CN105893938A - 一种油温表的读数方法及系统 - Google Patents
一种油温表的读数方法及系统 Download PDFInfo
- Publication number
- CN105893938A CN105893938A CN201610185684.6A CN201610185684A CN105893938A CN 105893938 A CN105893938 A CN 105893938A CN 201610185684 A CN201610185684 A CN 201610185684A CN 105893938 A CN105893938 A CN 105893938A
- Authority
- CN
- China
- Prior art keywords
- oil temperature
- response
- temperature gauge
- value
- dial plate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种油温表的读数方法及系统,根据油温表的指针线的几何特征及油温表表盘灰度信息分布特点,对油温表表盘图像进行哈尔响应计算,得到哈尔响应图,由于指针线区域相对于非指针区域有更高的哈尔响应值,因此本发明通过直方图对哈尔响应值的分布进行统计,并将满足预设要求的分位点对应的哈尔响应值作为阈值,筛选出哈尔响应图中的局部极大值点;并通过直线拟合的方法,将哈尔响应值之和最大的直线作为油温表表盘图像中的指针线,最后根据指针线以及油温表表盘图像标记的刻度点,得到指针线在油温表表盘图像中指向的刻度值。因此,本发明解放了人力,降低了安全隐患。
Description
技术领域
本发明涉及油温表技术领域,更具体的说,涉及一种油温表的读数方法及系统。
背景技术
油温表是一种用来显示目标油液温度的仪表,通过对所述油温表当前读数的监控可及时了解目标油箱内的油液量,从而防止因目标油箱内的油量过高而引发的一系列的问题。因此,对油温表进行日常巡检是变电站人工运维中非常重要的项目之一。
目前,主要通过人工巡检的方式对油温表指针的指示状态进行检测。但在通过人工巡检存在巡检不安全以及巡检效率低等问题。因此,如何提供一种油温表的读数方法及系统来完成巡检任务,以解放人力、降低安全隐患是本领域技术人员亟待解决的技术问题。
发明内容
有鉴于此,本发明公开一种油温表的读数方法及系统,以实现在完成巡检任务的同时,解放人力,降低安全隐患。
一种油温表的读数方法,包括:
获取油温表图像,根据油温表表盘的梯度角度描述符信息,对所述油温表图像进行模板匹配操作,得到油温表表盘图像;
对所述油温表表盘图像进行哈尔响应计算得到油温表表盘图像的哈尔响应图;
对所述哈尔响应图中的各个哈尔响应值进行直方图信息统计,查找到高数值的哈尔响应值数量占哈尔响应值总数量的百分比为预设百分比的分位点,将所述分位点对应的哈尔响应值作为阈值;
获取所述哈尔响应图中的各个局部极大值点;
对各所述局部极大值点采用直线拟合方法得到各个初始直线,根据所述阈值对各所述初始直线进行拟合修正,得到一组直线,将各所述直线中像素点的哈尔响应值之和最大的直线作为油温表表盘图像中的指针线;
根据所述指针线以及训练阶段预先在油温表表盘图像标记的刻度点,确定所述指针线指向的刻度值。
优选的,上述读数方法中,所述对所述油温表表盘图像进行哈尔响应计算得到油温表表盘图像的哈尔响应图,包括:
将所述油温表表盘图像的颜色从RGB颜色空间转换为YCbCr颜色空间;
利用红色分量值与亮度分量进行差分计算,得到对应的颜色差分图;
对所述颜色差分图进行哈尔响应计算,得到油温表表盘图像的哈尔响应图。
优选的,上述读数方法中,所述对所述颜色差分图进行哈尔响应计算,得到油温表表盘图像的哈尔响应图的过程包括:
以预设角度为步长,对所述颜色差分图进行旋转,并对每个旋转角度的颜色差分图像进行一次遍历,计算得到各个像素点的哈尔响应值;
依次选取每个所述像素点在不同旋转角度下的最大的哈尔响应值,并将所述最大的哈尔响应值作为该像素点的最终哈尔响应值;
将各所述像素点的最终哈尔响应值进行组合,形成油温表表盘图像的哈尔响应图。
优选的,上述读数方法中,所述获取所述哈尔响应图中的各个局部极大值点的过程包括:
遍历所述哈尔响应图,查找哈尔响应值大于所述阈值的像素点;
依次在每个所述像素点的局部邻域内,判断该像素点对应的哈尔响应值是否为局部极大值点;
如果是,则将像素点和局部极大值点以对应关系的形式进行存储。
优选的,上述读数方法中,所述对各所述局部极大值点采用直线拟合方法得到各个初始直线,根据所述阈值对各所述初始直线进行拟合修正,得到一组直线,将各所述直线中像素点的哈尔响应值之和最大的直线作为油温表表盘图像中的指针线的过程包括:
采用随机抽样一致算法,从所有局部极大值点中,每次任选其中两个局部极大值点进行直线拟合,得到初始直线;
利用剩余的到所述初始直线的距离小于所述阈值的局部极大值点,对所述初始直线进行拟合修正,得到一条候选直线;
在对所述局部极大值点遍历结束后,将所有候选直线集合,得到包含多条候选直线的一组直线;
依次计算每条所述直线上像素点的哈尔响应值之和,并将所述哈尔响应值之和作为该直线的置信度,并将置信度最高的直线作为油温表表盘图像中的指针线。
一种油温表的读数系统,包括:
表盘图像获取单元,用于获取油温表图像,根据油温表表盘的梯度角度描述符信息,对所述油温表图像进行模板匹配操作,得到油温表表盘图像;
