CN106650551A - 一种基于先验知识的高压断路器动触头运动轨迹实时识别方法 - Google Patents

Abstract

本发明公开了一种基于先验知识的高压断路器动触头运动轨迹实时识别方法，包括以下步骤：将红色方形标志物固定于断路器绝缘拉杆；调整高速相机位置，获取标志物图像序列；确定追踪目标模板；根据先验知识确定当前帧的最大搜索范围；根据先验知识确定下一帧目标的优先搜索顺序，按顺序对内嵌双六边形各像素点进行粗搜索；对最优像素点周围进行菱形精搜索，确定目标位置，同时更新先验知识库；记录各帧中目标在图像中的位置，生成运动轨迹。本发明基于断路器运动特性监测先验知识库，对现有目标追踪算法进行改进，充分挖掘、利用先验知识库的有效信息，在此基础上提出一种内嵌双六边形‑菱形快速搜索算法，可实现实时、精确的动触头运动轨迹识别。

Description

一种基于先验知识的高压断路器动触头运动轨迹实时识别方法

技术领域

本发明涉及图像识别技术领域，尤其涉及一种可实时、精确识别高压断路器动触头运动轨迹的方法。

技术背景

在高压断路器的机械特性参数测试中，动触头的运动轨迹是一个重要的检测参数。研究高压断路器动触头运动轨迹的识别方法对电力系统安全可靠运行有着重要意义。

现有方法主要是借助于传感器的接触式测量方法，此类方法需要针对不同型号的断路器选择合适的光电传感器进行断路器运动信息的获取，这些传感器被安装在操作机构或主轴上，不仅可能由于安装中存在的缝隙影响测量精度，还可能对断路器运行造成影响。所以，近年来出现了少量的基于计算机视觉技术的非接触式测量方法研究，主要是利用高速摄像机拍摄断路器动作过程，并还原成若干帧连续的静态图像，并借助于相关图像处理算法，完成图像的预处理、目标定位与追踪，进而得到动触头运动轨迹。

目标检测与追踪算法是基于计算机视觉测量方法的核心部分，由于其不存在固定模式，需要针对不同应用领域、场合而具体分析，而现有应用于断路器动触头的轨迹进行识别的研究还相对较少，现有方法还存在一定的不足。其中，块匹配运动估计算法是一种全局匹配法，它是通过对整幅图像上的全部像素值进行了一次甚至是多次运算后才能获得一个理想的匹配结果，所以有着很高的搜索精确度，但该算法的计算复杂度太高，当块和搜索区域较大时，速度很慢，不适合于实时应用。在原始块匹配算法的基础上，又有一些改进算法，如三步搜索(TSS)、四步搜索(FSS)和菱形搜索(DS)等，但大量实验表明，这些算法在搜索性能或搜索速度方面还有待改进。

发明内容

本发明的目的是克服现有技术的缺点，基于断路器运动特性监测先验知识库，对现有目标追踪算法进行改进，充分挖掘、利用先验知识库的有效信息，在此基础上提出一种内嵌双六边形-菱形快速搜索算法，以实现高压断路器动触头运动轨迹的实时、精确识别。

为了实现上述发明目的，本发明采取如下技术方案：其特征在于，所述方法主要包括以下步骤：

步骤1：将红色方形标志物固定于断路器绝缘拉杆；

步骤2：调整高速相机位置，使绝缘拉杆全部行程均在监测范围内，启动相机并获取绝缘连杆标志物的图像序列；

步骤3：根据标志物的特征对第一帧有效图像进行分析，确定其为追踪目标模板；

步骤4：根据先验知识确定当前帧的最大搜索范围；

步骤5：根据先验知识确定下一帧目标的优先搜索顺序，按顺序对内嵌双六边形各像素点进行粗搜索，如图2所示；

步骤6：在进行内嵌双六边形粗搜索过程中，任意搜索点满足判据则直接对此方向进行菱形精搜索，否则最后选择各方向匹配度最高的方向进行菱形精搜索，确定目标位置，同时更新先验知识库；

步骤7：重复步骤5、6，记录各帧中目标在图像中的位置，生成运动轨迹。

所述步骤3中第一帧有效图像是指标志物发生运动的第一帧图像，为了完整地监测到拉杆的整个运动过程，在动触头发生运动之前以及停止运动之后会有部分冗余的静止图片。本方法采用背景差分法对运动目标进行监测并确定第一帧有效图像。

