CN110675452A - 一种实时跟踪的对开式刀闸状态的检测方法 - Google Patents
一种实时跟踪的对开式刀闸状态的检测方法 Download PDFInfo
- Publication number
- CN110675452A CN110675452A CN201910895609.2A CN201910895609A CN110675452A CN 110675452 A CN110675452 A CN 110675452A CN 201910895609 A CN201910895609 A CN 201910895609A CN 110675452 A CN110675452 A CN 110675452A
- Authority
- CN
- China
- Prior art keywords
- knife switch
- switch arm
- frame image
- arm
- edge line
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/30232—Surveillance
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明提出一种实时跟踪的对开式刀闸状态的检测方法,包括:采集对开式刀闸的实时监控视频,获取视频的每帧图像并建立该型号刀闸臂的边界线模型并保存为模型文件;获取视频的第一帧图像,对其中的刀闸进行定位并提取跟踪特征点;根据上述定位的结果进行检测,计算左刀闸臂和右刀闸臂之间的初始夹角;对下一帧图像中刀闸臂进行跟踪定位,估算系统误差,确定下一帧图像中左刀闸臂和右刀闸臂之间的校正夹角,判断下一帧图像中刀闸的实时状态,直至检测到刀闸停止运动,验证视频中刀闸运动的最终状态;本发明解决了对开式刀闸状态的实时检测精度低的问题。
Description
技术领域
本发明涉及图像识别技术领域,特别涉及一种实时跟踪的对开式刀闸状态 的检测方法。
背景技术
刀闸是高压开关电器中使用次数非常频繁的一种电器,在电路中起隔离作 用。在实际应用中,由于刀闸的长期运转,会出现刀闸闭合或打开不到位的情 形,该情形会导致刀闸的左右刀闸臂之间产生电弧。电弧是一种气体放电现象, 电流通过某些绝缘介质产生的瞬间火花可能,会造成火灾或威胁人身安全;此 外,电弧温度极高,容易把绝缘材料烧毁,造成漏电事件或造成刀闸设备损坏; 因此,刀闸的闭合状态需要准确的检测。
检测对开式刀闸的实时状态,实践中主要需要依靠人工观测;在现有技术 中,也通过计算左右刀闸臂之间的角度判断刀闸的状态。目前计算左右刀闸臂 之间的角度,国内外出现了许多计算方案,一种是对电路内部进行改动,增加 传感器或者信号灯;一种是基于数字图像处理的方法,通过监控图像对刀闸的 开关状态进行判断,在基于数字图像处理的方法中,由于背景复杂,左刀闸臂 和右刀闸臂之间的角度计算精度较低且计算速度慢,不能满足实际需求。
发明内容
为了解决现有技术中刀闸状态实时检测精度较低的问题,本发明提出一种 实时跟踪的对开式刀闸状态的检测方法。
本发明的技术方案是这样实现的:
一种实时跟踪的对开式刀闸状态的检测方法,包括:采集对开式刀闸的实 时监控视频,获取视频的每帧图像并根据任一帧图像建立该型号刀闸臂的边界 线模型并保存为模型文件,且根据模型文件计算刀闸臂的左中点、右中点、中 点和中线;
获取视频的第一帧图像并对其中的刀闸进行定位,同时提取第一帧图像中 刀闸臂的利于跟踪的特征点并记录;根据定位结果对第一帧图像中的刀闸进行 边缘检测,确定第一帧图像中最终的左刀闸臂边缘线和右刀闸臂边缘线,进而 计算左刀闸臂和右刀闸臂之间的初始夹角,判断第一帧图像中刀闸的实时状态;
提取前一帧图像的刀闸臂的特征点将其对应在当前帧图像中并获取这些特 征点在当前帧图像中的位置,对当前帧图像中刀闸臂跟踪定位,根据该定位结 果对当前帧图像中的刀闸进行边缘检测,确定当前帧图像中的左刀闸臂边缘线 和右刀闸臂边缘线,进而计算左刀闸臂和右刀闸臂之间的初始夹角;
根据中线估算系统误差,确定当前帧图像中左刀闸臂和右刀闸臂之间的校 正夹角,判断当前帧图像中刀闸的实时状态;
与处理当前帧图像相同的方式依次处理下一帧图像,直至检测到刀闸停止 运动,验证视频中刀闸运动的最终状态。
优选的是,根据该定位结果对第一帧图像中的刀闸进行边缘检测,确定第 一帧图像中的左刀闸臂边缘线和右刀闸臂边缘线的具体方式为:
根据定位结果对第一帧图像进行边缘检测,获取边缘线集合;将模型文件 刀闸臂的左中点、右中点和中线直接对应到第一帧图像中,计算第一帧图像中 刀闸臂的左中点和右中点到边缘线集合中的每条边缘线的距离,将不在阈值范 围内的距离所对应的边缘线剔除,获取更新边缘线集合;
利用中线将更新边缘线集合左右区分,分别获取左刀闸臂边缘线集合和右 刀闸臂边缘线集合并进行对称配对,确定第一帧图像最终的左刀闸臂边缘线和 右刀闸臂边缘线。
优选的是,对当前帧图像中刀闸臂跟踪定位的具体方式为:前一帧图像中 的特征点对应到当前帧图像中为跟踪点,计算前一帧图像中的特征点与当前帧 图像中的跟踪点在x和y方向的位移量dx和dy;
遍历前一帧和当前帧图像中所有对应的特征点和跟踪点对,给定位移阈值, 剔除dx和dy不在给定位移阈值范围内的跟踪点,更新跟踪点并记录;
给定数目阈值,若更新后的跟踪点数目小于数目阈值,则在当前帧图像中 添加当前不存在的能检测到的跟踪点,再次更新跟踪点并记录;遍历当前帧图 像中所有跟踪点,将跟踪点的当前位置记作终点end,该跟踪点第一次在前帧图 像中出现时的位置记作起点start,当前帧图像中的跟踪点移动量为shift =abs(end.x-start.x)+abs(end.y-start.y),其中end.x和end.y表示 终点的x和y坐标,start.x和start.y表示起点的x和y坐标;
计算当前帧图像中刀闸臂的左中点和右中点所在的直线方程,记做基准线 y=k_base*x+b_base;遍历所有跟踪点的终点,如果end.y<=k_base*end.x+ b_base,则该终点在基准线上方,否则在基准线下方,分别统计在基准线上侧 和下侧的终点数目及平均移动量;