哈尔响应单元,用于所述油温表表盘图像进行哈尔响应计算,得到油温表表盘图像的哈尔响应图;
统计单元,用于对所述哈尔响应图中的各个哈尔响应值进行直方图信息统计,查找到高数值的哈尔响应值数量占哈尔响应值总数量的百分比为预设百分比的分位点,将所述分位点对应的哈尔响应值作为阈值;
局部极大值点获取单元,用于获取所述哈尔响应图中的各个局部极大值点;
指针线获取单元,用于对各所述局部极大值点采用直线拟合方法得到各个初始直线,根据所述阈值对各所述初始直线进行拟合修正,得到一组直线,将各所述直线中像素点的哈尔响应值之和最大的直线作为油温表表盘图像中的指针线;
温度值读取单元,用于根据所述指针线以及训练阶段预先在油温表表盘图像标记的刻度点,确定所述指针线指向的刻度值。
优选的,上述读数系统中,所述哈尔响应单元,包括:
颜色转换子单元,用于将所述油温表表盘图像的颜色从RGB颜色空间转换为YCbCr颜色空间;
差分图转换单元,用于利用红色分量值与亮度分量进行差分计算,得到对应的颜色差分图;
子响应单元,用于对所述颜色差分图进行哈尔响应计算,得到油温表表盘图像的哈尔响应图。
优选的,上述读数系统中,所述子响应单元包括:
哈尔响应值计算单元,用于以预设角度为步长,对所述颜色差分图进行旋转,并对每个旋转角度的颜色差分图像进行一次遍历,计算得到各个像素点的哈尔响应值;
选取子单元,用于依次选取每个所述像素点在不同旋转角度下的最大的哈尔响应值,并将所述最大的哈尔响应值作为该像素点的最终哈尔响应值;
组合子单元,用于将各所述像素点的最终哈尔响应值进行组合,形成油温表表盘图像的哈尔响应图。
优选的,上述读数系统中,所述局部极大值点获取单元包括:
查找子单元,用于遍历所述哈尔响应图,查找哈尔响应值大于所述阈值的像素点;
判断子单元,用于依次在每个所述像素点的局部邻域内,判断该像素点对应的哈尔响应值是否为局部极大值点,如果是,则执行存储子单元;
所述存储子单元,用于将像素点和局部极大值点以对应关系的形式进行存储。
优选的,上述读数系统中,所述指针线获取单元包括:
直线拟合子单元,用于采用随机抽样一致算法,从所有局部极大值点中,每次任选其中两个局部极大值点进行直线拟合,得到初始直线;
修正子单元,用于利用剩余的到所述初始直线的距离小于所述阈值的局部极大值点,对所述初始直线进行拟合修正,得到一条候选直线;
集合子单元,用于在对所述局部极大值点遍历结束后,将所有候选直线集合,得到包含多条候选直线的一组直线;
指针线获取子单元,用于依次计算每条所述直线上像素点的哈尔响应值之和,并将所述哈尔响应值之和作为该直线的置信度,并将置信度最高的直线作为油温表表盘图像中的指针线。
从上述的技术方案可以看出,本发明公开了一种油温表的读数方法及系统,根据油温表的指针线的几何特征及油温表表盘灰度信息分布特点,对油温表表盘图像进行哈尔响应计算,得到对应的哈尔响应图,由于指针线区域相对于非指针区域有更高的哈尔响应值,因此,本发明通过直方图对哈尔响应值的分布进行统计,并将满足预设要求的分位点对应的哈尔响应值作为阈值,筛选出哈尔响应图中的局部极大值点。由于局部极大值点的集合中包含有指针线上一些作为直线拟合的点,因此,本发明通过直线拟合的方法,将哈尔响应值之和最大的直线作为油温表表盘图像中的指针线,最后根据指针线以及训练阶段预先在油温表表盘图像标记的刻度点,得到指针线在油温表表盘图像中指向的刻度值。可以看出,本发明相比现有技术而言,无需巡检人员去现场采集数据,因此达到了在完成巡检任务的同时,解放人力,降低安全隐患的目的。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据公开的附图获得其他的附图。
图1为本发明实施例公开的一种油温表的读数方法流程图;
图2为本发明实施例公开的一种油温表的读数系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例公开了一种油温表的读数方法及系统,以实现在完成巡检任务的同时,解放人力,降低安全隐患。
本发明的基本方案为:基于油温表指示状态检测需求,首先确定油温表在获取的油温表图像中的位置;然后待油温表对象确定后,在油温表表盘范围内寻找指针线位置;最后根据表盘读数规则,计算油温表的当前指示状态。
具体方案如下:
参见图1,本发明实施例公开的一种油温表的读数方法流程图,包括步骤:
步骤S11、获取油温表图像,根据油温表表盘的梯度角度描述符信息,对所述油温表图像进行模板匹配操作,得到油温表表盘图像;
其中,油温表图像采用摄像机获取。
梯度角度描述符是一种描述图像细节的特征,在训练阶段获取。
梯度角度描述符的获取过程具体如下:
(1)利用摄像机获取油温表的训练图像,并从该训练图像中获取仅包含油温表表盘的表盘对象区域;
(2)申请一块和训练图像大小一致的内存空间,用于存放根据训练图像得到的模板图像(即Mask图),该模板图像为一张黑白二值图像,白色区域表示表盘对象区域,黑色区域表示表盘对象区域以外的其他背景区域;
(3)对于表盘对象区域,按从左到右,再从上到下的顺序,依次计算每个像素点的梯度值和角度值,由此获取油温表表盘的梯度角度描述符信息,并保存至内存中。
步骤S12、对所述油温表表盘图像进行哈尔响应计算得到油温表表盘图像的哈尔响应图;
需要说明的是,哈尔响应图中的哈尔特征(haar)由哈尔模板黑色填充区域所覆盖的像素值之和sum(黑)与白色填充区域所覆盖的像素值之和sum(白)的差值来表示:
sum(黑)-sum(白)或sum(白)-sum(黑)。
