[发明专利]基于红外检测的变电站刀闸模式识别方法

说明书

技术领域

本发明涉及一种电力刀闸状态识别方法，尤其涉及基于红外检测的变电站刀闸模式识别方法。

背景技术

角点是在其邻域内的各个方向上灰度变化值足够高的像素点[1]。它是一种非常重要的图像点特征，包含图像中比较丰富的二维结构信息。图像中刀闸设备附近区域由于其角点特征突出，并且易于提取，便于对图像匹配，因此，可以应用这一特征来进行图像匹配。

角点提取目前已有很多种方法，如Harris角点[1]提取方法，Moravec算子[2]，非线性的Susan角点[3]提取算子等。David G.Lowe[4]在2004年总结了已有的基于不变量技术的特征检测方法，并正式提出了一种基于尺度空间的、对图像缩放、旋转甚至仿射变换保持不变性的图像局部特征描述算子----SIFT算子，其全称是Scale Invariant Feature Transform，即尺度不变特征变换。近年来，SIFT角点在实际的应用中因其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性，这使得它被广泛用于图像匹配、图像复原、图像拼接、目标识别和跟踪等图像处理的各个领域。

刀闸设备是变电站中非常重要的设备，对刀闸设备的操作直接关系到变电站乃至整个电网的稳定运行。在常规变电站中，刀闸设备操作前后需要运行人员就地实施并人工判断设备状态是否到位，这种模式劳动强度大，操作时间长，已经逐步被淘汰。随着智能化变电站的发展，刀闸设备操作已经向远程自动化操作方向改进，但仍需运行人员参与每一项操作并由现场人员人工确认操作是否准确完成，这种模式虽然减轻了运行人员的劳动强度，缩短了操作时间，但对现场人员的主观判断依赖较大，受现场人员知识、经验等条件约束，容易出现误判，特别是如遇恶劣天气，现场条件比较危险，更加影响设备操作的顺利进行。

发明内容

本发明的目的就是为了解决上述问题，提供一种基于红外检测的变电站刀闸模式识别方法，它成功应用于智能变电站巡视机器人系统来代替巡视人员到现场的确认，对于智能变电站电力设备监测自动化具有重要的作用。

为了实现上述目的，本发明采用如下技术方案：

本发明利用变电站巡检机器人自动采集刀闸设备的红外图像，并利用模式识别方法对刀闸进行定位和识别，该方法的具体步骤如下：

Step1：输入待识别红外图像，通过图像配准获取待识别图像的刀闸区域，对刀闸区域依次进行灰度化、二值化和细化处理；

Step2：然后对细化后的刀闸区域图像采用Hough变换算法进行直线检测；

Step3：对检测结果进行判别，利用刀闸状态判别条件来识别刀闸的状态；

刀闸状态判别条件是：1、如果刀闸区域内没有直线存在，则认为刀闸为“分”状态；2、如果刀闸区域内有直线存在，则计算检测到的直线的角度，若直线与模板中刀闸的角度差θ小于某一阈值，则认为刀闸为“合”状态；否则认为刀闸为“未合好”状态。

所述step1中，图像配准的步骤如下：

A.从巡检数据库中选取模板图像，提取其SIFT特征向量，并在模板图像上标记刀闸设备区域和刀闸角度，将标记后的模板图像存入模板库中；

B.提取待检测图像的SIFT特征向量，并与模板图像的SIFT特征向量进行匹配；

C.采用RANSIC算法得到模板图像和待检测图像间的变换矩阵，根据模板库中标记的刀闸设备所在区域，得到待检测图像的对应刀闸区域。

所述步骤A或B中提取SIFT特征向量的步骤如下：

1)通过检测尺度空间极值来初步确定关键点位置和尺度；

2)通过拟和三维二次函数以精确确定关键点的位置和尺度，同时去除低对比度的关键点和不稳定的边缘响应点，以增强匹配稳定性、提高抗噪声能力；

3)利用关键点邻域像素的梯度方向分布特性为每个关键点指定方向参数，使算子具备旋转不变性，