CN107274382A - 一种硬压板的状态辨识方法、装置及电子设备 - Google Patents
一种硬压板的状态辨识方法、装置及电子设备 Download PDFInfo
- Publication number
- CN107274382A CN107274382A CN201710304245.7A CN201710304245A CN107274382A CN 107274382 A CN107274382 A CN 107274382A CN 201710304245 A CN201710304245 A CN 201710304245A CN 107274382 A CN107274382 A CN 107274382A
- Authority
- CN
- China
- Prior art keywords
- pressing plate
- hard pressing
- image
- state
- photographing module
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/269—Analysis of motion using gradient-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明适用于电力领域,提供了一种硬压板的状态辨识方法、装置及电子设备。所述方法包括:接收摄像模块采集的硬压板的图像;基于GrabCut算法对摄像模块采集的硬压板的图像进行分割得到用于辨识硬压板的状态的图像;从用于辨识硬压板的状态的图像中筛选出与样本数据直方图中相匹配的区域,将所述区域二值化得到二值图;根据二值图,利用小顶堆算法,得到硬压板的开关上下连接点的位置;辨识连接点中央处的非零像素点个数是否超过预设的阈值,若是,判定为闭合状态,若不是,则判定为断开状态。本发明的硬压板的状态辨识方法准确率高,检测效果良好,能有效监测硬压板的状态,节约人力资源,具有很高的应用价值。
Description
技术领域
本发明属于电力领域,尤其涉及一种硬压板的状态辨识方法、装置及电子设备。
背景技术
当前,随着智能电网不断推进,智能变电站建设进入了一个高速发展的阶段,站内设备安全运行愈发重要。为确保电力二次设备的安全运行,需要对站内电力二次设备的相关状态进行监控。电力二次设备是对电力系统内一次设备进行监察,测量,控制,保护,调节的辅助设备,即不直接和电能产生联系的设备。近年来,随着图像处理技术发展,图像识别技术在电力系统的状态监测中得到应用:基于视频技术的变电站远程监控系统已经实现对隔离开关的状态进行自动识别;数字图像识别技术通过对开关特征、定位技术和状态特征的探索监测开关柜的状态;基于霍夫森林的开关设备检测及状态识别,将开关状态的识别建立在开关检测与定位的基础上,提高了识别准确率。
在变电站中有继电保护屏柜,里面安装有继电保护设备,其中在日常巡检中主要需要检测的有硬压板的状态。硬压板也称保护压板,是安装在保护屏上的一种连片,它的闭合与打开代表着投退。硬压板一般分为功能压板和出口压板,功能压板是一种保护功能的选择控制方式,它的投退影响的是某种保护功能的实现,出口压板的投退影响的是保护跳闸出口的实现。但是目前还没有基于数字图像处理技术的能辨识硬压板的状态的方案。
发明内容
本发明的目的在于提供一种硬压板的状态辨识方法、装置及电子设备,旨在解决目前还没有基于数字图像处理技术的能辨识硬压板的状态的方案的问题。
第一方面,本发明提供了一种硬压板的状态辨识方法,所述方法包括:
接收摄像模块采集的硬压板的图像;
基于GrabCut算法对摄像模块采集的硬压板的图像进行分割得到用于辨识硬压板的状态的图像;
从用于辨识硬压板的状态的图像中筛选出与样本数据直方图中相匹配的区域,将所述区域二值化得到二值图;
根据二值图,利用小顶堆算法,得到硬压板的开关上下连接点的位置;
辨识连接点中央处的非零像素点个数是否超过预设的阈值,若是,判定为闭合状态,若不是,则判定为断开状态。
第二方面,本发明提供了一种硬压板的状态辨识装置,所述装置包括:
接收模块,用于接收摄像模块采集的硬压板的图像;
分割模块,用于基于GrabCut算法对摄像模块采集的硬压板的图像进行分割得到用于辨识硬压板的状态的图像;
二值化模块,用于从用于辨识硬压板的状态的图像中筛选出与样本数据直方图中相匹配的区域,将所述区域二值化得到二值图;
位置计算模块,用于根据二值图,利用小顶堆算法,得到硬压板的开关上下连接点的位置;
辨识模块,用于辨识连接点中央处的非零像素点个数是否超过预设的阈值,若是,判定为闭合状态,若不是,则判定为断开状态。
第三方面,本发明提供了一种计算机可读存储介质,其存储用于电子数据交换的计算机程序,所述计算机程序使得计算机执行如上述的硬压板的状态辨识方法。
第四方面,本发明提供了一种电子设备,包括:
一个或多个处理器;
存储器;以及