步骤S13、根据所述哈尔响应图获取阈值;
具体的,对所述哈尔响应图中的各个哈尔响应值进行直方图信息统计,查找到高数值的哈尔响应值数量占哈尔响应值总数量的百分比为预设百分比的分位点,将所述分位点对应的哈尔响应值作为阈值;
其中,预设百分比的数值具体依据实际需要而定,例如75%,本发明在此不做限定。
步骤S14、获取所述哈尔响应图中的各个局部极大值点;
需要说明的是,步骤S13和步骤S14在实际执行过程中,没有固定先后顺序,可以先执行步骤S13,后执行步骤S14,或是先执行步骤S14,后执行步骤S13,或是两个步骤同时执行。
步骤S15、根据局部极大值点和阈值获取油温表表盘图像中的指针线;
具体的,对各所述局部极大值点采用直线拟合方法得到各个初始直线,根据所述阈值对各所述初始直线进行拟合修正,得到一组直线,将各所述直线中像素点的哈尔响应值之和最大的直线作为油温表表盘图像中的指针线。
步骤S16、根据所述指针线以及训练阶段预先在油温表表盘图像标记的刻度点,确定所述指针线指向的刻度值。
其中,当所述油温表表盘的刻度点呈半圆形或小于半圆形的圆周分布,或呈一行或一列的方式分布时,此时得到的指针线只穿过一个表盘上的刻度点,该刻度点对应的刻度值即为油温表当前的读数值,因此,可通过所述述指针线的位置以及训练阶段预先在油温表表盘图像标记的刻度点直接确定油温表的读数(即刻度值)。
当所述油温表表盘的刻度点呈圆形或大于半圆形的圆周分布时,此时所述指针线可能会穿过两个刻度值,因此,为了确定所述指针对应的真实刻度值需要确定指针的方向,针对于此,所述步骤S16具体可以包括:步骤S161、步骤S162和步骤S163;
步骤S161、获取指针线的起点位置和终点位置;
具体的,获取垂直于所述指针线的连续的且哈尔响应值大于所述阈值的像素点的个数,将具有最多像素点的指针线的位置作为指针的起点位置,将具有最少像素点的位置作为指针的终点位置;或者随机截取所述指针线上的两个不同的位置点,记为第一位置点和第二位置点,获取垂直于所述指针线且穿过所述第一位置点和第二位置点的直线上的连续的哈尔响应值大于所述阈值的像素点的个数,判断与所述第一位置点对应的像素点的个数和第二位置点对应的像素点的个数的大小,将像素点数量较少的位置点作为指针的终点位置,将像素点数量较多的位置点作为指针的起点位置。
步骤S162、根据所述起点位置和所述终点位置,计算得到所述指针线的斜率和截距;
步骤S163、根据训练阶段预先在油温表表盘图像标记的刻度点,以及指针线的参数信息,计算得到所述指针线在油温表表盘图像中指向的刻度值。
指针线的参数信息包括:起点位置、终点位置、斜率和截距。
其中,训练阶段在油温表表盘图像标记刻度点的过程为:在油温表的训练图像上标记表盘中的刻度点,并将各刻度点的位置进行记录,然后,根据标记的刻度点,人工输入对应的刻度值,并进行保存。
综上可以看出,本发明根据油温表的指针线的几何特征及油温表表盘灰度信息分布特点,对油温表表盘图像进行哈尔响应计算,得到对应的哈尔响应图,初步过滤背景干扰;由于指针线区域相对于非指针区域有更高的哈尔响应值,因此,本发明通过直方图对哈尔响应值的分布进行统计,并将满足预设要求的分位点对应的哈尔响应值作为阈值,筛选出哈尔响应图中的局部极大值点,进一步过滤背景干扰;由于局部极大值点的集合中包含有指针线上一些作为直线拟合的点,因此,本发明通过直线拟合的方法,将哈尔响应值之和最大的直线作为油温表表盘图像中的指针线,最后根据指针线及训练阶段预先在油温表表盘图像标记的刻度点,得到指针线在油温表表盘图像中指向的刻度值。可以看出,本发明相比现有技术而言,无需巡检人员去现场采集数据,因此达到了在完成巡检任务的同时,解放人力,降低安全隐患的目的。
当然可以理解的是,如果油温过低或过高时,可能会影响设备的正常使用,因此,当油温过低或过高时,为了能够对用户及时作出提醒,所述步骤S16之后,还可以包括:判断所述指针线在油温表表盘中所指向的刻度值是否在预设范围内,如果否,输出告警信号。
为进一步优化上述实施例,步骤S12具体包括:
步骤S121、将油温表表盘图像的颜色从RGB(红绿蓝)颜色空间转换为YCbCr颜色空间;
其中,YCbCr有时候会被写作:YCBCR或是Y'CBCR,是色彩空间的一种,通常会用于影片中的影像连续处理,或是数字摄影系统中。Y'为颜色的亮度(luma)成分、而CB和CR则为蓝色和红色的浓度偏移量成份。Y'和Y是不同的,而Y就是所谓的流明,表示光的浓度且为非线性,使用伽马修正(gammacorrection)编码处理。
步骤S122、利用红色分量值与亮度分量进行差分计算,得到对应的颜色差分图;
步骤S123、对所述颜色差分图进行哈尔响应计算,得到油温表表盘图像的哈尔响应图。
为进一步优化上述实施例,步骤S123具体包括:
步骤S1231、以预设角度为步长,对所述颜色差分图进行旋转,并对每个旋转角度的颜色差分图像进行一次遍历,计算得到各个像素点的哈尔响应值;
所述预设角度的数值具体依据实际需要而定,例如10°。
需要说明的是,实际变电站现场的油温表指针可能指向任意角度,为了能够让指针线与哈尔模板匹配,可以预设角度为步长,对所述颜色差分图进行旋转,并对每个旋转角度的颜色差分图像进行一次遍历,计算得到各个像素点的哈尔响应值。
步骤S1232、依次选取每个所述像素点在不同旋转角度下的最大的哈尔响应值,并将所述最大的哈尔响应值作为该像素点的最终哈尔响应值;
步骤S1233、将各所述像素点的最终哈尔响应值进行组合,形成油温表表盘图像的哈尔响应图。