先假设图像序列中第k帧第x行第y列像素的灰度值为I(x，y，k)，则第k帧图像表示为：

d(x，y，k)为相邻两帧图像的像素差，反应的是坐标点的灰度值变化：

d(x，y，k)＝|I(x，y，k)-I(x，y，k-1)|

如果差分结果判断为无运动目标出现，继续进行帧差检测，反之则表示连杆发生了运动，并同时对无运动帧数进行计数。其中T₁为剔除微小的物体变动的阈值，根据拍摄图像大小来确定，本方法认定标识如果偏离原来位置五个像素则表示标识发生了运动，程序进行下一步，追踪并记录运动标识。

所述步骤4中先验知识从断路器动触头运动特性检测先验知识库获得，先验知识库中记录了断路器正常动作和历次试验的所有运动过程数据，包括历次图像序列中各标志物的坐标等原始数据，以及分合闸时间、平均分、合闸速度、最大分合、闸速度等分析结果。

最大搜索范围采用分段函数表示，如下式所示：

S_x＝|v_ymax+v_ymar|·Δt

其中，v_xmax、v_ymax分别为先验知识库中标志物在运动过程中的在x轴和y轴方向的最大速度；v_xmar、v_ymar分别为人为设定的裕度值；t为当前时刻；Δt为每帧时间间隔；t_m为x轴最大瞬时速度时刻；t_mar为人为设定时间裕度值。

所述步骤5中优先搜索顺序分为6个方向，其优先顺序取决于先验知识库中下一帧相对位置的概率大小。为了兼顾快速性和容差性，本方法将先验知识库中的相对位置按六个等分区间进行分组并建立与搜索方向的对应关系(即六边形顶点的对应关系)，搜索方向i满足如下公式：

其中，θ为先验知识库中某次测量记录的下一帧位置与相对于当前位置连线在直角坐标系所成夹角；i为此次测量记录位置的对应的搜索方向标号。

所述步骤6中粗搜索结束判据基于绝对误差和(SAD)，此方法是基于灰度相关的匹配算法，结束判据如下式所示：

其中，S(x，y)代表参考图像的搜索域中坐标位置为的像素点的灰度值，T(u，v)代表模板图像中坐标位置为(u，v)的像素点的灰度值，且模板大小为ulen×vlen，模板在参考图像S中搜索区域的大小为xlen×ylen，δ为人为设定的结束判据阀值。

本发明的有益效果是，1)可以利用先验知识中的运动速度数据缩小搜索范围；2)可以利用先验知识对下一帧运动方向预测，快速确定粗搜索方向；3)改进的内嵌双六边形-菱形搜索算法可兼顾搜索质量和搜索速度。整个改进算法极大地提高了对标志物的搜索速度并保证了目标匹配质量，使高速相机图像的实时处理得以满足。

附图说明

图1是一种基于先验知识的高压断路器动触头运动轨迹实时识别算法流程示意图

图2是搜索范围函数图像与标志物运动过程对应关系示意图

图3是整个搜索范围示意图

图4是基于先验知识的内嵌双六边形-菱形快速搜索算法粗搜索示意图

图5是基于先验知识的内嵌双六边形-菱形快速搜索算法精搜索示意图

图6是合闸操作行程曲线图

图7是分闸操作行程曲线图

具体实施方式

下面结合附图和具体实施方式对本发明的内容做进一步详细说明。

步骤1：将红色圆形标志物固定于断路器绝缘拉杆；

步骤2：调整高速相机位置，使绝缘拉杆全部行程均在监测范围内，启动相机并获取绝缘连杆标志物的图像序列；

步骤3：采用背景差分法对运动目标进行检测确定其为追踪目标模板，并将当前帧图像作为第一帧有效图像。

第一帧有效图像是指标志物发生运动的第一帧图像，为了完整地监测到拉杆的整个运动过程，在动触头发生运动之前以及停止运动之后会有部分冗余的静止图片。本方法采用背景差分法对运动目标进行监测并确定第一帧有效图像。

先假设图像序列中第k帧第x行第y列像素的灰度值为I(x，y，k)，则第k帧图像表示为：

d(x，y，k)为相邻两帧图像的像素差，反应的是坐标点的灰度值变化：

d(x，y，k)＝|I(x，y，k)-I(x，y，k-1)|

如果差分结果判断为无运动目标出现，继续进行帧差检测，反之则表示连杆发生了运动，并同时对无运动帧数进行计数。其中T₁为剔除微小的物体变动的阈值，根据拍摄图像大小来确定，本方法认定标识如果偏离原来位置五个像素则表示标识发生了运动，程序进行下一步，追踪并记录运动标识。

步骤4：根据先验知识确定当前帧的最大搜索范围，最大搜索范围采用分段函数表示，如下式所示：

S_x＝|v_ymax+v_ymar|·Δt

其中，v_xmax、v_ymax分别为先验知识库中标志物在运动过程中的在x轴和y轴方向的最大速度；v_xmar、v_ymar分别为人为设定的裕度值；t为当前时刻；Δt为每帧时间间隔；t_m为x轴最大瞬时速度时刻；t_mar为人为设定时间裕度值。

