CN105894015B - 一种道闸状态分析方法和*** - Google Patents

Abstract

本申请提供一种道闸状态分析方法和***，通过自动获取外部设备采集到的被监控的道闸的输入图像，由所述输入图像中确定目标道闸所在的目标窗口，然后由所述目标窗口中确定目标道闸的开关状态指示字符所在的字符区域，最后对所述字符区域进行差分，输出与差分结果相匹配的开关状态指示信号。由此可见，本申请上述实施例公开的技术方案对道闸的开关状态进行监控时，可实现***自动监控，并且监控过程安全可靠，无需运维人员现场查看，解放了劳动力。

Description

一种道闸状态分析方法和***

技术领域

本发明涉监控设备技术领域，具体涉及一种道闸状态分析方法和***。

背景技术

在变电站中，道闸即为变电站开关仪器，其具有两种状态，分别为分状态和合状态，道闸状态的日常巡检是变电站人工运维中非常重要的项目之一，道闸状态的及时监测和预警在变电站运维中具有相当重要的意义。而在实际的运维过程中，通常采用人工巡检的方式对道闸的状态进行巡检，人工巡检的方式通常存在不及时，不安全等隐患和缺陷。

发明内容

有鉴于此，本发明实施例提供一种道闸状态分析方法和***，以实现解决人工巡检的方式存在巡检不及时、不安全等隐患和缺陷。

为实现上述目的，本发明实施例提供如下技术方案：

一种道闸状态分析方法，包括：

获取输入图像；

由所述输入图像中确定目标道闸所在的目标窗口；

由所述目标窗口中确定目标道闸的开关状态指示字符所在的字符区域；

对所述字符区域进行差分，输出与差分结果相匹配的用于表征所述道闸的开关状态的开关状态指示信号。

优选的，上述道闸状态分析方法中，所述由所述输入图像中确定目标道闸所在的目标窗口，包括：

采用预设尺寸的窗口对所述输入图像进行扫描，将通过扫描获取到的子输入图像区域作为候选窗口；

通过将所述候选窗口一一与预设模板图像进行颜色直方图对比，判断对比结果是否大于阈值，如果否，提取所述候选窗口的伽柏图像特征并进行支持向量机模型的判断，将判断结果为正的窗口作为候选目标窗口，所述支持向量机模型为通过提取各个训练样本的伽柏图像特征进行支持向量机模型训练得到的用于进行目标窗口判别的模型；

选择支持向量机模型的判断时得分最高的候选目标窗口作为目标窗口。

优选的，上述道闸状态分析方法中，所述由所述目标窗口中确定目标道闸的开关状态指示字符所在的字符区域，包括：

利用目标窗口的亮暗特点构建矩阵模型；

采用积分图计算矩阵模型中各元素块的均值；

确定所述矩阵模型中各个元素块和与其相邻的其它元素块之差的最大值，形成最大值集合；

将所述最大值集合中的最大的1个或多个最大值对应的元素块在目标窗口中所围成的区域作为字符区域。

优选的，上述道闸状态分析方法中，所述对所述字符区域进行差分，输出与差分结果相匹配的用于表征所述道闸的开关状态的状态指示信号，包括：

对所述字符区域进行第一预设颜色通道的差分，获得第一差分结果；

对所述字符区域进行第二预设颜色通道的差分，获得第二差分结果；

对所述第一差分结果和第二差分结果求和；

输出与求和结果相匹配的用于表征道闸的开关状态的开关状态判定信号。

优选的，上述道闸状态分析方法中，所述对所述第一差分结果和第二差分结果求和；输出与求和结果相匹配的用于表征道闸的开关状态的开关状态判定信号，包括：

判断所述第一差分结果与第二差分结果之和是否位于预设范围内，如果是，输出与所述第一差分结果和第二差分结果之和相匹配的开关状态判定信号，如果否，采用预设字符模型对所述字符区域进行判断，得到并输出用于表征道闸的开关状态的开关状态指示信号，所述预设字符模型为通过训练得到的用于依据字符区域判定目标窗口开关状态判定的模型。