为进一步优化上述实施例,步骤S14具体包括:
步骤S141、遍历哈尔响应图,查找哈尔响应值大于阈值的像素点;
步骤S142、依次在每个所述像素点的局部邻域内,判断该像素点对应的哈尔响应值是否为局部极大值点,如果是,则执行步骤S143;
步骤S143、将像素点和局部极大值点以对应关系的形式进行存储。
需要说明的是,当像素点对应的哈尔响应值不是局部极大值点时,则排除该像素点。
为进一步优化上述实施例,步骤S15具体包括:
步骤S151、采用随机抽样一致算法,从所有局部极大值点中,每次任选其中两个局部极大值点进行直线拟合,得到初始直线;
其中,随机抽样一致算法(RANdom Sample Consensus,RANSAC)是一种根据一组包含异常数据的样本数据集,计算出数据的数学模型参数,得到有效样本数据的算法。
RANSAC算法的基本假设是样本中包含正确数据(inliers,可以被模型描述的数据),也包含异常数据(outliers,偏离正常范围很远、无法适应数学模型的数据),即数据集中含有噪声。这些异常数据可能是由于错误的测量、错误的假设、错误的计算等产生的。同时RANSAC也假设,给定一组正确的数据,存在可以计算出符合这些数据的模型参数的方法。
步骤S152、利用剩余的到所述初始直线的距离小于所述阈值的局部极大值点,对所述初始直线进行拟合修正,得到一条候选直线;
其中,通过判断局部极大值点到初始直线的距离是否小于阈值,来判断该局部极大值点是否在初始直线上。
步骤S153、在对所述局部极大值点遍历结束后,将所有候选直线集合,得到包含多条候选直线的一组直线;
步骤S154、依次计算每条所述直线上像素点的哈尔响应值之和,并将所述哈尔响应值之和作为该直线的置信度,并将置信度最高的直线作为油温表表盘图像中的指针线。
综上可以看出,本发明根据油温表的指针线的几何特征及油温表表盘灰度信息分布特点,对进行颜色空间转换后的油温表表盘进行哈尔响应计算,得到对应的哈尔响应图,初步过滤背景干扰;由于指针线区域相对于非指针区域有更高的哈尔响应值,因此,本发明通过直方图对哈尔响应值的分布进行统计,并将满足预设要求的分位点对应的哈尔响应值作为阈值,筛选出哈尔响应图中的局部极大值点,进一步过滤背景干扰;由于局部极大值点的集合中包含有指针线上一些作为直线拟合的点,因此,本发明通过直线拟合的方法,将哈尔响应值之和最大的直线作为油温表表盘图像中的指针线,最后根据指针线的起点位置、终点位置、斜率、截距以及训练阶段预先在油温表表盘图像标记的刻度点,得到指针线在油温表表盘图像中指向的刻度值。可以看出,本发明相比现有技术而言,无需巡检人员去现场采集数据,因此达到了在完成巡检任务的同时,解放人力,降低安全隐患的目的。
与上述方法实施例相对应,本发明还公开了一种油温表的读数系统。
参见图2,本发明实施例公开的一种油温表的读数系统的结构示意图,包括:
表盘图像获取单元21,用于获取油温表图像,根据油温表表盘的梯度角度描述符信息,对所述油温表图像进行模板匹配操作,得到油温表表盘图像;
其中,油温表图像采用摄像机获取。
梯度角度描述符是一种描述图像细节的特征,在训练阶段获取。
梯度角度描述符的获取过程具体如下:
(1)利用摄像机获取油温表的训练图像,并从该训练图像中获取仅包含油温表表盘的表盘对象区域;
(2)申请一块和训练图像大小一致的内存空间,用于存放根据训练图像得到的模板图像(即Mask图),该模板图像为一张黑白二值图像,白色区域表示表盘对象区域,黑色区域表示表盘对象区域以外的其他背景区域;
(3)对于表盘对象区域,按从左到右,再从上到下的顺序,依次计算每个像素点的梯度值和角度值,由此获取油温表表盘的梯度角度描述符信息,并保存至内存中。
哈尔响应单元22,用于所述油温表表盘图像进行哈尔响应计算,得到油温表表盘图像的哈尔响应图;
需要说明的是,哈尔响应图中的哈尔特征(haar)由哈尔模板黑色填充区域所覆盖的像素值之和sum(黑)与白色填充区域所覆盖的像素值之和sum(白)的差值来表示:
sum(黑)-sum(白)或sum(白)-sum(黑)。
统计单元23,用于对所述哈尔响应图中的各个哈尔响应值进行直方图信息统计,查找到高数值的哈尔响应值数量占哈尔响应值总数量的百分比为预设百分比的分位点,将所述分位点对应的哈尔响应值作为阈值;
其中,预设百分比的数值具体依据实际需要而定,例如75%,本发明在此不做限定。
局部极大值点获取单元24,用于获取所述哈尔响应图中的各个局部极大值点;
指针线获取单元25,用于对各所述局部极大值点采用直线拟合方法得到各个初始直线,根据所述阈值对各所述初始直线进行拟合修正,得到一组直线,将各所述直线中像素点的哈尔响应值之和最大的直线作为油温表表盘图像中的指针线;
温度值读取单元26,用于根据所述指针线以及训练阶段预先在油温表表盘图像标记的刻度点,确定所述指针线指向的刻度值;
其中,当所述油温表表盘的刻度点呈半圆形或小于半圆形的圆周分布,或呈一行或一列的方式分布时,此时得到的指针线只穿过一个表盘上的刻度点,该刻度点对应的刻度值即为油温表当前的读数值,因此,温度值读取单元26可通过所述述指针线的位置以及训练阶段预先在油温表表盘图像标记的刻度点直接确定油温表的读数(即刻度值)。
当所述油温表表盘的刻度点呈圆形或大于半圆形的圆周分布时,此时所述指针线可能会穿过两个刻度值,因此,为了确定所述指针对应的真实刻度值需要确定指针的方向,针对于此,所述温度值读取单元26具体可以包括:指针位置获取单元261、第一计算单元262和第二计算单元263;
