E[(T–E(T))(D–E(D)T)]进行归一化协方差计算，根据计算结果确定是否匹配到SBR，其中所述T为刀闸模板的像素矩阵、D为所述有效主方向像素点组成的图像的像素矩阵。

步骤102，当匹配到SER时，对所述SBR进行最大后验概率霍夫MAPHough直线检测，确定候选直线；

在先验角度范围内，进行MAP Hough直线检测,得到候选直线;其中,所述先验角度是所述刀闸模板中刀闸直线在端头部分的区域中心连线的角度。

这里，在进行刀闸直线检测过程中，对于刀闸闭合与断开两种状态，直线都处于特定的角度。直线角度的先验信息可以通过预先的训练过程获得并存储，用于后面的计算，这里，所述先验信息可以包括直线的先验角度等。在Hough变换直线检测中，待检测图像的边缘图像被变换到二维Hough空间，二维Hough空间中包括两个维度：角度参数和距离参数。在变换后的Hough空间中通过确定局部极值，进行直线的定位。

而在本步骤中，在将边缘图像变换到Hough空间的过程中，利用先验角度信息、先验角度可以允许的容忍角度范围来进行映射。也就是说，原有的MAPHough直线检测需要在整个角度（-π～π）的范围内计算边缘图像的联合后验概率，但本步骤中的MAP Hough直线检测只需要在先验角度范围内（alpha_priori-alpha_tolerance～alpha_priori+alpha_tolerance）计算联合后验概率，其中，alpha_priori具体为所述刀闸模板中两个SLTR区域中心连线的角度。

由于刀闸闭合与断开状态的直线角度基本确定，因此，上述处理不会影响到检测的准确性，同时还极大地减少了计算量。

步骤103，对所述候选直线进行筛选，确定组成刀闸直线主体的SBL1和SBL2，并根据所述SBL1和SBL2的角度差确定所述刀闸的状态。

参照候选直线的位置，根据候选直线的显著性、候选直线与预先确定的先验角度之差、候选直线到所述刀闸模板中刀闸直线在端头部分的区域SLTR中心的距离，对所述候选直线进行筛选，分别确定组成刀闸主体的SBL1和SBL2；这里，结合图2，参照候选直线的位置具体可为参照位于SSL两侧的候选直线的位置，进行SBL1和SBL2确定。

具体可以根据P_sbl=w1*P_candidate+w2*P_angle+w3*P_distance，确定P_sbl最大值所对应的候选直线为所述SBL；其中，w1、w2、w3为预设加权值；

该值描述了候选直线的显著性程度，其中candidate为当前候选直线在Hough空间中的累积值/投票(vote)值，candidate_max为候选直线在Hough空间中的累积值/投票(vote)值的最大值；

该值反映候选直线与刀闸模板SBL先验角度的差异，其中alpha为当前候选直线的角度，alpha_priori为预先确定的先验角度，alpha_tolerance为预先确定的容忍角度；

该值反映候选直线与刀闸模板SBL距离的相近程度，其中distance为当前候选直线到所述SLTR中心的距离，2r_SLTR为所述SLTR外接圆的直径。

根据SBL1和SBL2的角度差确定所述刀闸的状态包括：当所述SBL1和SBL2的角度差小于T1时，所述刀闸为闭合状态；当所述SBL1和SBL2的角度差小于T1、小于T2时，所述刀闸为接触不良状态；当所述SBL1和SBL2的角度差大于T2时，所述刀闸为断开状态；其中，所述SBL1和SBL2的角度差均转换为锐角，T1为预设闭合阈值，T2为预设断开阈值，T1<T2，例如，T1=5°，T2=45°。

进一步地，在步骤101之后，本方法实施例还包括：当未匹配到SBR时，则确定未检测到刀闸，流程结束；

在步骤102之后，本方法实施例还包括：当未确定出候选直线时，确定所述刀闸为断开状态。

图3示出了本发明实施例的刀闸状态识别方法的具体实现流程，如图3所示，所述实施例包括下述步骤：

步骤301，通过DOT匹配算法对接收到的待检测图像与预存的刀闸模板进行SER和SBR匹配；

具体地，本步骤中刀闸模块的关键部位具体可参考图2，不再赘述；其中，SER表示刀闸两端的端头，SBR表示刀闸直线主体的区域；若在待检测图像中匹配到刀闸模板的SER，则进一步对刀闸模板的SBR进行匹配。

