CN114037825A - 一种基于投影欧式距离的隔离开关分合闸位置图像识别方法 - Google Patents
一种基于投影欧式距离的隔离开关分合闸位置图像识别方法 Download PDFInfo
- Publication number
- CN114037825A CN114037825A CN202111351771.1A CN202111351771A CN114037825A CN 114037825 A CN114037825 A CN 114037825A CN 202111351771 A CN202111351771 A CN 202111351771A CN 114037825 A CN114037825 A CN 114037825A
- Authority
- CN
- China
- Prior art keywords
- projection
- image
- similarity
- closing
- phase
- 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
- G06T7/10—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
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于投影欧式距离的隔离开关分合闸位置图像识别方法,包含以下步骤:步骤1、图像预处理;步骤2、图像敏感区域的定位:步骤3、敏感区域投影计算;包含投影计算和标准投影数据的提取两步,步骤4、实时图像投影的相似度计算,本设计通过将图像采集设备的位置、角度及距离保持不变,即采集到的图像空间区域保持不变,使得隔离开关分合闸位置识别问题可转为触头在图像中的定位问题,进而通过图像定位技术实现隔离开关位置的准确识别。
Description
技术领域
本发明涉及电力技术领域,具体是一种基于投影欧式距离的隔离开关分合闸位置图像识别方法。
背景技术
在电力系统中,如果隔离开关分闸不到位,会造成安全事故隐患,如果合闸位置不到位,触头部分接触电阻增大,导致发热故障,若不能及时处理,可能造成严重的事故。传统技术手段需要人员现场目测判别确认,虽然当前图像识别技术也应用于隔离开关的位置判别中,但仍然存在着识别准确度不高的问题。
在实际工程中,基于图像识别的隔离开关触头状态识别技术已有应用,但是,存在工程实施成本高且图像识别算法的准确度有待提高的问题。
触头位置状态识别的基本流程如下:首先定位图像中隔离开关三相触头的位置,确定所要研究的A、B、C三相对应的三个敏感区域的位置;然后,分别计算标准分合闸图像中三个敏感区域的特征参量,作为标准特征参考;最后,计算实时图像中三个敏感区域的特征参量并与标准特征参量进行相似度运算,通过特征参量的相似度判断隔离开关触头状态。
在工程应用中,如果单台图像采集设备画面能够同时包含隔离开关的三相触头,则相比于单台设备只能采集一相触头,可有效节省材料费用。但是,如何通过算法在一幅画面中自动识别出三相触头的活动区域(即所关注的敏感区域)并定位敏感区域的位置,成为实现触头分合闸状态识别的首要问题。
发明内容
本发明的目的在于提供一种基于投影欧式距离的隔离开关分合闸位置图像识别方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种基于投影欧式距离的隔离开关分合闸位置图像识别方法,包含以下步骤:
步骤1、图像预处理:在图像采集设备安装完成后,分别采集隔离开关的标准分闸状态图像Io和标准合闸状态图像Ic。通过这两幅图像的差分运算,可以除去两幅图中相似的背景,从而得到相应的敏感区域;具体算法步骤是:(1)分别对Ic和Io进行灰度变换,得到灰度图像Ic1和Io1;(2)灰度图像Ic1和Io1分别相减,得到初步去除背景的图像Ic2、Io2(其中Ic2=Ic1-Io1,Io2=Io1-Ic1);(3)采用二值化算法进一步去除背景信息,得到图像Ic3、Io3;
步骤2、图像敏感区域的定位:在图像处理中,图像的边缘是图像局部特征不连续性的反映,通过轮廓提取,能够对图像进行分割,轮廓面积可以作为轮廓识别的重要特征,所谓轮廓面积,即二值化图像中封闭轮廓坐标区域内像素点灰度值为255或0的像素点个数;具体算法步骤是:首先计算二值化图像Ic3中的所有轮廓,并对面积前3的轮廓进行排序,其对应的面积大小分别为:a1、a2、a3,即是对应的A、B、C三相的合闸轮廓面积,同时,还可以得到对应的3个区域位置数据,这3个轮廓分别求其外接矩形,即可定位所关注的3个敏感区域;