所述指针位置获取单元261,用于获取垂直于所述指针线的连续的且哈尔响应值大于所述阈值的像素点的个数,将具有最多像素点的位置作为指针的起点位置,将具有最少像素点的位置作为指针的终点位置;
所述第一计算单元262,用于根据所述起点位置和所述终点位置,计算得到所述指针线的斜率和截距;
所述第二计算单元263,用于根据训练阶段预先在油温表表盘图像标记的刻度点,以及所述起点位置、所述终点位置、所述斜率和所述截距,计算得到所述指针线在油温表表盘图像中指向的刻度值。
其中,训练阶段在油温表表盘图像标记刻度点的过程为:在油温表的训练图像上标记表盘中的刻度点,并将各刻度点的位置进行记录,然后,根据标记的刻度点,人工输入对应的刻度值,并进行保存。
综上可以看出,本发明根据油温表的指针线的几何特征及油温表表盘灰度信息分布特点,对进行颜色空间转换后的油温表表盘进行哈尔响应计算,得到对应的哈尔响应图,初步过滤背景干扰;由于指针线区域相对于非指针区域有更高的哈尔响应值,因此,本发明通过直方图对哈尔响应值的分布进行统计,并将满足预设要求的分位点对应的哈尔响应值作为阈值,筛选出哈尔响应图中的局部极大值点,进一步过滤背景干扰;由于局部极大值点的集合中包含有指针线上一些作为直线拟合的点,因此,本发明通过直线拟合的方法,将哈尔响应值之和最大的直线作为油温表表盘图像中的指针线,最后根据指针线以及训练阶段预先在油温表表盘图像标记的刻度点,得到指针线在油温表表盘图像中指向的刻度值。可以看出,本发明相比现有技术而言,无需巡检人员去现场采集数据,因此达到了在完成巡检任务的同时,解放人力,降低安全隐患的目的。
为了进一步优化上述实施例,上述系统中,还可以包括:
告警单元,所述告警单元用于判断所述指针线指向的刻度值是否在预设范围内,如果否,输出告警信号。
为进一步优化上述实施例,哈尔响应单元22包括:
颜色转换子单元221,用于将所述油温表表盘图像的颜色从RGB颜色空间转换为YCbCr颜色空间;
第一计算子单元222,用于利用红色分量值与亮度分量进行差分计算,得到对应的颜色差分图;
子响应单元223,用于对所述颜色差分图进行哈尔响应计算,得到油温表表盘图像的哈尔响应图。。
为进一步优化上述实施例,子响应单元223包括:
第二计算子单元2231,用于以预设角度为步长,对所述颜色差分图进行旋转,并对每个旋转角度的颜色差分图像进行一次遍历,计算得到各个像素点的哈尔响应值;
预设角度的数值具体依据实际需要而定,例如10°。
需要说明的是,实际变电站现场的油温表指针可能指向任意角度,为了能够让指针线与哈尔模板匹配,可以预设角度为步长,对所述颜色差分图进行旋转,并对每个旋转角度的颜色差分图像进行一次遍历,计算得到各个像素点的哈尔响应值。
选取子单元2232,用于依次选取每个所述像素点在不同旋转角度下的最大的哈尔响应值,并将所述最大的哈尔响应值作为该像素点的最终哈尔响应值;
组合子单元2233,用于将各所述像素点的最终哈尔响应值进行组合,形成油温表表盘图像的哈尔响应图。
为进一步优化上述实施例,局部极大值点获取单元24包括:
查找子单元241,用于遍历所述哈尔响应图,查找哈尔响应值大于所述阈值的像素点;
判断子单元242,用于依次在每个所述像素点的局部邻域内,判断该像素点对应的哈尔响应值是否为局部极大值点,如果是,则执行存储子单元243;
存储子单元243,用于将像素点和局部极大值点以对应关系的形式进行存储。
需要说明的是,当像素点对应的哈尔响应值不是局部极大值点时,则排除该像素点。
为进一步优化上述实施例,指针线获取单元25包括:
直线拟合子单元251,用于采用随机抽样一致算法,从所有局部极大值点中,每次任选其中两个局部极大值点进行直线拟合,得到初始直线;
其中,随机抽样一致算法(RANdom Sample Consensus,RANSAC)是一种根据一组包含异常数据的样本数据集,计算出数据的数学模型参数,得到有效样本数据的算法。
RANSAC算法的基本假设是样本中包含正确数据(inliers,可以被模型描述的数据),也包含异常数据(outliers,偏离正常范围很远、无法适应数学模型的数据),即数据集中含有噪声。这些异常数据可能是由于错误的测量、错误的假设、错误的计算等产生的。同时RANSAC也假设,给定一组正确的数据,存在可以计算出符合这些数据的模型参数的方法。
修正子单元252,用于利用剩余的到所述初始直线的距离小于所述阈值的局部极大值点,对所述初始直线进行拟合修正,得到一条候选直线;
其中,通过判断局部极大值点到初始直线的距离是否小于阈值,来判断该局部极大值点是否在初始直线上。
集合子单元253,用于在对所述局部极大值点遍历结束后,将所有候选直线集合,得到包含多条候选直线的一组直线;
指针线获取子单元254,用于依次计算每条所述直线上像素点的哈尔响应值之和,并将所述哈尔响应值之和作为该直线的置信度,并将置信度最高的直线作为油温表表盘图像中的指针线。
综上可以看出,本发明根据油温表的指针线的几何特征及油温表表盘灰度信息分布特点,对进行颜色空间转换后的油温表表盘进行哈尔响应计算,得到对应的哈尔响应图,初步过滤背景干扰;由于指针线区域相对于非指针区域有更高的哈尔响应值,因此,本发明通过直方图对哈尔响应值的分布进行统计,并将满足预设要求的分位点对应的哈尔响应值作为阈值,筛选出哈尔响应图中的局部极大值点,进一步过滤背景干扰;由于局部极大值点的集合中包含有指针线上一些作为直线拟合的点,因此,本发明通过直线拟合的方法,将哈尔响应值之和最大的直线作为油温表表盘图像中的指针线,最后根据指针线的起点位置、终点位置、斜率、截距以及训练阶段预先在油温表表盘图像标记的刻度点,得到指针线在油温表表盘图像中指向的刻度值。可以看出,本发明相比现有技术而言,无需巡检人员去现场采集数据,因此达到了在完成巡检任务的同时,解放人力,降低安全隐患的目的。
