CN109740450A - 一种电力开关柜开关状态的识别方法及装置 - Google Patents
一种电力开关柜开关状态的识别方法及装置 Download PDFInfo
- Publication number
- CN109740450A CN109740450A CN201811544626.3A CN201811544626A CN109740450A CN 109740450 A CN109740450 A CN 109740450A CN 201811544626 A CN201811544626 A CN 201811544626A CN 109740450 A CN109740450 A CN 109740450A
- Authority
- CN
- China
- Prior art keywords
- sub
- image
- template
- identified
- images
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000004364 calculation method Methods 0.000 claims description 22
- 230000008569 process Effects 0.000 abstract description 8
- 238000012545 processing Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 15
- 238000012549 training Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000000638 solvent extraction Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明实施例涉及图像处理技术领域,尤其涉及一种电力开关柜开关状态的识别方法及装置,用以减少开关状态识别过程中所需样本图像的数量,减轻工作量。本发明实施例包括:划分待识别图像为M个待识别子图像,其中,N个待识别子图像的位置与电力开关柜的开关把柄的N个可选指向相对应,所述可选指向与所述电力开关柜的可选状态相对应;M≥N;从所述N个待识别子图像中选出与模板子图像相似度最高的待识别子图像作为目标子图像;所述待选子图像与所述待识别子图像的划分方式相同;根据所述目标子图像的位置、所述模板子图像的位置及所述模板子图像中电力开关柜的开关状态,确定所述待识别图像中电力开关柜的开关状态。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种电力开关柜开关状态的识别方法及装置。
背景技术
在电力系统中,电力开关柜应用非常广泛,能够实时指示电力线路运行状态,对排除电力故障有一定的帮助。当电力系统出现故障时,是由人工巡视检查电力开关状态,确定发生故障的位置,耗费时间与人力,效率低下。
目前,提出了一些基于数字图像处理的电力开关柜开关状态的自动识别方法,如采用深度学习的目标检测方法,但现有的识别方法大多为基于样本训练的方法,此类训练方法需要采集电力开关柜所有状态下的图像样本,所需的样本数量很大,工作量较多,在工程实践中效率较低,甚至电力开关柜某些状态的图像很难获取,给样本训练带来困难。
发明内容
本申请提供一种电力开关状态的识别方法及装置,用以减少开关状态识别过程中所需样本图像的数量,减轻工作量。
本发明实施例提供的一种电力开关状态的识别方法,包括:
划分待识别图像为M个待识别子图像,其中,N个待识别子图像的位置与电力开关柜的开关把柄的N个可选指向相对应,所述可选指向与所述电力开关柜的可选状态相对应;M≥N;
从所述N个待识别子图像中选出与模板子图像相似度最高的待识别子图像作为目标子图像,所述模板子图像为模板图像的至少N个待选子图像中包含开关把柄确实指向的待选子图像;所述待选子图像与所述待识别子图像的划分方式相同;
根据所述目标子图像的位置、所述模板子图像的位置及所述模板子图像中电力开关柜的开关状态,确定所述待识别图像中电力开关柜的开关状态。
可选的,所述模板子图像根据以下方式确定:
划分模板图像为M个待选子图像,其中,N个待选子图像的位置与所述开关把柄的N个可选指向相对应;
将所述N个待选子图像中包含所述开关把柄确实指向的待选子图像作为所述模板子图像;
记录所述模板子图像在所述模板图像中的位置及所述模板图像中电力开关柜的开关状态。
可选的,所述划分模板图像为M个待选子图像,包括:
将所模板图像按照九宫格进行划分,得到9个初选子图像;
将所述9个初选子图像中外围的N个初选子图像作为所述N个待选子图像,其中N≤8。
可选的,所述从所述N个待识别子图像中选出与模板子图像相似度最高的待识别子图像作为目标子图像,包括:
针对一个待识别子图像,确定所述待识别子图像的P个特征值;将所述待识别子图像的第M特征值与所述模板子图像的第M特征值进行对比;其中,M≤P;
确定所述N个待识别子图像中只存在一个待识别子图像的第M特征值与所述模板子图像的第M特征值的差值小于阈值,将与所述模板子图像的第M特征值的差值小于阈值的待识别子图像作为所述目标子图像。
可选的,所述从所述N个待识别子图像中选出与模板子图像相似度最高的待识别子图像作为目标子图像,具体包括:
针对一个待识别子图像,确定所述待识别子图像的第M-1特征值,将所述待识别子图像的第M-1特征值与所述模板子图像的第M-1特征值进行对比;
