牵引变电所辅助监控多视角档位开关自动识别方法及装置

技术领域

本发明涉及图像识别技术领域，具体而言，涉及牵引变电所辅助监控多视角档位开关自动识别方法及装置。

背景技术

电力仪表作为电网建设的终端单元，广泛应用于牵引变电所。由于牵引变电所中仪表种类繁多，人为检定的工作效率极低，难以适应当前大量仪表需要检定的情况，并且可能存在主观的观察误差问题。

目前针对档位开关位置的检查是依靠人工巡检，防范其错误置位的主要手段是依靠严格的规章制度，这就对工作人员有极大的依赖。传统的人工识别方式，不但造成了人力资源的浪费，往往还不能达到理想的识别效果。且在实际场景中，限于安装条件，辅助监控一般都是倾斜安装，这使得所得到的档位开关图像一般都是倾斜的，而现有机器识别方法识别档位开关识别率不高，成本过高，无法针对该情况进行有效识别；且随着档位开关种类的增加以及黑色开关等出现，这使得档位开关的识别愈加困难。

发明内容

本发明的目的在于提供牵引变电所辅助监控多视角档位开关自动识别方法及装置，以解决背景技术中所指出的问题。

本发明的实施例通过以下技术方案实现：牵引变电所辅助监控多视角档位开关自动识别方法，包括如下步骤：

S1.获取待识别目标的图像，利用预获取定位网络对图像内的档位开关进行定位，获得档位开关的坐标信息；

S2.将所述坐标信息等比例映射回原图像中所在位置，以此分割出档位开关图像，根据档位开关图像的像素分布规律进行异常判断，若出现异常，则直接输出异常状态，反之，则执行后续步骤；

S3.基于GridFace图像校正思想对档位开关图像进行局部校正，并将校正后的档位开关图像输入预获取的分割网络，获得分割出的档位开关所在位置；

S4.基于档位开关所在位置进行角度判断，输出识别结果。

根据一种优选实施方式，步骤S1中获取待识别目标的图像之后还包括：将待识别目标的图像放缩到统一尺寸下，并对图像进行归一化。

根据一种优选实施方式，所述步骤S1中将待识别目标的图像放缩到统一尺寸下，设置为320×180。

根据一种优选实施方式，步骤S2中根据档位开关图像的像素分布规律进行异常判断具体包括：

S21.将档位开关图像放缩到统一尺寸下，并对图像进行归一化处理；

S22.采用3*3的核，对归一化处理后的档位开关图像进行高斯噪声滤波；

S23.根据像素分布规律，对滤波处理后的档位开关图像进行异常判断。

根据一种优选实施方式，步骤S21中将档位开关图像放缩到统一尺寸下，设置为48×48。

根据一种优选实施方式，步骤S3中基于GridFace图像校正思想对档位开关图像进行局部校正具体包括：将滤波处理后的档位开关图像分割8×8的非重叠单元，对局部单元格内图像进行校正。

本发明实施例还提供牵引变电所辅助监控多视角档位开关自动识别装置，所述包括：

图像获取模块，用以获取待识别目标的图像；

档位开关定位模块，用以利用预获取定位网络对图像内的档位开关进行定位，获得档位开关的坐标信息；

档位开关分割模块，用以将所述坐标信息等比例映射回原图像中所在位置，以此分割出档位开关图像；

异常判断模块，用以根据档位开关图像的像素分布规律进行异常判断，若出现异常，则直接输出异常状态；

校正模块，用以基于GridFace图像校正思想对档位开关图像进行局部校正，并将校正后的档位开关图像输入预获取的分割网络，获得分割出的档位开关所在位置；

识别模块，用以基于档位开关所在位置进行角度判断，输出识别结果。

根据一种优选实施方式，所述图像获取模块还用以：将待识别目标的图像放缩到统一尺寸下，并对图像进行归一化。

根据一种优选实施方式，所述异常判断模块还用以：将档位开关图像放缩到统一尺寸下，并对图像进行归一化处理；采用3*3的核，对归一化处理后的档位开关图像进行高斯噪声滤波；根据像素分布规律，对滤波处理后的档位开关图像进行异常判断。

根据一种优选实施方式，所述校正模块还用以：将滤波处理后的档位开关图像分割8×8的非重叠单元，对局部单元格内图像进行校正。

本发明实施例的技术方案至少具有如下优点和有益效果：本发明引入当前最新神经网络思想，自动进行档位开关定位、校正、识别工作，可适应不同角度的拍摄图像，不受云台相机机械误差干扰；区别于常规手段，本方案不需要额外的标注，减轻了工作人员的前期工作量；且图像识别速度及准确率大幅提高，适用于市面上大部分档位旋转开关类型。

