[发明专利]一种分合闸状态识别方法

说明书

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。所述方法能够有效提高目标区域定位和分合闸状态识别的准确性。

技术领域

本发明属于图像识别领域，特别涉及一种分合闸状态识别方法。

背景技术

电力行业与人们的生活息息相关，变电站的分合闸是电力行业最基本的器件，它对电力供应至关重要。近年来，分合闸检测与识别不到位从而导致不能正常输送电的现象时有发生，给人民生活、工业生产造成了巨大的经济损失。

目前关于分合闸检测方法主要由两类，第一种是人工巡视检测方法。但由于变电站的分合闸大多存在于野外，工作人员一般距离较远，出现分合不到位的现象时一般不能及时解决，从而导致电力供电系统不能及时响应。且人工巡视检测往往需要消耗大量的人力和时间，在长时间、高强度的工作环境下容易出错。因此人工巡视检测方法具有劳动强度大、效率低、巡视检测不到位、可靠性差、风险大等缺点。近年来，随着巡检机器人的推广，分合闸的检测工作逐渐向智能化方向发展。利用电力巡检机器人代替人工巡检具有高效率、高可靠性等优点。但目前大多数方法，利用传统的图像处理手段进行检测和识别，在光照条件变化的情况下，检测效果不好，一般一种光照条件就需要一组参数，这就需要提出一种较为通用的检测和识别方法，应对不同光照、姿态条件下的检测任务。

发明内容

针对上述问题，本发明一种基于svm分类器进行分合闸状态自动识别的方法。

一种分合闸状态识别方法，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。

进一步地，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。

进一步地，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。

进一步地，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；