步骤3、敏感区域投影计算;包含投影计算和标准投影数据的提取两步,
步骤4、实时图像投影的相似度计算:得到标准分、合闸状态敏感区域的水平、垂直投影,将其作为一组标准比对数据。在隔离开关的分合闸过程中,循环提取实时图像相应区域的投影,计算实时图像投影与标准比对投影的相似度,根据相似度,实现对触头位置的识别定位。
作为本发明的进一步技术方案,所述图像局部特征不连续性具体是灰度突变和颜色突变。
作为本发明的进一步技术方案,所述投影计算的步骤具体是:首先将图像二值化,使物体为白色,即像素点灰度值255,背景为黑色,即像素点灰度值0,然后,循环各行,依次判断每一列的像素值是否为白,统计该行所有的白像素的个数,即可得到一组个数为敏感区域行数的数列,则可得到水平投影,如果循环各列,依次判断每一行的像素值是否为白,统计该列所有白像素的个数,即可得到一组个数为敏感区域列出的数列,则可得到垂直投影。
作为本发明的进一步技术方案,所述标准投影数据的提取具体是:将A相合闸敏感区域的高度,即像素行数计为ha、宽度,即像素列数计为Wa,B相合闸敏感区域的高度计为hb、宽度计为Wb,C相合闸敏感区域的高度计为hc、宽度计为Wc,根据上述条件可以计算标准合闸图像中3个敏感区域的水平投影,3个数组分别记作:Pcha[na]、Pchb[nb]、Pchc[nc],其中na、nb、nc是自变量,分别代表三个数组元素的顺序,即各区域对应的像素行序号,例如,Pcha[1]代表A相合闸区域第1行的白色的像素点的个数,1≤na≤ha,1≤nb≤hb,1≤nc≤hc。这3个数组作为水平投影的标准对比参量,计算标准合闸图像中3个敏感区域的垂直投影,3个数组分别记作:Pcva[ra]、Pcvb[rb]、Pcvc[rc],其中ra、rb、rc是自变量,分别代表三个数组元素的顺序,即各区域对应的像素列序号。1≤ra≤wa,1≤rb≤wb,1≤rc≤wc。这3个数组作为垂直投影的标准对比参量,采用同样的方法,计算标准分闸状态下3个敏感区域的水平投影Poha[na]、Pohb[nb]、Pohc[nc]和垂直投影Pova[ra]、Povb[rb]、Povc[rc],经过上述步骤,分别得到3个敏感区域各自在标准合闸状态和标准分闸状态的水平投影和垂直投影。
作为本发明的进一步技术方案,所述步骤4具体包括欧式距离计算、投影相似度计算、投影相似度的归一化、投影综合相似度的计算和触头运动方向的判别五个步骤。
作为本发明的进一步技术方案,所述投影相似度计算具体步骤如下,首先对实时图像进行预处理,然后提取出对应敏感区域的水平投影数组P’cha[na]、P’chb[nb]、P’chc[nc]和垂直投影数组P’cva[ra]、P’cvb[rb]、P’cvc[rc],以下以A相为例介绍,B、C两相的算法与A相一致:上式中,ha为A相敏感图像区域的高度。
作为本发明的进一步技术方案,所述投影相似度的归一化是对公式(2)的改进,改进后的公式为:将Scha作为A合闸状态判别中水平投影的相似度,理想条件下上,当实时图像达到合闸状态时Scha为1,根据同样的方法,可以得到A相合闸状态垂直投影的相似度计算公式如下:上式中,wa为A相敏感图像区域的宽度。
作为本发明的进一步技术方案,所述投影综合相似度的计算具体是:通过公式3和公式4可以分别计算出实时图像与标准合闸图像的水平投影相似度和垂直投影相似度,可以将这2个相似度共同作为A相触头合闸状态判断的参量,采用A相合闸投影综合相似度作为最终的判断依据,相应的计算公式如下:式中,Sca为A相合闸投影综合相似度,该值越接近1,说明实时图像中A相触头状态与标准合闸状态的相似度越高,相反,该值越接近0,则说明实时图像中A相触头状态与标准合闸状态相似度越低,由此,可通过综合相似度进行触头合闸状态的判断,根据上述过程,同样的,可以定义A相分闸投影综合相似度Soa,用于A相触头分闸状态的判断。在同一画面中,B、C两相可以按照与A相相同的方法,分别计算得到相对应的投影综合相似度Scb、Scc。
作为本发明的进一步技术方案,所述触头运动方向的判别具体是:如果当前帧的合闸投影综合相似度与前一帧相比增大,且分闸投影综合相似度减小,则可判断当前触头触头处于合闸动作过程中,相反,则可判断当前触头处于分闸动作过程中。如果在连续几帧图像中,合闸投影综合相似度和分闸投影综合相似度均变化很小,则说明此时触头处于静止状态。