一个或多个程序,其中所述一个或多个程序被存储在所述存储器中,并且被配置成由所述一个或多个处理器执行,所述程序包括用于执行以下步骤的指令:
接收摄像模块采集的硬压板的图像;
基于GrabCut算法对摄像模块采集的硬压板的图像进行分割得到用于辨识硬压板的状态的图像;
从用于辨识硬压板的状态的图像中筛选出与样本数据直方图中相匹配的区域,将所述区域二值化得到二值图;
根据二值图,利用小顶堆算法,得到硬压板的开关上下连接点的位置;
辨识连接点中央处的非零像素点个数是否超过预设的阈值,若是,判定为闭合状态,若不是,则判定为断开状态。
在本发明中,由于基于GrabCut算法对摄像模块采集的硬压板的图像进行分割得到用于辨识硬压板的状态的图像。因此准确率高,检测效果良好,能有效监测硬压板的状态,节约人力资源,具有很高的应用价值。
附图说明
图1是本发明实施例一提供的硬压板的状态辨识方法的流程图。
图2是变电站硬压板的开关的实际图像。
图3是通过步骤S103处理后的二值图。
图4是通过步骤S104处理后的硬压板的开关上下连接点的位置图。
图5为辨识连接点中央处的非零像素点的辨识结果图。
图6是本发明实施例二提供的硬压板的状态辨识装置的结构示意图。
图7是本发明实施例四提供的电子设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
实施例一:
在电力系统中,继电保护屏上的硬压板的主流结构多为分立式结构。分立式硬压板的结构有明显的间断点,外观采用了国家电网标准的标准色,为采用图像识别技术辨识硬压板的状态提供了有利条件。
请参阅图1,本发明实施例一提供的硬压板的状态辨识方法包括以下步骤:
S101、接收摄像模块采集的硬压板的图像;
在本发明实施例一中,S101具体可以是:接收通过机器人、手机等的摄像模块采集的硬压板的图像。
在本发明实施例一中,所述摄像模块采集的硬压板的图像是通过以下方式采集的:
摄像模块拍摄获得硬压板的原始图像;
采用Lucas-Kanade光流算法,利用硬压板的原始图像和预存的基准图片的相关性和像素的变化得出硬压板的原始图像与基准图片的对应关系;所述基准图片是标准库中的未处理的初始图片;
计算硬压板的原始图像与基准图片中物体变化信息,并形成描述硬压板变化信息的新图像。
以预存的基准图片作为跟踪目标的模型I,Lucas-Kanade光流算法通过求解式(1)中的最优化问题来定位跟踪目标
arg minτ||y2τ-l||s.t. Tdown≤τ≤Tup (1)
其中,l是跟踪目标的模型,y是当前帧的观测图片子块;τ∈T为目标的一种仿射变化用来描述跟踪目标的状态,在实验中采用二维相似变换τ=[x,y,θ,s];同时使用阈值[Tdown,Tup]来约束状态在相邻两帧的变化范围;||·||表示某种范数下的距离度量,传统的算法中一般采用L2范数;°表示仿射变换运算。
在本发明实施例一中,Lucas-Kanade光流算法定位跟踪目标具体可以包括以下步骤:
初始化,即假设已知t时刻目标硬压板的状态τt=[xt,yt,θt,st],给定t+1时刻算法执行的初始点为τ0 t+1=[x0 t+1,y0 t+1,θ0 t+1,s0 t+1];
迭代求解目标硬压板在t+1时刻的状态τt+1=[xt+1,yt+1,θt+1,st+1]。
该算法的使用能很好地应对图像采集时视觉跟踪中的各种挑战环境,跟踪精度较优,既能学习目标的外观变化,同时能避免跟踪漂移问题,能够较好解决机器人的行走误差带来的图像采集问题。
当通过机器人的摄像模块采集硬压板的图像时,由于机器人本身的移动,摄像模块可能会产生偏左偏右的误差。由于工业光照稳定,机器人的移动只产生水平方向的误差,所以机器人多次巡检图像可以近似看作是视频中的多个帧,可以使用视觉跟踪算法来采集。视觉跟踪需要解决两个问题:外观模型的建立和搜索策略的确定。外观模型的建立有两类方法:一是提取目标的角点心、边缘、轮廓、颜色等特征,二是以未处理的初始图片作为跟踪模板。相较之下,第二种方法算法复杂度较低,并且可以保留目标外观的所有信息,不易受到复杂环境如光照等因素的干扰。所以本发明实施例采用以未处理的初始图片作为跟踪模板建立外观模型。
Lucas-Kanade光流算法是一种两帧差分的光流估计算法。Lucas-Kanade光流算法可以校正摄像模块因为机器人移动可能产生偏左或偏右的误差,可以将图像标准化,即在预定位置得到ROI(region of interest,感兴趣区域)。光流的概念在上世纪五十年代就被提出,光流是一种运动模式,是由场景中目标的移动或是摄像模块本身移动而产生的。它的提出是为了找出视频上一帧与当前一帧之间的对应关系并计算物体运动信息,主要利用相邻两帧的相关性和像素在时间上的变化来计算。一般计算方法有三种:基于区域或是特征匹配;基于频域;基于梯度。Lucas–Kanade光流算法利用观测图片与跟踪模板的相关性,采用梯度法在某一邻域内求解最佳匹配,比传统的粒子滤波算法速度更快,效率更高。
S102、基于GrabCut算法对摄像模块采集的硬压板的图像进行分割得到用于辨识硬压板的状态的图像。