一种道闸状态分析***，包括：

图像采集单元，用于获取输入图像；

目标位置确定单元，用于由所述输入图像中确定目标道闸所在的目标窗口；

字符区域确定单元，用于由所述目标窗口中确定目标道闸的开关状态指示字符所在的字符区域；

状态分析单元，用于对所述字符区域进行差分，输出与差分结果相匹配的用于表征所述道闸的开关状态的开关状态指示信号。

优选的，上述道闸状态分析***中，所述目标位置确定单元，包括：

扫描单元，用于采用预设尺寸的窗口对所述输入图像进行扫描，将通过扫描获取到的子输入图像区域作为候选窗口；

候选目标窗口选取单元，用于通过将所述候选窗口一一与预设模板图像进行颜色直方图对比，判断对比结果是否大于阈值，如果否，提取所述候选窗口的伽柏图像特征并进行支持向量机模型的判断，将判断结果为正的窗口作为候选目标窗口，所述支持向量机模型为通过提取各个训练样本的伽柏图像特征进行支持向量机模型训练得到的用于进行目标窗口判别的模型；

目标窗口选取单元，用于选择支持向量机模型的判断时得分最高的候选目标窗口作为目标窗口。

优选的，上述道闸状态分析***中，所述字符区域确定单元，包括：

矩阵模型构建单元，用于利用目标窗口的亮暗特点构建矩阵模型；

积分图计算单元，用于采用积分图计算矩阵模型中各元素块的均值；

差值判定单元，用于确定所述矩阵模型中各个元素块和与其相邻的其它元素块之差的最大值，形成最大值集合；

字符区域定位单元，用于在目标窗口中确定所述最大值集合中的最大的1个或多个元素块所在的区域，将该区域作为字符区域。

优选的，上述道闸状态分析***中，所述状态分析单元，包括：

第一差分单元，用于对所述字符区域进行第一预设颜色通道的差分，获得第一差分结果；

第二差分单元，用于对所述字符区域进行第二预设颜色通道的差分，获得第二差分结果；

开关状态判定单元，用于对所述第一差分结果和第二差分结果求和，并输出与求和结果相匹配的用于表征道闸的开关状态的开关状态判定信号。

优选的，上述道闸状态分析***中，所述开关状态判定单元，包括：

差值判断单元，用于判断所述第一差分结果与第二差分结果之和是否位于预设范围内，如果是，输出第一触发信号，否则输出第二触发信号；

第一判定单元，用于当获取到所述第一触发信号后，判断所述第一差分结果和第二差分结果的大小，输出与所述第一差分结果和第二差分结果之和相匹配的开关状态判定信号；

第二判定单元，用于当获取到所述第二触发信号后，采用预设字符模型对所述字符区域进行判断，得到并输出用于表征道闸的开关状态的开关状态指示信号，所述预设字符模型为通过训练得到的用于依据字符区域判定目标窗口开关状态判定的模型。

基于上述技术方案，本发明实施例提供的道闸状态分析方法和***，通过自动获取外部设备采集到的被监控的道闸的输入图像，由所述输入图像中确定目标道闸所在的目标窗口，然后由所述目标窗口中确定目标道闸的开关状态指示字符所在的字符区域，最后对所述字符区域进行差分，输出与差分结果相匹配的开关状态指示信号。由此可见，本申请上述实施例公开的技术方案对道闸的开关状态进行监控时，可实现***自动监控，并且监控过程安全可靠，无需运维人员现场查看，解放了劳动力。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本申请实施例公开的一种道闸状态分析方法流程图；

图2为本申请另一实施例公开的一种道闸状态分析方法流程图；

图3为本申请另一实施例公开的一种道闸状态分析方法流程图；

图4为本申请另一实施例公开的一种道闸状态分析方法流程图；

图5为本申请另一实施例公开的一种道闸状态分析方法流程图；

图6为本申请实施例公开的一种道闸状态分析***的结构示意图；

图7为本申请另一实施例公开的一种道闸状态分析***的结构示意图；

图8为本申请实施例公开的一种开关状态判定单元的结构示意图。

具体实施方式

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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

