CN107563263B - 基于仪表的视频图像识别方法及系统 - Google Patents

Abstract

本发明提供一种基于仪表的视频图像识别方法及系统。其中方法包括：获取变电站内表征一次设备和/或二次设备运行状态的仪表的视频图像；根据预设的仪表识别参数对视频图像进行识别分析，得到识别分析结果；将识别分析结果传送至客户端。其通过自动识别分析技术，在几乎不需要人为干预的情况下，通过对仪表的图像数据进行自动识别分析来对变电站内设备的运行状态进行识别分析，客户端接收到分析识别结果后便能监控设备状态，无需人为分析异常，减轻了操作人员的工作强度，提高了变电站智能化管理水平。

Description

基于仪表的视频图像识别方法及系统

技术领域

本发明涉及图像识别技术领域，特别是涉及一种基于仪表的视频图像识别方法及系统。

背景技术

为确保电网长期、高效、安全运行，需要变电站视频监控系统起到预警作用，确保无人值守或少人值守变电站现场设备的运行安全，并全面提高变电站自动化管理水平，需要利用计算机技术在视频监控中自动识别异常事件，以机器的方式代替人力监控工作，即变电站视频智能分析技术。使用变电站视频智能分析技术不仅可以让客户远程巡视各类设备的运行情况，还能实时获得来自事故现场的报警信息，对可能或已经发生的异常现象及时处理并保存现场的图像资料，为分析事故原因提供第一手的资料，使供电部门的管理方法和手段不断地与科技发展的最新成果紧密相连。

虽然目前安防市场上有众多国内外监控生产商退出的视频智能分析产品，但大多数都侧重于安防、公共交通及社会公共安全，而针对于电力行业的视频智能分析技术很少，尤其是针对设备状态监测的智能分析技术及产品就更少。目前无人值守变电站遥视系统对设备进行实时监控，使电网运行更为安全、可靠，虽然具有监控报警功能，却主要集中为传感器的报警分析，视频检测多为辅助手段。随着监控点的增多，传统的视频监控暴露出诸多不足：过度依赖人工发现异常，缺乏对异常视频数据的智能分析。

