CN106651906A - 基于改进混合高斯模型的高压断路器运动特性测试方法 - Google Patents

Abstract

本发明公开了一种基于改进混合高斯模型的高压断路器动触头运动特性测试方法，包括以下步骤：对断路器操动过程灰度图像序列，求取像素灰度直方图，采用中值滤波消除孤立噪声点；对像素点建立混合高斯模型，生成前景点标记矩阵；进行参数更新，建立计数器矩阵，对变化的像素点的高斯分布匹配做相应处理；确定背景分布时加入背景权值和系数，分辨图像中背景与前景，更新前景点标记矩阵；对相邻两帧图像的前景点标记矩阵做差，求出运动机构形心，由形心位置坐标差值确定运动速度，并获得运动特性。本发明提出背景权值和系数、前景点标记矩阵和计数器矩阵改进混合高斯模型，应用于断路器操动机构的运动特性测试，实现非接触高电压设备测试操作，有更好适应性。

Description

基于改进混合高斯模型的高压断路器运动特性测试方法

技术领域

本发明属于装备维护保障领域，具体来说是一种利用改进混合高斯模型对断路器运动状态进行测试的方法。

背景技术

断路器动触头运动特性是断路器关键当前状态之一，运动参数识别是断路器故障诊断的起点。结合已知的结构特性、参数、环境条件及运行历史记录，对断路器进行诊断，分析和判断可能出现的故障，确定故障程度、性质和类别，支持断路器的状态维修工作。

国内外的许多专家学者对于获取断路器运动参数的方法进行了大量的研究，其测量技术最初主要采用示波器、电阻箱和电磁振荡器等设备进行，手工完成参数计算和曲线绘制，逐步发展到以模拟电路和数字电路为基础，自动化程度仍很低，测量误差仍很大。现在以计算机技为数据中心和控制处理核心，并致力于提高断路器机械特性参数测试仪的准确度和自动化程度，但从基本均使用接触式传感器，不仅会对断路器正常运行造成影响，而且同样会影响测量精度。基于图像测量的断路器运动特性测试是一种新方法，其非接触性在高压断路器测试领域优势明显。在分析获取的断路器图像时，运动目标检测对于体现断路器以动触头为代表的操作机构运动情况至关重要。

发明内容

为了解决上述问题，达到上述目的，本发明采用下述技术方案：

一种基于改进混合高斯模型高压断路器操动机构运动特性检测方法，本发明拍摄断路器在真实运行环境下对操动机构运动的图像信息进行统计，在复杂背景中建立多峰分布的混合高斯模型，在现有混合高斯模型方法的基础上，增加对变化像素点个数的统计，建立前景点标记矩阵；提出背景权值和系数，对现有背景模型分布确定方式进行改进；建立记录像素判断结果的计数器矩阵，剔除识别过程中出现的少量噪声，并判断断路器运动过程的弹簧弹跳界限。通过对前景点标记矩阵的运算，判断运动状况，获取其运动轨迹，并计算高压断路器动触头的开、合速度、行程并绘制其运动轨迹，获得断路器运动参数实现对断路器运动特性的分析；首先对固定相机采集到的图像信息进行预处理，排除光照、噪声等影响；其次，采用混合高斯模型进行断路器运动机构运动检测，对目标运动情况进行运算分析，最后根据识别结果分析出断路器动触头运动特性。

具体步骤如下：

步骤1：对获取的断路器操动过程灰度图像序列，分别求取图像像素灰度的直方图，均衡化提高图像的对比度，突出图像中运动目标的识别区域，并采用中值滤波法消除孤立噪声点。

步骤2：对图像序列中所有像素点建立混合高斯模型，生成前景点标记矩阵。

步骤3：混合高斯模型进行在线学习和参数更新，同时对变化像素点个数进行统计，建立计数器矩阵，对变化的像素点的高斯分布匹配做相应处理，通过计数器矩阵的变化确定弹簧弹跳界限。

步骤4：在确定背景分布的过程中加入背景权值和系数，分辨图像中背景与前景，更新运动机构的前景点标记矩阵并存储。

步骤5：对混合高斯模型进行目标检测后生成的相邻两帧图像的前景点标记矩阵做差，进一步求出断路器运动机构形心，由形心位置坐标差值确定运动机构的运动速度。

步骤6：绘制其运动轨迹，并最终获得动作特性。

附图说明

图1是混合高斯模型运动检测过程流程图

图2是混合高斯模型算法流程图

图3是噪声像素点的八邻域示意图

图4是建立图像坐标系的方法示意图

具体实施方式

本方法采用高清摄像机对断路器开、合过程中绝缘拉杆的运动图像进行采集，然后采用改进的混合高斯模型对运动目标进行识别，再此过程中建立前景点标记矩阵、计数器矩阵，结合摄像机参数和安放位置，断路器绝缘拉杆的运动过程进行分析，进而获得断路器操动机构的运动特性。