采集校正的图像经过去噪几何变换等预处理后,需要目标物进行图像分割。常用的方法多为颜色识别算法,但是由于目标物所处光照环境的不同,颜色特点不一,辨识时还需考虑颜色的恒常性,故采用颜色识别往往易受到与目标物相似颜色的其他物体的干扰。由于硬压板的纹理(颜色)信息与边界(反差)信息较为丰富,且背景都是银灰色面板,对比度和反差较为明显。为了避免相似颜色非目标物的干扰,采用GrabCut算法完成对硬压板的图像分割。GrabCut算法是一种交互式前景提取算法,是目前图像分割中比较优秀且实用的算法,它能有效从复杂背景图像中提取所需的目标对象,充分利用边缘信息和区域信息,消耗较少的交互操作,获得较高精度的分割效果,能够很好地应用于变电站屏柜中硬压板的图像分割。GrabCut算法的主要思想是基于全局最优化,是GraphCut算法的改进版。
S103、从用于辨识硬压板的状态的图像中筛选出与样本数据直方图中相匹配的区域,将所述区域二值化得到二值图。
样本数据直方图仅包含用于匹配的所需颜色(例如红色和黄色),是根据从原图中的目标颜色区域获取的样本颜色数据,采用黑色或白色背景。
S104、根据二值图,利用小顶堆算法,得到硬压板的开关上下连接点的位置。
在本发明实施例一中,S104具体可以为:
利用小顶堆算法计算出二值图中非零点y坐标最小的N个点,再计算出这N个点的x坐标平均值,得到硬压板的开关上下连接点的位置。N可以是大于或等于2的自然数。
S105、辨识连接点中央处的非零像素点个数是否超过预设的阈值,若是,判定为闭合状态,若不是,则判定为断开状态。
为了验证本发明实施例一提供的硬压板的状态辨识方法的有益效果,选用了一些符合国网标准的标准硬压板的屏柜来进行图像采集及处理实验,并统计了识别率。以下实验数据来源于变电站,变电站硬压板的开关的实际图像如图2,本次实验硬压板的开关数量为360个。
表1硬压板的开关检测结果
待检测类型 | 待检测开关个数/个 | 正确识别状态开关数/个 | 正确率% |
硬压板开关 | 360 | 348 | 96.7 |
图3是通过步骤S103处理后的二值图,图4是通过步骤S104处理后的硬压板的开关上下连接点的位置图,图5为辨识连接点中央处的非零像素点的辨识结果图,判断开关的连接状态。将辨识结果写入结果数组。开关状态值为:连通为1,断开为0,备用开关为2。由表1中的数据可看出对硬压板开关状态的正确率为96.7%,识别效果优良。综上所述,采用本发明实施例一提供的硬压板的状态辨识方法,准确率高,检测效果良好,能有效监测硬压板的状态,节约人力资源,具有很高的应用价值。
实施例二:
请参阅图6,本发明实施例二提供的硬压板的状态辨识装置包括:
接收模块11,用于接收摄像模块采集的硬压板的图像;
分割模块12,用于基于GrabCut算法对摄像模块采集的硬压板的图像进行分割得到用于辨识硬压板的状态的图像;
二值化模块13,用于从用于辨识硬压板的状态的图像中筛选出与样本数据直方图中相匹配的区域,将所述区域二值化得到二值图;
位置计算模块14,用于根据二值图,利用小顶堆算法,得到硬压板的开关上下连接点的位置;
辨识模块15,用于辨识连接点中央处的非零像素点个数是否超过预设的阈值,若是,判定为闭合状态,若不是,则判定为断开状态。
本发明实施例三提供了一种计算机可读存储介质,其存储用于电子数据交换的计算机程序,所述计算机程序使得计算机执行如本发明实施例一提供的硬压板的状态辨识方法。
实施例四:
请参阅图7,本发明实施例四提供的电子设备100包括:一个或多个处理器21;存储器22;以及
一个或多个程序,其中所述一个或多个程序被存储在所述存储器22中,并且被配置成由所述一个或多个处理器21执行,所述程序包括用于执行以下步骤的指令:
接收摄像模块采集的硬压板的图像;
基于GrabCut算法对摄像模块采集的硬压板的图像进行分割得到用于辨识硬压板的状态的图像;
从用于辨识硬压板的状态的图像中筛选出与样本数据直方图中相匹配的区域,将所述区域二值化得到二值图;
根据二值图,利用小顶堆算法,得到硬压板的开关上下连接点的位置;
辨识连接点中央处的非零像素点个数是否超过预设的阈值,若是,判定为闭合状态,若不是,则判定为断开状态。
在本发明实施例四中,所述接收摄像模块采集的硬压板的图像具体可以是:接收通过机器人或手机的摄像模块采集的硬压板的图像。
所述摄像模块采集的硬压板的图像可以是通过以下方式采集的:
摄像模块拍摄获得硬压板的原始图像;
采用Lucas-Kanade光流算法,利用硬压板的原始图像和预存的基准图片的相关性和像素的变化得出硬压板的原始图像与基准图片的对应关系;
计算硬压板的原始图像与基准图片中物体变化信息,并形成描述硬压板变化信息的新图像。
所述根据二值图,利用小顶堆算法,得到硬压板的开关上下连接点的位置具体可以为:
利用小顶堆算法计算出二值图中非零点y坐标最小的N个点,再计算出这N个点的x坐标平均值,得到硬压板的开关上下连接点的位置,其中N是大于或等于2的自然数。