发明内容

鉴于此，有必要针对传统技术的视频监控过度依赖人工发现异常的问题，提供一种基于仪表的视频图像识别方法及系统，能够实现对异常视频图像的智能分析。

为达到发明目的，提供一种基于仪表的视频图像识别方法，所述方法包括：

获取变电站内表征一次设备和/或二次设备运行状态的仪表的视频图像；

根据预设的仪表识别参数对所述视频图像进行识别分析，得到识别分析结果；

将所述识别分析结果传送至客户端。

在其中一个实施例中，所述获取变电站内表征一次设备和/或二次设备运行状态的仪表的视频图像的步骤包括：

采集所述变电场内表征所述一次设备和/或二次设备运行状态的仪表的视频流数据；

将所述视频流数据传输至分析服务端，由所述分析服务端对所述视频流数据进行解码、插值和转换后得到所述视频图像。

在其中一个实施例中，所述根据预设的仪表识别参数对所述视频图像进行识别分析，得到识别分析结果的步骤包括：

获取用户输入的框选区域以及所述预设的仪表识别参数；

在所述框选区域内根据所述预设的仪表识别参数对所述视频图像进行识别分析，得到所述仪表的仪表读数值。

在其中一个实施例中，所述在所述框选区域内根据所述预设的仪表识别参数对所述视频图像进行识别分析，得到所述仪表的仪表读数值的步骤之后，还包括：

将得到的所述仪表读数值与预设仪表读数值进行比较，并在所述仪表读数值超出所述预设仪表读数值时，发出报警信息。

在其中一个实施例中，所述仪表包括指针型仪表和数码管型仪表。

在其中一个实施例中，当所述仪表为所述指针型仪表时，所述根据预设的仪表识别参数对所述视频图像进行识别分析，得到识别分析结果的步骤包括：

获取用户输入的框选区域以及所述预设的仪表识别参数，其中，所述预设的仪表识别参数包括所述指针型仪表的中心点、刻度的始末位置、刻度值区间以及仪表种类；

根据所述刻度的始末位置以及所述中心点计算得到所述指针型仪表的弧度跨度和弧度半径；

在所述框选区域内找到当前指针所在位置；

根据当前指针所在位置偏离刻度的起始位置的弧度占所述弧度跨度的比值以及所述刻度值区间计算当前指针所指向的读数；

根据所述仪表种类在所述读数后添加计量单位，得到所述指针型仪表的读数值。

在其中一个实施例中，当所述仪表为所述数码管型仪表时，所述根据预设的仪表识别参数对所述视频图像进行识别分析，得到识别分析结果的步骤包括：

获取用户输入的框选区域以及所述预设的仪表识别参数，其中，所述预设的仪表识别参数包括仪表种类；

对所述框选区域内的所述视频图像进行二值化处理，得到二值化图像；

对所述二值化图像进行优化处理，得到优化后的二值化图像；

对所述优化后的二值化图像进行骨架提取得到单像素宽度的视频图像；

将所述单像素宽度的视频图像分离为单数字图像，并提取各个所述单数字图像对应的外接矩形，所述外接矩形包括七段数码管；

根据所述七段数码管中每一段数码管的亮灭状态确定各个所述单数字图像的数值，从而得到所述数码管型仪表的读数；

根据所述仪表种类在所述读数后添加计量单位，得到所述数码管型仪表的读数值。

本发明还提供一种基于仪表的视频图像识别系统，所述系统包括：

视频图像获取模块，用于获取变电站内表征一次设备和/或二次设备运行状态的仪表的视频图像；

识别分析模块，用于根据预设的仪表识别参数对所述视频图像进行识别分析，得到识别分析结果；

传送模块，用于将所述识别分析结果传送至客户端。

在其中一个实施例中，所述图像数据获取模块包括：

采集单元，用于采集所述变电场内表征所述一次设备和/或二次设备运行状态的仪表的视频流数据；

视频图像获取单元，用于将所述视频流数据传输至分析服务端，由所述分析服务端随所述视频流数据进行解码、插值和转换后得到所述视频图像。

在其中一个实施例中，所述识别分析模块包括：

获取单元，用于获取用户输入的框选区域以及所述预设的仪表识别参数；

读数值获得单元，用于在所述框选区域内根据所述预设的仪表识别参数对所述视频图像进行识别分析，得到所述仪表的仪表读数值；

比较单元，用于将得到的所述仪表读数值与预设仪表读数值进行比较，并在所述仪表读数值超出所述预设仪表读数值时，发出报警信息。

在其中一个实施例中，所述仪表包括指针型仪表和数码管型仪表。

在其中一个实施例中，当所述仪表为所述指针型仪表时，所述识别分析模块包括：

第一获取单元，用于获取用户输入的框选区域以及所述预设的仪表识别参数，其中，所述预设的仪表识别参数包括所述指针型仪表的中心点、刻度的始末位置、刻度值区间以及仪表种类；

第一计算单元，用于根据所述刻度的始末位置以及所述中心点计算得到所述指针型仪表的弧度跨度和弧度半径；

查找单元，用于在所述框选区域内找到当前指针所在位置；

第二计算单元，用于根据当前指针所在位置偏离刻度的起始位置的弧度占所述弧度跨度的比值以及所述刻度值区间计算当前指针所指向的读数；

第一读数值得到单元，用于根据所述仪表种类在所述读数后添加计量单位，得到所述指针型仪表的读数值。

在其中一个实施例中，当所述仪表为所述数码管型仪表时，所述识别分析模块包括：

第二获取单元，用于获取用户输入的框选区域以及所述预设的仪表识别参数，其中，所述预设的仪表识别参数包括仪表种类；

二值化处理单元，用于对所述框选区域内的所述视频图像进行二值化处理，得到二值化图像；

优化处理单元，用于对所述二值化图像进行优化处理，得到优化后的二值化图像；

骨架提取单元，用于对所述优化后的二值化图像进行骨架提取得到单像素宽度的视频图像；

分离提取单元，用于对所述优化后的二值化图像进行骨架提取得到单像素宽度的视频图像；

确定读数单元，用于根据所述七段数码管中每一段数码管的亮灭状态确定各个所述单数字图像的数值，从而得到所述数码管型仪表的读数；

第二读数值获得单元，用于根据所述仪表种类在所述读数后添加计量单位，得到所述数码管型仪表的读数值。

本发明的有益效果包括：

上述基于仪表的视频图像识别方法及系统，通过自动识别分析技术，在几乎不需要人为干预的情况下，通过对仪表的图像数据进行自动识别分析来对变电站内设备的运行状态进行识别分析，客户端接收到分析识别结果后便能监控设备状态，无需人为分析异常，减轻了操作人员的工作强度，提高了变电站智能化管理水平。