若所述N个待识别子图像中存在不止一个待识别子图像的第M-1特征值与所述模板子图像的第M-1特征值的差值小于阈值,则执行:
针对一个待识别子图像,确定所述待识别子图像的第M特征值,将所述待识别子图像的第M特征值与所述模板子图像的第M特征值进行对比;
确定与所述模板子图像的第M特征值的差值最小的待识别子图像作为所述目标子图像;
其中第M-1特征值的计算量小于第M特征值的计算量,M>1。
可选的,M=3;其中,第一特征值为颜色特征,第二特征值为矩形特征,第三特征值为卷积特征。
本发明实施例提供了一种电力开关柜开关状态的识别装置,包括:
划分单元,用于划分待识别图像为M个待识别子图像,其中,N个待识别子图像的位置与电力开关柜的开关把柄的N个可选指向相对应,所述可选指向与所述电力开关柜的可选状态相对应;M≥N;
选择单元,用于从所述N个待识别子图像中选出与模板子图像相似度最高的待识别子图像作为目标子图像,所述模板子图像为模板图像的至少N个待选子图像中包含开关把柄确实指向的待选子图像;所述待选子图像与所述待识别子图像的划分方式相同;
确定单元,用于根据所述目标子图像的位置、所述模板子图像的位置及所述模板子图像中电力开关柜的开关状态,确定所述待识别图像中电力开关柜的开关状态。
可选的,所述划分单元,还用于划分模板图像为M个待选子图像,其中,N个待选子图像的位置与所述开关把柄的N个可选指向相对应;
所述选择单元,还用于将所述N个待选子图像中包含所述开关把柄确实指向的待选子图像作为所述模板子图像;
还包括存储单元,用于记录所述模板子图像在所述模板图像中的位置及所述模板图像中电力开关柜的开关状态。
可选的,所述划分单元,具体用于将所模板图像按照九宫格进行划分,得到9个初选子图像;
所述选择单元,具体用于将所述9个初选子图像中外围的N个初选子图像作为所述N个待选子图像,其中N≤8。
可选的,所述选择单元,具体用于:
针对一个待识别子图像,确定所述待识别子图像的P个特征值;将所述待识别子图像的第M特征值与所述模板子图像的第M特征值进行对比;其中,M≤P;
确定所述N个待识别子图像中只存在一个待识别子图像的第M特征值与所述模板子图像的第M特征值的差值小于阈值,将与所述模板子图像的第M特征值的差值小于阈值的待识别子图像作为所述目标子图像。
可选的,所述选择单元,具体用于:
针对一个待识别子图像,确定所述待识别子图像的第M-1特征值,将所述待识别子图像的第M-1特征值与所述模板子图像的第M-1特征值进行对比;
若所述N个待识别子图像中存在不止一个待识别子图像的第M-1特征值与所述模板子图像的第M-1特征值的差值小于阈值,则执行:
针对一个待识别子图像,确定所述待识别子图像的第M特征值,将所述待识别子图像的第M特征值与所述模板子图像的第M特征值进行对比;
确定与所述模板子图像的第M特征值的差值最小的待识别子图像作为所述目标子图像;
其中第M-1特征值的计算量小于第M特征值的计算量,M>1。
本发明实施例提供一种电子设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述任一所述的方法。
本发明实施例提供的一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行上述任一所述方法。
本发明实施例中,将待识别图像划分为M个待识别子图像,其中,N个待识别子图像的位置与电力开关柜的开关把柄的N个可选指向相对应,N个可选指向与电力开关柜的可选状态相对应。从N个待识别子图像中选出与模板子图像相似度最高的待识别子图像作为目标子图像。其中,模板子图像为模板图像的至少N个待选子图像中包含开关把柄的待选子图像。这里待选子图像与待识别子图像的划分方式相同。根据目标子图像的位置、模板子图像的位置以及模板子图像中电力开关的状态,确定待识别图像中电力开关的状态。本发明实施例中,通过将待识别子图像与模板子图像进行对比,即可确定待识别图像中电力开关柜的开关状态,这样,针对一种电力开关柜,无需收集所有开关状态的图像,可以只根据一个开关状态的图像,即可识别电力开关柜所有的开关状态,从而训练所需的样本图像数量大大减少,减轻了识别电力开关柜开关状态的工作量,提高了工作效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为现实中电力开关柜的开关把柄的图片;
图2为本发明实施例提供的一种电力开关柜开关状态的识别方法的流程示意图;
图3为本发明实施例中电力开关柜的开关把柄的拍摄图像;
图4为本发明实施例中模板图像的一种划分方法的示意图;
图5为本发明实施例中模板图像的另一种划分方法的示意图;
图6为本发明实施例中模板图像的九宫格划分方法的示意图;
图7为本发明实施例中开关把柄在九宫格中的示意图;
图8为本发明实施例一中选择基本信息的示意图;
图9为本发明实施例一中将模板图像按九宫格进行划分的示意图;
图10为本发明实施例二提供的电力开关柜开关状态的识别方法的流程示意图;
图11为本发明实施例提供的一种电力开关柜开关状态的识别装置的结构示意图;
图12为本发明实施例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、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部份实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