相对大的平均移动量为最终的平均移动量,并记录其所对应的跟踪点数目;
给定移动阈值,若最终的平均移动量与其对应的跟踪点数目的乘积小于等 于移动阈值,则表示刀闸刚开始运动或还未开始运动,根据前一帧图像的刀闸 臂位置对当前帧刀闸臂跟踪定位;若最终的平均移动量与其对应的跟踪点数目 的乘积大于移动阈值,则分别估计当前帧图像中刀闸的左刀闸臂角度和右刀闸 臂角度,结合跟踪点对当前帧刀闸臂跟踪定位。
优选的是,“估计当前帧图像中刀闸的左刀闸臂角度和右刀闸臂角度”的具 体方式为:
计算以刀闸臂的左中点和右中点连线的中点为起点垂直于中线且方向向右 或方向向左的单位方向向量baseN,计算当前帧图像中每个跟踪点的终点和起点 对应的向量vec,对于方向向左的单位方向向量,若baseN*vec大于等于0,则 当前跟踪点为左刀闸臂跟踪点,否则为右刀闸臂跟踪点;对于方向向右的单位 方向向量,若baseN*vec大于等于0,则当前跟踪点为右刀闸臂跟踪点,否则为 左刀闸臂跟踪点,以此获取所有的左刀闸臂跟踪点和右刀闸臂跟踪点;
对所有的左刀闸臂跟踪点,计算每个左刀闸臂跟踪点到左中点的距离,将 相同距离所对应的跟踪点数目统计成左侧距离分布直方图,根据左侧距离分布 直方图设定左侧距离阈值,剔除到左中点距离小于给定阈值的跟踪点,更新左 刀闸臂跟踪点,同样的方式统计右侧距离分布直方图,更新右刀闸臂跟踪点; 遍历更新后的左刀闸臂跟踪点,并计算每一个刀闸臂跟踪点与左中点所在线段 与基准线间的角度,计算所有左刀闸臂跟踪点与基准线间的角度的平均角度即 为估计的当前帧图像的左刀闸臂角度,同样的方式获取估计的当前帧图像的右 刀闸臂角度。
优选的是,根据该定位结果对当前帧图像中的刀闸进行边缘检测,确定当 前帧图像中的左刀闸臂边缘线和右刀闸臂边缘线,的方式为:与第一帧图像中 获取左刀闸臂边缘线集合和右刀闸臂边缘线集合相同的方式获取当前帧图像中 左刀闸臂边缘线集合和右刀闸臂边缘线集合;
遍历当前帧图像的左刀闸臂边缘线集合,给定左角度阈值,若左刀闸臂边 缘线角度大于估计的当前帧图像的左刀闸臂角度与左角度阈值之和,或小于估 计的当前帧图像的左刀闸臂角度与左角度阈值之差,则剔除该左刀闸臂边缘线, 获取更新左刀闸臂边缘线集合;遍历右刀闸臂边缘线集合,给定右角度阈值, 若右刀闸臂边缘线角度大于估计的当前帧图像的右刀闸臂角度与右角度阈值之 和,或小于估计的当前帧图像的右刀闸臂角度与右角度阈值之差,则剔除该右 刀闸臂边缘线,获取更新右刀闸臂边缘线集合;
将更新左刀闸臂边缘线集合和更新右刀闸臂边缘线集合进行对称配对,确 定当前帧图像中最终的左刀闸臂边缘线和右刀闸臂边缘线。
优选的是,根据中线估算系统误差,确定当前帧图像中左刀闸臂和右刀闸 臂之间的校正夹角的具体方式为:
计算实时视频中当前帧图像和前一帧图像中的最终的左刀闸臂边缘线和右 刀闸臂边缘线分别与闭合状态刀闸臂所在直线的夹角,设定当前帧图像中最终 的左刀闸臂边缘线与闭合状态刀闸臂所在直线的夹角为α1,最终的右刀闸臂边 缘线与闭合状态刀闸臂所在直线的夹角为γ1,前一帧图像中最终的左刀闸臂边 缘线与闭合状态刀闸臂所在直线的夹角为α2,最终的右刀闸臂边缘线与闭合状 态刀闸臂所在直线的夹角为γ2,将系统误差记为noise=|(α1-α2)-(γ1-γ2)|;结 合系统误差,确定当前帧左刀闸臂和右刀闸臂间的校正夹角为 θcorrect=|γ1-α1|+noise,该校正夹角为第二帧图像中左刀闸臂和右刀闸臂间的夹 角。
优选的是,判断第一帧图像中刀闸的实时状态的具体方式为:
根据用户需求给出对开式刀闸“打开”和“闭合”状态的两个阈值T-o和 T-c;
若左刀闸臂和右刀闸臂之间的夹角大于T-o,判定第一帧图像中的刀闸是打 开状态,若左刀闸臂和右刀闸臂之间的实际夹角小于T-c,判定第一帧图像中的 刀闸是闭合状态,若左刀闸臂和右刀闸臂之间的实际夹角介于T-o和T-c之间, 判定第一帧图像中的刀闸是虚合状态。
优选的是,判断当前帧图像中刀闸的实时状态的具体方式为:
根据用户需求给出对开式刀闸“打开”和“闭合”状态的两个阈值T-o和 T-c,设定打开状态的高阈值hT-o和低阈值lT-o,T-o介于高阈值hT-o和低阈值 lT-o之间,hT-o>T-o>lT-o;设定闭合状态的高阈值hT-c和低阈值lT-c,T-c介于 高阈值hT-c和低阈值lT-c之间,hT-c>T-c>lT-c,且lT-o>hT-c;
若左刀闸臂和右刀闸臂之间的校正夹角大于hT-o,判定当前帧图像中的刀 闸是打开状态,若左刀闸臂和右刀闸臂之间的校正夹角小于lT-c,判定当前帧图 像中的刀闸是闭合状态,若左刀闸臂和右刀闸臂之间的校正夹角介于hT-c和lT-o 之间,判定当前帧图像中的刀闸是虚合状态;若左刀闸臂和右刀闸臂之间的校 正夹角介于lT-o和hT-o之间或介于lT-c和hT-c之间,判定当前帧图像中的刀闸 状态与前一帧图像中刀闸的状态相同。
优选的是,直至检测到刀闸停止运动,验证视频中刀闸运动的最终状态的 具体方式为:判断连续的每一帧图像中刀闸的实时状态后将其记录;给定连续 帧数阈值,若连续帧图像中的刀闸状态保持不变,且连续帧数大于连续帧数阈 值,表明刀闸维持同一个状态,检测到刀闸停止运动;
若刀闸的初始状态是打开状态,验证最终状态时是闭合状态则操作完成, 验证最终状态时是虚合状态,则报警提示并请示工作人员人工确认和处理;若 刀闸的初始状态是闭合状态,验证最终状态时是打开状态则操作完成,验证最 终状态时是虚合状态,则报警提示并请示工作人员人工确认和处理;若刀闸的 初始状态是虚合状态,验证最终状态时为闭合或打开状态则操作完成,验证最 终状态时是虚合状态,则报警提示并请示工作人员人工确认和处理。
本发明的有益效果为:本发明的实时跟踪的对开式刀闸状态的检测方法, 将模型文件中刀闸臂的左中点、右中点、中点和中线对应到目标图像中作为参 照,便于后续对目标图像进行处理。第一帧图像中刀闸臂的定位方式和其余帧 图像中刀闸臂的定位方式不同,通过提取第一帧图像中刀闸的利于跟踪的特征 点,在对后续帧图像进行处理时,通过对特征点跟踪实现实时跟踪,对其余帧 图像中的刀闸臂定位,帮助提高稳定性和定位精度。
