專(zhuān)利名稱(chēng)：電力開(kāi)關(guān)柜開(kāi)關(guān)狀態(tài)圖像識(shí)別系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及電力配網(wǎng)監(jiān)測(cè)領(lǐng)域基于圖像識(shí)別的電力開(kāi)關(guān)柜遙信系統(tǒng)，具體涉及對(duì) 電力開(kāi)關(guān)柜開(kāi)關(guān)狀態(tài)的實(shí)時(shí)監(jiān)控的圖像處理、識(shí)別系統(tǒng)。
背景技術(shù)：
在電力系統(tǒng)中，開(kāi)關(guān)柜應(yīng)用非常廣泛，能夠?qū)崟r(shí)指示電力線路運(yùn)行狀態(tài)，對(duì)排除電 力故障有一定的幫助。但由于電力系統(tǒng)分布區(qū)域廣闊，在出現(xiàn)故障時(shí)無(wú)法在第一時(shí)間報(bào)告 工作人員在哪一處發(fā)生故障，只能由人工一處一處檢查電力機(jī)房開(kāi)關(guān)柜狀態(tài)，非常耗費(fèi)時(shí) 間與人力，效率低下。目前如果要遠(yuǎn)程讀取開(kāi)關(guān)柜的狀態(tài)就要將開(kāi)關(guān)電路通過(guò)現(xiàn)場(chǎng)總線技術(shù)連接到處 理器或者控制器單元，用處理器或者控制器來(lái)讀取電力線路的狀態(tài)，并通過(guò)有線或者無(wú)線 的方式來(lái)把讀取到的狀態(tài)發(fā)送到遠(yuǎn)程的控制中心。這種實(shí)現(xiàn)方式在可靠性和靈活性上都存 在一些不足。而現(xiàn)有的視頻監(jiān)控系統(tǒng)，終端通常僅起到采集視頻的作用，圖像還需通過(guò)有線 或無(wú)線的方式傳輸?shù)竭h(yuǎn)端控制中心，進(jìn)一步進(jìn)行后臺(tái)處理識(shí)別。這樣需要較高通信帶寬，對(duì) 設(shè)備成本要求極高?，F(xiàn)已有的電力開(kāi)關(guān)柜開(kāi)關(guān)開(kāi)關(guān)狀態(tài)實(shí)時(shí)圖像識(shí)別裝置采用灰度行程長(zhǎng)度統(tǒng)計(jì)法 實(shí)現(xiàn)狀態(tài)識(shí)別，此算法簡(jiǎn)單，但需人工進(jìn)行目標(biāo)加框定位，自動(dòng)化程度較低，且不易擴(kuò)展適 用于其他類(lèi)型電力開(kāi)關(guān)。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問(wèn)題是針對(duì)目前流行的電力故障監(jiān)控系統(tǒng)的不足，提出了 一種電力開(kāi)關(guān)柜開(kāi)關(guān)狀態(tài)實(shí)時(shí)圖像采集處理識(shí)別系統(tǒng)，它可以實(shí)現(xiàn)對(duì)電力開(kāi)關(guān)柜開(kāi)關(guān)狀態(tài) 的遠(yuǎn)程實(shí)時(shí)自動(dòng)監(jiān)控，無(wú)需人工進(jìn)行目標(biāo)定位，自動(dòng)化程度高，適用于各種類(lèi)型電力開(kāi)關(guān)。