需要说明的是,系统实施例中,各组成部分的具体工作原理请参见方法实施例对应部分,此处不再赘述。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种油温表的读数方法,其特征在于,包括:
获取油温表图像,根据油温表表盘的梯度角度描述符信息,对所述油温表图像进行模板匹配操作,得到油温表表盘图像;
对所述油温表表盘图像进行哈尔响应计算得到油温表表盘图像的哈尔响应图;
对所述哈尔响应图中的各个哈尔响应值进行直方图信息统计,查找到高数值的哈尔响应值数量占哈尔响应值总数量的百分比为预设百分比的分位点,将所述分位点对应的哈尔响应值作为阈值;
获取所述哈尔响应图中的各个局部极大值点;
对各所述局部极大值点采用直线拟合方法得到各个初始直线,根据所述阈值对各所述初始直线进行拟合修正,得到一组直线,将各所述直线中像素点的哈尔响应值之和最大的直线作为油温表表盘图像中的指针线;
根据所述指针线以及训练阶段预先在油温表表盘图像标记的刻度点,确定所述指针线指向的刻度值。
2.根据权利要求1所述的读数方法,其特征在于,所述对所述油温表表盘图像进行哈尔响应计算得到油温表表盘图像的哈尔响应图,包括:
将所述油温表表盘图像的颜色从RGB颜色空间转换为YCbCr颜色空间;
利用红色分量值与亮度分量进行差分计算,得到对应的颜色差分图;
对所述颜色差分图进行哈尔响应计算,得到油温表表盘图像的哈尔响应图。
3.根据权利要求2所述的读数方法,其特征在于,所述对所述颜色差分图进行哈尔响应计算,得到油温表表盘图像的哈尔响应图的过程包括:
以预设角度为步长,对所述颜色差分图进行旋转,并对每个旋转角度的颜色差分图像进行一次遍历,计算得到各个像素点的哈尔响应值;
依次选取每个所述像素点在不同旋转角度下的最大的哈尔响应值,并将所述最大的哈尔响应值作为该像素点的最终哈尔响应值;
将各所述像素点的最终哈尔响应值进行组合,形成油温表表盘图像的哈尔响应图。
4.根据权利要求1所述的读数方法,其特征在于,所述获取所述哈尔响应图中的各个局部极大值点的过程包括:
遍历所述哈尔响应图,查找哈尔响应值大于所述阈值的像素点;
依次在每个所述像素点的局部邻域内,判断该像素点对应的哈尔响应值是否为局部极大值点;
如果是,则将像素点和局部极大值点以对应关系的形式进行存储。
5.根据权利要求1所述的读数方法,其特征在于,所述对各所述局部极大值点采用直线拟合方法得到各个初始直线,根据所述阈值对各所述初始直线进行拟合修正,得到一组直线,将各所述直线中像素点的哈尔响应值之和最大的直线作为油温表表盘图像中的指针线的过程包括:
采用随机抽样一致算法,从所有局部极大值点中,每次任选其中两个局部极大值点进行直线拟合,得到初始直线;
利用剩余的到所述初始直线的距离小于所述阈值的局部极大值点,对所述初始直线进行拟合修正,得到一条候选直线;
在对所述局部极大值点遍历结束后,将所有候选直线集合,得到包含多条候选直线的一组直线;
依次计算每条所述直线上像素点的哈尔响应值之和,并将所述哈尔响应值之和作为该直线的置信度,并将置信度最高的直线作为油温表表盘图像中的指针线。
6.一种油温表的读数系统,其特征在于,包括:
表盘图像获取单元,用于获取油温表图像,根据油温表表盘的梯度角度描述符信息,对所述油温表图像进行模板匹配操作,得到油温表表盘图像;
哈尔响应单元,用于所述油温表表盘图像进行哈尔响应计算,得到油温表表盘图像的哈尔响应图;
统计单元,用于对所述哈尔响应图中的各个哈尔响应值进行直方图信息统计,查找到高数值的哈尔响应值数量占哈尔响应值总数量的百分比为预设百分比的分位点,将所述分位点对应的哈尔响应值作为阈值;
局部极大值点获取单元,用于获取所述哈尔响应图中的各个局部极大值点;
指针线获取单元,用于对各所述局部极大值点采用直线拟合方法得到各个初始直线,根据所述阈值对各所述初始直线进行拟合修正,得到一组直线,将各所述直线中像素点的哈尔响应值之和最大的直线作为油温表表盘图像中的指针线;
温度值读取单元,用于根据所述指针线以及训练阶段预先在油温表表盘图像标记的刻度点,确定所述指针线指向的刻度值。
7.根据权利要求6所述的读数系统,其特征在于,所述哈尔响应单元,包括:
颜色转换子单元,用于将所述油温表表盘图像的颜色从RGB颜色空间转换为YCbCr颜色空间;
差分图转换单元,用于利用红色分量值与亮度分量进行差分计算,得到对应的颜色差分图;
子响应单元,用于对所述颜色差分图进行哈尔响应计算,得到油温表表盘图像的哈尔响应图。
8.根据权利要求7所述的读数系统,其特征在于,所述子响应单元包括:
哈尔响应值计算单元,用于以预设角度为步长,对所述颜色差分图进行旋转,并对每个旋转角度的颜色差分图像进行一次遍历,计算得到各个像素点的哈尔响应值;
选取子单元,用于依次选取每个所述像素点在不同旋转角度下的最大的哈尔响应值,并将所述最大的哈尔响应值作为该像素点的最终哈尔响应值;
组合子单元,用于将各所述像素点的最终哈尔响应值进行组合,形成油温表表盘图像的哈尔响应图。
9.根据权利要求6所述的读数系统,其特征在于,所述局部极大值点获取单元包括:
查找子单元,用于遍历所述哈尔响应图,查找哈尔响应值大于所述阈值的像素点;