在进行左刀闸臂边缘线和右刀闸臂边缘线的确定时,通过跟踪点估计左刀 闸臂角度和右刀闸臂角度,再根据估计的左刀闸臂角度和右刀闸臂角度对左刀 闸臂边缘线集合和右刀闸臂边缘线集合再次进行筛选剔除,进一步提高确定左 刀闸臂边缘线和右刀闸臂边缘线的精度。
实际使用中,通过实时跟踪,准确定定位每帧图像中的刀闸,提高检测速 度,满足实际中实时检测的需求,根据中线估算系统误差获取第一帧图像外的 每一帧图像中刀闸臂间的校正角度,降低角度误差,实时判断每帧图像中刀闸 的实时状态,验证视频中刀闸运动的最终状态,提高实时检测精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施 例或现有技术描述中所需要使用的附图作简单地介绍,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为本发明的实时视频中的第一帧图像。
图中:
1、左刀闸臂;2、右刀闸臂。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清 楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,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作出创造 性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1:如图1所示,一种实时跟踪的对开式刀闸状态的检测方法,包括: 采集对开式刀闸的实时监控视频,获取视频的每帧图像并根据任一帧图像建立 该型号刀闸臂的边界线模型并保存为模型文件,且根据模型文件计算刀闸臂的 左中点、右中点、中点和中线;获取视频的第一帧图像并对其中的刀闸进行定 位,同时提取第一帧图像中刀闸臂的利于跟踪的特征点并记录;根据上述定位 的结果对视频的第一帧图像进行边缘检测,获取边缘线集合,计算第一帧图像 中左刀闸臂1的左中点和右刀闸臂2的右中点到边缘线集合中的每条边缘线的 距离,将不在阈值范围内的距离所对应的边缘线剔除,获取更新边缘线集合; 利用中线将更新边缘线集合左右区分,分别获取左刀闸臂边缘线集合和右刀闸 臂边缘线集合并进行对称配对,确定最终的左刀闸臂边缘线和右刀闸臂边缘线, 计算左刀闸臂和右刀闸臂之间的初始夹角,判断第一帧图像中刀闸的实时状态; 提取前一帧图像的刀闸臂的特征点将其对应在当前帧图像中并获取这些特征点 在当前帧图像中的位置,对当前帧图像中刀闸臂跟踪定位,根据该定位结果对 当前帧图像中的刀闸进行边缘检测,获取边缘线集合,计算当前帧图像中刀闸 臂的左中点和右中点到边缘线集合中的每条边缘线的距离,将不在阈值范围内 的距离所对应的边缘线剔除,获取更新边缘线集合;利用中线将更新边缘线集 合左右区分,分别获取左刀闸臂边缘线集合和右刀闸臂边缘线集合并进行对称 配对,确定当前帧图像中最终的的左刀闸臂边缘线和右刀闸臂边缘线,进而计 算左刀闸臂和右刀闸臂之间的初始夹角,根据中线估算系统误差,确定当前帧 图像中左刀闸臂和右刀闸臂之间的校正夹角,判断当前帧图像中刀闸的实时状 态;与处理当前帧图像相同的方式依次处理下一帧图像,直至检测到刀闸停止 运动,验证视频中刀闸运动的最终状态。
第一帧图像的定位方式和其他帧图像的定位方式不同,其他帧图像的定位 方式是利用特征点跟踪定位。对第一帧图像中的刀闸进行定位的方式为:通过 多种途径获取对开式刀闸的样本图像,利用深度学习对标注刀闸臂区域的样本 图像进行训练获取训练模型,利用训练模型对视频的第一帧图像进行检测,获 取第一帧图像中所有的刀闸区域和刀闸状态,结合模型文件对第一帧图像中的 刀闸进行定位。还可利用经典的机器视觉算法,根据刀闸的形状、颜色、尺寸 比例特征剔除干扰区域,获取刀闸臂所在区域,实现刀闸定位。
在第一帧图像中,根据该定位结果对第一帧图像中的刀闸进行边缘检测, 确定第一帧图像中的左刀闸臂边缘线和右刀闸臂边缘线的具体方式为:根据定 位结果对第一帧图像进行边缘检测,获取边缘线集合;将根据模型文件计算的 刀闸臂的左中点和右中点直接对应到第一帧图像中,计算第一帧图像中刀闸臂 的左中点和右中点到边缘线集合中的每条边缘线的距离,将不在阈值范围内的 距离所对应的边缘线剔除,获取更新边缘线集合;利用中线将更新边缘线集合 左右区分,分别获取左刀闸臂边缘线集合和右刀闸臂边缘线集合并进行对称配 对,确定第一帧图像最终的左刀闸臂边缘线和右刀闸臂边缘线。
对第一帧图像中的刀闸结合模型文件进行定位的具体过程为:第一帧图像 中的所有刀闸区域及每个刀闸区域对应的刀闸状态根据训练模型已经获取,对 于“闭合”和“虚合”状态的刀闸对应的所在区域为包含左右刀闸臂的整体矩 形框区域,对于“打开”状态的刀闸对应的所在区域为包含左刀闸臂的左矩形 框区域和包含右刀闸臂的右矩形框区域;对于“闭合”和“虚合”状态的刀闸 同时获取其左右刀闸臂的接触点位置矩形框;根据模型文件获取闭合状态的刀 闸的闭合矩形框区域,计算上述第一帧图像中存在的所有的整体矩形框区域、 左矩形框区域、右矩形框区域分别与闭合矩形框区域的重叠面积;遍历第一帧 图像中所有“闭合”和“虚合”状态的刀闸所在的区域,获取包含左中点和右 中点且重叠面积最大的区域为最终的左右刀闸臂整体区域,同时计算左右刀闸 臂的接触点位置矩形框的中心点并将其记为接触点,以过接触点且与该左右刀 闸臂整体区域矩形框短边平行的中心直线为界限,左侧矩形框为左刀闸臂矩形 框,右侧矩形框为右刀闸臂矩形框,实现对第一帧图像中“闭合”或“虚合” 状态的刀闸定位;
