专利名称：电力开关柜开关状态图像识别系统的制作方法
技术领域：
本发明涉及电力配网监测领域基于图像识别的电力开关柜遥信系统，具体涉及对 电力开关柜开关状态的实时监控的图像处理、识别系统。
背景技术：
在电力系统中，开关柜应用非常广泛，能够实时指示电力线路运行状态，对排除电 力故障有一定的帮助。但由于电力系统分布区域广阔，在出现故障时无法在第一时间报告 工作人员在哪一处发生故障，只能由人工一处一处检查电力机房开关柜状态，非常耗费时 间与人力，效率低下。目前如果要远程读取开关柜的状态就要将开关电路通过现场总线技术连接到处 理器或者控制器单元，用处理器或者控制器来读取电力线路的状态，并通过有线或者无线 的方式来把读取到的状态发送到远程的控制中心。这种实现方式在可靠性和灵活性上都存 在一些不足。而现有的视频监控系统，终端通常仅起到采集视频的作用，图像还需通过有线 或无线的方式传输到远端控制中心，进一步进行后台处理识别。这样需要较高通信带宽，对 设备成本要求极高。现已有的电力开关柜开关开关状态实时图像识别装置采用灰度行程长度统计法 实现状态识别，此算法简单，但需人工进行目标加框定位，自动化程度较低，且不易扩展适 用于其他类型电力开关。
发明内容
本发明所要解决的技术问题是针对目前流行的电力故障监控系统的不足，提出了 一种电力开关柜开关状态实时图像采集处理识别系统，它可以实现对电力开关柜开关状态 的远程实时自动监控，无需人工进行目标定位，自动化程度高，适用于各种类型电力开关。为解决上述技术问题，本发明提出了一种电力开关柜开关状态实时图像识别系 统，所述图像识别系统包括离线训练模块及在线识别模块，应用于电力开关柜开关状态的 实时图像处理识别装置中；所述离线训练模块，基于Adaboost算法对大量包含开关状态的 真样本和假样本进行学习，形成一系列的弱分类器，然后依据权重把这些弱分类器级联成 若干强分类器，所述强分类器分别代表不同的开关状态；
所述在线检测模块包括图像初步处理模块和状态识别模块；
所述图像初步处理模块，用于将采集到的开关图像转换为开关灰度图并去噪，以便状 态识别模块进行处理；
所述状态识别模块，装载了所述强分类器，并利用所述强分类器分别对所述开关灰度 图进行扫描搜索，得到开关的位置和状态信息。对采集到的图像数据实时处理，采用基于Adaboost的目标检测算法，分别用三种 开关状态的分类器对图像进行检测，得出当前图像中包含的开关状态结论。优选的，在所述离线训练模块中，每个特定弱分类器所使用的特征用形状、感兴趣区域中的位置以及比例系数来定义；提取矩形特征时，用积分图像方法来减小计算量。优选的，所述图像初步处理模块包括转化为灰度图单元和图像去噪单元。所述转 化灰度图单元将采集到的彩色开关图像转化为灰度图像，所述图像去噪单元对灰度图像进 行中值滤波，将灰度中存在的噪音点去除，避免了噪声点对图像识别带来的干扰。优选的，状态识别模块采用基于Adaboost的目标检测算法，以不同比例大小的扫 描窗口对图像进行搜索，能够通过强分类器的即为一个目标，识别单元通过该目标的区域 位置和强分类器的种类以确定某个开关的状态。采用本发明，通过视频监控和图像识别的方式来读取开关状态，并可配合视频监 控系统将识别处理后的开关状态信息通过配网通信网络实时传送到后台系统，达到远程监 控的目的。本发明可自行判断图像中开关的位置与状态，无需人工操作，自动化程度较高； 也可与已有的人工甄选方法结合判断复杂开关的状态。本发明仅将计算量大的离线训练模 块在远端控制中心完成，而所有处理识别过程都在终端装置中完成，仅需将处理识别后的 开关状态信息发送到远端工作人员手中，也可根据后台系统需要传送实时视频。克服了现 有视频监控系统，终端仅起到采集视频并通过有线或无线的方式传输到远端控制中心，进 一步进行后台处理识别而产生的对通信带宽和设备成本的依赖。同时，由于监控采用图像识别方式，所用摄像头在开关柜远处对其进行监控，和电 力设备距离比较远，之间没有任何连接，从而能够保证系统可靠性。另外监控系统可以单独 建立，位置可以自由选择，设备安装和维护都很灵活方便，和电力设备之间不会产生相互影 响，并且安装和维护人员的安全也可以得到充分的保障。