判断子单元,用于依次在每个所述像素点的局部邻域内,判断该像素点对应的哈尔响应值是否为局部极大值点,如果是,则执行存储子单元;
所述存储子单元,用于将像素点和局部极大值点以对应关系的形式进行存储。
10.根据权利要求6所述的读数系统,其特征在于,所述指针线获取单元包括:
直线拟合子单元,用于采用随机抽样一致算法,从所有局部极大值点中,每次任选其中两个局部极大值点进行直线拟合,得到初始直线;
修正子单元,用于利用剩余的到所述初始直线的距离小于所述阈值的局部极大值点,对所述初始直线进行拟合修正,得到一条候选直线;
集合子单元,用于在对所述局部极大值点遍历结束后,将所有候选直线集合,得到包含多条候选直线的一组直线;
指针线获取子单元,用于依次计算每条所述直线上像素点的哈尔响应值之和,并将所述哈尔响应值之和作为该直线的置信度,并将置信度最高的直线作为油温表表盘图像中的指针线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610185684.6A CN105893938A (zh) | 2016-03-28 | 2016-03-28 | 一种油温表的读数方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610185684.6A CN105893938A (zh) | 2016-03-28 | 2016-03-28 | 一种油温表的读数方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105893938A true CN105893938A (zh) | 2016-08-24 |
Family
ID=57013910
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610185684.6A Pending CN105893938A (zh) | 2016-03-28 | 2016-03-28 | 一种油温表的读数方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105893938A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106845514A (zh) * | 2016-12-06 | 2017-06-13 | 深圳增强现实技术有限公司 | 一种基于深度学习的指针式表盘的读数判断方法和装置 |
CN108960231A (zh) * | 2018-05-31 | 2018-12-07 | 广东工业大学 | 一种基于机器视觉的细指针表盘识别读数方法 |
CN108955909A (zh) * | 2018-05-31 | 2018-12-07 | 广东工业大学 | 一种基于机器视觉的油温表识别读数方法 |
CN112329770A (zh) * | 2020-10-30 | 2021-02-05 | 江苏理工学院 | 一种仪表刻度识别方法及装置 |
CN113780142A (zh) * | 2021-09-03 | 2021-12-10 | 华南师范大学 | 基于机器视觉的变压器弧形油温表读取方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101034154A (zh) * | 2006-03-09 | 2007-09-12 | 华北电力大学 | 直读仪表全自动检定方法及装置 |
CN101620682A (zh) * | 2008-06-30 | 2010-01-06 | 汉王科技股份有限公司 | 一种指针式仪表读数自动识别的方法及系统 |
CN103605977A (zh) * | 2013-11-05 | 2014-02-26 | 奇瑞汽车股份有限公司 | 一种车道线的提取方法及装置 |
CN103759758A (zh) * | 2014-01-26 | 2014-04-30 | 哈尔滨工业大学 | 一种基于机械角度和刻度识别的汽车仪表指针的位置检测方法 |
CN104050446A (zh) * | 2014-05-30 | 2014-09-17 | 浙江大学 | 一种基于指针宽度特征的仪表指针图像识别方法 |
CN104913797A (zh) * | 2015-05-29 | 2015-09-16 | 广州供电局有限公司 | 指针式仪表的读数识别方法及系统 |
-
2016
- 2016-03-28 CN CN201610185684.6A patent/CN105893938A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101034154A (zh) * | 2006-03-09 | 2007-09-12 | 华北电力大学 | 直读仪表全自动检定方法及装置 |
CN101620682A (zh) * | 2008-06-30 | 2010-01-06 | 汉王科技股份有限公司 | 一种指针式仪表读数自动识别的方法及系统 |
CN103605977A (zh) * | 2013-11-05 | 2014-02-26 | 奇瑞汽车股份有限公司 | 一种车道线的提取方法及装置 |
CN103759758A (zh) * | 2014-01-26 | 2014-04-30 | 哈尔滨工业大学 | 一种基于机械角度和刻度识别的汽车仪表指针的位置检测方法 |
CN104050446A (zh) * | 2014-05-30 | 2014-09-17 | 浙江大学 | 一种基于指针宽度特征的仪表指针图像识别方法 |
CN104913797A (zh) * | 2015-05-29 | 2015-09-16 | 广州供电局有限公司 | 指针式仪表的读数识别方法及系统 |
Non-Patent Citations (2)
Title |
---|
王海 等: "基于方向可变Haar特征和双曲线模型的车道线检测方法", 《交通运输工程学报》 * |
贾月娟: "基于多特征融合的表情与微表情识别研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106845514A (zh) * | 2016-12-06 | 2017-06-13 | 深圳增强现实技术有限公司 | 一种基于深度学习的指针式表盘的读数判断方法和装置 |
CN108960231A (zh) * | 2018-05-31 | 2018-12-07 | 广东工业大学 | 一种基于机器视觉的细指针表盘识别读数方法 |
CN108955909A (zh) * | 2018-05-31 | 2018-12-07 | 广东工业大学 | 一种基于机器视觉的油温表识别读数方法 |
CN108960231B (zh) * | 2018-05-31 | 2022-05-13 | 广东工业大学 | 一种基于机器视觉的细指针表盘识别读数方法 |
CN112329770A (zh) * | 2020-10-30 | 2021-02-05 | 江苏理工学院 | 一种仪表刻度识别方法及装置 |
CN112329770B (zh) * | 2020-10-30 | 2024-02-23 | 江苏理工学院 | 一种仪表刻度识别方法及装置 |
CN113780142A (zh) * | 2021-09-03 | 2021-12-10 | 华南师范大学 | 基于机器视觉的变压器弧形油温表读取方法和装置 |
CN113780142B (zh) * | 2021-09-03 | 2023-06-09 | 华南师范大学 | 基于机器视觉的变压器弧形油温表读取方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105893938A (zh) | 一种油温表的读数方法及系统 | |
CN105869164A (zh) | 一种开关分合状态检测方法及系统 | |
CN106570436B (zh) | 一种基于二维码的变电站设备抄表系统及其抄表方法 | |
CN108921166A (zh) | 基于深度神经网络的医疗票据类文本检测识别方法及系统 | |
CN104132897B (zh) | 一种基于手持设备的植物叶片含氮量测量方法和装置 | |
CN108932496A (zh) | 区域内目标物的数量统计方法及装置 | |
DeWitt et al. | Creating high-resolution bare-earth digital elevation models (DEMs) from stereo imagery in an area of densely vegetated deciduous forest using combinations of procedures designed for lidar point cloud filtering | |
CN110400278A (zh) | 一种图像颜色和几何畸变的全自动校正方法、装置及设备 | |
CN105513096A (zh) | 一种冬小麦生物量估算方法 | |
CN105893943A (zh) | 一种油位检测方法及系统 | |
CN110288624A (zh) | 一种图像中直线段的检测方法、装置及相关设备 | |
CN109242787A (zh) | 一种中小学艺术测评中绘画录入方法 | |
CN106295489A (zh) | 信息处理方法、信息处理装置和视频监控系统 | |
CN107610097A (zh) | 仪表定位方法、装置和终端设备 | |
Mishra et al. | Urban heat island in Kathmandu, Nepal: Evaluating relationship between NDVI and LST from 2000 to 2018 | |
CN111220235A (zh) | 水位监测方法及装置 | |
CN106780435A (zh) | 一种物体计数方法及装置 | |
CN112004063B (zh) | 一种基于多相机联动的卸油油管连接正确性的监控方法 | |
CN117451012A (zh) | 一种无人机航摄测量方法及系统 | |
CN105868764A (zh) | 一种电压表的读数方法及系统 | |
CN105868763A (zh) | 一种油位表的读数方法及系统 | |
CN107423731A (zh) | 航空单据的数据处理方法及系统 | |
CN105868762A (zh) | 一种sf6表的读数方法及系统 | |
CN105868752A (zh) | 一种放电计数器的读数方法及系统 | |
CN115018777A (zh) | 电网设备状态评估方法、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160824 |