若不存在上述包含左中点和右中点且重叠面积最大的区域,则表明待检测 的刀闸当前状态不是“闭合”或“虚合”状态,从所有“打开”状态的刀闸中 实现刀闸定位,给定重叠面积阈值,遍历第一帧图像中所有“打开”状态且重 叠面积大于重叠面积阈值的刀闸所在的区域,获取包含左中点且重叠面积最大 的区域记作第一打开左刀闸臂区域;获取包含右中点且重叠面积最大的区域记 作第一打开右刀闸臂区域;遍历第一帧图像中所有“打开”状态且重叠面积小 于等于重叠面积阈值的刀闸所在的区域,获取前两个包含左中点且重叠面积最 大的区域记为左刀闸臂匹配区域;获取前两个包含右中点且重叠面积最大的区 域记为右刀闸臂匹配区域;计算任一个左刀闸臂匹配区域的4个顶点到左中点 的距离并选取左最小距离,相比两个左最小距离并将较小的左最小距离对应的 左刀闸臂匹配区域记为第二打开左刀闸臂区域;计算任一个右刀闸臂匹配区域 的4个顶点到右中点的距离并选取右最小距离,相比两个右最小距离并将较小 的右最小距离对应的右刀闸臂匹配区域记为第二打开右刀闸臂区域;给定刀闸 臂面积阈值,大于刀闸臂面积阈值的第一打开左刀闸臂区域记为最终左刀闸臂 区域,否则大于刀闸臂面积阈值的第二打开左刀闸臂区域记为最终左刀闸臂区 域;大于刀闸臂面积阈值的第一打开右刀闸臂区域记为最终右刀闸臂区域,否 则大于刀闸臂面积阈值的第二打开右刀闸臂区域记为最终右刀闸臂区域,实现对第一帧图像中“打开”状态的刀闸定位。
对除第一帧图像外的其他帧图像的跟踪定位方式,以对当前帧图像中刀闸 臂跟踪定位为例进行说明:前一帧图像中的特征点对应到当前帧图像中为跟踪 点,计算前一帧图像中的特征点与当前帧图像中的跟踪点在x和y方向的位移量 dx和dy;遍历前一帧和当前帧图像中所有对应的特征点和跟踪点对,给定位移 阈值,剔除dx和dy不在给定位移阈值范围内的跟踪点,更新跟踪点并记录; 给定数目阈值,若更新后的跟踪点数目小于数目阈值,则在当前帧图像中添加 当前不存在的能检测到的跟踪点,再次更新跟踪点并记录;遍历当前帧图像中 所有跟踪点,将跟踪点的当前位置记作终点end,该跟踪点第一次在前帧图像中 出现时的位置记作起点start,当前帧图像中的跟踪点移动量为shift =abs(end.x-start.x)+abs(end.y-start.y),其中end.x和end.y表示 终点的x和y坐标,start.x和start.y表示起点的x和y坐标;计算当前帧图 像中刀闸臂的左中点和右中点所在的直线方程,记做基准线 y=k_base*x+b_base;遍历所有跟踪点的终点,如果end.y<=k_base*end.x+ b_base,则该终点在基准线上方,否则在基准线下方,分别统计在基准线上侧 和下侧的终点数目及平均移动量;相对大的平均移动量为最终的平均移动量, 并记录其所对应的跟踪点数目;给定移动阈值,若最终的平均移动量与其对应 的跟踪点数目的乘积小于等于移动阈值,则表示刀闸刚开始运动或还未开始运 动,根据前一帧图像的刀闸臂位置对当前帧刀闸臂跟踪定位;若最终的平均移 动量与其对应的跟踪点数目的乘积大于移动阈值,则分别估计当前帧图像中刀 闸的左刀闸臂角度和右刀闸臂角度,结合跟踪点对当前帧刀闸臂跟踪定位。
在进行跟踪定位时,刀闸臂是运动的,左绝缘子和右绝缘子是固定不变的, 根据利于跟踪的特征点的位置变化信息估计刀闸臂的移动量,当刀闸臂存在较 大移动时估计左右刀闸臂的角度,提高估计的准确性。
“估计当前帧图像中刀闸的左刀闸臂角度和右刀闸臂角度”的具体方式为: 计算以刀闸臂的左中点和右中点连线的中点为起点垂直于中线且方向向右或方 向向左的单位方向向量baseN,计算当前帧图像中每个跟踪点的终点和起点对应 的向量vec,对于方向向左的单位方向向量,若baseN*vec大于等于0,则当前 跟踪点为左刀闸臂跟踪点,否则为右刀闸臂跟踪点;对于方向向右的单位方向 向量,若baseN*vec大于等于0,则当前跟踪点为右刀闸臂跟踪点,否则为左刀 闸臂跟踪点,以此获取所有的左刀闸臂跟踪点和右刀闸臂跟踪点;对所有的左 刀闸臂跟踪点,计算每个左刀闸臂跟踪点到左中点的距离,将相同距离所对应 的跟踪点数目统计成左侧距离分布直方图,根据左侧距离分布直方图设定左侧 距离阈值,剔除到左中点距离小于给定阈值的跟踪点,更新左刀闸臂跟踪点, 同样的方式统计右侧距离分布直方图,更新右刀闸臂跟踪点;遍历更新后的左 刀闸臂跟踪点,并计算每一个左刀闸臂跟踪点与左中点所在线段与基准线间的 角度,计算所有左刀闸臂跟踪点与基准线间的角度的平均角度即为估计的当前 帧图像的左刀闸臂角度;同样的方式获取估计的当前帧图像的右刀闸臂角度。
判断第一帧图像中刀闸的实时状态的具体方式为:根据用户需求给出对开 式刀闸“打开”和“闭合”状态的两个阈值T-o和T-c;若左刀闸臂和右刀闸臂 之间的夹角大于T-o,判定第一帧图像中的刀闸是打开状态,若左刀闸臂和右刀 闸臂之间的夹角小于T-c,判定第一帧图像中的刀闸是闭合状态,若左刀闸臂和 右刀闸臂之间的实际夹角介于T-o和T-c之间,判定第一帧图像中的刀闸是虚合 状态。第一帧图像中刀闸的状态记为刀闸的初始状态。
实施例2:在实施例1的基础上,在当前帧图像中,对左刀闸臂边缘线集合 和右刀闸臂边缘线集合进行干扰边缘线的剔除,根据对当前帧图像中的定位结 果对其中的刀闸进行边缘检测,确定当前帧图像中的左刀闸臂边缘线和右刀闸 臂边缘线,具体方式为:与第一帧图像中获取左刀闸臂边缘线集合和右刀闸臂 边缘线集合相同的方式获取当前帧图像中左刀闸臂边缘线集合和右刀闸臂边缘 线集合;遍历当前帧图像的左刀闸臂边缘线集合,给定左角度阈值,若左刀闸 臂边缘线角度大于估计的当前帧图像的左刀闸臂角度与左角度阈值之和,或小 于估计的当前帧图像的左刀闸臂角度与左角度阈值之差,则剔除该左刀闸臂边 缘线,获取更新左刀闸臂边缘线集合;遍历右刀闸臂边缘线集合,给定右角度 阈值,若右刀闸臂边缘线角度大于估计的当前帧图像的右刀闸臂角度与右角度 阈值之和,或小于估计的当前帧图像的右刀闸臂角度与右角度阈值之差,则剔 除该右刀闸臂边缘线,获取更新右刀闸臂边缘线集合;将更新左刀闸臂边缘线 集合和更新右刀闸臂边缘线集合进行对称配对,确定当前帧图像中最终的左刀 闸臂边缘线和右刀闸臂边缘线。
实施例2中对当前帧图像中的左刀闸臂边缘线集合和右刀闸臂边缘线集合 内的干扰边缘线再进行一次剔除,进一步提高确认最终的左刀闸臂边缘线和右 刀闸臂边缘线的效率和准确性。
在实施例2中,估计的当前帧图像的左刀闸臂角度和估计的当前帧图像的 右刀闸臂角度分别与实际的左刀闸臂边缘线角度和实际的右刀闸臂边缘线角度 接近,如果当前的左刀闸臂边缘线角度和右刀闸臂边缘线角度分别与估计的当 前帧图像的左刀闸臂角度和右刀闸臂角度相差较大,则表明当前的左刀闸臂边 缘线和右刀闸臂边缘线不是实际的左刀闸臂边缘线和右刀闸臂边缘线,将这些 边缘线剔除掉,减少了左刀闸臂边缘线集合和右刀闸臂边缘线集合进行对称配 对的计算量,同时增加了准确性。