附图说明

图1为一个实施例中的基于仪表的视频图像识别方法的流程示意图；

图2为图1所示步骤S100的一具体实施例的流程示意图；

图3为一个实施例中的视频图像采集的物理网络拓扑图；

图4为图1所示步骤S200的一具体实施例的流程示意图；

图5为图1所示步骤S200的另一具体实施例的流程示意图；

图6为一个实施例中的指针型仪表的示意图；

图7为另一个实施例中的指针型仪表的示意图；

图8为一个实施例中的指针型仪表的刻度指针识别示意图；

图9为图1所示步骤S200的又一具体实施例的流程示意图；

图10为数码管型仪表的七段数码管读数分析算法流程示意图；

图11为数码管型仪表相邻帧渐变效应示意图；

图12为一个实施例中的基于仪表的视频图像识别系统的结构示意图；

图13为另一个实施例中的基于仪表的视频图像识别系统的结构示意图；

图14为又一个实施例中的基于仪表的视频图像识别系统的结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例对本发明基于仪表的视频图像识别方法及系统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用以解释本发明，并不用于限定本发明。

在一个实施例中，如图1所示，提供了一种基于仪表的视频图像识别方法，该方法包括以下步骤：

S100，获取变电站内表征一次设备和/或二次设备运行状态的仪表的视频图像。

S200，根据预设的仪表识别参数对视频图像进行识别分析，得到识别分析结果。

S300，将识别分析结果传送至客户端。

本实施例中，变电站内各个一次设备和/或二次设备上一般都设置有仪表，仪表中的读数通常能够表征一次设备和/或二次设备的运行状态，因此获取表征一次设备和/或二次设备运行状态的仪表的视频图像，对仪表的视频图像进行自动识别分析，达到对设备运行状态的自动识别分析，弥补传统技术中缺少对设备运行状态进行监控分析的缺陷。根据预设的仪表识别参数对视频图像进行自动的识别分析以得到识别分析结果，并将识别分析结果传送给客户端，以便客户端实时获知变电站内被监测设备的运行状态，如果被监测设备的运行状态出现异常时，及时采取相应的措施避免变电站内设备的异常，保证电网运行的安全可靠。上述基于仪表的视频图像识别方法，通过自动识别分析技术，在几乎不需要人为干预的情况下，通过对仪表的图像数据进行自动识别分析来对变电站内设备的运行状态进行识别分析，客户端接收到分析识别结果后便能监控设备状态，无需人为分析异常，减轻了操作人员的工作强度，提高了变电站智能化管理水平。

其中，一次设备指的是直接用于生产和使用电能，比二次设备电压等级高的电气设备，例如：发电机、变压器、断路器、隔离开关、自动开关、接触器、刀开关、母线、输电线路、电路电缆、电抗器等。二次设备指的是对一次设备的工作进行监测、控制、调节、保护以及为运行、维护人员提供运行工况或生产指挥信息所需的低压电气设备，例如：熔断器、控制开关。继电器、控制电缆、仪表、信号设备、自动装置等。

需要说明的是，所涉及的仪表在变电站内分布非常广发和庞杂，例如：仪表包括套管表、主变油表、温度表、气体压力表、避雷检测表、多功能电能表、油位计表、电压表、电流表、SF6压力表等，此类仪表的读数通常无法通过人为方式实时进行监控。

在一个实施例中，根据预设的仪表识别参数对视频图像进行识别分析，得到的识别分析结果包括一次设备和/或二次设备的正常运行数据和异常运行数据。将识别分析结果传送至客户端的步骤包括将包括有一次设备和/或二次设备的正常运行数据和异常运行数据的识别分析结果传送至客户端。客户端接收到设备的正常运行数据时，继续监控即可，客户端接收到设备的异常运行数据时，采取相应的措置规避设备的异常。