為解決上述技術(shù)問(wèn)題，本發(fā)明提出了一種電力開(kāi)關(guān)柜開(kāi)關(guān)狀態(tài)實(shí)時(shí)圖像識(shí)別系 統(tǒng)，所述圖像識(shí)別系統(tǒng)包括離線訓(xùn)練模塊及在線識(shí)別模塊，應(yīng)用于電力開(kāi)關(guān)柜開(kāi)關(guān)狀態(tài)的 實(shí)時(shí)圖像處理識(shí)別裝置中；所述離線訓(xùn)練模塊，基于Adaboost算法對(duì)大量包含開(kāi)關(guān)狀態(tài)的 真樣本和假樣本進(jìn)行學(xué)習(xí)，形成一系列的弱分類(lèi)器，然后依據(jù)權(quán)重把這些弱分類(lèi)器級(jí)聯(lián)成 若干強(qiáng)分類(lèi)器，所述強(qiáng)分類(lèi)器分別代表不同的開(kāi)關(guān)狀態(tài)；
所述在線檢測(cè)模塊包括圖像初步處理模塊和狀態(tài)識(shí)別模塊；
所述圖像初步處理模塊，用于將采集到的開(kāi)關(guān)圖像轉(zhuǎn)換為開(kāi)關(guān)灰度圖并去噪，以便狀 態(tài)識(shí)別模塊進(jìn)行處理；
所述狀態(tài)識(shí)別模塊，裝載了所述強(qiáng)分類(lèi)器，并利用所述強(qiáng)分類(lèi)器分別對(duì)所述開(kāi)關(guān)灰度 圖進(jìn)行掃描搜索，得到開(kāi)關(guān)的位置和狀態(tài)信息。對(duì)采集到的圖像數(shù)據(jù)實(shí)時(shí)處理，采用基于Adaboost的目標(biāo)檢測(cè)算法，分別用三種 開(kāi)關(guān)狀態(tài)的分類(lèi)器對(duì)圖像進(jìn)行檢測(cè)，得出當(dāng)前圖像中包含的開(kāi)關(guān)狀態(tài)結(jié)論。優(yōu)選的，在所述離線訓(xùn)練模塊中，每個(gè)特定弱分類(lèi)器所使用的特征用形狀、感興趣區(qū)域中的位置以及比例系數(shù)來(lái)定義；提取矩形特征時(shí)，用積分圖像方法來(lái)減小計(jì)算量。優(yōu)選的，所述圖像初步處理模塊包括轉(zhuǎn)化為灰度圖單元和圖像去噪單元。所述轉(zhuǎn) 化灰度圖單元將采集到的彩色開(kāi)關(guān)圖像轉(zhuǎn)化為灰度圖像，所述圖像去噪單元對(duì)灰度圖像進(jìn) 行中值濾波，將灰度中存在的噪音點(diǎn)去除，避免了噪聲點(diǎn)對(duì)圖像識(shí)別帶來(lái)的干擾。優(yōu)選的，狀態(tài)識(shí)別模塊采用基于Adaboost的目標(biāo)檢測(cè)算法，以不同比例大小的掃 描窗口對(duì)圖像進(jìn)行搜索，能夠通過(guò)強(qiáng)分類(lèi)器的即為一個(gè)目標(biāo)，識(shí)別單元通過(guò)該目標(biāo)的區(qū)域 位置和強(qiáng)分類(lèi)器的種類(lèi)以確定某個(gè)開(kāi)關(guān)的狀態(tài)。采用本發(fā)明，通過(guò)視頻監(jiān)控和圖像識(shí)別的方式來(lái)讀取開(kāi)關(guān)狀態(tài)，并可配合視頻監(jiān) 控系統(tǒng)將識(shí)別處理后的開(kāi)關(guān)狀態(tài)信息通過(guò)配網(wǎng)通信網(wǎng)絡(luò)實(shí)時(shí)傳送到后臺(tái)系統(tǒng)，達(dá)到遠(yuǎn)程監(jiān) 控的目的。本發(fā)明可自行判斷圖像中開(kāi)關(guān)的位置與狀態(tài)，無(wú)需人工操作，自動(dòng)化程度較高； 也可與已有的人工甄選方法結(jié)合判斷復(fù)雜開(kāi)關(guān)的狀態(tài)。