图1示出了现实中几种电力开关柜的开关把柄的图片,其中,每个电力开关柜的开关把柄均具有多个不同的可选指向,分别对应于不同的开关状态。因此,可以通过识别图像中开关把柄的指向,达到确认电力开关柜的开关状态的目的。现有的识别方式一般为基于样本训练的方法,需要大量的电力开关柜样本图像,且计算方式复杂,不利于工程实践的广泛应用。
为了解决上述问题,本发明实施例提供了一种电力开关柜开关状态的识别方法。图2示例性示出了本发明实施例提供的一种电力开关柜开关状态的识别方法的流程示意图,如图2所示,包括以下步骤:
步骤201、划分待识别图像为M个待识别子图像,其中,N个待识别子图像的位置与电力开关柜的开关把柄的N个可选指向相对应,所述可选指向与所述电力开关柜的可选状态相对应;M≥N;
步骤202、从所述N个待识别子图像中选出与模板子图像相似度最高的待识别子图像作为目标子图像,所述模板子图像为模板图像的至少N个待选子图像中包含所述开关把柄的待选子图像;所述待选子图像与所述待识别子图像的划分方式相同;
步骤203、根据所述目标子图像的位置、所述模板子图像的位置及所述模板子图像中电力开关柜的开关状态,确定所述待识别图像中电力开关柜的开关状态。
本发明实施例中,将待识别图像划分为M个待识别子图像,其中,N个待识别子图像的位置与电力开关柜的开关把柄的N个可选指向相对应,N个可选指向与电力开关柜的可选状态相对应。从N个待识别子图像中选出与模板子图像相似度最高的待识别子图像作为目标子图像。其中,模板子图像为模板图像的至少N个待选子图像中包含开关把柄的待选子图像。这里待选子图像与待识别子图像的划分方式相同。根据目标子图像的位置、模板子图像的位置以及模板子图像中电力开关的状态,确定待识别图像中电力开关的状态。本发明实施例中,通过将待识别子图像与模板子图像进行对比,即可确定待识别图像中电力开关柜的开关状态,这样,针对一种电力开关柜,无需收集所有开关状态的图像,可以只根据一个开关状态的图像,即可识别电力开关柜所有的开关状态,从而训练所需的样本图像数量大大减少,减轻了识别电力开关柜开关状态的工作量,提高了工作效率。
首先介绍本发明实施例中建模阶段的流程。所述模板子图像根据以下方式确定:
步骤301、划分模板图像为M个待选子图像,其中,N个待选子图像的位置与所述开关把柄的N个可选指向相对应;
步骤302、将所述N个待选子图像中包含开关把柄确实指向的待选子图像作为所述模板子图像;
步骤303、记录所述模板子图像在所述模板图像中的位置及所述模板图像中电力开关柜的开关状态。
在具体实施过程中,获取电力开关柜的一个现实的拍摄图像,为了便于操作,可以在拍摄图像中框选出模板图像,将电力开关柜的开关把柄框进模板图像中。图3示出了电力开关柜的开关把柄的拍摄图像,其中,开关把柄具有多个可选指向,每个可选指向与一个开关状态相对应。在拍摄图像中框选出模板图像,如图3中的方框所示,电力开关柜的开关把柄被框进模板图像中。
步骤301可以根据开关把柄的可选指向划分模板图像,其中待选子图像的数量大于或等于可选指向的数量。例如,若开关把柄的可选指向为4个指向,则可以将模板图像划分为4个待选子图像,或者将模板图像划分为大于4个待选子图像。模板图像的划分需要使得有4个待选子图像与开关把柄的可选指向相对应,也就是说,若将模板图像划分为4个待选子图像,则该4个待选子图像中的每个待选子图像均与一个开关把柄的可选指向相对应;若将模板图像划分为大于4个待选子图像,例如划分为6个待选子图像,则该6个待选子图像中的4个待选子图像分别于一个开关把柄的可选指向相对应。具体的划分方式可以如图4所示,利用横线和竖线将模板图像划分成多个方形的待选子图像,或者如图5所示,将模板图像划分成多个三角形的待选子图像,本发明实施例对划分出的待选子图像的形状不做限制。此外,模板图像也可以为圆形或者椭圆形等形状,本发明实施例对此也不做限定。
较佳地,步骤301中,所述划分模板图像为M个待选子图像,包括:
将所模板图像按照九宫格进行划分,得到9个初选子图像;
将所述9个初选子图像中外围的N个初选子图像作为所述N个待选子图像,其中N≤8。
具体来说,现有的电力开关柜最多有8个开关状态,即对应于开关把柄的8个可选指向,因此,为了便于统一划分规则和计算方式,本发明实施例中将划分方式设为将按照九宫格进行划分,如图6所示,则得到9个初选子图像。为了便于表示模板子图像在模板图像中的位置,可以将模板图像划分的初选子图像进行编号,如图6中所示,按顺时针分别标记为初选子图像1、初选子图像2……初选子图像8,将位于中央的初选子图像标记为初选子图像9。由于初选子图像9位于中央,不与开关把柄的任何一个可选指向相对应,则初选子图像9不作为待选子图像。可以将外围的8个初选子图像作为8个待选子图像,也可以根据模板图像中电力开关柜的开关把柄的可选指向,将外围的8个初选子图像中的某些初选子图像作为待选子图像。例如,若图6中开关把柄的可选指向有4个,分别为指向正上方、正左方、正下方和正右方,则初选子图像中的初选子图像1、初选子图像3、初选子图像5和初选子图像7作为待选子图像。