下面结合附图和具体实施方式
对本发明的技术方案作进一步具体说明。图1是电力配网系统开关柜开关状态图像识别系统的结构框图。图2是开关柜圆盘旋转型开关三种开关状态原始图，导通状态(a)，接地状态(b)， 悬空状态(c)。图3是分类器特征矩形示意图。图4是计算积分图像的示意图。图5是截取开关柜某一时刻的开关状态，取图像灰度图。图6是应用本发明算法的开关状态检测装置得到的结果图。
具体实施例方式下面以电力配网系统开关柜圆盘旋转型开关为例，说明本发明的具体实施方式
。如图1为电力开关柜开关状态图像识别系统的结构框图。总体可为离线训练模块 1和在线检测模块3。离线训练模块1在远端后台系统中训练形成分别包含三种开关状态 特征的强分类器2，存储在前台终端中，供状态识别模块5使用。采集到的开关柜上开关状 态图像送往图像初步处理单元4，经灰度图转化和去噪后，状态识别模块5利用级联分类器 2分别对图像进行搜索，判断开关的状态输出。如图2所示的电力开关柜开关实物图片，圆盘旋转型开关在不同工作状态会呈现 出三种不同开关状态导通状态(a)，接地状态(b)，悬空状态(c)。
离线训练模块是通过对大量真样本和假样本的学习，形成一系列的弱分类器，然 后依据权重把这些弱分类器级联成强分类器。理论证明，只要每个弱分类器分类能力比随 机猜测好，当弱分类器个数趋向于无穷时，强分类器的错误率将趋于0。训练方法是，给定 一个训练集(xl，yl)，…，(xL, yL)，其中，xi是输入的训练样本，yi是分类的类别标志即真 假样本。在初始化时，对所有训练样本均赋以一个相同的权重，然后用该弱学习算法对训练 样本集进行T轮训练。在每一轮训练结束后，从若干个简单分类器中选择最小误差的那个， 作为一个弱分类器hi，并对训练失败的样本赋以较大的权重，以便让学习算法在后来的学 习中主要对比较难的训练样本进行学习。这样，就可以得到一个弱分类器序列(hl，h2^-，ht)，其中，分类效果比较好的权重较大。最终的分类函数f(x)采用一种有权重的投票方 式产生，即将多个弱分类器通过一定的方法叠加起来组合成一个强分类器，即
每个特定分类器所使用的特征用形状、感兴趣区域中的位置以及比例系数来定义。矩 形特征的值是指图像上两个或多个矩形内部所有像素灰度值之和的差值。如图3所示，其 中3(a)是训练用的正样本图片，3(b)是提取的一种开关状态的一个矩形特征，它代表的是 黑色矩形区域的像素灰度要比其上下白色区域的灰度大，对应于开关圆盘及上下标示白线 部分。在提取矩形特征的过程中，可以使用积分图像的方法来减小计算量。在提取矩形 特征的过程中，可以使用积分图像的方法减小计算量。如图4，点x，y处的积分图像值是其 上部和左边所有像素的和。这样通过积分图像法，任意矩形中的像素和可以通过其4个顶 点的值计算出。因此整个训练过程只需扫描原图一遍。针对开关的三种不同状态，分别训练三个分类器，当前状态之外的另两种状态都 应作为假样本参与训练，这样能提高算法的识别率。在对采集到的图像进行识别之前，需要对图像进行预处理。预处理效果的好坏是 影响整个测试系统性能的主要因素，主要是转化为灰度图和去噪。首先由转化为灰度图单 元将截取的图像转化为灰度图，如图5所示，以便于后面的图像处理识别。