申请人通过研究发现，基于道闸状态检测的需求，需要先定位闸刀目标，待闸刀目标确定后，在闸刀目标范围内寻找相应的状态指示字符所在的字符区域，然后，再通过判断所述字符区域判定所述字符区域中的字符表征的时道闸的“分”状态还是“合”状态。

因此，本发明的整个技术方案大致可分为三个阶段：一、确定道闸在输入图像上的位置；二、在道闸的区域，找到状态字符“分”“合”所在区域；三、对第二阶段确定的字符区域中的字符进行识别。具体的，本申请公开的道闸状态分析方法，参见图1，可以包括：

步骤S101：获取外部设备采集到的输入图像；

其中，所述输入图像可以是由预设位置处的图像采集设备对监控区域进行图像采集得到的图像；

步骤S102：由所述输入图像中确定目标道闸所在的目标窗口；

在本步骤中，由于所述步骤S101采集到的输入图像中不可能只存在所需监控的目标(道闸)，除了所需监控的目标之外，还会存在其他无效区域，因此，需要由所述输入图像中查找、确定道闸所在的目标窗口；

步骤S103：由所述目标窗口中确定目标道闸的开关状态指示字符所在的字符区域；

在本步骤中，当所述目标窗口确定以后，所述目标窗口中所包含的图像信息除了用于表征道闸的当前状态的字符信息外，还包括有道闸的表面结构等信息，因此，如果要确定所述道闸的当前状态，本步骤中，还需要对所述道闸的开关状态指示字符所在的区域进行定位；

步骤S104：对所述字符区域进行差分，输出与差分结果相匹配的用于表征所述道闸的开关状态的开关状态指示信号。

当确定道闸的开关状态指示字符所处的字符区域之后，需要对所述字符区域中的指示字符所表示的含义进行解析，由于通常所述道闸的开关状态指示字符的颜色和符号存在区别，例如，红色“合”表示所述道闸的当前状态为合状态，绿色“分”表示当前的道闸状态为分状态，对不同的开关状态指示符所处的字符区域进行差分后，得到的差分结果并不相同，因此，可通过该差分结果判定所述道闸的开关状态。

综上所述，当采用本申请上述实施例公开的方法检测道闸的开关状态时，自动获取外部设备采集到的被监控的道闸的输入图像，由所述输入图像中确定目标道闸所在的目标窗口，然后由所述目标窗口中确定目标道闸的开关状态指示字符所在的字符区域，最后对所述字符区域进行差分，输出与差分结果相匹配的开关状态指示信号。由此可见，本申请上述实施例公开的技术方案对道闸的开关状态进行监控时，可实现***自动监控，并且监控过程安全可靠，无需运维人员现场查看，解放了劳动力。

由上述方案的整体过程可见，上述检测过程中主要涉及到物体的检测字符检测，对于物体检测的常用方法主要有两类，一类是通过大量的样本训练生成模型，利用训练得到的模型进行物体的判别；另一类是采用图像模板匹配的方法，该方法是通过将一目标图像作为模板，在待检测的图像中逐步匹配去找到待检测的图像中与目标图像最接近最相似的区块作为候选目标输出。

在确定目标窗口时，可使用滑动窗口进行遍历的方式进行物体检测，使用一个可滑动的固定大小的窗口去依次获取图像内的一个局部区域，用图像特征来表征该局部区域，并用分类器去判别是否为要找寻的目标。遍历的滑动窗口会很费时，因为一副待检测的图像可能会产生成千上万个窗口区域，基于此，本申请可以对图像进行预处理，先比较窗口图像与目标图像进行图像颜色分布的比较，将那些与目标差别很大的子区域提前过滤掉，而不需要使用分类器去辨别，这样可以提前过滤掉80％的背景窗口，大大提升速度。

在确定目标窗口时，使用模板匹配技术实现目标检测，但模板匹配方式需要基准图作为模板，而目前获取的图片因环境光照等变化不可避免的与基准图产生了偏差，当这个偏差较大时，目标将无法识别出来。因此，模板匹配方式与环境光照等变化影响较大，导致该种方式并不可靠。

针对于上述问题，本申请上述步骤S102可先使用滑动窗口获取区域，利用颜色直方图信息进行粗筛选，而后再提取区域伽柏图像特征，使用支持向量机分类器进行精确判别，具体的，所述步骤S102可以包括：

步骤S1021：采用预设尺寸的窗口对所述输入图像进行扫描，将通过扫描获取到的子输入图像区域作为候选窗口；

在本步骤中，由于道闸的位置相对固定，且每一个预置点对应的道闸的大小相对固定，本申请上述实施例公开的方法可以通过人机交互的方式获取目标道闸的大概尺寸，由此，确定目标窗口的问题就转为在输入图像中寻找已知尺寸的目标道闸对象的问题；

对于输入图像，使用由上述人机交互方式获取到的目标道闸的尺寸信息，确定滑动窗口尺寸，采用固定尺寸的滑动窗口对所述输入图像进行扫描，获取扫描得到的各个图像子区域作为候选窗口，此时所述候选窗口的尺寸即为通过人工交互方式获取到的目标道闸的尺寸；

步骤S1022：通过将所述候选窗口一一与预设模板图像进行颜色直方图对比，判断对比结果是否大于阈值，如果否，执行步骤S1023；

在本步骤中，因此所述候选窗口图像首先会与模板图像(样本库中一个目标道闸图像作为模板)进行颜色直方图的比对，依据对比结果判断所述候选窗口是否可能是目标窗口，具体为：获取直方图对比结果，将对比结果大于阈值的候选窗口视为非目标窗口，将该窗口提前剔除而不进入下一阶段更精准的判断，将对比结果小于阈值的候选窗口视为疑似非目标窗口，进入下一步更加精准的判断；由于所述输入图像中目标道闸相较输入图像中其它区域差异较为明显，通过粗筛选的过程通常都可以剔除掉大部分的不相关区域；

步骤S1023：提取所述候选窗口的伽柏图像特征并进行支持向量机模型的判断，判断结果是否为正，如果是，执行步骤S1024；

本步骤属于对目标窗口的精细判断，主要用于由步骤S1022中获取到的疑似目标窗口中确定真实的目标窗口，具体过程为通过提取疑似目标窗口的候选窗口的伽柏图像特征，分别依据各个候选窗口的伽柏图像特征进行支持向量机模型的判断，将判断结果为正的疑似目标窗口的候选窗口作为候选目标窗口；

本发明使用的算法需要一个可判断候选窗口是否为目标窗口的模型，该模型是通过样本的训练而获得。其中，训练的过程可以是离线进行的，通过学习大量训练样本的物体特征而实现。模型的训练需要大量的样本图片，样本可分正样本和负样本，正样本即为各个角度，各个光照的目标道闸的图片，负样本为原图像中其它区域位置以及其他各种非目标道闸的图片，将所有的正负样本归一化到预设的尺寸，提取各个样本的伽柏图像特征进行支持向量机模型训练，即可生成用于判断道闸判别的模型；该模型进行目标窗口的判别；

在本申请公开的技术方案中，可以通过采用多种数据挖掘算法对训练样本对模型进行训练，得到本申请最终所需要的模型，其中，所需采用的数据挖掘算法可以为支持向量机(Support Vector Machine，SVM)、决策树、神经网络算法等等。

步骤S1024：将判断结果为正的窗口作为候选目标窗口；

在本步骤中，对每个候选窗口的伽柏图像特征进行支持向量机模型的判断后，获取判断结果，将判断为正的窗口作为候选目标窗口；

步骤S1025：选择支持向量机模型的判断时得分最高的候选目标窗口作为目标窗口；

本步骤用于由多个支持向量机模型的判断结果为候选目标窗口中选取目标窗口，支持向量机模型的判断结果得分越高的候选目标窗口，其越有可能是目标窗口，所述候选目标窗口随得分变大而不断更新，选取得分最高的候选目标窗口作为目标窗口，当然在采用上述方法判断时，需要获取所有的候选目标窗口的判断结果，由所有的判断结果中选取最大值对应的候选目标窗口作为目标窗口，可见，该方法要对所有的候选目标进行支持向量机模型的判断，运算量大，并且可能会出现多个无效判断，例如，如果对第一个候选目标窗口进行支持向量机判断的结果即为最大值时，后续其他的候选目标窗口的判断均为无效判断(对选取结果无影响)，因此会降低整个程序的判断效率，针对于此，可预设一判断指标，当对某个候选目标窗口进行支持向量机模型判断的判断结果大于该判断指标时，则自动认定该候选目标窗口的判断结果为所有候选窗口的判断结果中的最大值，不进行后续其他候选目标窗口的支持向量机模型的判断，从而降低了***运算量、提高了运算效率。

步骤S103主要用于在由所述目标窗口确定字符区域，在道闸所处的目标窗口内，找到状态字符“分”“合”所在区域。通过对道闸的分析可发现，虽然变电站内道闸大小大异，状态指示字符分布也不尽相同，但是都有一个相同的特点，字符处在表盘白色区域(亮色区)，而表盘的周围均为黑色(暗色区)，因此，可以利用此特点构建模型(字符区域灰度值减去领域灰度值为最大)，结合图像积分图的使用，可快速找到表盘区域中颜色分布符合道闸特点的区域作为字符区域。具体的，参见图3，本申请实施例公开的上述方法中，所述步骤S103，具体可以包括：

步骤S1031：利用目标窗口的亮暗特点构建矩阵模型，该矩阵模型为类似九宫格式的矩阵模型，其由行列分布的多个元素块组成；

步骤S1032：采用积分图计算矩阵模型中各元素块的均值；

步骤S1033：确定所述矩阵模型中各个元素块和与其相邻的其它元素块之差的最大值，形成最大值集合；

步骤S1034：将所述最大值集合中的最大的1个或多个最大值对应的元素块在目标窗口中所围成的区域作为字符区域；

其中，在选取所述最大值集合中的最大的1个或多个元素块时，可预设一最大值判别标准，只有所述最大值集合中大于该判别标准的最大值才可用于确定字符区域，最大值集合中，大于所述判别标准的最大值对应的元素块所围成的区域作为字符区域。

所述步骤S104，用于依据所述字符区域中的开关状态指示符判定道闸的当前状态，利用字符区域中开关状态指示符的颜色特征判所述开关状态指示符为“合”还是“分”，从而确定道闸状态。

由于道闸上不同状态的两个开关状态指示符的颜色不同，因此可通过提取字符区域图像的颜色信息，并经过一定的计算处理来判断当前字符区域中的字符时“分”还是“合”。通常，所述开关状态指示符通常采用红色标注“合”字符、绿色标注“分”字符，因此可通过对字符区域进行红色通道和绿色通道的差分，若差分结果为绿色，绿色通道分类要明显大于红色通道分量，此时所述道闸的开关状态为分；若为红色，红色通道分量要明显大于绿色通道分量，此时所述道闸的开关状态为合。针对于此，参见图4，所述步骤S104具体可以包括：

步骤S1041：对所述字符区域进行第一预设颜色通道的差分，获得第一差分结果；

步骤S1042：对所述字符区域进行第二预设颜色通道的差分，获得第二差分结果；

其中，所述第一预设颜色通道指的是与所述道闸的两个开关状态指示符中的一个指示符的颜色相匹配的颜色通道，例如其可以为指示符“合”的颜色通道，如果所述指示符“合”为红色，则所述第一预设颜色通道即为红色通道；所述第二预设颜色通道的设置规则与所述第一预设颜色通道的设置规则类似，例如其可以为与绿色“分”指示符相匹配的绿色颜色通道；

步骤S1043：对所述第一差分结果和第二差分结果求和；

步骤S1044：输出与求和结果相匹配的用于表征道闸的开关状态的开关状态判定信号；

在所述步骤S1043和S1044中，获取到第一差分结果和第二差分结果后，对所述差分结果进行求和，依据求和结果的值即可判定所述道闸的开关状态指示符的颜色，进而可依据该颜色判定所述道闸的分合状态，例如，当所述第一预设颜色通道为绿色通道、第二预设颜色通道为红色通道时，此时，如果所述第一差分结果和第二差分结果之和大0时，则可认为所述字符区域整体偏向于红色，此时所述道闸处于“合”状态，如果两者之和小于0时，则可认为所述字符区域整体偏向于绿色，此时所述道闸处于“分”状态。

申请人通过进一步研究发现，光照等外部因素对图像的颜色特征产生干扰，如果所述第一差分结果和第二差分结果之和位于临界值(例如绿色和红色的临界值0时)时，此时得到的开关状态判断结果可能会不准确，针对于此，本申请上述判断过正中还可以引入阈值(正负一对阈值)来减少外部因素对判断结果的干扰，具体为：将所述第一差分结果和第二差分结果之和作为差分结果，判断所述差分结果是否在预设范围内，如果是，则认为此时的道闸状态的判断结果有效，否则，判断结果无效，现还以第一预设颜色通道为绿色通道、第二预设颜色通道为红色通道为例，如果差分结果大于所述预设范围的最大正值或小于所述预设范围的最小负值时，则认为道闸状态的判断结果有效，否则判断结果无效。当所述差分结果位于所述预设范围之内时，由于所述道闸的开关状态值是否通常只有“分”和“合”或者“OFF”和“ON”，因此，此时可以采用预设的预设字符模型来辅助道闸状态的判断，此时用到的预设字符模型与上述支持向量机模型的创建原理类似，通过大量样本训练生成可以区分是“分”字符和“合”字符、“OFF”字符和“ON”字符或者其他字符的模型，利用模型去识别道闸上的字符从而确定状态。具体的，参见图5，本申请上述实施例公开的步骤S104，可以包括：

步骤S1041：对所述字符区域进行第一预设颜色通道的差分，获得第一差分结果；

步骤S1042：对所述字符区域进行第二预设颜色通道的差分，获得第二差分结果；

步骤S1043：对所述第一差分结果和第二差分结果求和；

步骤S1045：判断所述求和结果的值是否在预设范围内，如果是，执行步骤S1044，否则，执行步骤S1046；

步骤S1044：输出与求和结果相匹配的用于表征道闸的开关状态的开关状态判定信号；

步骤S1046：采用预设字符模型对所述字符区域进行判断，得到并输出用于表征道闸的开关状态的开关状态指示信号。

当然，在训练模型时，除了采用支持向量机进行训练之外，也可以采用决策树、神经网络等算法进行模型训练，即，所述支持向量机模型可以采用决策树模型或申请网络模型等进行替换，所述预设字符模型可以采用支持向量机、决策树、申请网络等算法训练生成。

可以理解的是，与上述方法相对应，本申请还公开了一种道闸状态分析***，该***与上述方法可相互借鉴，参见图6，该***可以包括：

图像采集单元100，用于获取输入图像；

目标位置确定单元200，用于由所述输入图像中确定目标道闸所在的目标窗口；

字符区域确定单元300，用于由所述目标窗口中确定目标道闸的开关状态指示字符所在的字符区域；

状态分析单元400，用于对所述字符区域进行差分，输出与差分结果相匹配的用于表征所述道闸的开关状态的开关状态指示信号。

所述图像采集单元100在获取到外部设备发送的输入图像后，采用所述目标位置确定单元200由所述输入图像中确定目标道闸所在的目标窗口，当所述目标窗口确定后，采用所述字符区域确定单元300由所述目标窗口中确定目标道闸的开关状态指示字符所在的字符区域，当所述字符区域确定后，再采用所述状态分析单元400对所述字符区域进行差分，输出与差分结果相匹配的用于表征所述道闸的开关状态的开关状态指示信号。