对于步骤302,由于待选子图像与开关把柄的可选指向相对应,因此,所有的待选子图像中至少有一个待选子图像包含了开关把柄。需要说明的是,由于划分方式的问题,可能会出现不止一个待选子图像中包含开关把柄。例如开关把柄的可选指向有指向正上方、指向右下方以及指向左下方,可以按照图7的方式划分模板图像,由于模板图像中开关把柄指向右下方,则不止一个待选子图像中包含了开关把柄,图7中的待选子图像3、待选子图像4和待选子图像5中均包含有部分的开关把柄。因此,本发明实施例中将包含开关把柄确实指向的待选子图像作为模板子图像,这里开关把柄确实指向即为开关把柄在模板图像中的指向,对应于图7,图7中开关把柄的确实指向为待选子图像4,则将待选子图像4作为模板子图像。
最后在步骤303中,记录模板子图像在模板图像中的位置以及该模板图像中电力开关柜的开关状态。例如,对于图4中的模板子图像,为了便于表示模板子图像在模板图像中的位置,可以将模板图像划分的待选子图像进行编号,如图4中所示,按顺时针分别标记为待选子图像1、待选子图像2……待选子图像6,这样根据待选子图像的编号以及模板图像的划分方式即可确定每一个待选子图像在模板图像中的位置。由于同一种型号的电力开关柜开关把柄的可选指向与开关柜的开关状态均一一对应,因此,将模板子图像在模板图像中的位置及模板图像中电力开关柜的开关状态,与待识别的电力开关柜的图像对照,则可以根据待识别的电力开关柜的开关指向确定待识别的电力开关柜的开关状态。
本发明实施例中,可以将建模阶段中的模板图像、待选子图像以及模板子图像等按照图像保存的方式直接进行保存;也可以将图像中的信息,如模板图像的划分方式、模板子图像的编号、模板子图像的图片信息等提取出来,按照数据信息的方式进行保存。本发明实施例对于建模阶段中得到的信息的存储方式不做限定。
建模阶段完成后,可以利用建模阶段得出的模板子图像,确认待识别图像中电力开关柜的开关状态。对于步骤201中,待识别子图像的划分方式与上述待选子图像的划分方式相同,因此这里不多做赘述。
本发明实施例中,通过对比待识别子图像与模板子图像的相似度,从待识别子图像中选出模板子图像。具体的对比方式需提取出图像中的特征值,所述从所述N个待识别子图像中选出与模板子图像相似度最高的待识别子图像作为目标子图像,包括:
针对一个待识别子图像,确定所述待识别子图像的P个特征值;将所述待识别子图像的第M特征值与所述模板子图像的第M特征值进行对比;其中,M≤P;
确定所述N个待识别子图像中只存在一个待识别子图像的第M特征值与所述模板子图像的第M特征值的差值小于阈值,将与所述模板子图像的第M特征值的差值小于阈值的待识别子图像作为所述目标子图像。
由于电力开关柜的开关种类多种多样,单一特征很难适用于所有种类的电力开关柜,因此,本发明实施例中确定待识别子图像的多个特征值。当然,也不限定于多个,若图像信息较为简单,也可将特征值的数量定为一个,这里不做限制。针对一个待识别子图像,分别将该待识别子图像的第M特征值与模板子图像的第M特征值进行对比。在所有待识别子图像中,若只存在一个待识别子图像的特征值与模板子图像的特征值的差值小于阈值,则将该待识别子图像作为目标子图像。
进一步地,为了减少计算量,所述从所述N个待识别子图像中选出与模板子图像相似度最高的待识别子图像作为目标子图像,具体包括:
针对一个待识别子图像,确定所述待识别子图像的第M-1特征值,将所述待识别子图像的第M-1特征值与所述模板子图像的第M-1特征值进行对比;
若所述N个待识别子图像中存在不止一个待识别子图像的第M-1特征值与所述模板子图像的第M-1特征值的差值小于阈值,则执行:
针对一个待识别子图像,确定所述待识别子图像的第M特征值,将所述待识别子图像的第M特征值与所述模板子图像的第M特征值进行对比;
确定与所述模板子图像的第M特征值的差值最小的待识别子图像作为所述目标子图像;
其中第M-1特征值的计算量小于第M特征值的计算量,M>1。
具体来说,针对一个待识别子图像,确定其第一特征值,将该待识别子图像的第一特征值与模板子图像的第一特征值进行对比。若所有待识别子图像中只有一个待识别子图像的第一特征值与模板子图像的第一特征值的差值小于阈值,则将小于阈值的待识别子图像作为目标子图像。若不止一个待识别子图像的第一特征值与模板子图像的第一特征值的差值小于阈值,则继续进行后一个特征值的对比,即针对一个待识别子图像,确定其第二特征值,将该待识别子图像的第二特征值与模板子图像的第二特征值进行对比。若所有待识别子图像中只有一个待识别子图像的第二特征值与模板子图像的第二特征值的差值小于阈值,则将小于阈值的待识别子图像作为目标子图像。若不止一个待识别子图像的第二特征值与模板子图像的第二特征值的差值小于阈值,则继续进行后一个特征值的对比,直至对比待识别子图像的第M特征值与模板子图像的第M特征值。其中,第M-1特征值的计算量小于第M特征值的计算量。也就是说,从第一特征值至第M特征值,计算量逐渐增大。本发明实施例中,采用多个特征值级联的方式,当某个特征值达到对比出一个待识别子图像的需求,可及时中断对比,直接确定出目标子图像。同时,由于特征值的计算量依次递增,可以进一步减少识别过程中的计算量。
在具体的实时过程中,可以将M设置为3,其中,第一特征值为颜色特征,第二特征值为矩形特征,第三特征值为卷积特征。
为了更清楚地理解本发明,下面以具体实施例对上述流程进行详细描述,实施例一为建模过程,具体步骤如下所示,包括:
步骤401:获取电力开关柜的拍摄图像。
步骤402:在拍摄图像中框选出模板图像,模板图像将开关把柄包含在内,如图3所示。将模板图像的左上角坐标,模板图像的矩形长宽存储至配置文件。
步骤403:依据模板图像选择基本信息,如图8所示,其中,黑色指开关把柄的颜色,方向是指开关把柄的可选指向,这里开关为“黑色”、方向为“八方向”。