第一步，在合适位置安放高清摄像机，调整视野，使断路器绝缘拉杆观察窗位于视野中，测量摄像机到绝缘拉杆的水平距离。绝缘拉杆与动触头是刚性连接，所以从绝缘拉杆的运动过程可以到动触头的运动特性。启动摄像机，拍摄断路器的开、合过程。

第二步，将获取的断路器操动过程灰度图像序列，分别求取图像像素灰度的直方图。图像灰度等级为[0，255]，每一灰度级像元数所占百分比分别为P_x(0)，P_x(1)，……，P_x(255)。P_x(i)是灰度级为i的像元数所占像元总数的百分比，具有概率的含义(即连续函数时，P_x(i)可以理解为概率密度函数)。均衡化后直方图的面积为1，最小和最大灰度等级分别为g_min和g_max，那么均衡化后直方图的长度为g_max-g_min。经计算

即为直方图均衡化公式。

第三步，对图像序列中所有像素点建立混合高斯模型，图像中像素点灰度值构成一个向量序列，任意像素点(x，y)历史像素值可以表示成为

{X₁，...，X_t}＝{I_k(x，y)：1≤k≤t}

式中，I_i(x，y)表示像素点(x，y)在时刻k的灰度值。

混合高斯分布模型适用K个高斯分布表示这些历史值，像素X_t为当前值的概率为

式中：ω_i，t是t时刻第i个高斯分布的权值，它反映高斯分布出现的比例，且有η(X_t.μ_i，t∑_i，t)是t时刻第i个均值为μ_i，t且协方差为∑_i，t的高斯概率密度函数；P(X_t)表示t时刻像素为X的概率；K为分布的个数，对断路器前背景分辨时K可5，以减小背景突变、背景扰动的影响。

混合高斯模型的初始建模以第一幅图像每个像素灰度值作为均值，给一个较大的方差μ_i，0、较小的权值ω_i，0。建立前景点标记矩阵

其中，整幅图像共有m×n个像素点，矩阵中每个元素位置与图像中像素点对应，每个元素代表该像素点是前景还是背景，前景标记为1，背景标记为0。因此，将起始帧图像全部标记为背景

第4步，在初始建模的基础上，对后续每一帧图像每个像素值I_t与混合高斯模型中K个高斯分布分别匹配，如果满足

|I_t-μ_k，t-1|≤τσ_k，t-1 k＝1，2，...，K

则I_t和该高斯分布匹配。式中，为使匹配更加精确，确定相似度的常数τ固定为2.5。

若I_t与混合高斯模型中一个或几个高斯分布匹配，则影响原先的概率分布，更新与I_t匹配的高斯分布的均值和方差，并适当增加权值。均值、方差、权值3个更新如下3个公式所示：

μ_k，t＝(1-ρ)μ_t-1+ρI_t

ω_i，t＝(1-β)ω_k，t-1+βθ k＝1，2，...，K

式中，α为参数更新率，满足α＝βη(I_t|μ_k，t-1，σ_k，t-1)；β为学习率，为了减少背景噪声，将β固定在一个较小的数值。

若I_t未与任何一个高斯分布匹配，则增加新的高斯分布，给一个较大方差和较小权值；分布个数超过最大值K时，则剔除一个当前已存在的权重最小的高斯分布。

根据更新的权值对高斯分布重新排序，对权值做归一化处理。处理过程为：

第5步，将已存在的K个高斯分布按照值从大到小排序，然后选取前B个，B满足

式中，T为选取的阈值，选取前B个分布作为背景元素。其中λ为背景权值和系数，按照式

λ＝1.3^Tap

进行更新。其中，Tag为分类标记，初始值为0。

继续对该像素点像素值与上述B个高斯分布进行配检测，如果与前B个高斯分布的任意一个匹配，则该像素点为背景点，否则为前景点，并更新分类标记和前景点标记矩阵。前景点即为要识别的断路器操作机构运动目标。

根据该像素点背景、前景变换次数更新下一次分类标记：

根据该像素点为背景还是前景更新前景点标记矩阵R_t，对应位置为前景置1，背景置0。

将判断为前景(断路器运动机构)像素点在像素点矩阵出现频率较高的背景像素值由权重较大的高斯函数描述，出现频率较低的前景(断路器运动机构)由权重较小的高斯函数描述。

在断路器运动机构的测试过程中，其运动情况已知可分为两个阶段，第一阶段为单一运动方向，即只从图像的一侧运动另一侧；第二阶段为动触头撞击及后续的弹跳。运动的第一阶段在不考虑噪声的情况下，像素点在背景与前景间变化只有以下三种情况：背景变为前景、前景变为背景、背景变为前景后再变为背景。第二阶段为断路器动触头撞击及后续的弹跳，为弹跳幅度不断减小的不规则往复运动，有部分像素点的判断结果将在背景和前景间不断变化。

