CN107798854A - 一种基于图像识别的电表远程监控方法 - Google Patents
一种基于图像识别的电表远程监控方法 Download PDFInfo
- Publication number
- CN107798854A CN107798854A CN201711110660.5A CN201711110660A CN107798854A CN 107798854 A CN107798854 A CN 107798854A CN 201711110660 A CN201711110660 A CN 201711110660A CN 107798854 A CN107798854 A CN 107798854A
- Authority
- CN
- China
- Prior art keywords
- ammeter
- information
- image
- source
- component
- 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
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C25/00—Arrangements for preventing or correcting errors; Monitoring arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
- G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/02—Recognising information on displays, dials, clocks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于图像识别的电表远程监控方法,具有智能电表装置采集电表信息、实时电表数字图像采集单元采集电表图像信息;信号采集装置包括安装于电表箱内的温度传感器、湿度传感器,以及安装于智能电表装置上的表体电感传感器,以分别采集温度、湿度、电感信息,并通过无线网络传输给主控机;主控机接收实时电表信息、电表数字图像信息、智能电表装置表体电感信息、电表箱温度、电表箱湿度信息送入存储单元,分析模块对输入的各种信息进行智能分析,得出分析结果,通过显示单元进行显示,实现电表的远程智能监控。
Description
技术领域
本发明涉及电表的远程监控装置,特别涉及一种基于图像识别的电表远程监控方法。
背景技术
在工业应用中,对于常规的电表参数的查询及巡查,大多数企业都是选派指定工作人员,然而,这会无形增加工作难度;近年来,电表的远程监控查询被广泛应用,但是由于无线网路、电表箱等多方环境因素的不稳定性,电表的远程监控往往准确性欠佳,且产生异常时不能及时被远程监控台所发现,同时,当采用远程监控时,用户的电表信息要被电力公司所收集,传递的用户信息往往容易泄露给电力公司,即造成隐私的丢失。
发明内容
本发明的目的是为克服已有技术的不足,设计出一种基于图像识别的电表远程监控方法。
具有智能电表装置采集电表信息、实时电表数字图像采集单元采集电表图像信息;信号采集装置包括安装于电表箱内的温度传感器、湿度传感器,以及安装于智能电表装置上的表体电感传感器,以分别采集温度、湿度、电感信息,并通过无线网络传输给主控机;主控机接收实时电表信息、电表数字图像信息、智能电表装置表体电感信息、电表箱温度、电表箱湿度信息送入存储单元,分析模块对输入的各种信息进行智能分析,得出分析结果,通过显示单元进行显示,实现电表的远程智能监控;其特征在于:具有分析模块直接获取时间序列下的实时电表信息;以及时间序列下的电表数字图像信息,通过对电表数字图像信息的处理获取电表数字图像的识别结果;比较单元比较同一时刻下所述实时电表信息与所述电表数字图像的识别结果,以判断智能电表是否出现异常,若出现异常,警示单元进行警示报警,同时,分析模块再进行异常定位分析,得出异常分析结果;其中,分析模块对电表数字图像信息的处理方式为:分析模块包括图像预处理单元、图像融合单元,所述图像预处理单元对聚焦不同的源可见光图像和源红外图像进行图像配准,包括:
(1)特征检测模块:以源红外图像作为参考图像,源可见光图像作为待配准图像,检测图像中的线段特征作为配准的依据;
(2)空间变换模块:采用投影变换对源可见光图像中的线段特征实施变换,变换参数构成的矢量为;
(3)相似性评价模块:采用基于方向一致性的度量准则构建度量函数,度量源红外图像线段特征和变换后的源可见光图像线段特征的相似性,如果满足预设要求,则返回参数,若不满足要求,则转入参数更新模块;
(4)参数更新模块:采用遗传算法对进行更新;
所述图像融合单元包括:
(1)格式变换模块:用于对预处理后的源可见光图像进行HSV变换并提取色调分量、饱和度分量和明度分量V;
(2)分量获取模块:用于将预处理后的源红外图像和明度分量V分别作二代Curvelet变换,以得到各自在位置的低频分量、和高频分量、,其中;
(3)融合模块,包括低频分量融合子模块和高频分量融合子模块:
A、低频分量融合子模块,用于对所述低频分量、进行融合,融合后的低频分量为:
a、若时:
;
b、若时:
B、高频分量融合子模块,用于对高频分量、进行融合,引入匹配测度因子,其中,,表示二代Curvelet变换的分解级数,为二代Curvelet变换的最大分解级;时,为源可见光图像的活度加权,为源红外图像的活度加权;时,为源可见光图像中高频子带与低频子带的方向对比度,为源红外图像中高频子带与低频子带的方向对比度;表示源可见光图像在最高分辨率下、方向上、 窗口内的区域信号强度;表示源红外图像在最高分辨率下、方向上、窗口内的区域信号强度;