步骤404:将模板图像按九宫格进行划分,得到8个待选子图像,这8个待选子图像位于九宫格的周边,如图9所示。在划分的时候确保开关把柄的确实指向与8个待选子图像的某一个待选子图像相对应。将每一个待选子图像的左上角坐标以及待选子图像的长宽保存至配置文件。
步骤405:将8个待选子图像进行编号,具体编号方式如图6所示。这样,图3中的开关把柄确实指向为5方向,则将第5待选子图像作为模板子图像。将第5待选子图像的颜色特征、矩形特征和卷积特征存储至配置文件,同时记录第5待选子图像的编号,即为5。
实施例二为识别过程,具体步骤如图10所示,包括:
步骤501:读取模板图像,读取存储的配置文件。
步骤502:将待识别图像进行划分,获取8个待识别子图像,其中待识别子图像的划分方式与待选子图像的划分方式相同。
步骤503:提取每一个待识别子图像的颜色特征。
步骤504:将待识别子图像的颜色特征与模板子图像的颜色特征进行对比,若只有一个待识别子图像的颜色特征与模板子图像的颜色特征的差值小于阈值,则执行步骤509,否则执行步骤505。
具体来说,在实施例一的建模阶段,已经标注了开关把柄的颜色信息为黑色。因此在对比8个待识别子图像颜色特征时,只对比该颜色特征,如上例为黑色,故提取黑色颜色分量。采用HSV空间颜色特征。对于黑色,HSV空间中V空间颜色数值对比度最大。故如果只有一个待识别子图像的颜色特征满足公式1的条件,即认为该待识别子图像为目标子图像。
Vdrection-Vmodel<=threshold0……公式1
Vdrection为待识别子图像在V空间的平均数值,Vmodel为V模板子图像在V空间平均数值。Threshold0为设定的颜色特征的阈值。
步骤505:提取待识别子图像的矩形特征。
步骤506:将待识别子图像的矩形特征与模板子图像的矩形特征进行对比,若只有一个待识别子图像的矩形特征与模板子图像的矩形特征的相似度大于阈值,则执行步骤509,否则执行步骤507。
具体来说,矩形特征采用Hu矩特征,因为Hu矩具有平移旋转,尺度不变形的特点。而开关把柄是发生旋转的。Hu特征值为H1=[x1,x2,x3…x7];H2=[y1,y2,y3…y7]。再利用相似性来度量待识别子图像与模板子图像,如果只有一个待识别子图像的度量值满足公式2的条件,则即认为该待识别子图像为目标子图像。
Sdrection>=threhsold1……公式2
Sdrection为待识别子图像与模板子图像相似度。Threshold1为设定的阈值。相似性度量方法包括但不限于欧式距离、余弦距离。
步骤507:提取待识别子图像的卷积特征。
步骤508:将待识别子图像的卷积特征与模板子图像的卷积特征进行对比,选择与模板子图像的卷积特征的差值最小的一个待识别子图像。
具体来说,将待识别子图像与模板子图像分别输入到同一个卷积神经网络,经过网络的卷积计算分别得到1024维特征向量,通过计算两个1024维特征向量相似度来衡量两个图像的相似度。这里卷积网络可以选择Alex Net等网络层数较小的网络以减少计算量。度量方式选择欧式距离、余弦距离等。这里选定相似性最大的待识别子图像为目标子图像。
步骤509:将选出的待识别子图像作为目标子图像。根据目标子图像的位置、模板子图像的位置及模板子图像中电力开关柜的开关状态,确定待识别图像中电力开关柜的开关状态。
本发明实施例还提供了一种电力开关柜开关状态的识别装置,如图11所示,包括:
划分单元701,用于划分待识别图像为M个待识别子图像,其中,N个待识别子图像的位置与电力开关柜的开关把柄的N个可选指向相对应,所述可选指向与所述电力开关柜的可选状态相对应;M≥N;
选择单元702,用于从所述N个待识别子图像中选出与模板子图像相似度最高的待识别子图像作为目标子图像,所述模板子图像为模板图像的至少N个待选子图像中包含开关把柄确实指向的待选子图像;所述待选子图像与所述待识别子图像的划分方式相同;
确定单元703,用于根据所述目标子图像的位置、所述模板子图像的位置及所述模板子图像中电力开关柜的开关状态,确定所述待识别图像中电力开关柜的开关状态。
进一步地,所述划分单元701,还用于划分模板图像为M个待选子图像,其中,N个待选子图像的位置与所述开关把柄的N个可选指向相对应;
所述选择单元702,还用于将所述N个待选子图像中包含所述开关把柄确实指向的待选子图像作为所述模板子图像;
还包括存储单元704,用于记录所述模板子图像在所述模板图像中的位置及所述模板图像中电力开关柜的开关状态。
进一步地,所述划分单元701,具体用于将所模板图像按照九宫格进行划分,得到9个初选子图像;
所述选择单元702,具体用于将所述9个初选子图像中外围的N个初选子图像作为所述N个待选子图像,其中N≤8。
进一步地,所述选择单元702,具体用于:
针对一个待识别子图像,确定所述待识别子图像的P个特征值;将所述待识别子图像的第M特征值与所述模板子图像的第M特征值进行对比;其中,M≤P;
确定所述N个待识别子图像中只存在一个待识别子图像的第M特征值与所述模板子图像的第M特征值的差值小于阈值,将与所述模板子图像的第M特征值的差值小于阈值的待识别子图像作为所述目标子图像。
进一步地,所述选择单元702,具体用于:
针对一个待识别子图像,确定所述待识别子图像的第M-1特征值,将所述待识别子图像的第M-1特征值与所述模板子图像的第M-1特征值进行对比;
若所述N个待识别子图像中存在不止一个待识别子图像的第M-1特征值与所述模板子图像的第M-1特征值的差值小于阈值,则执行:
针对一个待识别子图像,确定所述待识别子图像的第M特征值,将所述待识别子图像的第M特征值与所述模板子图像的第M特征值进行对比;
确定与所述模板子图像的第M特征值的差值最小的待识别子图像作为所述目标子图像;
其中第M-1特征值的计算量小于第M特征值的计算量,M>1。
进一步地,M=3;
其中,第一特征值为颜色特征,第二特征值为矩形特征,第三特征值为卷积特征。
基于相同的原理,本发明还提供一种电子设备,如图12所示,包括:
包括处理器601、存储器602、收发机603、总线接口604,其中处理器601、存储器602与收发机603之间通过总线接口604连接;
所述处理器601,用于读取所述存储器602中的程序,执行下列方法:
划分待识别图像为M个待识别子图像,其中,N个待识别子图像的位置与电力开关柜的开关把柄的N个可选指向相对应,所述可选指向与所述电力开关柜的可选状态相对应;M≥N;
从所述N个待识别子图像中选出与模板子图像相似度最高的待识别子图像作为目标子图像,所述模板子图像为模板图像的至少N个待选子图像中包含开关把柄确实指向的待选子图像;所述待选子图像与所述待识别子图像的划分方式相同;
根据所述目标子图像的位置、所述模板子图像的位置及所述模板子图像中电力开关柜的开关状态,确定所述待识别图像中电力开关柜的开关状态。
进一步地,所述处理器601具体用于:
划分模板图像为M个待选子图像,其中,N个待选子图像的位置与所述开关把柄的N个可选指向相对应;
将所述N个待选子图像中包含所述开关把柄确实指向的待选子图像作为所述模板子图像;
记录所述模板子图像在所述模板图像中的位置及所述模板图像中电力开关柜的开关状态。
进一步地,所述处理器601具体用于:
将所模板图像按照九宫格进行划分,得到9个初选子图像;
将所述9个初选子图像中外围的N个初选子图像作为所述N个待选子图像,其中N≤8。
进一步地,所述处理器601具体用于:
针对一个待识别子图像,确定所述待识别子图像的P个特征值;将所述待识别子图像的第M特征值与所述模板子图像的第M特征值进行对比;其中,M≤P;
确定所述N个待识别子图像中只存在一个待识别子图像的第M特征值与所述模板子图像的第M特征值的差值小于阈值,将与所述模板子图像的第M特征值的差值小于阈值的待识别子图像作为所述目标子图像。
进一步地,所述处理器601具体用于:
针对一个待识别子图像,确定所述待识别子图像的第M-1特征值,将所述待识别子图像的第M-1特征值与所述模板子图像的第M-1特征值进行对比;
若所述N个待识别子图像中存在不止一个待识别子图像的第M-1特征值与所述模板子图像的第M-1特征值的差值小于阈值,则执行:
针对一个待识别子图像,确定所述待识别子图像的第M特征值,将所述待识别子图像的第M特征值与所述模板子图像的第M特征值进行对比;
确定与所述模板子图像的第M特征值的差值最小的待识别子图像作为所述目标子图像;
其中第M-1特征值的计算量小于第M特征值的计算量,M>1。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包括这些改动和变型在内。
Claims (14)
1.一种电力开关柜开关状态的识别方法,其特征在于,包括:
划分待识别图像为M个待识别子图像,其中,N个待识别子图像的位置与电力开关柜的开关把柄的N个可选指向相对应,所述可选指向与所述电力开关柜的可选状态相对应;M≥N;
从所述N个待识别子图像中选出与模板子图像相似度最高的待识别子图像作为目标子图像,所述模板子图像为模板图像的至少N个待选子图像中包含开关把柄确实指向的待选子图像;所述待选子图像与所述待识别子图像的划分方式相同;
根据所述目标子图像的位置、所述模板子图像的位置及所述模板子图像中电力开关柜的开关状态,确定所述待识别图像中电力开关柜的开关状态。
2.如权利要求1所述的方法,其特征在于,所述模板子图像根据以下方式确定:
划分模板图像为M个待选子图像,其中,N个待选子图像的位置与所述开关把柄的N个可选指向相对应;
将所述N个待选子图像中包含所述开关把柄确实指向的待选子图像作为所述模板子图像;
记录所述模板子图像在所述模板图像中的位置及所述模板图像中电力开关柜的开关状态。
3.如权利要求2所述的方法,其特征在于,所述划分模板图像为M个待选子图像,包括:
将所模板图像按照九宫格进行划分,得到9个初选子图像;
将所述9个初选子图像中外围的N个初选子图像作为所述N个待选子图像,其中N≤8。
4.如权利要求1所述的方法,其特征在于,所述从所述N个待识别子图像中选出与模板子图像相似度最高的待识别子图像作为目标子图像,包括:
针对一个待识别子图像,确定所述待识别子图像的P个特征值;将所述待识别子图像的第M特征值与所述模板子图像的第M特征值进行对比;其中,M≤P;
确定所述N个待识别子图像中只存在一个待识别子图像的第M特征值与所述模板子图像的第M特征值的差值小于阈值,将与所述模板子图像的第M特征值的差值小于阈值的待识别子图像作为所述目标子图像。
5.如权利要求4所述的方法,其特征在于,所述从所述N个待识别子图像中选出与模板子图像相似度最高的待识别子图像作为目标子图像,具体包括:
针对一个待识别子图像,确定所述待识别子图像的第M-1特征值,将所述待识别子图像的第M-1特征值与所述模板子图像的第M-1特征值进行对比;
若所述N个待识别子图像中存在不止一个待识别子图像的第M-1特征值与所述模板子图像的第M-1特征值的差值小于阈值,则执行:
针对一个待识别子图像,确定所述待识别子图像的第M特征值,将所述待识别子图像的第M特征值与所述模板子图像的第M特征值进行对比;
