[发明专利]一种分合闸状态识别方法

权利要求书

1.一种分合闸状态识别方法，其特征在于，包括以下步骤：

步骤1、采集多个分合闸样本图像，使用所述样本图像训练SVM多分类器；

步骤2、采集待识别的分合闸图像，并将所述分合闸图像转为灰度图像；

步骤3、对所述灰度图像中的进行粗定位得到粗定位候选区；对所述灰度图像进行精确定位，得到多个精确定位候选区；在所述粗定位候选区与所述多个精确定位候选区之间筛选出识别分合闸状态的最终目标图像；

步骤4、对获取所述目标图像进行预处理；

步骤5、对所述目标图像提取HOG特征，将计算得到的HOG特征算子送入SVM多分类器得到最终的识别结果。

2.根据权利要求1所述的分合闸状态识别方法，其特征在于，所述使用样本图像训练SVM多分类器具体为：

步骤1-1、将所述样本图像作为正负训练样本集合；

步骤1-2、提取所述正负训练样本集合的HOG特征；

步骤1-3、给所有所述正负训练样本集合赋予样本标签，将所述训练样本集合的HOG特征以及样本标签送入SVM中进行训练。

3.根据权利要求2所述的分合闸状态识别方法，其特征在于，所述将样本图像作为正负训练样本集合具体为：

(1)将分合闸到位的图像作为正样本集，分合闸不到位的分合闸图片作为负样本集；

(2)裁剪图片，删除分合闸图像区域之外的多余信息；

(3)将图片缩放为长m像素，宽n像素，m和n的取值范围为36-64。

4.根据权利要求2所述的分合闸状态识别方法，其特征在于，所述提取正负训练样本集合的HOG特征具体方法为：

(1)将彩色图像转化为灰度图像；

(2)对灰度图像进行Gamma矫正，减少图像局部的阴影和光照变化，Gamma矫正的公式为：

I(x,y)＝I(x,y)^gamma (1)

其中，I(x,y)表示图像第x行第y列的像素值，gamma取0-1之间的数；

(3)根据下式计算图像每个像素的梯度：

G_x(x,y)＝H(x+1,y)-H(x-1,y) (2)

G_y(x,y)＝H(x,y+1)-H(x,y-1) (3)

其中，G_x(x,y)，G_y(x,y)，H(x,y)分别表示图像中像素点(x,y)处的水平方向梯度，垂直方向梯度和像素值，像素点(x,y)处的梯度幅值G(x,y)与梯度方向α(x,y)则可根据下式得到：

(4)将图像分割为一个个边长为a像素的正方形单元格，为每个单元格创建梯度方向直方图，将梯度方向360度划分为k个方向块，第i个方向块的方向范围为统计单元格内各个像素的梯度方向，如果梯度方向属于某个方向块，则对应方向块的计数值加上这个梯度对应的幅值；

(5)将单元格组合成块，块内归一化梯度直方图将每个单元格对应的梯度直方图改写为向量形式，将每个块内的所有梯度向量串联起来，形成这个块的梯度方向直方图向量；将向量乘上对应的归一化因子，归一化因子的计算公式为：

其中，v表示还未归一化的向量，||v||₂表示v的2阶范数，e表示常数；

(6)将图像中所有块的归一化后的向量串联起来得到训练样本集合HOG特征。