在本发明实施例中,由于基于GrabCut算法对摄像模块采集的硬压板的图像进行分割得到用于辨识硬压板的状态的图像。因此准确率高,检测效果良好,能有效监测硬压板的状态,节约人力资源,具有很高的应用价值。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种硬压板的状态辨识方法,其特征在于,所述方法包括:
接收摄像模块采集的硬压板的图像;
基于GrabCut算法对摄像模块采集的硬压板的图像进行分割得到用于辨识硬压板的状态的图像;
从用于辨识硬压板的状态的图像中筛选出与样本数据直方图中相匹配的区域,将所述区域二值化得到二值图;
根据二值图,利用小顶堆算法,得到硬压板的开关上下连接点的位置;
辨识连接点中央处的非零像素点个数是否超过预设的阈值,若是,判定为闭合状态,若不是,则判定为断开状态。
2.如权利要求1所述的方法,其特征在于,所述接收摄像模块采集的硬压板的图像具体是:接收通过机器人或手机的摄像模块采集的硬压板的图像。
3.如权利要求1所述的方法,其特征在于,所述摄像模块采集的硬压板的图像是通过以下方式采集的:
摄像模块拍摄获得硬压板的原始图像;
采用Lucas-Kanade光流算法,利用硬压板的原始图像和预存的基准图片的相关性和像素的变化得出硬压板的原始图像与基准图片的对应关系;
计算硬压板的原始图像与基准图片中物体变化信息,并形成描述硬压板变化信息的新图像。
4.如权利要求1所述的方法,其特征在于,所述根据二值图,利用小顶堆算法,得到硬压板的开关上下连接点的位置具体为:
利用小顶堆算法计算出二值图中非零点y坐标最小的N个点,再计算出这N个点的x坐标平均值,得到硬压板的开关上下连接点的位置,其中N是大于或等于2的自然数。
5.一种硬压板的状态辨识装置,其特征在于,所述装置包括:
接收模块,用于接收摄像模块采集的硬压板的图像;
分割模块,用于基于GrabCut算法对摄像模块采集的硬压板的图像进行分割得到用于辨识硬压板的状态的图像;
二值化模块,用于从用于辨识硬压板的状态的图像中筛选出与样本数据直方图中相匹配的区域,将所述区域二值化得到二值图;
位置计算模块,用于根据二值图,利用小顶堆算法,得到硬压板的开关上下连接点的位置;
辨识模块,用于辨识连接点中央处的非零像素点个数是否超过预设的阈值,若是,判定为闭合状态,若不是,则判定为断开状态。
6.一种计算机可读存储介质,其存储用于电子数据交换的计算机程序,其特征在于,所述计算机程序使得计算机执行如权利要求1至4任一项所述的硬压板的状态辨识方法。
7.一种电子设备,包括:
一个或多个处理器;
存储器;以及
一个或多个程序,其中所述一个或多个程序被存储在所述存储器中,并且被配置成由所述一个或多个处理器执行,所述程序包括用于执行以下步骤的指令:
接收摄像模块采集的硬压板的图像;
基于GrabCut算法对摄像模块采集的硬压板的图像进行分割得到用于辨识硬压板的状态的图像;
从用于辨识硬压板的状态的图像中筛选出与样本数据直方图中相匹配的区域,将所述区域二值化得到二值图;
根据二值图,利用小顶堆算法,得到硬压板的开关上下连接点的位置;
辨识连接点中央处的非零像素点个数是否超过预设的阈值,若是,判定为闭合状态,若不是,则判定为断开状态。
8.如权利要求7所述的电子设备,其特征在于,所述接收摄像模块采集的硬压板的图像具体是:接收通过机器人或手机的摄像模块采集的硬压板的图像。
9.如权利要求7所述的电子设备,其特征在于,所述摄像模块采集的硬压板的图像是通过以下方式采集的:
摄像模块拍摄获得硬压板的原始图像;
采用Lucas-Kanade光流算法,利用硬压板的原始图像和预存的基准图片的相关性和像素的变化得出硬压板的原始图像与基准图片的对应关系;
计算硬压板的原始图像与基准图片中物体变化信息,并形成描述硬压板变化信息的新图像。
10.如权利要求7所述的电子设备,其特征在于,所述根据二值图,利用小顶堆算法,得到硬压板的开关上下连接点的位置具体为:
利用小顶堆算法计算出二值图中非零点y坐标最小的N个点,再计算出这N个点的x坐标平均值,得到硬压板的开关上下连接点的位置,其中N是大于或等于2的自然数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710304245.7A CN107274382B (zh) | 2017-05-03 | 2017-05-03 | 一种硬压板的状态辨识方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710304245.7A CN107274382B (zh) | 2017-05-03 | 2017-05-03 | 一种硬压板的状态辨识方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107274382A true CN107274382A (zh) | 2017-10-20 |