其中，客户端包括智能移动终端，如：智能手机、平板、个人笔记本电脑、智能手表等。

在一个实施例中，参见图2，步骤S100包括：

S110，采集变电场内表征一次设备和/或二次设备运行状态的仪表的视频流数据。

S120，将视频流数据传输至分析服务端，由分析服务端对视频流数据进行解码、插值和转换后得到视频图像。

图3为一个实施例中的视频图像采集的物理网络拓扑图，在该物理网络拓扑图中，各类高清摄像头(如：球机、枪机及云台等)采集表征设备运行状态的仪表的视频流数据，数字硬盘录像机(DVR，Digital Video Recorder)对各类高清摄像头采集的视频数据流进行存储处理(也可不通过数据硬盘录像机进行存储处理)，并通过局域网等将标准H.264或AVI格式的视频流数据传输到分析服务器，由分析服务器中的H.264解码器或AVI解码器将视频流数据解码为YUV420格式的图像，通过图像插值运算(如：最近邻插值法、双线性插值法和三次插值法)转换为YUV444格式的图像后，由openCV(开源计算机视觉库)的GPU(GraphicsProcessing Unit，图像处理器)转换为标准的RGB图像帧(视频图像)，便于在显示装置上显示。

在一个实施例中，参见图4，步骤S200包括：

S210，获取用户输入的框选区域以及预设的仪表识别参数。

S220，在框选区域内根据预设的仪表识别参数对视频图像进行识别分析，得到仪表的仪表读数值。

S230，将得到的仪表读数值与预设仪表读数值进行比较，并在仪表读数值超出预设仪表读数值时，发出报警信息。

在获取仪表的视频图像之后，由用户在视频图像中框选仪表的所在位置，如图6、图10中所示的虚线框，图中只示出了方形的框选方式，在实际的应用中，用户框选时也可以采用圆形、椭圆形、多边形以及不规则形状的图形来框选仪表的所在位置。框选出仪表的目标区域位置，能够减少仪表周围背景的干扰影响，加快视频图像的分析处理效率。由于不同的仪表对应的仪表分析参数是不一样的，因此，用户需要针对仪表的不同输入预设的仪表识别参数。在得到仪表的框选区域以及对应于该仪表的预设的仪表识别参数之后，只需在框选区域内根据预设的仪表识别参数对仪表的视频图像进行识别分析便能快速高效的得到仪表的仪表读数值，将得到的仪表读数值与预设仪表读数值进行比较，仪表读数值在预设仪表读数值范围之内表示设备运行状态的仪表的读数值处于正常状态，否则，则说明处于异常状态。在比较出仪表读数值超出预设仪表读数值时，发出报警信息，告知客户端该仪表对应的设备处于异常状态，需要采取应对措施规避该异常情况。

进一步的，在一个实施例中，在得到仪表的仪表读数值和报警信息后，将仪表读数值和报警信息传送至客户端，客户端可以根据报警信息监控设备，并采取规避措施，也可以通过仪表读数值实时监控设备。

在一个实施例中，上述实施例中的仪表包括指针型仪表和数码管型仪表。

在一个实施例中，当仪表为指针型仪表时，参见图5，步骤S200包括：

S201，获取用户输入的框选区域以及预设的仪表识别参数，其中，预设的仪表识别参数包括所述指针型仪表的中心点、刻度的始末位置、刻度值区间以及仪表种类。

S202，根据刻度的始末位置以及中心点计算得到所述指针型仪表的弧度跨度和弧度半径。

S203，在框选区域内找到当前指针所在位置。

S204，根据当前指针所在位置偏离刻度的起始位置的弧度占所述弧度跨度的比值以及刻度值区间计算当前指针所指向的读数。

S205，根据仪表种类在读数后添加计量单位，得到指针型仪表的读数值。

上述实施例为仪表为指针型仪表时对视频图像进行识别分析的具体实施方式，考虑到各类不同指针型仪表(刻度表)的刻度的始末位置及刻度所覆盖的圆周弧长可以为任意形式，因此，在对指针型仪表的读数进行识别分析之前，需要用户根据指针型仪表的类型人为指定仪表识别参数(即预设的仪表识别参数)，并同时框选出仪表的目标所在位置，减少指针型仪表周围背景的干扰影响，加快对指针型仪表的识别分析效率。其中用户输入的预设的仪表识别参数包括指针型仪表的中心点(如果仪表盘为圆形时，中心点为圆形表盘的圆心，如果仪表盘为方形时，中心点为两条对角线的交叉点)，刻度的始末位置(包括起始位置和结束位置)、刻度值区间(仪表的总的读数值)、仪表种类(如电压表、电流表、温度表等，此参数用于确定输出结果的计量单位)。上述仪表识别参数能够适应各种仪表的盘面大小及刻度分布位置。根据刻度的起始位置和结束位置计算出指针型仪表的弧度跨度，例如：从刻度的起始位置顺时针覆盖至刻度的结束位置的弧度为指针型仪表的弧度跨度，起始位置或结束位置对应的端点到中心点的距离为指针型仪表的弧度半径；在用户指定的框选区域内找到当前指针的所在位置，例如：运用霍夫直线检测法在框选区域内找到所有含直线边缘的物体并结合刻度指针的各项属性对获取到的直线进行筛选，确定当前指针的所在位置；计算当前指针所在位置偏离刻度起始位置的弧度占指针型仪表整个弧度跨度的比值，并结合刻度值区间计算得到当前指针所指向的读数，最后根据该仪表种类在读数后添加计量单位，如：仪表种类为电压表时，在读数后添加伏特(V)，仪表种类为电流表时，在读数后添加安(A)，进而得到指针型仪表的读数值。然后将识别得到的指针型仪表的读数值实时传送给客户端，客户端根据读数值实时监控设备的运行状态。