本發(fā)明僅將計(jì)算量大的離線訓(xùn)練模 塊在遠(yuǎn)端控制中心完成，而所有處理識(shí)別過(guò)程都在終端裝置中完成，僅需將處理識(shí)別后的 開(kāi)關(guān)狀態(tài)信息發(fā)送到遠(yuǎn)端工作人員手中，也可根據(jù)后臺(tái)系統(tǒng)需要傳送實(shí)時(shí)視頻?？朔爽F(xiàn) 有視頻監(jiān)控系統(tǒng)，終端僅起到采集視頻并通過(guò)有線或無(wú)線的方式傳輸?shù)竭h(yuǎn)端控制中心，進(jìn) 一步進(jìn)行后臺(tái)處理識(shí)別而產(chǎn)生的對(duì)通信帶寬和設(shè)備成本的依賴(lài)。同時(shí)，由于監(jiān)控采用圖像識(shí)別方式，所用攝像頭在開(kāi)關(guān)柜遠(yuǎn)處對(duì)其進(jìn)行監(jiān)控，和電 力設(shè)備距離比較遠(yuǎn)，之間沒(méi)有任何連接，從而能夠保證系統(tǒng)可靠性。另外監(jiān)控系統(tǒng)可以單獨(dú) 建立，位置可以自由選擇，設(shè)備安裝和維護(hù)都很靈活方便，和電力設(shè)備之間不會(huì)產(chǎn)生相互影 響，并且安裝和維護(hù)人員的安全也可以得到充分的保障。


下面結(jié)合附圖和具體實(shí)施方式
對(duì)本發(fā)明的技術(shù)方案作進(jìn)一步具體說(shuō)明。圖1是電力配網(wǎng)系統(tǒng)開(kāi)關(guān)柜開(kāi)關(guān)狀態(tài)圖像識(shí)別系統(tǒng)的結(jié)構(gòu)框圖。圖2是開(kāi)關(guān)柜圓盤(pán)旋轉(zhuǎn)型開(kāi)關(guān)三種開(kāi)關(guān)狀態(tài)原始圖，導(dǎo)通狀態(tài)(a)，接地狀態(tài)(b)， 懸空狀態(tài)(c)。圖3是分類(lèi)器特征矩形示意圖。圖4是計(jì)算積分圖像的示意圖。圖5是截取開(kāi)關(guān)柜某一時(shí)刻的開(kāi)關(guān)狀態(tài)，取圖像灰度圖。圖6是應(yīng)用本發(fā)明算法的開(kāi)關(guān)狀態(tài)檢測(cè)裝置得到的結(jié)果圖。
具體實(shí)施例方式下面以電力配網(wǎng)系統(tǒng)開(kāi)關(guān)柜圓盤(pán)旋轉(zhuǎn)型開(kāi)關(guān)為例，說(shuō)明本發(fā)明的具體實(shí)施方式
。如圖1為電力開(kāi)關(guān)柜開(kāi)關(guān)狀態(tài)圖像識(shí)別系統(tǒng)的結(jié)構(gòu)框圖?？傮w可為離線訓(xùn)練模塊 1和在線檢測(cè)模塊3。離線訓(xùn)練模塊1在遠(yuǎn)端后臺(tái)系統(tǒng)中訓(xùn)練形成分別包含三種開(kāi)關(guān)狀態(tài) 特征的強(qiáng)分類(lèi)器2，存儲(chǔ)在前臺(tái)終端中，供狀態(tài)識(shí)別模塊5使用。采集到的開(kāi)關(guān)柜上開(kāi)關(guān)狀 態(tài)圖像送往圖像初步處理單元4，經(jīng)灰度圖轉(zhuǎn)化和去噪后，狀態(tài)識(shí)別模塊5利用級(jí)聯(lián)分類(lèi)器 2分別對(duì)圖像進(jìn)行搜索，判斷開(kāi)關(guān)的狀態(tài)輸出。如圖2所示的電力開(kāi)關(guān)柜開(kāi)關(guān)實(shí)物圖片，圓盤(pán)旋轉(zhuǎn)型開(kāi)關(guān)在不同工作狀態(tài)會(huì)呈現(xiàn) 出三種不同開(kāi)關(guān)狀態(tài)導(dǎo)通狀態(tài)(a)，接地狀態(tài)(b)，懸空狀態(tài)(c)。
