[发明专利]一种基于场景分析的单摄像头刀闸臂张角识别方法

说明书

本发明涉及刀闸臂张角识别，具体涉及一种基于场景分析的单摄像头刀闸臂张角识别方法，通过摄像头获取刀闸的侧视图像，通过热成像仪获取刀闸侧向的红外成像，提取侧视图像中刀闸的边缘图像，将红外成像与边缘图像进行复合叠加，根据叠加复合结果判断刀闸是否处于完全闭合状态，若刀闸处于完全闭合状态，则直接输出结果，否则进入S4，对识别模型进行深度学习训练，将侧视图像输入深度学习训练的识别模型，利用滑动窗口选择包含刀闸臂、静触头在内的初选矩形框，并删除初选矩形框中的背景图像，得到二次矩形框；本发明提供的技术方案能够有效克服现有技术所存在的无法更加精准地对刀闸张角进行分析的缺陷。

技术领域

本发明涉及刀闸臂张角识别，具体涉及一种基于场景分析的单摄像头刀闸臂张角识别方法。

背景技术

随着电网规模的不断扩大，刀闸作为电网中重要的组成部分，关系到整个电网的稳定运行。在常规的安全生产中，需要人工操作并确认刀闸是否准确倒闸到位，将结果传递到监控中心，这种人工模式劳动强度大、效率低，且容易受操作人员的主观影响而产生误判。

在现有技术中，还有使用深度学习方法检测刀闸闭合状态的，通过训练模型来检测绝缘子、刀闸的潜在位置，并进一步利用非极大值抑制和直线拟合算法获得精确的绝缘子、刀闸的位置，最后利用与绝缘子的连通性和刀闸区域的长宽比来识别刀闸的闭合或断开状态。

但是，上述方法存在以下问题：只能通过刀闸的连通性判断刀闸的状态，无法更加精准地对刀闸张角进行分析，存在刀闸连通但未实际完全闭合的情况。

发明内容

(一)解决的技术问题

针对现有技术所存在的上述缺点，本发明提供了一种基于场景分析的单摄像头刀闸臂张角识别方法，能够有效克服现有技术所存在的无法更加精准地对刀闸张角进行分析的缺陷。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

一种基于场景分析的单摄像头刀闸臂张角识别方法，包括以下步骤：

S1、通过摄像头获取刀闸的侧视图像，通过热成像仪获取刀闸侧向的红外成像；

S2、提取侧视图像中刀闸的边缘图像，将红外成像与边缘图像进行复合叠加；

S3、根据叠加复合结果判断刀闸是否处于完全闭合状态，若刀闸处于完全闭合状态，则直接输出结果，否则进入S4；

S4、对识别模型进行深度学习训练，将侧视图像输入深度学习训练的识别模型；

S5、利用滑动窗口选择包含刀闸臂、静触头在内的初选矩形框，并删除初选矩形框中的背景图像，得到二次矩形框，综合各二次矩形框的图像得到终选矩形框；

S6、识别判断终选矩形框中刀闸臂、静触头之间的夹角，确定刀闸臂张角。

优选地，S2中提取侧视图像中刀闸的边缘图像，将红外成像与边缘图像进行复合叠加，包括：根据像素对比度从侧视图像中提取刀闸的边缘图像，形成边缘框架，再将红外成像中与边缘框架形状相同的部分放入边缘框架内，进行复合叠加。

优选地，所述根据像素对比度从侧视图像中提取刀闸的边缘图像之前，通过直方图均衡化增强侧视图像的像素对比度。

优选地，S3中根据叠加复合结果判断刀闸是否处于完全闭合状态，包括：若红外成像中存在与边缘框架形状相同的部分，并能完全放入边缘框架内，且完全放入边缘框架内的部分颜色分布均匀，则判断刀闸处于完全闭合状态，否则进入S4。

优选地，S4中对识别模型进行深度学习训练，包括：利用摄像头拍摄包含刀闸臂、静触头在内的图像集作为训练集，利用高斯分布初始化卷积神经网络的权值，并在训练集上构建卷积神经网络来迭代训练识别模型。