在上述实施例中,“根据视频的任一帧图像建立该型号刀闸臂的边界线模型 并保存为模型文件”的方式为:在计算机上设置一个程序,利用该程序打开视 频的任一帧图像并对其中的刀闸臂上下边界线进行描边,画出左绝缘子中心线 和右绝缘子中心线,将描边对应的线段端点坐标和左右绝缘子中心线对应的线 段端点坐标保存为模型文件;若上述任一帧图像中刀闸为闭合状态,对整体刀 闸臂的上下边界进行描边;若上述任一帧图像中刀闸为打开或虚合状态,根据 实际左刀闸臂的上下边界和右刀闸臂的上下边界进行描边。对建立模型文件的 那帧图像中刀闸的状态的识别为人为识别。建立模型文件和利用训练模型获取 刀闸状态时,刀闸的闭合状态指的是左右刀闸臂在同一直线上,虚合状态指的是左右刀闸臂间存在接触但不在同一直线上,打开状态指的是左右刀闸臂间不 存在接触。这里的刀闸状态是笼统的,不同于根据刀闸臂间的夹角获取的刀闸 的实时状态,根据刀闸臂间夹角获取的刀闸的实时状态为每帧图像中刀闸的最 终状态。
在上述实施例中,“根据模型文件计算刀闸臂左中点、右中点和中点”的方 式为:
根据模型文件分别获取整体刀闸臂的顶端和底端的上下边界线延长线和左 绝缘子中心线延长线的两个交点,记为两个左侧端点,获取整体刀闸臂的顶端 和底端的上下边界线延长线和右绝缘子中心线延长线的两个交点,记为两个右 侧端点;根据两个左侧端点和两个右侧端点获取左中点和右中点;
闭合状态下,左中点和右中点之间的线段的中点为刀闸臂中点或两个左侧 端点和两个右侧端点形成的闭合框的中点为刀闸臂中点;虚合或打开状态下, 左中点和右中点之间的线段的中点为刀闸臂中点或两个左侧端点和两个右侧端 点形成的闭合框的中点为刀闸臂中点。
刀闸臂的左中点、右中点和中点是固定不变的,根据模型文件计算的刀闸 臂的左中点、右中点和中点直接对应到视频的任一帧图像中。
在上述实施例中,“根据模型文件计算刀闸臂中线”的方式为:将建立模型 文件时用的图像标记为模板图像,当刀闸是闭合状态,获取采集视频的相机的 畸变系数,并根据模板图像尺寸计算相机矩阵camera_matrix=[focal_length,0, center.x;0,focal_length,center.y;0,0,1],其中focal_length为模板 图像宽度,center.x和center.y分别为模板图像中点的x坐标和y坐标;根据 两个左侧端点、两个右侧端点、畸变系数和相机矩阵获取相机采集时相对于刀 闸的坐标位置,相机的Z轴在模板图像上的投影方向为刀闸臂的中线方向,结 合刀闸臂的中点确定刀闸臂的中线;当刀闸臂虚合或打开状态,根据左中点和 左刀闸臂上下边界线的平均斜率获取左中心线,根据右中点和右刀闸臂上下边 界线的平均斜率获取右中心线,左中心线和右中心线延长形成一个交点;通过 该交点和中点的连线为刀闸臂的中线。
在上述实施例中,将根据模型文件计算的对开式刀闸的左中点和右中点对 应到第一帧图像中,得到第一帧图像的刀闸臂的左中点和右中点,计算第一帧 图像中刀闸臂的左中点和右中点到边缘线集合中的每条边缘线的距离,将不在 阈值范围内的距离所对应的边缘线剔除,获取更新边缘线集合。对于每一帧图 像中获取更新边缘线集合的方式与第一帧图像中获取更新边缘线集合的方式相 同。
在上述实施例中,“利用中线将更新边缘线集合左右区分,分别获取左刀闸 臂边缘线集合和右刀闸臂边缘线集合”的具体方式为:将根据模型文件计算的 中线对应到当前帧图像中,在当前帧图像上计算以中点为起点的垂直于中线的 方向向左或方向向右的单位方向向量遍历更新边缘线集合中的边缘线,对其 中任一条边缘线的两个端点记作T1和T2,将T1与中点的向量记作将T2 与中点的向量记作计算和对于方向向右的单位方向向量若则T1在中线右侧,否则在中线左侧,若则T2在中线右侧,否则中线 左侧;对于方向向左的单位方向向量若则T1在中线左侧,否则 在中线右侧;若则T2在中线左侧,否则中线右侧;若T1和T2均在 中线左侧,则该边缘线为左左刀闸臂边缘线,若T1和T2均在中线右侧,则该 边缘线为右左刀闸臂边缘线,若T1和T2分别在中线两侧,计算该边缘线以中 线为分割线的左右线段长度,该边缘线为左右侧线段较长侧的边缘线;如此获 取左刀闸臂边缘线集合和右刀闸臂边缘线集合。
“将左刀闸臂边缘线集合和右刀闸臂边缘线集合进行对称配对,确定左刀 闸臂边缘线和右刀闸臂边缘线”的方式为:给定角度阈值,对于左刀闸臂边缘 线集合中的任一条边缘线相对于水平位置的角度记为Mh,h代表不同的左刀闸 臂边缘线,将任两个左刀闸臂边缘线的角度差值位于角度阈值内的划分为同组, 将同组内的左刀闸臂边缘线按照从长到短排序;对于右刀闸臂边缘线集合中的 任一条边缘线相对于水平位置的角度记为Nm,m代表不同的右刀闸臂边缘线, 将任两个右刀闸臂边缘线的角度差值位于角度阈值内的划分为同组,将同组内 的右刀闸臂边缘线按照从长到短排序;遍历左刀闸臂边缘线集合的所有同组和 右刀闸臂边缘线集合的所有同组并进行一一配对,计算任两组的校正刀闸臂边缘线和配对分数,分数最高的组合对应的校正左刀闸臂边缘线和校正右刀闸臂 边缘线即为最终的左刀闸臂边缘线和右刀闸臂边缘线。
“遍历左刀闸臂边缘线集合的所有同组和右刀闸臂边缘线集合的所有同组 并进行一一配对,计算任两组的校正刀闸臂边缘线和配对分数”的方式为:遍 历左刀闸臂边缘线集合的所有同组和右刀闸臂边缘线集合的所有同组,计算每 组的平均角度,左刀闸臂边缘线集合的每组的平均角度结合左中点获取左刀闸 臂边缘线集合的每组的校正左刀闸臂边缘线,校正左刀闸臂边缘线与中线的交 点记作A点;右刀闸臂边缘线集合的每组的平均角度结合右中点获取右刀闸臂 边缘线集合的每组的校正右刀闸臂边缘线,校正右刀闸臂边缘线与中线的交点 记作B点,计算A点和B点之间的距离dAB;刀闸臂左中点和右中点的距离为d0, dAB/d0越小表示配对的校正左刀闸臂边缘线和校正右刀闸臂边缘线为实际 左刀闸臂边缘线和实际右刀闸臂边缘线的概率越大,而dAB/d0>0.5则剔 除A点所在的同组和B点所在的同组;设定任两组配对分数的计算公式为其中系数SL表示左刀闸臂边缘线集合的 任一个同组内边缘线长度的平方和;SR表示右刀闸臂边缘线集合的任一个同组 内边缘线长度的平方和;β为可调节的灵敏度参数;最高的配对分数S对应的A 点所在的校正左刀闸臂边缘线和B点所在的校正右刀闸臂边缘线为最终的左刀 闸臂边缘线和右刀闸臂边缘线。
在上述实施例中,计算左刀闸臂和右刀闸臂之间的初始夹角的具体方式为: 以最终的左刀闸臂边缘线和右刀闸臂边缘线作为基准,若最终的左刀闸臂边缘 线相对于闭合状态刀闸臂所在直线的角度为α,最终的右刀闸臂边缘线相对于 闭合状态刀闸臂所在直线的角度为γ,最终的左刀闸臂边缘线和右刀闸臂边缘线 间的夹角为θ=|γ-α|,左刀闸臂和右刀闸臂间的夹角为θ=|γ-α|。
在上述实施例中,根据中线估算系统误差,确定当前帧图像中左刀闸臂和 右刀闸臂之间的校正夹角的具体方式为:计算实时视频中当前帧图像和前一帧 图像中的最终的左刀闸臂边缘线和右刀闸臂边缘线分别与闭合状态刀闸臂所在 直线的夹角,设定当前帧图像中最终的左刀闸臂边缘线与闭合状态刀闸臂所在 直线的夹角为α1,最终的右刀闸臂边缘线与闭合状态刀闸臂所在直线的夹角为 γ1,前一帧图像中最终的左刀闸臂边缘线与闭合状态刀闸臂所在直线的夹角为 α2,最终的右刀闸臂边缘线与闭合状态刀闸臂所在直线的夹角为γ2,将系统误 差记为noise=|(α1-α2)-(γ1-γ2)|;结合系统误差,确定当前帧左刀闸臂和右刀 闸臂间的校正夹角为θcorrect=|γ1-α1|+noise,该校正夹角为第二帧图像中左刀闸 臂和右刀闸臂间的夹角。
判断当前帧图像中刀闸的实时状态的具体方式为:根据用户需求给出对开 式刀闸“打开”和“闭合”状态的两个阈值T-o和T-c,设定打开状态的高阈值 hT-o和低阈值lT-o,T-o介于高阈值hT-o和低阈值lT-o之间,hT-o>T-o>lT-o; 设定闭合状态的高阈值hT-c和低阈值lT-c,T-c介于高阈值hT-c和低阈值lT-c 之间,hT-c>T-c>lT-c,且lT-o>hT-c,打开状态的低阈值高于闭合状态的高阈值;
若左刀闸臂和右刀闸臂之间的校正夹角大于hT-o,判定当前帧图像中的刀 闸是打开状态,若左刀闸臂和右刀闸臂之间的校正夹角小于lT-c,判定当前帧图 像中的刀闸是闭合状态,若左刀闸臂和右刀闸臂之间的校正夹角介于hT-c和lT-o 之间,判定当前帧图像中的刀闸是虚合状态;若左刀闸臂和右刀闸臂之间的校 正夹角介于lT-o和hT-o之间或介于lT-c和hT-c之间,判定当前帧图像中的刀闸 状态与前一帧图像中刀闸的状态相同。
直至检测到刀闸停止运动,验证视频中刀闸最终状态的具体方式为:判断 每一帧图像中刀闸的实时状态后将其记录;给定连续帧数阈值,若连续帧图像 中的刀闸状态保持不变,且连续帧数大于连续帧数阈值,表明刀闸维持同一个 状态,检测到刀闸停止运动;若通过第一帧图像判断的刀闸的初始状态是打开 状态,验证时是闭合状态则操作完成,验证时是虚合状态,则报警提示并请示 工作人员人工确认和处理;若刀闸的初始状态是闭合状态,验证最终状态时是 打开状态则操作完成,验证最终状态时是虚合状态,则报警提示并请示工作人 员人工确认和处理;若刀闸的初始状态是虚合状态,验证最终状态时为闭合或打开状态则操作完成,验证最终状态时是虚合状态,则报警提示并请示工作人 员人工确认和处理。
由于待处理的刀闸实时视频中刀闸的运动状态是单向的,从打开到闭合或 从闭合到打开,因此验证最终状态也相对单一,刀闸在运动过程中只有三个状 态:打开、闭合和虚合状态。本发明中的左右刀闸臂指的是左刀闸臂和右刀闸 臂,本发明中的刀闸指的是对开式刀闸。
本发明中检测的是实时监控视频中对开式刀闸的开合状态,如果视频中的 对开式刀闸没有运动,此时对开式刀闸的状态是初始状态,处于安全状态。
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、改进等,均应包含在本发 明的保护范围之内。
Claims (9)
1.一种实时跟踪的对开式刀闸状态的检测方法,其特征在于,包括:采集对开式刀闸的实时监控视频,获取视频的每帧图像并根据任一帧图像建立该型号刀闸臂的边界线模型并保存为模型文件,且根据模型文件计算刀闸臂的左中点、右中点、中点和中线;
获取视频的第一帧图像并对其中的刀闸进行定位,同时提取第一帧图像中刀闸臂的利于跟踪的特征点并记录;根据定位结果对第一帧图像中的刀闸进行边缘检测,确定第一帧图像中最终的左刀闸臂边缘线和右刀闸臂边缘线,进而计算左刀闸臂和右刀闸臂之间的初始夹角,判断第一帧图像中刀闸的实时状态;
提取前一帧图像的刀闸臂的特征点将其对应在当前帧图像中并获取这些特征点在当前帧图像中的位置,对当前帧图像中刀闸臂跟踪定位,根据该定位结果对当前帧图像中的刀闸进行边缘检测,确定当前帧图像中最终的的左刀闸臂边缘线和右刀闸臂边缘线,进而计算左刀闸臂和右刀闸臂之间的初始夹角;
根据中线估算系统误差,确定当前帧图像中左刀闸臂和右刀闸臂之间的校正夹角,判断当前帧图像中刀闸的实时状态;
与处理当前帧图像相同的方式依次处理下一帧图像,直至检测到刀闸停止运动,验证视频中刀闸运动的最终状态。
2.根据权利要求1所述的实时跟踪的对开式刀闸状态的检测方法,其特征在于,根据该定位结果对第一帧图像中的刀闸进行边缘检测,确定第一帧图像中的最终的左刀闸臂边缘线和右刀闸臂边缘线的具体方式为:
根据定位结果对第一帧图像进行边缘检测,获取边缘线集合;将根据模型文件计算的刀闸臂的左中点和右中点直接对应到第一帧图像中,计算第一帧图像中刀闸臂的左中点和右中点到边缘线集合中的每条边缘线的距离,将不在阈值范围内的距离所对应的边缘线剔除,获取更新边缘线集合;
利用中线将更新边缘线集合左右区分,分别获取左刀闸臂边缘线集合和右刀闸臂边缘线集合并进行对称配对,确定第一帧图像最终的左刀闸臂边缘线和右刀闸臂边缘线。
3.根据权利要求2所述的实时跟踪的对开式刀闸状态的检测方法,其特征在于,对当前帧图像中刀闸臂跟踪定位的具体方式为:前一帧图像中的特征点对应到当前帧图像中为跟踪点,计算前一帧图像中的特征点与当前帧图像中的跟踪点在x和y方向的位移量dx和dy;
遍历前一帧和当前帧图像中所有对应的特征点和跟踪点对,给定位移阈值,剔除dx和dy不在给定位移阈值范围内的跟踪点,更新跟踪点并记录;
给定数目阈值,若更新后的跟踪点数目小于数目阈值,则在当前帧图像中添加当前不存在的能检测到的跟踪点,再次更新跟踪点并记录;遍历当前帧图像中所有跟踪点,将跟踪点的当前位置记作终点end,该跟踪点第一次在前帧图像中出现时的位置记作起点start,当前帧图像中的跟踪点移动量为shift=abs(end.x-start.x)+abs(end.y-start.y),其中end.x和end.y表示终点的x和y坐标,start.x和start.y表示起点的x和y坐标;
计算当前帧图像中刀闸臂的左中点和右中点所在的直线方程,记做基准线y=k_base*x+b_base;遍历所有跟踪点的终点,如果end.y<=k_base*end.x+b_base,则该终点在基准线上方,否则在基准线下方,分别统计在基准线上侧和下侧的终点数目及平均移动量;
相对大的平均移动量为最终的平均移动量,并记录其所对应的跟踪点数目;
给定移动阈值,若最终的平均移动量与其对应的跟踪点数目的乘积小于等于移动阈值,则表示刀闸刚开始运动或还未开始运动,根据前一帧图像的刀闸臂位置对当前帧刀闸臂跟踪定位;若最终的平均移动量与其对应的跟踪点数目的乘积大于移动阈值,则分别估计当前帧图像中刀闸的左刀闸臂角度和右刀闸臂角度,结合跟踪点对当前帧刀闸臂跟踪定位。
4.根据权利要求3所述的实时跟踪的对开式刀闸状态的检测方法,其特征在于,“估计当前帧图像中刀闸的左刀闸臂角度和右刀闸臂角度”的具体方式为:
计算以刀闸臂的左中点和右中点连线的中点为起点垂直于中线且方向向右或方向向左的单位方向向量baseN,计算当前帧图像中每个跟踪点的终点和起点对应的向量vec,对于方向向左的单位方向向量,若baseN*vec大于等于0,则当前跟踪点为左刀闸臂跟踪点,否则为右刀闸臂跟踪点;对于方向向右的单位方向向量,若baseN*vec大于等于0,则当前跟踪点为右刀闸臂跟踪点,否则为左刀闸臂跟踪点,以此获取所有的左刀闸臂跟踪点和右刀闸臂跟踪点;
对所有的左刀闸臂跟踪点,计算每个左刀闸臂跟踪点到左中点的距离,将相同距离所对应的跟踪点数目统计成左侧距离分布直方图,根据左侧距离分布直方图设定左侧距离阈值,剔除到左中点距离小于给定阈值的跟踪点,更新左刀闸臂跟踪点,同样的方式统计右侧距离分布直方图,更新右刀闸臂跟踪点;遍历更新后的左刀闸臂跟踪点,并计算每一个刀闸臂跟踪点与左中点所在线段与基准线间的角度,计算所有左刀闸臂跟踪点与基准线间的角度的平均角度即为估计的当前帧图像的左刀闸臂角度;同样的方式获取估计的当前帧图像的右刀闸臂角度。
5.根据权利要求2所述的实时跟踪的对开式刀闸状态的检测方法,其特征在于,根据该定位结果对当前帧图像中的刀闸进行边缘检测,确定当前帧图像中的左刀闸臂边缘线和右刀闸臂边缘线的方式为:与第一帧图像中获取左刀闸臂边缘线集合和右刀闸臂边缘线集合相同的方式获取当前帧图像中左刀闸臂边缘线集合和右刀闸臂边缘线集合;
遍历当前帧图像的左刀闸臂边缘线集合,给定左角度阈值,若左刀闸臂边缘线角度大于估计的当前帧图像的左刀闸臂角度与左角度阈值之和,或小于估计的当前帧图像的左刀闸臂角度与左角度阈值之差,则剔除该左刀闸臂边缘线,获取更新左刀闸臂边缘线集合;遍历右刀闸臂边缘线集合,给定右角度阈值,若右刀闸臂边缘线角度大于估计的当前帧图像的右刀闸臂角度与右角度阈值之和,或小于估计的当前帧图像的右刀闸臂角度与右角度阈值之差,则剔除该右刀闸臂边缘线,获取更新右刀闸臂边缘线集合;
将更新左刀闸臂边缘线集合和更新右刀闸臂边缘线集合进行对称配对,确定当前帧图像中最终的左刀闸臂边缘线和右刀闸臂边缘线。
6.根据权利要求4所述的实时跟踪的对开式刀闸状态的检测方法,其特征在于,根据中线估算系统误差,确定当前帧图像中左刀闸臂和右刀闸臂之间的校正夹角的具体方式为:
计算实时视频中当前帧图像和前一帧图像中的最终的左刀闸臂边缘线和右刀闸臂边缘线分别与闭合状态刀闸臂所在直线的夹角,设定当前帧图像中最终的左刀闸臂边缘线与闭合状态刀闸臂所在直线的夹角为α1,最终的右刀闸臂边缘线与闭合状态刀闸臂所在直线的夹角为γ1,前一帧图像中最终的左刀闸臂边缘线与闭合状态刀闸臂所在直线的夹角为α2,最终的右刀闸臂边缘线与闭合状态刀闸臂所在直线的夹角为γ2,将系统误差记为noise=|(α1-α2)-(γ1-γ2)|;结合系统误差,确定当前帧左刀闸臂和右刀闸臂间的校正夹角为θcorrect=|γ1-α1|+noise,该校正夹角为第二帧图像中左刀闸臂和右刀闸臂间的夹角。
7.根据权利要求4所述的实时跟踪的对开式刀闸状态的检测方法,其特征在于,判断第一帧图像中刀闸的实时状态的具体方式为:
根据用户需求给出对开式刀闸“打开”和“闭合”状态的两个阈值T-o和T-c;
若左刀闸臂和右刀闸臂之间的夹角大于T-o,判定第一帧图像中的刀闸是打开状态,若左刀闸臂和右刀闸臂之间的实际夹角小于T-c,判定第一帧图像中的刀闸是闭合状态,若左刀闸臂和右刀闸臂之间的实际夹角介于T-o和T-c之间,判定第一帧图像中的刀闸是虚合状态。
8.根据权利要求4所述的实时跟踪的对开式刀闸状态的检测方法,其特征在于,判断当前帧图像中刀闸的实时状态的具体方式为:
根据用户需求给出对开式刀闸“打开”和“闭合”状态的两个阈值T-o和T-c,设定打开状态的高阈值hT-o和低阈值lT-o,T-o介于高阈值hT-o和低阈值lT-o之间,hT-o>T-o>lT-o;设定闭合状态的高阈值hT-c和低阈值lT-c,T-c介于高阈值hT-c和低阈值lT-c之间,hT-c>T-c>lT-c,且lT-o>hT-c;
若左刀闸臂和右刀闸臂之间的校正夹角大于hT-o,判定当前帧图像中的刀闸是打开状态,若左刀闸臂和右刀闸臂之间的校正夹角小于lT-c,判定当前帧图像中的刀闸是闭合状态,若左刀闸臂和右刀闸臂之间的校正夹角介于hT-c和lT-o之间,判定当前帧图像中的刀闸是虚合状态;若左刀闸臂和右刀闸臂之间的校正夹角介于lT-o和hT-o之间或介于lT-c和hT-c之间,判定当前帧图像中的刀闸状态与前一帧图像中刀闸的状态相同。
9.根据权利要求1所述的实时跟踪的对开式刀闸状态的检测方法,其特征在于,直至检测到刀闸停止运动,验证视频中刀闸运动的最终状态的具体方式为:判断连续的每一帧图像中刀闸的实时状态后将其记录;给定连续帧数阈值,若连续帧图像中的刀闸状态保持不变,且连续帧数大于连续帧数阈值,表明刀闸维持同一个状态,检测到刀闸停止运动;
