[发明专利]一种变电站设备目标实时检测方法

说明书

技术领域

本发明涉及一种变电站设备目标实时检测方法。

背景技术

变电站是各级电网的核心枢纽，对站内设备例行检查是保证电网安全运行的关键技术手段。现有人工巡检模式劳动强度大，检测质量分散，受恶劣天气干扰大，无法满足现在高速发展的电力系统。随着机器人技术的快速发展，将机器人技术与电力应用相结合，基于机器人移动平台携带检测设备代替人工进行设备巡检成为了可能。

由于变电站环境特殊，机器人在代替人工巡检时，如何确保机器人对设备定位的精度与准确性，已成为目前研究的难点和热点问题。因为在执行巡检任务时，机器人在同一个预置位，当前的停车点和上一次的停车点存在一定的误差，云台携带摄像机在转动、俯仰拍摄设备图像时也存在机械误差，这些原因均会造成当前拍摄的角度和上一次的拍摄角度不同，进而造成目标设备偏移，甚至出现没有目标设备的情况。如图1(a)、图1(b)所示，图1(a)为圆形仪表在图像中的正常位置，图1(b)为圆形仪表的跑偏现象。

上述情况给后续目标检测和识别带来了困难。为了提高检测算法的正确率，需要对目标设备进行检测，确定目标在图像的位置。因此，研究一种设备目标实时检测方法具有重要意义。

发明内容

本发明为了解决上述问题，提出了一种变电站设备目标实时检测方法，本发明通过模板图像和待检测图像中的HOG特征比对，实现了待检测图像中设备目标的自动化检测，保证了后续目标分析的准确性。

为了实现上述目的，本发明采用如下技术方案：

一种变电站设备目标实时检测方法，包括以下步骤：

(1)对采集的图像进行预处理，进行滤波，去除噪声；

(2)利用HOG特征提取方法分别提取模板图像特征和待测图像特征；

(3)采用滑动窗口对待检测图像特征和模板图像特征比对，计算每个滑动窗口的得分，确认得分最高的位置处为目标处。

所述步骤(1)中，利用高斯滤波对采集的待测图像进行处理。

所述步骤(1)中，对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到，用模板扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。

所述步骤(1)中，高斯滤波器脉冲响应函数为：

其中，λ_c为滤波器的截止波长，通过一次卷积运算可以将原始信号分离为低频信号和高频信号两部分。

所述步骤(2)中，具体包括以下步骤：

(2-1)对待检测图像进行灰度化处理；

(2-2)调节图像的对比度，降低图像局部的阴影和光照变化所造成的影响，计算图像每个像素的大小和方向上的梯度；

(2-3)将图像以像素为单位划分成多个小单元，统计每个小单元的梯度直方图，形成每个小单元的描述子；

(2-4)将若干个小单元形成一个区域，一个区域内所有小单元的特征描述子串联起来便得到该区域的HOG特征描述子；

(2-5)将图像内的所有区域的HOG特征描述子串联起来得到该图像的HOG特征描述子，得到最终的特征向量。

所述步骤(3)中，表征两个样本点的相似程度，将相似度超过设定阈值的特征向量认为是同一目标。

所述步骤(3)中，通过夹角余弦表示两个HOG特征的相似度，两个向量的夹角余弦即为相似度的得分。

所述步骤(3)中，进行检测时，采用滑动窗口机制，对每个位置分别计算相似度。

所述步骤(3)中，计算待检测图像的HOG特征，对每个窗口特征与模板特征之间计算相似度，选择最大的得分位置为最终目标位置。

与现有技术相比，本发明的有益效果为：通过模板图像和待检测图像中的HOG特征比对，实现了待检测图像中设备目标的自动化检测，保证了后续目标分析的准确性。实验测试结果显示，该方法具有良好的鲁棒性和识别性能，能够解决由于设备目标偏转带来的目标分析不正确的现象，可以应用于变电站智能巡检机器人。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。

图1(a)是正常图像示意图；

图1(b)是跑偏图像示意图；

图2(a)是利用中值滤波进行处理后的结果示意图；

图2(b)是利用高斯滤波进行处理后的结果示意图；

图3是本发明的算法过程示意图；