以y方向为例，搜索范围函数图像与标志物运动过程对应关系如图2所示，整个搜索范围示意图如图3所示，此搜索范围确定方法可大幅缩小搜索范围，并且考虑了一定的裕度，有较好的容差性。

步骤5：根据先验知识确定下一帧目标的优先搜索顺序，按顺序对内嵌双六边形各像素点进行粗搜索，如图2所示。

优先搜索顺序分为6个方向，其优先顺序取决于先验知识库中下一帧相对位置的概率大小。为了兼顾快速性和容差性，本方法将先验知识库中的相对位置按六个等分区间进行分组并建立与搜索方向的对应关系(即六边形顶点的对应关系)，搜索方向i满足如下公式：

其中，θ为先验知识库中某次测量记录的下一帧位置与相对于当前位置连线在直角坐标系所成夹角；i为此次测量记录位置的对应的搜索方向标号。

步骤6：在进行内嵌双六边形粗搜索过程中，任意搜索点满足判据则直接对此方向进行内嵌双菱形精搜索，否则最后选择各方向匹配度最高的方向进行内嵌双菱形精搜索，确定目标位置，同时更新先验知识库。

粗搜索结束判据基于绝对误差和(SAD)，此方法是基于灰度相关的匹配算法，结束判据如下式所示：

其中，S(x，y)代表参考图像的搜索域中坐标位置为的像素点的灰度值，T(u，v)代表模板图像中坐标位置为(u，v)的像素点的灰度值，且模板大小为ulen×vlen，模板在参考图像S中搜索区域的大小为xlen×ylen，δ为人为设定的结束判据阀值。

步骤7：重复步骤5、6，记录各帧中目标在图像中的位置，生成运动轨迹。

图6、图7为利用本方法对LW59-252/4000-50的220kV高压交流六氟化硫断路器动触头分合闸过程进行识别得到的运动轨迹，本发明识别结果与实际情况相符，验证了该评估方法的正确性及有效性。

Claims (3)

1.一种基于先验知识的高压断路器动触头运动轨迹实时识别方法，其特征在于，所述方法主要包括以下步骤：

步骤1：将红色方形标志物固定于断路器绝缘拉杆；

步骤2：调整高速相机位置，使绝缘拉杆全部行程均在监测范围内，启动相机并获取绝缘连杆标志物的图像序列；

步骤3：根据标志物的特征对第一帧有效图像进行分析，确定其为追踪目标模板；

步骤4：根据先验知识确定当前帧的最大搜索范围；

步骤5：根据先验知识确定下一帧目标的优先搜索顺序，按顺序对内嵌双六边形各像素点进行粗搜索，如图2所示；

步骤6：在进行内嵌双六边形粗搜索过程中，任意搜索点满足判据则直接对此方向进行菱形精搜索，否则最后选择各方向匹配度最高的方向进行菱形精搜索，确定目标位置，同时更新先验知识库；

步骤7：重复步骤5、6，记录各帧中目标在图像中的位置，生成运动轨迹。

2.根据权利要求1所述方法，其特征在于，所述步骤4中先验知识从断路器动触头运动特性检测先验知识库获得，先验知识库中记录了断路器正常动作和历次试验的所有运动过程数据，包括历次图像序列中各标志物的坐标等原始数据，以及分合闸时间、平均分合闸速度、最大分合闸速度等分析结果。

所述步骤4中最大搜索范围采用分段函数表示，如下式所示：

S_x＝|v_ymax+vy_mar|·Δt

其中，v_xmax、v_ymax分别为先验知识库中标志物在运动过程中的在x轴和y轴方向的最大速度；v_xmar、v_ymar分别为人为设定的裕度值；t为当前时刻；Δt为每帧时间间隔；t_m为x轴最大瞬时速度时刻；t_mar为人为设定时间裕度值。

3.根据权利要求1所述方法，其特征在于，所述步骤5中优先搜索顺序分为6个方向，其优先顺序取决于先验知识库中下一帧相对位置的概率大小。为了兼顾快速性和容差性，本方法将先验知识库中的相对位置按六个等分区间进行分组并建立与搜索方向的对应关系(即六边形顶点的对应关系)，搜索方向i满足如下公式：

$0+\frac{\mathrm{\&pi;}}{3}\&CenterDot;i\&le;\mathrm{\&theta;}<\frac{\mathrm{\&pi;}}{3}+\frac{\mathrm{\&pi;}}{3}\&CenterDot;i$

其中，θ为先验知识库中某次测量记录的下一帧位置与相对于当前位置连线在直角坐标系所成夹角；i为此次测量记录位置的对应的搜索方向标号。