若刀闸的初始状态是打开状态,验证最终状态时是闭合状态则操作完成,验证最终状态时是虚合状态,则报警提示并请示工作人员人工确认和处理;若刀闸的初始状态是闭合状态,验证最终状态时是打开状态则操作完成,验证最终状态时是虚合状态,则报警提示并请示工作人员人工确认和处理;若刀闸的初始状态是虚合状态,验证最终状态时为闭合或打开状态则操作完成,验证最终状态时是虚合状态,则报警提示并请示工作人员人工确认和处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910895609.2A CN110675452A (zh) | 2019-09-21 | 2019-09-21 | 一种实时跟踪的对开式刀闸状态的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910895609.2A CN110675452A (zh) | 2019-09-21 | 2019-09-21 | 一种实时跟踪的对开式刀闸状态的检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110675452A true CN110675452A (zh) | 2020-01-10 |
Family
ID=69077130
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910895609.2A Pending CN110675452A (zh) | 2019-09-21 | 2019-09-21 | 一种实时跟踪的对开式刀闸状态的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110675452A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111696153A (zh) * | 2020-06-03 | 2020-09-22 | 杭州市勘测设计研究院 | 一种提取道路中心线的方法、设备和系统 |
CN112541890A (zh) * | 2020-12-07 | 2021-03-23 | 国网江苏省电力有限公司常州供电分公司 | 刀闸行程状态的检测方法、设备和可读存储介质 |
-
2019
- 2019-09-21 CN CN201910895609.2A patent/CN110675452A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111696153A (zh) * | 2020-06-03 | 2020-09-22 | 杭州市勘测设计研究院 | 一种提取道路中心线的方法、设备和系统 |
CN112541890A (zh) * | 2020-12-07 | 2021-03-23 | 国网江苏省电力有限公司常州供电分公司 | 刀闸行程状态的检测方法、设备和可读存储介质 |
CN112541890B (zh) * | 2020-12-07 | 2022-08-30 | 国网江苏省电力有限公司常州供电分公司 | 刀闸行程状态的检测方法、设备和可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107679520B (zh) | 一种适用于复杂条件下的车道线视觉检测方法 | |
CN110942443A (zh) | 一种对开式刀闸状态的实时检测方法 | |
CN110363047B (zh) | 人脸识别的方法、装置、电子设备和存储介质 | |
CN111191641B (zh) | 一种对开式刀闸运动状态的精确检测方法 | |
CN106650697B (zh) | 一种仪表刻度识别方法 | |
CN110675452A (zh) | 一种实时跟踪的对开式刀闸状态的检测方法 | |
CN108710913A (zh) | 一种基于深度学习的开关柜图像开关状态自动识别方法 | |
CN108009551B (zh) | 适用于电力作业机器人的电力刀闸分合位状态识别方法 | |
CN110717409A (zh) | 一种对开式刀闸状态的实时精确检测方法 | |
CN112017173B (zh) | 基于目标检测网络和结构化定位的电力设备缺陷检测方法 | |
CN106504247B (zh) | 一种基于可见光图像的绝缘子串爆片自动检测方法及装置 | |
CN103768792B (zh) | 应用于大范围视频空间目标定位系统的分区与识别方法 | |
CN110689528A (zh) | 一种基于自动定位的对开式刀闸开合角度检测方法 | |
CN111462057A (zh) | 一种基于深度学习的输电线路上玻璃绝缘子自爆检测方法 | |
CN116862910B (zh) | 基于自动化裁切生产的视觉检测方法 | |
CN112508836A (zh) | 一种基于标注框拼接的深度学习图像增强方法 | |
CN110211178A (zh) | 一种利用投影计算的指针式仪表识别方法 | |
CN113505789A (zh) | 一种基于crnn的电气设备铭牌文本识别方法 | |
CN111008951A (zh) | 一种基于定位识别的对开式刀闸开合角度的计算方法 | |
CN110717932A (zh) | 一种实时跟踪的剪刀式刀闸状态的检测方法 | |
CN110689574A (zh) | 一种对开式刀闸运动状态的检测方法 | |
CN106934832B (zh) | 一种面向视觉巡线的简易直线自动定位方法 | |
CN112132820A (zh) | 基于YOLOv2算法接触网定位管斜拉线故障检测方法 | |
CN110717923A (zh) | 一种能够快速识别电线的刀闸状态检测方法 | |
CN111862023A (zh) | 一种基于计算机视觉的受电弓结构异常检测方法 |
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 |