CN107274382B CN107274382B (zh) | 2020-08-21 |
Family
ID=60073681
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710304245.7A Active CN107274382B (zh) | 2017-05-03 | 2017-05-03 | 一种硬压板的状态辨识方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107274382B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109193935A (zh) * | 2018-09-07 | 2019-01-11 | 广东中粤电力科技有限公司 | 一种基于图像处理的配电房监测方法及系统 |
CN109447285A (zh) * | 2018-10-24 | 2019-03-08 | 贵州电网有限责任公司 | 一种基于图形自我对比的保护压板状态识别方法 |
CN109870143A (zh) * | 2019-03-08 | 2019-06-11 | 国网福建省电力有限公司漳州供电公司 | 变电站保护压板状态的图形扫描识别方法 |
CN113657175A (zh) * | 2021-07-21 | 2021-11-16 | 山东爱普电气设备有限公司 | 配电柜开关状态智能识别方法、系统、存储介质及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0536642A1 (de) * | 1991-10-10 | 1993-04-14 | Siemens Aktiengesellschaft | Drehtisch zur Prüfung von elektromagnetischer Verträglichkeit |
US20110267488A1 (en) * | 2010-04-28 | 2011-11-03 | Sony Corporation | Image processing apparatus, image processing method, imaging apparatus, and program |
CN105869146A (zh) * | 2016-03-22 | 2016-08-17 | 西安电子科技大学 | 基于显著性融合的sar图像变化检测方法 |
CN106296750A (zh) * | 2016-08-09 | 2017-01-04 | 国网江苏省电力公司检修分公司 | 一种基于改进颜色识别技术的压板状态辨识方法 |
-
2017
- 2017-05-03 CN CN201710304245.7A patent/CN107274382B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0536642A1 (de) * | 1991-10-10 | 1993-04-14 | Siemens Aktiengesellschaft | Drehtisch zur Prüfung von elektromagnetischer Verträglichkeit |
US20110267488A1 (en) * | 2010-04-28 | 2011-11-03 | Sony Corporation | Image processing apparatus, image processing method, imaging apparatus, and program |
CN105869146A (zh) * | 2016-03-22 | 2016-08-17 | 西安电子科技大学 | 基于显著性融合的sar图像变化检测方法 |
CN106296750A (zh) * | 2016-08-09 | 2017-01-04 | 国网江苏省电力公司检修分公司 | 一种基于改进颜色识别技术的压板状态辨识方法 |
Non-Patent Citations (3)
Title |
---|
张忠义: "基于改进LK光流的目标跟踪算法研究", 《信息技术》 * |
李佳容 等: "基于光电检测原理的压板状态检测及防误系统", 《重庆大学学报》 * |
邓应松 等: "基于图像识别的保护压板投退状态辨识方法", 《陕西电力》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109193935A (zh) * | 2018-09-07 | 2019-01-11 | 广东中粤电力科技有限公司 | 一种基于图像处理的配电房监测方法及系统 |
CN109193935B (zh) * | 2018-09-07 | 2022-02-18 | 广东中粤电力科技有限公司 | 一种基于图像处理的配电房监测方法及系统 |