若,则融合后的高频分量的选取公式为:
;
若,则融合后的高频分量的选取公式为:
a、时:
b、时:
其中,是阈值,的取值范围为。
本发明与现有技术相比,其有益的技术效果为:
1、通过对实时电表信息与所述电表数字图像的识别结果而获得的电表信息的比对,能更进一步的确保远程监控电表信息的准确性。
2、获取了除电表数据信息以外的其他相关信息,并通过对输入主控机各种信息进行智能分析,保证监控的完整性,且图像识别和融合的性能模型,可以提高图像识别的精度,进而提高远程监控的准确度。
附图说明
图1 是本发明的原理步骤流程图。
具体实施方式
具有智能电表装置采集电表信息、实时电表数字图像采集单元采集电表图像信息;信号采集装置包括安装于电表箱内的温度传感器、湿度传感器,以及安装于智能电表装置上的表体电感传感器,以分别采集温度、湿度、电感信息,并通过无线网络传输给主控机;主控机接收实时电表信息、电表数字图像信息、智能电表装置表体电感信息、电表箱温度、电表箱湿度信息送入存储单元,分析模块对输入的各种信息进行智能分析,得出分析结果,通过显示单元进行显示,实现电表的远程智能监控;其特征在于:具有分析模块直接获取时间序列下的实时电表信息;以及时间序列下的电表数字图像信息,通过对电表数字图像信息的处理获取电表数字图像的识别结果;比较单元比较同一时刻下所述实时电表信息与所述电表数字图像的识别结果,以判断智能电表是否出现异常,若出现异常,警示单元进行警示报警,同时,分析模块再进行异常定位分析,得出异常分析结果;其中,分析模块对电表数字图像信息的处理方式为:分析模块包括图像预处理单元、图像融合单元,所述图像预处理单元对聚焦不同的源可见光图像和源红外图像进行图像配准,包括:
(1)特征检测模块:以源红外图像作为参考图像,源可见光图像作为待配准图像,检测图像中的线段特征作为配准的依据;
(2)空间变换模块:采用投影变换对源可见光图像中的线段特征实施变换,变换参数构成的矢量为 ;
(3)相似性评价模块:采用基于方向一致性的度量准则构建度量函数,度量源红外图像线段特征和变换后的源可见光图像线段特征的相似性,如果满足预设要求,则返回参数,若不满足要求,则转入参数更新模块;
(4)参数更新模块:采用遗传算法对进行更新;
所述图像融合单元包括:
(1)格式变换模块:用于对预处理后的源可见光图像进行HSV变换并提取色调分量、饱和度分量和明度分量V;
(2)分量获取模块:用于将预处理后的源红外图像和明度分量V分别作二代Curvelet变换,以得到各自在位置的低频分量、和高频分量、,其中;
(3)融合模块,包括低频分量融合子模块和高频分量融合子模块:
A、低频分量融合子模块,用于对所述低频分量、进行融合,融合后的低频分量为:
a、若时:
;
b、若时:
B、高频分量融合子模块,用于对高频分量、进行融合,引入匹配测度因子,其中,,表示二代Curvelet变换的分解级数,为二代Curvelet变换的最大分解级;时,为源可见光图像的活度加权,为源红外图像的活度加权;时,为源可见光图像中高频子带与低频子带的方向对比度,为源红外图像中高频子带与低频子带的方向对比度;表示源可见光图像在最高分辨率下、方向上、 窗口内的区域信号强度;表示源红外图像在最高分辨率下、方向上、窗口内的区域信号强度;
若,则融合后的高频分量的选取公式为:
;
若,则融合后的高频分量的选取公式为:
a、时:
b、时:
其中,是阈值,的取值范围为。
以上对本发明进行了详细介绍,本文中应用了具体个例对本发明的原 理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的 方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思 想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书 内容不应理解为对本发明的限制。
Claims (1)
1.一种基于图像识别的电表远程监控方法,具有智能电表装置采集电表信息、实时电表数字图像采集单元采集电表图像信息;信号采集装置包括安装于电表箱内的温度传感器、湿度传感器,以及安装于智能电表装置上的表体电感传感器,以分别采集温度、湿度、电感信息,并通过无线网络传输给主控机;主控机接收实时电表信息、电表数字图像信息、智能电表装置表体电感信息、电表箱温度、电表箱湿度信息送入存储单元,分析模块对输入的各种信息进行智能分析,得出分析结果,通过显示单元进行显示,实现电表的远程智能监控;其特征在于:具有分析模块直接获取时间序列下的实时电表信息;以及时间序列下的电表数字图像信息,通过对电表数字图像信息的处理获取电表数字图像的识别结果;比较单元比较同一时刻下所述实时电表信息与所述电表数字图像的识别结果,以判断智能电表是否出现异常,若出现异常,警示单元进行警示报警,同时,分析模块再进行异常定位分析,得出异常分析结果;其中,分析模块对电表数字图像信息的处理方式为:分析模块包括图像预处理单元、图像融合单元,所述图像预处理单元对聚焦不同的源可见光图像和源红外图像进行图像配准,包括:
(1)特征检测模块:以源红外图像作为参考图像,源可见光图像作为待配准图像,检测图像中的线段特征作为配准的依据;
(2)空间变换模块:采用投影变换对源可见光图像中的线段特征实施变换,变换参数构成的矢量为;