離線訓(xùn)練模塊是通過(guò)對(duì)大量真樣本和假樣本的學(xué)習(xí)，形成一系列的弱分類(lèi)器，然 后依據(jù)權(quán)重把這些弱分類(lèi)器級(jí)聯(lián)成強(qiáng)分類(lèi)器。理論證明，只要每個(gè)弱分類(lèi)器分類(lèi)能力比隨 機(jī)猜測(cè)好，當(dāng)弱分類(lèi)器個(gè)數(shù)趨向于無(wú)窮時(shí)，強(qiáng)分類(lèi)器的錯(cuò)誤率將趨于0。訓(xùn)練方法是，給定 一個(gè)訓(xùn)練集(xl，yl)，…，(xL, yL)，其中，xi是輸入的訓(xùn)練樣本，yi是分類(lèi)的類(lèi)別標(biāo)志即真 假樣本。在初始化時(shí)，對(duì)所有訓(xùn)練樣本均賦以一個(gè)相同的權(quán)重，然后用該弱學(xué)習(xí)算法對(duì)訓(xùn)練 樣本集進(jìn)行T輪訓(xùn)練。在每一輪訓(xùn)練結(jié)束后，從若干個(gè)簡(jiǎn)單分類(lèi)器中選擇最小誤差的那個(gè)， 作為一個(gè)弱分類(lèi)器hi，并對(duì)訓(xùn)練失敗的樣本賦以較大的權(quán)重，以便讓學(xué)習(xí)算法在后來(lái)的學(xué) 習(xí)中主要對(duì)比較難的訓(xùn)練樣本進(jìn)行學(xué)習(xí)。這樣，就可以得到一個(gè)弱分類(lèi)器序列(hl，h2^-，ht)，其中，分類(lèi)效果比較好的權(quán)重較大。最終的分類(lèi)函數(shù)f(x)采用一種有權(quán)重的投票方 式產(chǎn)生，即將多個(gè)弱分類(lèi)器通過(guò)一定的方法疊加起來(lái)組合成一個(gè)強(qiáng)分類(lèi)器，即
每個(gè)特定分類(lèi)器所使用的特征用形狀、感興趣區(qū)域中的位置以及比例系數(shù)來(lái)定義。矩 形特征的值是指圖像上兩個(gè)或多個(gè)矩形內(nèi)部所有像素灰度值之和的差值。如圖3所示，其 中3(a)是訓(xùn)練用的正樣本圖片，3(b)是提取的一種開(kāi)關(guān)狀態(tài)的一個(gè)矩形特征，它代表的是 黑色矩形區(qū)域的像素灰度要比其上下白色區(qū)域的灰度大，對(duì)應(yīng)于開(kāi)關(guān)圓盤(pán)及上下標(biāo)示白線 部分。在提取矩形特征的過(guò)程中，可以使用積分圖像的方法來(lái)減小計(jì)算量。在提取矩形 特征的過(guò)程中，可以使用積分圖像的方法減小計(jì)算量。如圖4，點(diǎn)x，y處的積分圖像值是其 上部和左邊所有像素的和。這樣通過(guò)積分圖像法，任意矩形中的像素和可以通過(guò)其4個(gè)頂 點(diǎn)的值計(jì)算出。因此整個(gè)訓(xùn)練過(guò)程只需掃描原圖一遍。針對(duì)開(kāi)關(guān)的三種不同狀態(tài)，分別訓(xùn)練三個(gè)分類(lèi)器，當(dāng)前狀態(tài)之外的另兩種狀態(tài)都 應(yīng)作為假樣本參與訓(xùn)練，這樣能提高算法的識(shí)別率。在對(duì)采集到的圖像進(jìn)行識(shí)別之前，需要對(duì)圖像進(jìn)行預(yù)處理。預(yù)處理效果的好壞是 影響整個(gè)測(cè)試系統(tǒng)性能的主要因素，主要是轉(zhuǎn)化為灰度圖和去噪。首先由轉(zhuǎn)化為灰度圖單 元將截取的圖像轉(zhuǎn)化為灰度圖，如圖5所示，以便于后面的圖像處理識(shí)別。然后，由狀態(tài)識(shí)別單元對(duì)轉(zhuǎn)化為灰度圖的圖像進(jìn)行狀態(tài)識(shí)別。狀態(tài)識(shí)別采用已訓(xùn) 練好的分別含有不同狀態(tài)的開(kāi)關(guān)特征的三個(gè)分類(lèi)器在圖像中找到包含目標(biāo)的矩形區(qū)域，并 通過(guò)相應(yīng)的分類(lèi)器判斷開(kāi)關(guān)狀態(tài)。識(shí)別單元以不同比例大小的掃描窗口對(duì)圖像進(jìn)行幾次搜 索。每次掃描中，當(dāng)分析的矩形框全部通過(guò)級(jí)聯(lián)分類(lèi)器每一層時(shí)返回正值，代表這是一個(gè)候 選目標(biāo)。在處理和收集到候選的方框之后，接著對(duì)這些區(qū)域進(jìn)行組合并且返回一系列個(gè)數(shù) 足夠大的組合中的平均矩形作為檢測(cè)到的目標(biāo)區(qū)域。以此可得到開(kāi)關(guān)在圖像中的位置信 息，并通過(guò)相應(yīng)的分類(lèi)器判斷開(kāi)關(guān)狀態(tài)，即若檢測(cè)到開(kāi)關(guān)的分類(lèi)器是導(dǎo)通狀態(tài)的，則該開(kāi)關(guān) 應(yīng)處于導(dǎo)通狀態(tài)。得到的開(kāi)關(guān)狀態(tài)信息可通過(guò)通信裝置傳到后臺(tái)系統(tǒng)中，以供進(jìn)一步分析。如圖6 是應(yīng)用本發(fā)明算法的開(kāi)關(guān)狀態(tài)檢測(cè)裝置得到的結(jié)果圖，其訓(xùn)練和檢查階段都使用的是模擬 開(kāi)關(guān)模型。最后所應(yīng)說(shuō)明的是，以上實(shí)施例僅用以說(shuō)明本發(fā)明的技術(shù)方案而非限制，盡管參 照較佳實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)說(shuō)明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，可以對(duì)本發(fā)明的技術(shù)方案進(jìn)行修改或者等同替換，而不脫離本發(fā)明技術(shù)方案的精神和范圍，其均應(yīng)涵蓋 在本發(fā)明的權(quán)利要求范圍當(dāng)中。
權(quán)利要求
一種電力開(kāi)關(guān)柜開(kāi)關(guān)狀態(tài)圖像識(shí)別系統(tǒng)，其特征在于，所述圖像識(shí)別系統(tǒng)包括離線訓(xùn)練模塊和在線檢測(cè)模塊； 所述離線訓(xùn)練模塊，基于Adaboost算法對(duì)大量包含開(kāi)關(guān)狀態(tài)的真樣本和假樣本進(jìn)行學(xué)習(xí)，形成一系列的弱分類(lèi)器，然后依據(jù)權(quán)重把這些弱分類(lèi)器級(jí)聯(lián)成若干強(qiáng)分類(lèi)器，所述強(qiáng)分類(lèi)器分別代表不同的開(kāi)關(guān)狀態(tài)；所述在線檢測(cè)模塊包括圖像初步處理模塊和狀態(tài)識(shí)別模塊；所述圖像初步處理模塊,用于將采集到的開(kāi)關(guān)圖像轉(zhuǎn)換為開(kāi)關(guān)灰度圖并去噪，以便狀態(tài)識(shí)別模塊進(jìn)行處理；所述狀態(tài)識(shí)別模塊,裝載了所述強(qiáng)分類(lèi)器，并利用所述強(qiáng)分類(lèi)器分別對(duì)所述開(kāi)關(guān)灰度圖進(jìn)行掃描搜索，得到開(kāi)關(guān)的位置和狀態(tài)信息。
2.根據(jù)權(quán)利要求1所述的電力開(kāi)關(guān)柜開(kāi)關(guān)狀態(tài)圖像識(shí)別系統(tǒng)，其特征在于，在所述離 線訓(xùn)練模塊中，每個(gè)所述特定弱分類(lèi)器所使用的特征用形狀、感興趣區(qū)域中的位置以及比 例系數(shù)來(lái)定義；提取矩形特征時(shí)，用積分圖像方法來(lái)減小計(jì)算量。
3.根據(jù)權(quán)利要求1或2所述的電力開(kāi)關(guān)柜開(kāi)關(guān)狀態(tài)圖像識(shí)別系統(tǒng)，其特征在于，所述圖 像初步處理模塊包括轉(zhuǎn)化為灰度圖單元和圖像去噪單元，所述轉(zhuǎn)化灰度圖單元將采集到的 彩色開(kāi)關(guān)圖像轉(zhuǎn)化為灰度圖像，所述圖像去噪單元對(duì)灰度圖像進(jìn)行中值濾波，將灰度中存 在的噪音點(diǎn)去除，避免了噪聲點(diǎn)對(duì)圖像識(shí)別帶來(lái)的干擾。
4.根據(jù)權(quán)利要求3所述的電力開(kāi)關(guān)柜開(kāi)關(guān)狀態(tài)圖像識(shí)別系統(tǒng)，其特征在于，狀態(tài)識(shí)別 模塊采用基于Adaboost的目標(biāo)檢測(cè)算法，以不同比例大小的掃描窗口對(duì)圖像進(jìn)行搜索，能 夠通過(guò)強(qiáng)分類(lèi)器的即為一個(gè)目標(biāo)，識(shí)別單元通過(guò)該目標(biāo)的區(qū)域位置和強(qiáng)分類(lèi)器的種類(lèi)以確 定某個(gè)開(kāi)關(guān)的狀態(tài)。
全文摘要
本發(fā)明涉及一種電力開(kāi)關(guān)柜開(kāi)關(guān)狀態(tài)圖像識(shí)別系統(tǒng)，該系統(tǒng)包括離線訓(xùn)練模塊和在線檢測(cè)模塊。離線訓(xùn)練模塊采集并訓(xùn)練大量開(kāi)關(guān)樣本形成若干強(qiáng)分類(lèi)器，強(qiáng)分類(lèi)器裝載入在線檢測(cè)模塊；在線檢測(cè)模塊將采集到的開(kāi)關(guān)圖像轉(zhuǎn)換為開(kāi)關(guān)灰度圖并去噪,利用強(qiáng)分類(lèi)器分別對(duì)開(kāi)關(guān)灰度圖進(jìn)行掃描搜索，得到開(kāi)關(guān)的位置和狀態(tài)信息。本發(fā)明可實(shí)現(xiàn)圖像采集處理識(shí)別過(guò)程都在在線檢測(cè)模塊中完成，克服了現(xiàn)有視頻監(jiān)控系統(tǒng)的終端采集的視頻必須通過(guò)有線或無(wú)線的方式傳輸?shù)竭h(yuǎn)端后臺(tái)系統(tǒng)，而產(chǎn)生的對(duì)通信帶寬和設(shè)備成本的依賴(lài)。本發(fā)明可自行判斷圖像中開(kāi)關(guān)的位置與狀態(tài)，無(wú)需人工操作，自動(dòng)化程度高，適用于各種類(lèi)型電力開(kāi)關(guān)的狀態(tài)識(shí)別。
文檔編號(hào)G06K9/62GK101833673SQ20101017441
公開(kāi)日2010年9月15日 申請(qǐng)日期2010年5月18日 優(yōu)先權(quán)日2010年5月18日
發(fā)明者崔怡, 胡海, 黃本雄 申請(qǐng)人:華中科技大學(xué)