附图说明

图1为本发明实施例1提供的自动识别方法的流程示意图；

图2为本发明实施例1提供的预处理步骤的流程示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

实施例1

参阅图1所示，图1示出了自动识别方法的流程示意图。

经申请人研究发现，目前针对档位开关位置的检查是依靠人工巡检，防范其错误置位的主要手段是依靠严格的规章制度，这就对工作人员有极大的依赖。传统的人工识别方式，不但造成了人力资源的浪费，往往还不能达到理想的识别效果。且在实际场景中，限于安装条件，辅助监控一般都是倾斜安装，这使得所得到的档位开关图像一般都是倾斜的，而现有机器识别方法识别档位开关识别率不高，成本过高，无法针对该情况进行有效识别；且随着档位开关种类的增加以及黑色开关等出现，这使得档位开关的识别愈加困难。因此，本实施例提供牵引变电所辅助监控多视角档位开关自动识别方法，以解决上述所指出的问题，具体步骤如下：

首先，获取待识别目标的图像，将待识别目标的图像放缩到统一尺寸下，设置为320×180；利用预获取定位网络对图像内的档位开关进行定位，获得档位开关的坐标信息。

进一步的，将所述坐标信息等比例映射回原图像中所在位置，以此分割出档位开关图像，对分割出的档位开关图像执行预处理步骤，参考图2，具体如下：

将档位开关图像放缩到统一尺寸下，设置为48×48，并对图像进行归一化处理；采用3*3的核，对归一化处理后的档位开关图像进行高斯噪声滤波；根据像素分布规律，对滤波处理后的档位开关图像进行异常判断。

进一步的，考虑到若选用带云台的相机，长期使用下，相机不可避免与初始预置位会存在一定的机械误差，导致标注信息不准确，当偏差过大时需要人工重新进行标注校正；而人工进行类别和目标定位点标注，前期人工成本消耗大，标注不规范易造成后期目标提取错误，进而造成识别错误或失败，现有大部分算法都是根据目标正视图进行开发，依赖于正视图。

针对这个问题，有必要对图像进行校正处理，但是针对该类目标很难通过特征点的方式进行校正，已知的几种常用特征点在现有目标上很难稳定处理，并且目标也存在多样。

基于此，本实施例基于GridFace图像校正思想对档位开关图像进行局部校正，将滤波处理后的档位开关图像分割8×8的非重叠单元，对局部单元格内图像进行校正；并将校正后的档位开关图像输入预获取的分割网络，获得分割出的档位开关所在位置。本实施例基于GridFace图像校正思想对图像进行局部校正，可有效避免角度偏差过大时，无法精确识别档位较多的开关的情况。以此既能够实现自适应识别，不受云台相机机械误差干扰。

需要说明的是，GridFace目前主要应用于人脸识别，通过局部单应变换减少人脸几何变形提高识别性能，本实施例将其应用于档位开关的校正，同样能够较少多角度档位开关的识别误差，采用学习的方式，所以简化了体征提取、匹配的过程。

在对图像进行校正后，基于档位开关所在位置进行角度判断，输出识别结果。上述所提供的识别方式，除适用于市面上大部分档位旋转开关类型以外，图像识别速度及准确率也大幅提高。

本实施例还提供牵引变电所辅助监控多视角档位开关自动识别装置，所述装置包括：图像获取模块，用以获取待识别目标的图像；档位开关定位模块，用以利用预获取定位网络对图像内的档位开关进行定位，获得档位开关的坐标信息；档位开关分割模块，用以将所述坐标信息等比例映射回原图像中所在位置，以此分割出档位开关图像；异常判断模块，用以根据档位开关图像的像素分布规律进行异常判断，若出现异常，则直接输出异常状态；校正模块，用以基于GridFace图像校正思想对档位开关图像进行局部校正，并将校正后的档位开关图像输入预获取的分割网络，获得分割出的档位开关所在位置；识别模块，用以基于档位开关所在位置进行角度判断，输出识别结果。

进一步的，所述图像获取模块还用以：将待识别目标的图像放缩到统一尺寸下，并对图像进行归一化。

进一步的，所述异常判断模块还用以：将档位开关图像放缩到统一尺寸下，并对图像进行归一化处理；采用3*3的核，对归一化处理后的档位开关图像进行高斯噪声滤波；根据像素分布规律，对滤波处理后的档位开关图像进行异常判断。

进一步的，所述校正模块还用以：将滤波处理后的档位开关图像分割8×8的非重叠单元，对局部单元格内图像进行校正。

综上所述，本发明引入当前最新神经网络思想，自动进行档位开关定位、校正、识别工作，可适应不同角度的拍摄图像，不受云台相机机械误差干扰；区别于常规手段，本方案不需要额外的标注，减轻了工作人员的前期工作量；且图像识别速度及准确率大幅提高，适用于市面上大部分档位旋转开关类型。

以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。