步骤302，判断是否匹配到SER，若未匹配到，执行步骤303，若匹配到，执行步骤304；

步骤303，当未匹配到SER时，说明当前的待检测图像中未检测到刀闸；

步骤304，对所述SBR进行MAP Hough直线检测；

在先验角度范围内，进行MAP Hough直线检测,得到候选直线;其中,所述先验角度是所述刀闸模板中刀闸直线在端头部分的区域中心连线的角度。

步骤305，判断是否确定出候选直线，当未确定出候选直线时，执行步骤306，当确定出候选直线时，执行步骤307；

步骤306，确定刀闸为断开状态；

由于上述步骤已经匹配出SER和SBR，确定待检测图像中存在刀闸，但又为确定出候选直线，因此，确定刀闸的状态为断开状态。

步骤307，对所述候选直线进行筛选，确定出SBL1和SBL2；

具体的筛选过程可以参见如上步骤103的描述，此处不再赘述。

步骤308，计算SBL1和SBL2的角度差；

步骤309，判断所述角度差是否大于预设的T1，若不大于，执行步骤310，若大于，执行步骤311；

其中，所述T1为预设闭合阈值，例如T1=5°。

步骤310，确定刀闸为闭合状态；

步骤311，进一步判断所述角度差是否小于预设的T2，若小于，执行步骤312，若不小于，执行步骤306；

其中，所述T2为预设断开阈值，且T1<T2，例如T2=45°。

步骤312，确定刀闸为接触不良的状态。

图4示出了本发明实施例的刀闸状态识别装置的结构，如图4所示，所述装置包括：匹配单元、直线检测单元、直线筛选单元以及状态确定单元；其中，

所述匹配单元，用于在单尺度空间上对接收到的待检测图像与预存的刀闸模板进行SER和SBR匹配；

所述直线检测单元，用于在所述匹配单元匹配到SER时，对所述SBR进行MAP Hough直线检测，确定候选直线；

所述直线筛选单元，用于对所述候选直线进行筛选，确定组成刀闸主体的刀闸主体直线SBL1和SBL2；

所述状态确定单元，用于根据所述SBL1和SBL2的角度差确定所述刀闸的状态。

进一步地，所述匹配单元，具体用于对所述待检测图像进行梯度主方向筛选，计算所述待检测图像的像素点的梯度值，当所述像素点的梯度值不小于梯度阈值时，所述像素点为有效主方向像素点，其中所述梯度阈值为以当前像素点为中心的周边像素点的加权梯度平均值；对所述有效主方向像素点组成的图像与所述刀闸模板利用cov(T,D)=E[(T–E(T))(D–E(D)T)]进行归一化协方差计算，根据计算结果确定是否匹配到SBR，其中所述T为刀闸模板的像素矩阵、D为所述有效主方向像素点组成的图像的像素矩阵。

进一步地，所述直线检测单元，具体用于在先验角度范围内，进行MAPHough直线检测,得到候选直线；其中，所述先验角度是所述刀闸模板中刀闸直线在端头部分的区域中心连线的角度。

其中，所述直线筛选单元，具体用于参照候选直线的位置，根据候选直线的显著性、候选直线与预先确定的先验角度之差、候选直线到所述刀闸模板中刀闸直线在端头部分的区域SLTR中心的距离，对所述候选直线进行筛选，分别确定组成所述刀闸主体的SBL1和SBL2。

优选地，所述直线筛选单元，具体用于根据P_sbl=w1*P_candidate+w2*P_angle+w3*P_distance，确定P_sbl最大值所对应的候选直线为所述SBL；其中，w1、w2、w3为预设加权值；其中candidate为当前候选直线在Hough空间中的累积值/投票(vote)值，candidate_max为候选直线在Hough空间中的累积值/投票(vote)值的最大值；

其中alpha为当前候选直线的角度，alpha_priori为预先确定的先验角度，alpha_tolerance为预先确定的容忍角度；

其中distance为当前候选直线到所述SLTR中心的距离，2r_SLTR为所述SLTR外接圆的直径。

本发明实施例提供的刀闸状态识别装置的各功能单元具体可用于执行图1或图3所示方法实施例的流程，其工作原理不再赘述，详见方法实施例的描述。

本发明实施例提供的刀闸状态识别装置具体可以应用在变电站刀闸识别视频服务器，为变电站中现有的视频监控系统提供智能化分析和实时监控服务；还可以内置在智能视频分析终端，具体可集成在摄像头端通过前端分析将检测结果传回控制中心进行应用。

本发明通过在单尺度空间上对待检测图像进行匹配，并在匹配到SER后，对SBR进行MAP Hough直线检测，对MAP Hough直线检测得到的候选直线进行筛选，确定SBL1和SBL2，降低了匹配算法复杂度，提高了并行处理能力，进而能够提高刀闸状态检测的实时性，并且对候选直线进行筛选，进一步提高SBL1和SBL2角度识别的准确度，尤其对复杂场景具有更佳鲁棒的效果。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种刀闸状态识别方法，其特征在于，所述方法包括：

步骤1，在单尺度空间上对接收到的待检测图像与预存的刀闸模板进行刀闸端头SER和刀闸直线主体区域SBR匹配；

步骤2，当匹配到SER时，对所述SBR进行最大后验概率霍夫MAP Hough直线检测，确定候选直线；

步骤3，对所述候选直线进行筛选，确定组成刀闸主体的刀闸主体直线SBL1和SBL2，并根据所述SBL1和SBL2的角度差确定所述刀闸的状态。

2.根据权利要求1所述的方法，其特征在于，所述步骤1包括通过主方向模板DOT匹配算法下执行的下述步骤：

对所述待检测图像进行梯度主方向筛选，计算所述待检测图像的像素点的梯度值，当所述像素点的梯度值不小于梯度阈值时，所述像素点为有效主方向像素点，其中所述梯度阈值为以当前像素点为中心的周边像素点的加权梯度平均值；

对所述有效主方向像素点组成的图像与所述刀闸模板利用cov(T,D)=E[(T–E(T))(D–E(D)T)]进行归一化协方差计算，根据计算结果确定是否匹配到SBR，其中所述T为刀闸模板的像素矩阵、D为所述有效主方向像素点组成的图像的像素矩阵。

3.根据权利要求1所述的方法，其特征在于，所述步骤2包括：

在先验角度范围内,进行MAP Hough直线检测，得到候选直线;其中,所述先验角度是所述刀闸模板中刀闸直线在端头部分的区域中心连线的角度。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述步骤3包括：

参照候选直线的位置，根据候选直线的显著性、候选直线与先验角度之差、候选直线到所述刀闸模板中刀闸直线在端头部分的区域SLTR中心的距离，对所述候选直线进行筛选，分别确定组成刀闸主体的SBL1和SBL2；其中，所述先验角度是所述刀闸模板中刀闸直线在端头部分的区域中心连线的角度。

5.根据权利要求4所述的方法，其特征在于，所述预设步骤3具体根据如下公式确定所述SBL：

P_sbl=w1*P_candidate+w2*P_angle+w3*P_distance，其中P_sbl最大值所对应的候选直线为所述SBL；其中，w1、w2、w3为预设加权值；

其中candidate为当前候选直线在Hough空间中的累积值/投票值，candidate_max为候选直线在Hough空间中的累积值/投票值的最大值；

其中alpha为当前候选直线的角度，alpha_priori为预先确定的先验角度，alpha_tolerance为预先确定的容忍角度；

其中distance为当前候选直线到所述SLTR中心的距离，2r_SLTR为所述SLTR外接圆的直径。

6.一种刀闸状态识别装置，其特征在于，所述装置包括：匹配单元、直线检测单元、直线筛选单元以及状态确定单元；其中，

所述匹配单元，用于在单尺度空间上对接收到的待检测图像与预存的刀闸模板进行刀闸端头SER和刀闸直线主体区域SBR匹配；

所述直线检测单元，用于在所述匹配单元匹配到SER时，对所述SBR进行最大后验概率霍夫MAP Hough直线检测，确定候选直线；

所述直线筛选单元，用于对所述候选直线进行筛选，确定组成刀闸主体的刀闸主体直线SBL1和SBL2；

所述状态确定单元，用于根据所述SBL1和SBL2的角度差确定所述刀闸的状态。

7.根据权利要求6所述的装置，其特征在于，所述匹配单元，具体用于对所述待检测图像进行梯度主方向筛选，计算所述待检测图像的像素点的梯度值，当所述像素点的梯度值不小于梯度阈值时，所述像素点为有效主方向像素点，其中所述梯度阈值为以当前像素点为中心的周边像素点的加权梯度平均值；对所述有效主方向像素点组成的图像与所述刀闸模板利用cov(T,D)=E[(T–E(T))(D–E(D)T)]进行归一化协方差计算，根据计算结果确定是否匹配到SBR，其中所述T为刀闸模板的像素矩阵、D为所述有效主方向像素点组成的图像的像素矩阵。

8.根据权利要求6所述的装置，其特征在于，所述直线检测单元，具体用于在先验角度范围内，进行MAP Hough直线检测,得到候选直线;其中,所述先验角度是所述刀闸模板中刀闸直线在端头部分的区域中心连线的角度。

9.根据权利要求6至8任一项所述的装置，其特征在于，所述直线筛选单元，具体用于参照候选直线的位置，根据候选直线的显著性、候选直线与预先确定的先验角度之差、候选直线到所述刀闸模板中刀闸直线在端头部分的区域SLTR中心的距离，对所述候选直线进行筛选，分别确定组成所述刀闸主体的SBL1和SBL2;其中,所述先验角度是所述刀闸模板中刀闸直线在端头部分的区域中心连线的角度。

10.根据权利要求9所述的装置，其特征在于，所述直线筛选单元，具体用于根据P_sbl=w1*P_candidate+w2*P_angle+w3*P_distance，确定P_sbl最大值所对应的候选直线为所述SBL；其中，w1、w2、w3为预设加权值；

其中candidate为当前候选直线在Hough空间中的累积值/投票值，candidate_max为候选直线在Hough空间中的累积值/投票值的最大值；

其中alpha为当前候选直线的角度，alpha_priori为预先确定的先验角度，alpha_tolerance为预先确定的容忍角度；

其中distance为当前候选直线到所述SLTR中心的距离，2r_SLTR为所述SLTR外接圆的直径。

Images