CN109447285A (zh) * | 2018-10-24 | 2019-03-08 | 贵州电网有限责任公司 | 一种基于图形自我对比的保护压板状态识别方法 |
CN109870143A (zh) * | 2019-03-08 | 2019-06-11 | 国网福建省电力有限公司漳州供电公司 | 变电站保护压板状态的图形扫描识别方法 |
CN113657175A (zh) * | 2021-07-21 | 2021-11-16 | 山东爱普电气设备有限公司 | 配电柜开关状态智能识别方法、系统、存储介质及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN107274382B (zh) | 2020-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110427905B (zh) | 行人跟踪方法、装置以及终端 | |
CN106570486B (zh) | 基于特征融合和贝叶斯分类的核相关滤波目标跟踪方法 | |
CN109684925B (zh) | 一种基于深度图像的人脸活体检测方法及设备 | |
CN109086724B (zh) | 一种加速的人脸检测方法及存储介质 | |
Hao et al. | Improved self-adaptive edge detection method based on Canny | |
CN105260749B (zh) | 基于方向梯度二值模式和软级联svm的实时目标检测方法 | |
CN107274382A (zh) | 一种硬压板的状态辨识方法、装置及电子设备 | |
CN103035003B (zh) | 一种实现增强现实的方法及装置 | |
CN107767400A (zh) | 基于层次化显著性分析的遥感图像序列动目标检测方法 | |
CN112101208A (zh) | 高龄老人特征串联融合手势识别方法及装置 | |
Jodoin et al. | Background subtraction based on local shape | |
Li et al. | Estimating visual saliency through single image optimization | |
CN107067595A (zh) | 一种指示灯的状态辨识方法、装置及电子设备 | |
Dhar et al. | An efficient real time moving object detection method for video surveillance system | |
CN110222647B (zh) | 一种基于卷积神经网络的人脸活体检测方法 | |
CN112686122B (zh) | 人体及影子的检测方法、装置、电子设备、存储介质 | |
Košcevic et al. | Automatic visual reading of meters using deep learning | |
Ayoub et al. | Visual saliency detection based on color frequency features under Bayesian framework | |
CN111104857A (zh) | 一种基于步态能量图的身份识别方法及系统 | |
Muddamsetty et al. | Spatio-temporal saliency detection in dynamic scenes using local binary patterns | |
Seo et al. | ViT-P3DE∗: Vision Transformer Based Multi-Camera Instance Association with Pseudo 3D Position Embeddings. | |
Si-ming et al. | Moving shadow detection based on Susan algorithm | |
Zhu | Moving Objects Detection and Segmentation Based on Background Subtraction and Image Over-Segmentation. | |
Ye et al. | Real-time TV logo detection based on color and HOG features | |
Sehgal et al. | Prewett Edge Detector Method for Content Extraction in Moving Pictures or Images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |