[发明专利]电力巡检图像识别方法

权利要求书

1.一种电力巡检图像识别方法，其特征在于，包括以下步骤：

1)前景视场分别在左右摄像机上成像，形成左图和右图，采集左右摄像机图像，对摄像机进行标定，得到摄像机内参数矩阵，畸变系数矩阵，本征矩阵，基础矩阵，旋转矩阵以及平移矩阵；

2)对视频进行处理得到帧图，采用基于主动光照的图像增强的方法对得到的图像进行预处理，包括以下步骤：

①利用景深将图像分为前景与背景区域；

②在景深的基础上，根据绝缘子与背景的梯度信息把绝缘子与背景分割开；

③选择无穷远处与绝缘子非相关性较低的像素点作为背景光估计；

④利用红色逆通道法求出R、G、B三个通道的透射率；

⑤得到背景光与透射率之后，计算下式

I^c(x)＝J^c(x)·t^c(x)+B^∞c[1-t^c(x)] (1)

其中t^c(x)是透射率，I^c(x)代表经过图像衰减过后相机得到的图像，B^∞c表示背景光，J^c(x)是去散射后的图像；

⑥利用探测出的灰色像素的特性估计并去除人造光源的颜色增益；

⑦补偿光从光源发出到绝缘子表面的传播过程中的衰减，校正色差；

3)基于YOLOv4网络目标检测方法，对绝缘子图像进行目标识别，包括以下步骤：

①下载Darknet，利用Cmake进行编译，修改Makefile配置项；

②根据双目摄像机获得的图片信息，对图片进行标注；

③建立网络结构，网络结构基于YOLOv4网络，以CSPdarknet53作为主干网络，空间金字塔池化模块和路径聚合网络模块作为颈部，YOLOV4作为头部预测输出；

④设置每批次送入网络的图片数batch＝64，每张图的大小为608x608，批次细分subdivision＝32，最大批次数max_batches＝4000；下载预训练权重，放在主目录下，然后开始训练的数据集，得到训练结果；

4)绝缘子提取

输入待检测的巡检图像，利用训练好的YOLOv4网络模型检测绝缘子，得到绝缘子的边界框信息；然后通过得到的边界框信息从巡检图像中截取出绝缘子所在的边界框，得到子图像；

5)绝缘子特征提取

5.1)选取绝缘子的颜色样本，将颜色样本和所述子图像转换到HSV色彩空间；

5.2)采用颜色直方图比较的方法对子图像进行阈值分割处理，具体步骤如下：

S1)分别计算颜色样本中H、S、V三通道的直方图H1、H2、H3，并将H1、H2、H3归一化，以便与子图像对应的直方图进行对比；

S2)将子图像分割成小区域I，对每个小区域I分别计算H、S、V三通道的直方图h1、h2、h3，并将h1、h2、h3归一化处理；

S3)采用欧氏距离的标准，对H1、H2、H3和h1、h2、h3进行相似度S比较，相似度S的数值越大表示相似度越大；S定义如下：

S4)设置相似度阈值，高于相似度阈值的区域内的像素点置255，低于相似度阈值的区域内的像素点置0；

5.3)对图像进行膨胀操作，将绝缘子串连接成连通区域；

5.4)获取绝缘子所在连通区域的最小外接矩形信息：中心点坐标(x0，y0)，x轴正方向与外接矩形长边的夹角θ；

5.5)将步骤5.4)中的最小外接矩形以点(x0，y0)为中心旋转，旋转角度为θ，其旋转变换矩阵定义如下：

利用仿射变换对绝缘子位置进行矫正，仿射变换实现二维坐标到二维坐标之间的线性变换，根据旋转变换矩阵，原坐标(x0，y0)转换为新坐标(x′，y′)；

2.根据权利要求1所述的电力巡检图像识别方法，其特征在于，所述步骤5.3)中，对图像进行膨胀操作之前还包括，采用中值滤波消除小物体噪声干扰的步骤。