进一步地，在步骤S205之前，还包括：

判断计算得到的当前指针所指向的读数与上次识别得到的读数是否相同，如果相异，则根据仪表种类在读数后面添加计量单位，如果相同，则直接发送上次识别得到的读数值。

为了更清楚的解释上述指针型仪表读数值的识别方式，以下结合一具体实施方式进行说明：

参见图8，图8为一个实施例中的刻度指针识别示意图，O为指针型仪表的中心点，S、E分别为刻度的起始位置点和结束位置点，M为刻度弧线SE的中心点，D为将要识别的刻度指针端点，利用霍夫直线检测法在框选区域内找到若干长度与弧度半径近似的霍夫直线作为备选的刻度指针，如，AB为检测到的霍夫直线之一，C为中心点O到AB直线的垂足，在图8中定义顺时针旋转方向为正。

在检测到的霍夫直线中删除满足以下条件之一的备选指针线：1)距离min(|OA|，|OB|)>弧度半径R，R＝max(|OE|，|OS|)，则AB位于刻度盘之外；2)|OC|>0.1xR，则AB未经过O。在剩余霍夫直线中(如OD)，计算每条直线与刻度起始线OS的顺时针角度<SOD>，及与半刻度角度的差值<DOM>＝abs(<SOD>-<SOM))。如图7中刻度盘所示，刻度盘始末位置和中心点右侧均有直线不满足上述删除条件，所测霍夫直线需进行进一步分析筛选。我们选取角度<DOM>最小的直线OD作为最终刻度指针。由所设置的刻度表参数，如(水温表℃，刻度值区间[-10,80])，则刻度盘读数可识别计算为：-10+<SOD>/<SOE>x(80+10)℃。此算法的主要目的是识别出正确的刻度指针位置并计算出各弧度角。

在一个实施例中，当仪表为数码管型仪表时，参见图9，步骤S200包括：

S201′，获取用户输入的框选区域以及预设的仪表识别参数，其中，预设的仪表识别参数包括仪表种类。

S202′，对框选区域内的视频图像进行二值化处理，得到二值化图像。

S203′，对二值化图像进行优化处理，得到优化后的二值化图像。

S204′，对优化后的二值化图像进行骨架提取得到单像素宽度的视频图像。

S205′，将单像素宽度的视频图像分离为单数字图像，并提取各个单数字图像对应的外接矩形，外接矩形包括七段数码管。

S206′，根据七段数码管中每一段数码管的亮灭状态确定各个单数字图像的数值，从而得到所述数码管型仪表的读数。

S207′，根据仪表种类在读数后添加计量单位，得到数码管型仪表的读数值。

上述实施例为仪表为数码管型仪表时对视频图像进行识别分析的具体实施方式，与指针型仪表的识别相似，需要用户框选出数码管型仪表的目标所在位置并根据数码管型仪表的类型人为指定预设的仪表识别参数，框选出数码管型仪表的目标所在位置，可以减少数码管型仪表周围背景的干扰影响，加快对数码管型仪表的识别分析效率。参见图10，图10为一个实施例中的数码管仪表读数分析算法过程示意图，在框选区域内的视频图像进行二值化处理，得到二值化图像，其中，二值化处理包括进行高斯平滑处理和灰度值转化经阈值过滤等步骤，二值化处理后的图像呈现明显的黑白视觉效果，使得将要识别的图像黑白区分明显，更加清晰。当有噪声的视频图像二值化处理后，所得到的边界是很不平滑的，物体区域具有一些错判的孔洞，背景区域散布着一些小的噪声物体，因此需对二值化图像进行优化处理，优化处理包括对二值化图像作开闭运算和区域连通，连续的开闭运算可以显著的改善噪声物体和错判孔洞的问题，但在做开闭运算时需要在连续几次腐蚀迭代之后，再加上相同次数的膨胀，才可以产生期望的效果。对优化后的二值化图像进行骨架提取得到单像素宽度的视频图像，骨架提取可以提供一个图像目标的尺寸和形状信息，单像素宽度的视频图像不仅能够清晰表达出要识别分析的对象，而且还无需对非必要的像素进行识别，降低识别的复杂度。由各连通区域的横坐标将单像素宽度的视频图像分离为单数字图像，并提取出各个单数字图像对应的外接矩形(此处的外接矩形为七段数码管)，根据七段数码管中每一段数码管的亮灭状态，按顺序进行十六进制进行编码，由得到的编码确定各个七段数码管的数值，并将各数字按原横坐标还原排序从而获得该数码显示管上的读数，最后根据仪表种类在读数后添加计量单位，得到数码管型仪表的读数值。

进一步地，在步骤S207′之前，判断当前确定的数码管型的读数与前N帧(如：前2帧)图像中的读数是否相同，如果相同，则在该读数后添加相应的计量单位，并将最终的数码管型仪表的读数值传送给客户端，客户端根据读数值实时监控数码管型仪表对应的设备的状态。采用N帧读数值缓存后上传结果的方式可避免数码管型仪表相邻帧渐变的识别错误，同时还避免上传同样的读数值。

为了更清楚的解释上述数码管型仪表读数值的识别方式，以下结合一具体实施方式进行说明：

参见图10、图11，在对图像数据进行二值化处理及骨架提取等一系列处理后，通过边缘提取方法获得每个数字的轮廓及其外接矩形，最终的数字排序可根据每个外接矩形的中心点坐标排列。对于每一个分离的单数字图像，如图10所示在外接矩形的1/4高、3/4高及1/2宽出作为中心点，分别以各个中心点处作为检测七段数码管是否亮灭的检测位置。这里需要说明的是，也可以以每一段数码管的两端为数码管是否亮灭的检测位置对数码管进行检测，也可以以每一段数码管上多个点为数码管是否亮灭的检测位置进行检测，这里并不做限定，只是为了更清楚的说明。如：以图10中数字“9”为例的七段数码管的编码，数字“9”对应的0段数码管是亮的，将0段数码管对应的二进制码为1，数字“9”对应的1段数码管是亮的，将1段数码管对应的二进制码为1，数字“9”对应的2段数码管是亮的，将2段数码管对应的二进制码为1，数字“9”对应的3段数码管是亮的，将3段数码管对应的二进制码为1，数字“9”对应的4段数码管是灭的，将4段数码管对应的二进制码为0，数字“9”对应的5段数码管是亮的，将5段数码管对应的二进制码为1，数字“9”对应的6段数码管是亮的，将6段数码管对应的二进制码为1，从而得到数字“9”对应的二进制码为“1101111”，将二进制转换为十六进制“0x6F”，根据数据“9”与十六进制的对应关系得到当前单数字图像对应的数值为9，以此类推，直至得到数码管型仪表的读数“0019”，并根据仪表种类得到数码管型仪表的读数值，例如仪表为电流表时，读数值为“0019A”。

在实际的读数值识别过程中，由于数码管的渐变亮灭效应，会出现读数值识别错误的情况，如图11所示，在第n帧的数字“3”跳变为第n+2帧“6”的过程中，会出现中间第n+1帧的数字“8”，尽管肉眼是不能觉察到该中间过程，但视频的帧率过快导致逐帧分析时会出现该错误结果。因此为了解决这个问题，在检测到数码管型仪表的当前读数值后，延迟N帧后若仍为当前读数值时，才作为最终识别的读数值输出。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。

在一个实施例中，如图12所示，还提供了一种基于仪表的视频图像识别系统，该系统包括：视频图像获取模块100，用于获取变电站内表征一次设备和/或二次设备运行状态的仪表的视频图像。识别分析模块200，用于根据预设的仪表识别参数对视频图像进行识别分析，得到识别分析结果。传送模块300，用于将识别分析结果传送至客户端。

本实施例中基于仪表的视频图像识别系统，通过自动识别分析技术，在几乎不需要人为干预的情况下，通过对仪表的图像数据进行自动识别分析来对变电站内设备的运行状态进行识别分析，客户端接收到分析识别结果后便能监控设备状态，无需人为分析异常，减轻了操作人员的工作强度，提高了变电站智能化管理水平。

在一个实施例中，图像数据获取模块100包括：采集单元110，用于采集变电场内表征一次设备和/或二次设备运行状态的仪表的视频流数据。视频图像获取单元120，用于将视频流数据传输至分析服务端，由分析服务端随所述视频流数据进行解码、插值和转换后得到视频图像。

在一个实施例中，识别分析模块200包括：获取单元210，用于获取用户输入的框选区域以及所述预设的仪表识别参数。读数值获得单元220，用于在框选区域内根据预设的仪表识别参数对视频图像进行识别分析，得到仪表的仪表读数值。比较单元230，用于将得到的仪表读数值与预设仪表读数值进行比较，并在仪表读数值超出预设仪表读数值时，发出报警信息。

在一个实施例中，仪表包括指针型仪表和数码管型仪表。

在一个实施例中，参见图13，当所述仪表为指针型仪表时，识别分析模块200包括：第一获取单元201，用于获取用户输入的框选区域以及所述预设的仪表识别参数，其中，预设的仪表识别参数包括所述指针型仪表的中心点、刻度的始末位置、刻度值区间以及仪表种类。第一计算单元202，用于根据刻度的始末位置以及中心点计算得到所述指针型仪表的弧度跨度和弧度半径。查找单元203，用于在框选区域内找到当前指针所在位置。第二计算单元204，用于根据当前指针所在位置偏离刻度的起始位置的弧度占所述弧度跨度的比值以及所述刻度值区间计算当前指针所指向的读数。第一读数值得到单元205，用于根据仪表种类在读数后添加计量单位，得到指针型仪表的读数值。

在一个实施例中，参见图14，当仪表为数码管型仪表时，识别分析模块200包括：第二获取单元201′，用于获取用户输入的框选区域以及预设的仪表识别参数，其中，预设的仪表识别参数包括仪表种类。二值化处理单元202′，用于对框选区域内的视频图像进行二值化处理，得到二值化图像。优化处理单元203′，用于对二值化图像进行优化处理，得到优化后的二值化图像。骨架提取单元204′，用于对优化后的二值化图像进行骨架提取得到单像素宽度的视频图像。分离提取单元205′，用于对优化后的二值化图像进行骨架提取得到单像素宽度的视频图像。确定读数单元206′用于根据七段数码管中每一段数码管的亮灭状态确定各个单数字图像的数值，从而得到数码管型仪表的读数。第二读数值获得单元207′，用于根据仪表种类在读数后添加计量单位，得到数码管型仪表的读数值。

由于此系统解决问题的原理与前述一种基于仪表的视频图像识别方法相似，因此该系统的实施可以参见前述方法的实施，重复之处不再赘述。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于仪表的视频图像识别方法，其特征在于，所述方法包括：

获取变电站内表征一次设备和/或二次设备运行状态的仪表的视频图像；

根据预设的仪表识别参数对所述视频图像进行识别分析，得到识别分析结果；

将所述识别分析结果传送至客户端；

其中，所述仪表为指针型仪表，所述根据预设的仪表识别参数对所述视频图像进行识别分析，得到识别分析结果，包括：

获取用户输入的框选区域以及预设的仪表识别参数；其中，预设的仪表识别参数包括所述指针型仪表的中心点、刻度的始末位置、刻度值区间以及仪表种类；

根据刻度的始末位置以及中心点计算得到所述指针型仪表的弧度跨度和弧度半径；

运用霍夫直线检测法在框选区域内找到所有含直线边缘的物体并结合刻度指针的各项属性对获取到的直线进行筛选，在框选区域内找到当前指针的所在位置；其中，所述对获取到的直线进行筛选包括：获取所述直线的两端点到所述中心点的距离，若所述距离中的最小值大于所述弧度半径，则删除所述直线；获取所述直线与所述中心点的垂直距离，若所述垂直距离大于0.1倍的所述弧度半径，则删除所述直线；获取所述直线与刻度起始线的顺时针角度，将所述顺时针角度与半刻度角度的差值最小的直线作为所述当前指针；

根据当前指针所在位置偏离刻度的起始位置的弧度占所述弧度跨度的比值以及刻度值区间计算当前指针所指向的读数；

根据仪表种类在读数后添加计量单位，得到指针型仪表的读数值。

2.根据权利要求1所述的基于仪表的视频图像识别方法，其特征在于，所述获取变电站内表征一次设备和/或二次设备运行状态的仪表的视频图像的步骤包括：

采集所述变电站内表征所述一次设备和/或二次设备运行状态的仪表的视频流数据；

将所述视频流数据传输至分析服务端，由所述分析服务端对所述视频流数据进行解码、插值和转换后得到所述视频图像。

3.根据权利要求1所述的基于仪表的视频图像识别方法，其特征在于，所述根据预设的仪表识别参数对所述视频图像进行识别分析，得到识别分析结果的步骤包括：

获取用户输入的框选区域以及所述预设的仪表识别参数；

在所述框选区域内根据所述预设的仪表识别参数对所述视频图像进行识别分析，得到所述仪表的仪表读数值。

4.根据权利要求3所述的基于仪表的视频图像识别方法，其特征在于，所述在所述框选区域内根据所述预设的仪表识别参数对所述视频图像进行识别分析，得到所述仪表的仪表读数值的步骤之后，还包括：

将得到的所述仪表读数值与预设仪表读数值进行比较，并在所述仪表读数值超出所述预设仪表读数值时，发出报警信息。

5.根据权利要求1所述的基于仪表的视频图像识别方法，其特征在于，所述根据刻度的始末位置以及中心点计算得到所述指针型仪表的弧度跨度和弧度半径，包括：

从刻度的起始位置顺时针覆盖至刻度的结束位置的弧度为指针型仪表的弧度跨度；

起始位置或结束位置对应的端点到中心点的距离为指针型仪表的弧度半径。

6.根据权利要求1所述的基于仪表的视频图像识别方法，其特征在于，在所述根据仪表种类在读数后添加计量单位，得到指针型仪表的读数值之前，还包括：

判断计算得到的当前指针所指向的读数与上次识别得到的读数是否相同，如果相异，则根据仪表种类在读数后面添加计量单位，如果相同，则直接发送上次识别得到的读数。

7.一种基于仪表的视频图像识别系统，其特征在于，所述系统包括：

视频图像获取模块，用于获取变电站内表征一次设备和/或二次设备运行状态的仪表的视频图像；

识别分析模块，用于根据预设的仪表识别参数对所述视频图像进行识别分析，得到识别分析结果；其中，所述仪表为指针型仪表，所述识别分析模块还用于：获取用户输入的框选区域以及预设的仪表识别参数，其中，预设的仪表识别参数包括所述指针型仪表的中心点、刻度的始末位置、刻度值区间以及仪表种类；根据刻度的始末位置以及中心点计算得到所述指针型仪表的弧度跨度和弧度半径；运用霍夫直线检测法在框选区域内找到所有含直线边缘的物体并结合刻度指针的各项属性对获取到的直线进行筛选，在框选区域内找到当前指针所在位置；其中，所述对获取到的直线进行筛选包括：获取所述直线的两端点到所述中心点的距离，若所述距离中的最小值大于所述弧度半径，则删除所述直线；获取所述直线与所述中心点的垂直距离，若所述垂直距离大于0.1倍的所述弧度半径，则删除所述直线；获取所述直线与刻度起始线的顺时针角度，将所述顺时针角度与半刻度角度的差值最小的直线作为所述当前指针；传送模块，用于将所述识别分析结果传送至客户端。

8.根据权利要求7所述的基于仪表的视频图像识别系统，其特征在于，所述图像数据获取模块包括：

采集单元，用于采集所述变电站内表征所述一次设备和/或二次设备运行状态的仪表的视频流数据；

视频图像获取单元，用于将所述视频流数据传输至分析服务端，由所述分析服务端随所述视频流数据进行解码、插值和转换后得到所述视频图像。

9.根据权利要求7所述的基于仪表的视频图像识别系统，其特征在于，所述识别分析模块包括：

获取单元，用于获取用户输入的框选区域以及所述预设的仪表识别参数；

读数值获得单元，用于在所述框选区域内根据所述预设的仪表识别参数对所述视频图像进行识别分析，得到所述仪表的仪表读数值；

比较单元，用于将得到的所述仪表读数值与预设仪表读数值进行比较，并在所述仪表读数值超出所述预设仪表读数值时，发出报警信息。

10.根据权利要求7所述的基于仪表的视频图像识别系统，其特征在于，所述识别分析模块还用于：

判断计算得到的当前指针所指向的读数与上次识别得到的读数是否相同，如果相异，则根据仪表种类在读数后面添加计量单位，如果相同，则直接发送上次识别得到的读数。

Images