建立计数器矩阵矩阵中每个元素与图像中每个像素点的位置对应，用每个元素记录像素点被判断为背景或前景的变化次数，每进行一次判定，都对计数器矩阵S_t进行更新，更新方法为：

运动的第一阶段，在计数器矩阵S_t中s_t，ij≤3。若存在s_t，ij＞3，则可判断为噪声。利用八邻域去噪声法对噪声像素点进行处理，修正前景点标记矩阵R_t。即对与判断为噪声的像素点相邻的八个像素点进行统计，将噪声点修正成与相邻八个像素点中大于或等于4个的相同分类，参见附图3。

运动的第二阶段，由于运动机构来回弹跳，在计数器矩阵S_t中将有大量元素值超过3。对超过3的元素个数n_s进行统计，若

n_s＞T_s

则判定对应计数器矩阵S_t的那帧图像为断路器操动机构弹跳界限，式中T_s为根据实际图像分辨率设定的阈值。

第6步，取相邻两幅图像的前景点标记矩阵R_tR_t-1做差，求得前景点标记差矩阵

ΔR_t＝R_t-R_t-1

若差矩阵ΔR_t中元素1的个数小于阈值T_R，则判断目标无运动，继续对后续相邻的前景点标记矩阵做差；直至计算出差矩阵中元素1的个数远大于阈值T_R，则判断目标开始运动。

由摄相机参数和摆放位置可计算得出图像内物体真实尺寸(长L×宽W)，则每个像素点代表的实际尺寸为

通过最靠边界的四个被判定为前景的像素点所在行列围成的矩形确定一个包含运动目标的完整区域。

以图像两临边为坐标轴建立xOy直角坐标系，图像位于该直角坐标系的第四象限，以每个像素点的尺寸为单位刻度，参见附图4。

运动目标的形心O_t计算公式为

式中x_i、y_i分别为前景点标记矩阵R_t中1元素所在行和列，N为R_t中1元素的总个数。则运动目标的形心在图像中坐标为O_t(x_t，-y_t)。

根据相邻图像中运动目标形心的坐标变化和相邻两帧图像的采样时间间隔，计算出运动目标的运动速度：

式中，t₀为相邻两帧图像的采样时间间隔。

第7步，通过计算出的不同时刻的运动速度以及摄像机参数、断路器机构尺寸等数据，进一步计算断路器操动机构的运动特性参数。

Claims (6)

1.一种基于改进混合高斯模型的高压断路器运动特性识别方法，其特征在于在断路器本体上不安装任何设备，基于本发明方法处理断路器闭合、断开操作过程图像序列，可检测操作机构中移动物体运动特性，获得关键的断路器机械特性参数，通过计算机视觉技术的非接触测量可得到拉杆、弹簧运动轨迹。所述方法主要包括以下步骤：

步骤1：对采集到断路器操动过程灰度图像序列，求取像素灰度直方图，采用中值滤波消除孤立噪声点；

步骤2：对像素点建立混合高斯模型，生成前景点标记矩阵；

步骤3：进行参数更新，建立计数器矩阵，对变化的像素点的高斯分布匹配做相应处理；

步骤4：确定背景分布时加入背景权值和系数，分辨图像中背景与前景，更新前景点标记矩阵；

步骤5：对相邻两帧图像的前景点标记矩阵做差，求出运动机构形心，由形心位置坐标差值确定运动速度；

步骤6：获得断路器操作过程图像的检测目标运动特性。

2.根据权利要求1所述方法，其特征在于，所述步骤2中生成前景点标记矩阵R_t

其中，整幅图像共有m×n个像素点，矩阵中每个元素位置与图像中像素点对应，每个元素代表该像素点是前景还是背景，前景标记为r_ij＝1，背景标记为r_ij＝0。

3.根据权利要求1所述方法，其特征在于，所述步骤3中建立计数器矩阵

矩阵中每个元素与图像中每个像素点的位置对应，用每个元素记录像素点被判断为背景或前景的变化次数，每进行一次判定，都对计数器矩阵S_t进行更新，更新方法为：

。

4.根据权利要求1所述方法，其特征在于，所述步骤3中，将断路器操动机构运动过程分成两个阶段，第一阶段为单一运动方向，即只从图像的一侧运动另一侧；第二阶段为动触头撞击及后续的弹跳。

n_s＞T_s 。

5.根据权利要求1所述方法，其特征在于，所述步骤3中，运动的第二阶段，对超过3的元素个数n_s进行统计，若

则判定对应计数器矩阵S_t的那帧图像为断路器操动机构弹跳界限，式中T_s为根据实际图像分辨率设定的阈值。

6.根据权利要求1所述方法，其特征在于，所述步骤4中，提出分类标记Tap，初始值为0，根据像素点背景、前景变换次数更新：

提出背景权值和系数λ，用于改进背景模型分布的判断

其中，λ＝1.3^Tap。