确定与所述模板子图像的第M特征值的差值最小的待识别子图像作为所述目标子图像;
其中第M-1特征值的计算量小于第M特征值的计算量,M>1。
6.如权利要求4所述的方法,其特征在于,M=3;
其中,第一特征值为颜色特征,第二特征值为矩形特征,第三特征值为卷积特征。
7.一种电力开关柜开关状态的识别装置,其特征在于,包括:
划分单元,用于划分待识别图像为M个待识别子图像,其中,N个待识别子图像的位置与电力开关柜的开关把柄的N个可选指向相对应,所述可选指向与所述电力开关柜的可选状态相对应;M≥N;
选择单元,用于从所述N个待识别子图像中选出与模板子图像相似度最高的待识别子图像作为目标子图像,所述模板子图像为模板图像的至少N个待选子图像中包含开关把柄确实指向的待选子图像;所述待选子图像与所述待识别子图像的划分方式相同;
确定单元,用于根据所述目标子图像的位置、所述模板子图像的位置及所述模板子图像中电力开关柜的开关状态,确定所述待识别图像中电力开关柜的开关状态。
8.如权利要求7所述的装置,其特征在于,
所述划分单元,还用于划分模板图像为M个待选子图像,其中,N个待选子图像的位置与所述开关把柄的N个可选指向相对应;
所述选择单元,还用于将所述N个待选子图像中包含所述开关把柄确实指向的待选子图像作为所述模板子图像;
还包括存储单元,用于记录所述模板子图像在所述模板图像中的位置及所述模板图像中电力开关柜的开关状态。
9.如权利要求8所述的装置,其特征在于,
所述划分单元,具体用于将所模板图像按照九宫格进行划分,得到9个初选子图像;
所述选择单元,具体用于将所述9个初选子图像中外围的N个初选子图像作为所述N个待选子图像,其中N≤8。
10.如权利要求7所述的装置,其特征在于,所述选择单元,具体用于:
针对一个待识别子图像,确定所述待识别子图像的P个特征值;将所述待识别子图像的第M特征值与所述模板子图像的第M特征值进行对比;其中,M≤P;
确定所述N个待识别子图像中只存在一个待识别子图像的第M特征值与所述模板子图像的第M特征值的差值小于阈值,将与所述模板子图像的第M特征值的差值小于阈值的待识别子图像作为所述目标子图像。
11.如权利要求10所述的装置,其特征在于,所述选择单元,具体用于:
针对一个待识别子图像,确定所述待识别子图像的第M-1特征值,将所述待识别子图像的第M-1特征值与所述模板子图像的第M-1特征值进行对比;
若所述N个待识别子图像中存在不止一个待识别子图像的第M-1特征值与所述模板子图像的第M-1特征值的差值小于阈值,则执行:
针对一个待识别子图像,确定所述待识别子图像的第M特征值,将所述待识别子图像的第M特征值与所述模板子图像的第M特征值进行对比;
确定与所述模板子图像的第M特征值的差值最小的待识别子图像作为所述目标子图像;
其中第M-1特征值的计算量小于第M特征值的计算量,M>1。
12.如权利要求10所述的装置,其特征在于,M=3;
其中,第一特征值为颜色特征,第二特征值为矩形特征,第三特征值为卷积特征。
13.一种电子设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-3任一所述的方法。
14.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行权利要求1~3任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811544626.3A CN109740450B (zh) | 2018-12-17 | 2018-12-17 | 一种电力开关柜开关状态的识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811544626.3A CN109740450B (zh) | 2018-12-17 | 2018-12-17 | 一种电力开关柜开关状态的识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109740450A true CN109740450A (zh) | 2019-05-10 |
CN109740450B CN109740450B (zh) | 2021-02-02 |
Family
ID=66360315
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811544626.3A Active CN109740450B (zh) | 2018-12-17 | 2018-12-17 | 一种电力开关柜开关状态的识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109740450B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114764791A (zh) * | 2022-04-07 | 2022-07-19 | 贵州电网有限责任公司 | 一种基于图像识别的变电站二次屏柜面板状态识别方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104318198A (zh) * | 2014-02-28 | 2015-01-28 | 郑州金惠计算机系统工程有限公司 | 适用于变电站机器人巡检的识别方法及装置 |
CN104809732A (zh) * | 2015-05-07 | 2015-07-29 | 山东鲁能智能技术有限公司 | 一种基于图像比对的电力设备外观异常检测方法 |
JP2016127401A (ja) * | 2014-12-26 | 2016-07-11 | パナソニックIpマネジメント株式会社 | ウェアラブルカメラシステム及び撮像方法 |
CN108447056A (zh) * | 2018-03-26 | 2018-08-24 | 广西大学 | 基于几何特征聚类划分的配电柜圆形压板状态识别方法 |
CN108573256A (zh) * | 2017-03-14 | 2018-09-25 | 山东鲁能智能技术有限公司 | 一种变电站压板设备状态识别方法及装置 |
-
2018
- 2018-12-17 CN CN201811544626.3A patent/CN109740450B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104318198A (zh) * | 2014-02-28 | 2015-01-28 | 郑州金惠计算机系统工程有限公司 | 适用于变电站机器人巡检的识别方法及装置 |
JP2016127401A (ja) * | 2014-12-26 | 2016-07-11 | パナソニックIpマネジメント株式会社 | ウェアラブルカメラシステム及び撮像方法 |
CN104809732A (zh) * | 2015-05-07 | 2015-07-29 | 山东鲁能智能技术有限公司 | 一种基于图像比对的电力设备外观异常检测方法 |
CN108573256A (zh) * | 2017-03-14 | 2018-09-25 | 山东鲁能智能技术有限公司 | 一种变电站压板设备状态识别方法及装置 |
CN108447056A (zh) * | 2018-03-26 | 2018-08-24 | 广西大学 | 基于几何特征聚类划分的配电柜圆形压板状态识别方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114764791A (zh) * | 2022-04-07 | 2022-07-19 | 贵州电网有限责任公司 | 一种基于图像识别的变电站二次屏柜面板状态识别方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109740450B (zh) | 2021-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108154105B (zh) | 水下生物检测与识别方法、装置、服务器及终端设备 | |
CN108399386B (zh) | 饼图中的信息提取方法及装置 | |
CN111667520B (zh) | 红外图像和可见光图像的配准方法、装置及可读存储介质 | |
CN110458895B (zh) | 图像坐标系的转换方法、装置、设备及存储介质 | |
CN109241844B (zh) | 三维物体的姿态估计方法、装置、设备及存储介质 | |
CN112446870B (zh) | 管道损伤检测方法、装置、设备及存储介质 | |
CN110956646B (zh) | 目标跟踪方法、装置、设备及存储介质 | |
CN108921099A (zh) | 一种基于深度学习的航道内运动船舶目标检测方法 | |
CN110675425B (zh) | 一种视频边框识别方法、装置、设备及介质 | |
CN110599453A (zh) | 一种基于图像融合的面板缺陷检测方法、装置及设备终端 | |
CN112734747A (zh) | 一种目标检测方法、装置、电子设备和存储介质 | |
CN114022774A (zh) | 一种基于雷达影像的海洋中尺度涡监测方法和装置 | |
CN108596032B (zh) | 一种视频中打架行为检测方法、装置、设备及介质 | |
CN112070137A (zh) | 训练数据集的生成方法、目标对象检测方法及相关设备 | |
CN117475416A (zh) | 一种热电站指针式仪表读数识别方法、系统、设备及介质 | |
CN109740450B (zh) | 一种电力开关柜开关状态的识别方法及装置 | |
CN114821274A (zh) | 一种用于识别分合指示牌的状态的方法和设备 | |
CN111914596A (zh) | 车道线检测方法、装置、系统及存储介质 | |
CN112434582A (zh) | 一种车道线颜色识别方法、系统、电子设备及存储介质 | |
CN109977937B (zh) | 图像处理方法、装置及设备 | |
CN117218633A (zh) | 一种物品检测方法、装置、设备及存储介质 | |
CN111079752A (zh) | 识别红外图像中的断路器的方法、装置及可读存储介质 | |
CN110473288A (zh) | 堤坝模型重建方法、装置和电子设备 | |
CN112132135B (zh) | 一种基于图像处理的电网传输线检测方法、存储介质 | |
CN112651351B (zh) | 一种数据处理的方法和装置 |
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 |