(3)相似性评价模块:采用基于方向一致性的度量准则构建度量函数,度量源红外图像线段特征和变换后的源可见光图像线段特征的相似性,如果满足预设要求,则返回参数,若不满足要求,则转入参数更新模块;
(4)参数更新模块:采用遗传算法对进行更新;
所述图像融合单元包括:
(1)格式变换模块:用于对预处理后的源可见光图像进行HSV变换并提取色调分量、饱和度分量和明度分量V;
(2)分量获取模块:用于将预处理后的源红外图像和明度分量V分别作二代Curvelet变换,以得到各自在位置的低频分量、和高频分量、,其中;
(3)融合模块,包括低频分量融合子模块和高频分量融合子模块:
A、低频分量融合子模块,用于对所述低频分量、进行融合,融合后的低频分量为:
a、若时:
;
b、若时:
B、高频分量融合子模块,用于对高频分量、进行融合,引入匹配测度因子,其中,,表示二代Curvelet变换的分解级数,为二代Curvelet变换的最大分解级;时,为源可见光图像的活度加权,为源红外图像的活度加权;时,为源可见光图像中高频子带与低频子带的方向对比度,为源红外图像中高频子带与低频子带的方向对比度;表示源可见光图像在最高分辨率下、方向上、 窗口内的区域信号强度;表示源红外图像在最高分辨率下、方向上、窗口内的区域信号强度;
若,则融合后的高频分量的选取公式为:
;
若,则融合后的高频分量的选取公式为:
a、时:
b、时:
其中,是阈值,的取值范围为。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711110660.5A CN107798854A (zh) | 2017-11-12 | 2017-11-12 | 一种基于图像识别的电表远程监控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711110660.5A CN107798854A (zh) | 2017-11-12 | 2017-11-12 | 一种基于图像识别的电表远程监控方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107798854A true CN107798854A (zh) | 2018-03-13 |
Family
ID=61535928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711110660.5A Pending CN107798854A (zh) | 2017-11-12 | 2017-11-12 | 一种基于图像识别的电表远程监控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107798854A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108828494A (zh) * | 2018-04-18 | 2018-11-16 | 电子科技大学 | 基于遗传算法的智能电能表功能检定方法 |
CN109978821A (zh) * | 2019-02-03 | 2019-07-05 | 湖南工业大学 | 一种基于图像识别的轮对踏面磨损监控方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1916933A (zh) * | 2006-08-31 | 2007-02-21 | 合肥新思源智能电子有限公司 | 视频直读式自动抄表系统及其图像处理方法 |
KR20070094712A (ko) * | 2007-06-14 | 2007-09-21 | 김미현 | 전력량계의 원격검침시스템 |
CN103413284A (zh) * | 2013-07-15 | 2013-11-27 | 西北工业大学 | 一种基于二维emd和遗传算法的多聚焦数字图像融合方法 |
CN105069768A (zh) * | 2015-08-05 | 2015-11-18 | 武汉高德红外股份有限公司 | 一种可见光图像与红外图像融合处理系统及融合方法 |
CN106056879A (zh) * | 2016-06-30 | 2016-10-26 | 国网山东省电力公司无棣县供电公司 | 一种基于智能识别的电表远程监控系统 |
CN106600572A (zh) * | 2016-12-12 | 2017-04-26 | 长春理工大学 | 一种自适应的低照度可见光图像和红外图像融合方法 |
-
2017
- 2017-11-12 CN CN201711110660.5A patent/CN107798854A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1916933A (zh) * | 2006-08-31 | 2007-02-21 | 合肥新思源智能电子有限公司 | 视频直读式自动抄表系统及其图像处理方法 |
KR20070094712A (ko) * | 2007-06-14 | 2007-09-21 | 김미현 | 전력량계의 원격검침시스템 |
CN103413284A (zh) * | 2013-07-15 | 2013-11-27 | 西北工业大学 | 一种基于二维emd和遗传算法的多聚焦数字图像融合方法 |
CN105069768A (zh) * | 2015-08-05 | 2015-11-18 | 武汉高德红外股份有限公司 | 一种可见光图像与红外图像融合处理系统及融合方法 |