然后，由状态识别单元对转化为灰度图的图像进行状态识别。状态识别采用已训 练好的分别含有不同状态的开关特征的三个分类器在图像中找到包含目标的矩形区域，并 通过相应的分类器判断开关状态。识别单元以不同比例大小的扫描窗口对图像进行几次搜 索。每次扫描中，当分析的矩形框全部通过级联分类器每一层时返回正值，代表这是一个候 选目标。在处理和收集到候选的方框之后，接着对这些区域进行组合并且返回一系列个数 足够大的组合中的平均矩形作为检测到的目标区域。以此可得到开关在图像中的位置信 息，并通过相应的分类器判断开关状态，即若检测到开关的分类器是导通状态的，则该开关 应处于导通状态。得到的开关状态信息可通过通信装置传到后台系统中，以供进一步分析。如图6 是应用本发明算法的开关状态检测装置得到的结果图，其训练和检查阶段都使用的是模拟 开关模型。最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参 照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖 在本发明的权利要求范围当中。
权利要求
一种电力开关柜开关状态图像识别系统，其特征在于，所述图像识别系统包括离线训练模块和在线检测模块； 所述离线训练模块，基于Adaboost算法对大量包含开关状态的真样本和假样本进行学习，形成一系列的弱分类器，然后依据权重把这些弱分类器级联成若干强分类器，所述强分类器分别代表不同的开关状态；所述在线检测模块包括图像初步处理模块和状态识别模块；所述图像初步处理模块,用于将采集到的开关图像转换为开关灰度图并去噪，以便状态识别模块进行处理；所述状态识别模块,装载了所述强分类器，并利用所述强分类器分别对所述开关灰度图进行扫描搜索，得到开关的位置和状态信息。
2.根据权利要求1所述的电力开关柜开关状态图像识别系统，其特征在于，在所述离 线训练模块中，每个所述特定弱分类器所使用的特征用形状、感兴趣区域中的位置以及比 例系数来定义；提取矩形特征时，用积分图像方法来减小计算量。
3.根据权利要求1或2所述的电力开关柜开关状态图像识别系统，其特征在于，所述图 像初步处理模块包括转化为灰度图单元和图像去噪单元，所述转化灰度图单元将采集到的 彩色开关图像转化为灰度图像，所述图像去噪单元对灰度图像进行中值滤波，将灰度中存 在的噪音点去除，避免了噪声点对图像识别带来的干扰。
4.根据权利要求3所述的电力开关柜开关状态图像识别系统，其特征在于，状态识别 模块采用基于Adaboost的目标检测算法，以不同比例大小的扫描窗口对图像进行搜索，能 够通过强分类器的即为一个目标，识别单元通过该目标的区域位置和强分类器的种类以确 定某个开关的状态。
全文摘要
本发明涉及一种电力开关柜开关状态图像识别系统，该系统包括离线训练模块和在线检测模块。离线训练模块采集并训练大量开关样本形成若干强分类器，强分类器装载入在线检测模块；在线检测模块将采集到的开关图像转换为开关灰度图并去噪,利用强分类器分别对开关灰度图进行扫描搜索，得到开关的位置和状态信息。本发明可实现图像采集处理识别过程都在在线检测模块中完成，克服了现有视频监控系统的终端采集的视频必须通过有线或无线的方式传输到远端后台系统，而产生的对通信带宽和设备成本的依赖。本发明可自行判断图像中开关的位置与状态，无需人工操作，自动化程度高，适用于各种类型电力开关的状态识别。
文档编号G06K9/62GK101833673SQ20101017441
公开日2010年9月15日 申请日期2010年5月18日 优先权日2010年5月18日
发明者崔怡, 胡海, 黄本雄 申请人:华中科技大学