与现有技术相比,本发明的有益效果是:本设计通过将图像采集设备的位置、角度及距离保持不变,即采集到的图像空间区域保持不变,使得隔离开关分合闸位置识别问题可转为触头在图像中的定位问题,进而通过图像定位技术实现隔离开关位置的准确识别。
附图说明
图1是图像预处理过程及效果图。
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做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。
请参阅图1所示,一种基于投影欧式距离的隔离开关分合闸位置图像识别方法,包含以下步骤:
1、图像预处理:
在图像处理中,图像差分运算是指两幅图像对应像素相减,这样可以有效削弱图像中的相似部分,得到图像的差异部分。因此,在图像采集设备安装完成后,分别采集隔离开关的标准分闸状态图像Io和标准合闸状态图像Ic。通过这两幅图像的差分运算,可以除去两幅图中相似的背景,从而得到相应的敏感区域。本文以某型隔离开关为研究对象,进行算法测试;
算法步骤是:(1)分别对Ic和Io进行灰度变换,得到灰度图像Ic1和Io1;(2)灰度图像Ic1和Io1分别相减,得到初步去除背景的图像Ic2、Io2(其中Ic2=Ic1-Io1,Io2=Io1-Ic1);(3)采用二值化算法进一步去除背景信息,得到图像Ic3、Io3。该步骤的实施效果如图1所示。
2、图像敏感区域的定位:
在上述步骤中,得到了二值化图像Ic3和Io3,该图像已去除大部分背景信息,需要从图像中分别提取进行分合闸状态识别所关注的敏感区域。通过分析可以发现,分别将三相触头标准合闸区域作为敏感区域,不仅能够从该区域信息中反映合闸状态信息,还可以反映分闸状态信息,因此,将三相触头的标准合闸区域作为所关注的敏感区域。
在图像处理中,图像的边缘是图像局部特征不连续性(灰度突变和颜色突变)的反映,通过轮廓提取,能够对图像进行分割。轮廓面积可以作为轮廓识别的重要特征,所谓轮廓面积,即二值化图像中封闭轮廓坐标区域内像素点灰度值为255(或为0)的像素点个数。
本文中,二值化图像Ic3,由于已去除大部分的背景信息,而三相标准合闸区域分别为三个独立的区域,因此,可以认为在图像中轮廓面积排名前三的区域即为三相标准合闸位置区域。
具体实施时,首先计算二值化图像Ic3中的所有轮廓,并对面积前3的轮廓进行排序,其对应的面积大小分别为:a1、a2、a3,即是对应的A、B、C三相(假设画面中离摄像头最近的为A相,之后依次是B相和C相)的合闸轮廓面积,同时,还可以得到对应的3个区域位置数据,这3个轮廓分别求其外接矩形,即可定位所关注的3个敏感区域。
定位3相触头对应的3个敏感区域后,得到这3个矩形区域的坐标数据。由于实际工程现场,图像采集设备镜头位置固定或可设置为在固定角度进行拍摄,因此,用于进行图像识别运算的实时图像中敏感区域的坐标数据不变。在得到敏感区域的坐标数据后,开展触头实时位置的定位分析研究。
3、敏感区域投影计算:
3.1 投影计算:
投影法是一种常用的图像定位算法,它是指对二值化图像进行处理,沿着图像某个方向截面的灰度值累加计算量的集合。投影分水平投影和垂直投影。首先将图像二值化,使物体为白色(像素点灰度值255),背景为黑色(像素点灰度值0)。然后,循环各行,依次判断每一列的像素值是否为白,统计该行所有的白像素的个数,即可得到一组个数为敏感区域行数的数列,则可得到水平投影。如果循环各列,依次判断每一行的像素值是否为白,统计该列所有白像素的个数,即可得到一组个数为敏感区域列出的数列,则可得到垂直投影。在分合闸过程中,隔离开关触头的状态可以通过其在图像敏感区域中所处的不同位置反映出来。
3.2 标准投影数据的提取:
将标准合闸图像中,各敏感区域的水平投影和垂直投影可作为触头是否到达标准合闸位置的参考值,同样的,将标准分闸图像中,各敏感域内的水平和垂直投影作为标准分闸位置的参考值。将A相合闸敏感区域的高度(像素行数)计为ha、宽度(像素列数)计为Wa,B相合闸敏感区域的高度计为hb、宽度计为Wb,C相合闸敏感区域的高度计为hc、宽度计为Wc。
根据上述条件可以计算标准合闸图像中3个敏感区域的水平投影,3个数组分别记作:Pcha[na]、Pchb[nb]、Pchc[nc],其中na、nb、nc是自变量,分别代表三个数组元素的顺序,即各区域对应的像素行序号。例如,Pcha[1]代表A相合闸区域第1行的白色(灰度值为255)的像素点的个数,1≤na≤ha,1≤nb≤hb,1≤nc≤hc。这3个数组作为水平投影的标准对比参量。
计算标准合闸图像中3个敏感区域的垂直投影,3个数组分别记作:Pcva[ra]、Pcvb[rb]、Pcvc[rc],其中ra、rb、rc是自变量,分别代表三个数组元素的顺序,即各区域对应的像素列序号。1≤ra≤wa,1≤rb≤wb,1≤rc≤wc。这3个数组作为垂直投影的标准对比参量。
采用同样的方法,计算标准分闸状态下3个敏感区域的水平投影Poha[na]、Pohb[nb]、Pohc[nc]和垂直投影Pova[ra]、Povb[rb]、Povc[rc]。
经过上述步骤,分别得到3个敏感区域各自在标准合闸状态和标准分闸状态的水平投影和垂直投影。
4、实时图像投影的相似度计算:
得到标准分、合闸状态敏感区域的水平、垂直投影,将其作为一组标准比对数据。在隔离开关的分合闸过程中,循环提取实时图像相应区域的投影,计算实时图像投影与标准比对投影的相似度,根据相似度,实现对触头位置的识别定位。投影是一组长度固定的数组,在聚类分析运算中,可以将其看作多维向量进行运算。欧式距离作为多维向量数据相似度计算的重要工具,广泛应用于数据处理领域。
4.1 欧式距离
欧氏距离(也称欧几里得度量euclidean metric)是一个通常采用的距离定义,指在n维空间中两个点之间的真实距离,或者向量的自然长度(即该点到原点的距离)。在二维和三维空间中的欧氏距离就是两点之间的实际距离。多维数据空间结构欧氏距离是测量两个向量空间距离的方法。
传统的欧氏距离计算表达式为:
算式中,xi和yi分别表示两组n维向量数据中的第i个元素,即两组向量中的对应元素。
4.2 投影相似度计算
首先对实时图像进行预处理,然后提取出对应敏感区域的水平投影数组P’cha[na]、P’chb[nb]、P’chc[nc]和垂直投影数组P’cva[ra]、P’cvb[rb]、P’cvc[rc]。
以下以A相为例介绍,B、C两相的算法与A相一致。
上式中,ha为A相敏感图像区域的高度。
4.3 投影相似度的归一化
如果以公式2中Scha1为A相水平投影的相似度,用标准合闸状态水平投影数组减去实时图像中的水平投影数组,可以计算实时图像水平投影与标准合闸状态水平投影的相似度。该算式的最小结果为0,最大结果为Pcha[na]的平方和再开方,由此可以看出,该数值的范围会随不同的图像场景而变化,不方便进行结果判断,因此,需要对算法进行改进。
通过归一化算法,把相似度计算结果控制在0-1之间,可以方便根据计算结果判断触头状态。对上式进行改进,得到公式如下:
将Scha作为A合闸状态判别中水平投影的相似度,理想条件下上,当实时图像达到合闸状态时Scha为1。
根据同样的方法,可以得到A相合闸状态垂直投影的相似度计算公式如下:
上式中,wa为A相敏感图像区域的宽度。
4.4投影综合相似度的计算
通过公式3和公式4可以分别计算出实时图像与标准合闸图像的水平投影相似度和垂直投影相似度,可以将这2个相似度共同作为A相触头合闸状态判断的参量,采用A相合闸投影综合相似度作为最终的判断依据,相应的计算公式如下:
式中,Sca为A相合闸投影综合相似度,该值越接近1,说明实时图像中A相触头状态与标准合闸状态的相似度越高,相反,该值越接近0,则说明实时图像中A相触头状态与标准合闸状态相似度越低,由此,可通过综合相似度进行触头合闸状态的判断。
根据上述过程,同样的,可以定义A相分闸投影综合相似度Soa,用于A相触头分闸状态的判断。在同一画面中,B、C两相可以按照与A相相同的方法,分别计算得到相对应的投影综合相似度Scb、Scc。
4.5 触头运动方向的判别
在工程上,实时图像是以视频流数据的形式提供的,图像是按照时间顺序排列,因此,可通过上一帧图像与当前帧图像的关系,对当前帧图像中触头的实时运动方向进行判定。
根据前文所述,如果触头越接近合闸状态,合闸投影综合相似度越接近1,同理,触头越接近分闸状态,分闸投影综合相似度越接近1。因此,如果当前帧的合闸投影综合相似度与前一帧相比增大,且分闸投影综合相似度减小,则可判断当前触头触头处于合闸动作过程中,相反,则可判断当前触头处于分闸动作过程中。如果在连续几帧图像中,合闸投影综合相似度和分闸投影综合相似度均变化很小,则说明此时触头处于静止状态。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (10)
1.一种基于投影欧式距离的隔离开关分合闸位置图像识别方法,其特征在于,包含以下步骤:
步骤1、图像预处理:在图像采集设备安装完成后,分别采集隔离开关的标准分闸状态图像Io和标准合闸状态图像Ic。通过这两幅图像的差分运算,可以除去两幅图中相似的背景,从而得到相应的敏感区域;具体算法步骤是:(1)分别对Ic和Io进行灰度变换,得到灰度图像Ic1和Io1;(2)灰度图像Ic1和Io1分别相减,得到初步去除背景的图像Ic2、Io2(其中Ic2=Ic1-Io1,Io2=Io1-Ic1);(3)采用二值化算法进一步去除背景信息,得到图像Ic3、Io3;
步骤2、图像敏感区域的定位:在图像处理中,图像的边缘是图像局部特征不连续性的反映,通过轮廓提取,能够对图像进行分割,轮廓面积可以作为轮廓识别的重要特征,所谓轮廓面积,即二值化图像中封闭轮廓坐标区域内像素点灰度值为255或0的像素点个数;具体算法步骤是:首先计算二值化图像Ic3中的所有轮廓,并对面积前3的轮廓进行排序,其对应的面积大小分别为:a1、a2、a3,即是对应的A、B、C三相的合闸轮廓面积,同时,还可以得到对应的3个区域位置数据,这3个轮廓分别求其外接矩形,即可定位所关注的3个敏感区域;
步骤3、敏感区域投影计算;包含投影计算和标准投影数据的提取两步,
步骤4、实时图像投影的相似度计算:得到标准分、合闸状态敏感区域的水平、垂直投影,将其作为一组标准比对数据。在隔离开关的分合闸过程中,循环提取实时图像相应区域的投影,计算实时图像投影与标准比对投影的相似度,根据相似度,实现对触头位置的识别定位。
2.根据权利要求1所述的一种基于投影欧式距离的隔离开关分合闸位置图像识别方法,其特征在于,所述图像局部特征不连续性具体是灰度突变和颜色突变。
3.根据权利要求1所述的一种基于投影欧式距离的隔离开关分合闸位置图像识别方法,其特征在于,所述投影计算的步骤具体是:首先将图像二值化,使物体为白色,即像素点灰度值255,背景为黑色,即像素点灰度值0,然后,循环各行,依次判断每一列的像素值是否为白,统计该行所有的白像素的个数,即可得到一组个数为敏感区域行数的数列,则可得到水平投影,如果循环各列,依次判断每一行的像素值是否为白,统计该列所有白像素的个数,即可得到一组个数为敏感区域列出的数列,则可得到垂直投影。
4.根据权利要求3所述的一种基于投影欧式距离的隔离开关分合闸位置图像识别方法,其特征在于,所述标准投影数据的提取具体是:将A相合闸敏感区域的高度,即像素行数计为ha、宽度,即像素列数计为Wa,B相合闸敏感区域的高度计为hb、宽度计为Wb,C相合闸敏感区域的高度计为hc、宽度计为Wc,根据上述条件可以计算标准合闸图像中3个敏感区域的水平投影,3个数组分别记作:Pcha[na]、Pchb[nb]、Pchc[nc],其中na、nb、nc是自变量,分别代表三个数组元素的顺序,即各区域对应的像素行序号,例如,Pcha[1]代表A相合闸区域第1行的白色的像素点的个数,1≤na≤ha,1≤nb≤hb,1≤nc≤hc。这3个数组作为水平投影的标准对比参量,计算标准合闸图像中3个敏感区域的垂直投影,3个数组分别记作:Pcva[ra]、Pcvb[rb]、Pcvc[rc],其中ra、rb、rc是自变量,分别代表三个数组元素的顺序,即各区域对应的像素列序号。1≤ra≤wa,1≤rb≤wb,1≤rc≤wc。这3个数组作为垂直投影的标准对比参量,采用同样的方法,计算标准分闸状态下3个敏感区域的水平投影Poha[na]、Pohb[nb]、Pohc[nc]和垂直投影Pova[ra]、Povb[rb]、Povc[rc],经过上述步骤,分别得到3个敏感区域各自在标准合闸状态和标准分闸状态的水平投影和垂直投影。
5.根据权利要求4所述的一种基于投影欧式距离的隔离开关分合闸位置图像识别方法,其特征在于,所述步骤4具体包括欧式距离计算、投影相似度计算、投影相似度的归一化、投影综合相似度的计算和触头运动方向的判别五个步骤。
9.根据权利要求8所述的一种基于投影欧式距离的隔离开关分合闸位置图像识别方法,其特征在于,所述投影综合相似度的计算具体是:通过公式3和公式4可以分别计算出实时图像与标准合闸图像的水平投影相似度和垂直投影相似度,可以将这2个相似度共同作为A相触头合闸状态判断的参量,采用A相合闸投影综合相似度作为最终的判断依据,相应的计算公式如下:式中,Sca为A相合闸投影综合相似度,该值越接近1,说明实时图像中A相触头状态与标准合闸状态的相似度越高,相反,该值越接近0,则说明实时图像中A相触头状态与标准合闸状态相似度越低,由此,可通过综合相似度进行触头合闸状态的判断,根据上述过程,同样的,可以定义A相分闸投影综合相似度Soa,用于A相触头分闸状态的判断。在同一画面中,B、C两相可以按照与A相相同的方法,分别计算得到相对应的投影综合相似度Scb、Scc。
10.根据权利要求9所述的一种基于投影欧式距离的隔离开关分合闸位置图像识别方法,其特征在于,所述触头运动方向的判别具体是:如果当前帧的合闸投影综合相似度与前一帧相比增大,且分闸投影综合相似度减小,则可判断当前触头触头处于合闸动作过程中,相反,则可判断当前触头处于分闸动作过程中。如果在连续几帧图像中,合闸投影综合相似度和分闸投影综合相似度均变化很小,则说明此时触头处于静止状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111351771.1A CN114037825A (zh) | 2021-11-16 | 2021-11-16 | 一种基于投影欧式距离的隔离开关分合闸位置图像识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111351771.1A CN114037825A (zh) | 2021-11-16 | 2021-11-16 | 一种基于投影欧式距离的隔离开关分合闸位置图像识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114037825A true CN114037825A (zh) | 2022-02-11 |
Family
ID=80137806
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111351771.1A Pending CN114037825A (zh) | 2021-11-16 | 2021-11-16 | 一种基于投影欧式距离的隔离开关分合闸位置图像识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114037825A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114581807A (zh) * | 2022-03-23 | 2022-06-03 | 博锐尚格科技股份有限公司 | 一种自动采集电闸信息以及电闸检查的方法 |
CN114743825A (zh) * | 2022-06-09 | 2022-07-12 | 武汉黉门电工科技有限公司 | 一种隔离开关及隔离开关分合闸状态监控方法 |
CN114782674A (zh) * | 2022-03-23 | 2022-07-22 | 博锐尚格科技股份有限公司 | 一种自动采集阀门信息以及阀门检查的方法 |
CN116563272A (zh) * | 2023-06-29 | 2023-08-08 | 深圳优立全息科技有限公司 | 基于高精点云的隔离开关分合状态识别方法及相关装置 |
-
2021
- 2021-11-16 CN CN202111351771.1A patent/CN114037825A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114581807A (zh) * | 2022-03-23 | 2022-06-03 | 博锐尚格科技股份有限公司 | 一种自动采集电闸信息以及电闸检查的方法 |
CN114782674A (zh) * | 2022-03-23 | 2022-07-22 | 博锐尚格科技股份有限公司 | 一种自动采集阀门信息以及阀门检查的方法 |
CN114743825A (zh) * | 2022-06-09 | 2022-07-12 | 武汉黉门电工科技有限公司 | 一种隔离开关及隔离开关分合闸状态监控方法 |
CN116563272A (zh) * | 2023-06-29 | 2023-08-08 | 深圳优立全息科技有限公司 | 基于高精点云的隔离开关分合状态识别方法及相关装置 |