CN106056879A (zh) * | 2016-06-30 | 2016-10-26 | 国网山东省电力公司无棣县供电公司 | 一种基于智能识别的电表远程监控系统 |
CN106600572A (zh) * | 2016-12-12 | 2017-04-26 | 长春理工大学 | 一种自适应的低照度可见光图像和红外图像融合方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108828494A (zh) * | 2018-04-18 | 2018-11-16 | 电子科技大学 | 基于遗传算法的智能电能表功能检定方法 |
CN108828494B (zh) * | 2018-04-18 | 2020-06-12 | 电子科技大学 | 基于遗传算法的智能电能表功能检定方法 |
CN109978821A (zh) * | 2019-02-03 | 2019-07-05 | 湖南工业大学 | 一种基于图像识别的轮对踏面磨损监控方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11164329B2 (en) | Multi-channel spatial positioning system | |
Zhou et al. | Activity analysis, summarization, and visualization for indoor human activity monitoring | |
CN106056879B (zh) | 一种基于智能识别的电表远程监控系统 | |
Chen et al. | Activity recognition based on micro-Doppler signature with in-home Wi-Fi | |
CN110728213A (zh) | 一种基于无线射频信号的细粒度人体姿态估计方法 | |
CN107301376B (zh) | 一种基于深度学习多层刺激的行人检测方法 | |
CN111046840B (zh) | 污染修复环境中基于人工智能的人员安全监测方法及系统 | |
Hüttner et al. | First response fire combat: Deep leaning based visible fire detection | |
CN116738552B (zh) | 一种基于物联网的环境检测设备管理方法及系统 | |
CN107798854A (zh) | 一种基于图像识别的电表远程监控方法 | |
CN114818788A (zh) | 基于毫米波感知的追踪目标状态识别方法和装置 | |
CN114423034A (zh) | 一种室内人员动作识别方法、系统、介质、设备及终端 | |
Hu et al. | Building occupancy detection and localization using CCTV camera and deep learning | |
Mao et al. | Semantic segmentation for point cloud scenes via dilated graph feature aggregation and pyramid decoders | |
Proietti et al. | Edge Intelligence with Deep Learning in Greenhouse Management. | |
CN115965579B (zh) | 一种变电站巡检三维缺陷识别和定位的方法及系统 | |
WO2023032665A1 (ja) | ラベル生成方法、モデル生成方法、ラベル生成装置、ラベル生成プログラム、モデル生成装置、及びモデル生成プログラム | |
CN116246142A (zh) | 一种面向多传感器数据融合需求的三维场景感知方法 | |
KR101340287B1 (ko) | 스마트 홈에서 마이닝 기반의 패턴 분석을 이용한 침입탐지 시스템 | |
Shu et al. | The research and implementation of human posture recognition algorithm via OpenPose | |
WO2016136214A1 (ja) | 識別器学習装置、滞留物体検出システム、識別器学習方法、滞留物体検出方法およびプログラム記録媒体 | |
JP2014182585A (ja) | 画像解析装置、画像解析方法および画像解析プログラム | |
Yin et al. | Machine Learning aided Precise Indoor Positioning | |
Zhang et al. | Device-free localization using empirical wavelet transform-based extreme learning machine | |
Zhao et al. | Estimation of arbitrary resident locations using data obtained from an infrared sensor array |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180313 |
|
WD01 | Invention patent application deemed withdrawn after publication |