CN116563272B (zh) * | 2023-06-29 | 2023-09-01 | 深圳优立全息科技有限公司 | 基于高精点云的隔离开关分合状态识别方法及相关装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114037825A (zh) | 一种基于投影欧式距离的隔离开关分合闸位置图像识别方法 | |
Zhang et al. | A robust pantograph–catenary interaction condition monitoring method based on deep convolutional network | |
CN104809732A (zh) | 一种基于图像比对的电力设备外观异常检测方法 | |
CN111126253A (zh) | 基于图像识别的刀闸状态检测方法 | |
CN113344475B (zh) | 基于序列模态分解的变压器套管缺陷识别方法及系统 | |
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 | |
CN110598698B (zh) | 基于自适应区域建议网络的自然场景文本检测方法和系统 | |
CN111178395B (zh) | 一种隔离开关状态识别方法及装置 | |
CN112085037B (zh) | 一种变电设备红外热故障特征提取及数字化表达方法 | |
CN112508019A (zh) | 基于图像识别的gis隔离/接地开关状态检测方法及系统 | |
CN107369162B (zh) | 一种绝缘子候选目标区域的生成方法及系统 | |
CN111626104B (zh) | 一种基于无人机红外热像的电缆隐患点检测方法和装置 | |
Košcevic et al. | Automatic visual reading of meters using deep learning | |
CN113610052A (zh) | 一种基于深度学习的隧道渗漏水自动识别方法 | |
CN116338449B (zh) | 一种断路器开关特性在线测试方法及系统 | |
Gui et al. | A fast caption detection method for low quality video images | |
Deb et al. | Projection and least square fitting with perpendicular offsets based vehicle license plate tilt correction | |
CN111191721A (zh) | 基于ai技术的保护压板状态识别方法 | |
Zhu | Moving Objects Detection and Segmentation Based on Background Subtraction and Image Over-Segmentation. | |
Piškorec et al. | Computer vision system for the chess game reconstruction | |
CN113688829B (zh) | 一种变电站监控画面自动识别方法及系统 | |
Kumar et al. | An efficient algorithm for text localization and extraction in complex video text images | |
CN114332045A (zh) | 变电站刀闸状态检测方法、系统及智能终端 | |
Lin et al. | Automatic Character Recognition Method of Power Meter Based on Vision | |
Pang et al. | A water environment security monitoring algorithm based on intelligent video surveillance |
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 |