与上述方法相对应，参见图7，所述目标位置确定单元200，具体可以包括：

扫描单元210，用于采用预设尺寸的窗口对所述输入图像进行扫描，将通过扫描获取到的子输入图像区域作为候选窗口；

候选目标窗口选取单元220，用于通过将所述候选窗口一一与预设模板图像进行颜色直方图对比，判断对比结果是否大于阈值，如果否，提取所述候选窗口的伽柏图像特征并进行支持向量机模型的判断，将判断结果为正的窗口作为候选目标窗口，所述支持向量机模型为通过提取各个训练样本的伽柏图像特征进行支持向量机模型训练得到的用于进行目标窗口判别的模型；

目标窗口选取单元230，用于选择支持向量机模型的判断时得分最高的候选目标窗口作为目标窗口。

具体的，所述目标窗口选取单元230在确定所述目标窗口时，可由所有的候选目标窗口的支持向量机模型判断结果中，选取得分最高的候选目标窗口作为目标窗口，实时监测得到的判断结果，当判断结果大于预设判断指标时，确定该判断结果对应的候选目标窗口作为目标窗口。

与上述方法相对应，参见图7，所述字符区域确定单元300，可以包括：

矩阵模型构建单元310，用于利用目标窗口的亮暗特点构建矩阵模型；

积分图计算单元320，用于采用积分图计算矩阵模型中各元素块的均值；

差值判定单元330，用于确定所述矩阵模型中各个元素块和与其相邻的其它元素块之差的最大值，形成最大值集合；

字符区域定位单元340，用于在目标窗口中确定所述最大值集合中的最大的1个或多个元素块所在的区域，将该区域作为字符区域。

与上述方法相对应，参见图7，所述状态分析单元400，可以包括：

第一差分单元410，用于对所述字符区域进行第一预设颜色通道的差分，获得第一差分结果；

第二差分单元420，用于对所述字符区域进行第二预设颜色通道的差分，获得第二差分结果；

开关状态判定单元430，用于对所述第一差分结果和第二差分结果求和，并输出与求和结果相匹配的用于表征道闸的开关状态的开关状态判定信号。

与上述方法相对应，参见图8，所述开关状态判定单元430具体可以包括：

差值判断单元431，用于判断所述第一差分结果与第二差分结果的差值的绝对值是否大于预设值，如果是，输出第一触发信号，否则输出第二触发信号；

第一判定单元432，用于当获取到所述第一触发信号后，判断所述第一差分结果和第二差分结果的大小，输出与所述第一差分结果和第二差分结果之和相匹配的开关状态判定信号；

第二判定单元433，用于当获取到所述第二触发信号后，采用预设字符模型对所述字符区域进行判断，得到并输出用于表征道闸的开关状态的开关状态指示信号，所述预设字符模型为通过训练得到的用于依据字符区域判定目标窗口开关状态判定的模型。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (6)

1.一种道闸状态分析方法，其特征在于，包括：

获取输入图像；

由所述输入图像中确定目标道闸所在的目标窗口；

由所述目标窗口中确定目标道闸的开关状态指示字符所在的字符区域；

对所述字符区域进行差分，输出与差分结果相匹配的用于表征所述道闸的开关状态的开关状态指示信号；

所述由所述输入图像中确定目标道闸所在的目标窗口，包括：

采用预设尺寸的窗口对所述输入图像进行扫描，将通过扫描获取到的子输入图像区域作为候选窗口；

通过将所述候选窗口一一与预设模板图像进行颜色直方图对比，判断对比结果是否大于阈值，如果否，提取所述候选窗口的伽柏图像特征并进行支持向量机模型的判断，将判断结果为正的窗口作为候选目标窗口，所述支持向量机模型为通过提取各个训练样本的伽柏图像特征进行支持向量机模型训练得到的用于进行目标窗口判别的模型；

选择支持向量机模型的判断时得分最高的候选目标窗口作为目标窗口；

所述由所述目标窗口中确定目标道闸的开关状态指示字符所在的字符区域，包括：

利用目标窗口的亮暗特点构建矩阵模型；

采用积分图计算矩阵模型中各元素块的均值；

确定所述矩阵模型中各个元素块和与其相邻的其它元素块之差的最大值，形成最大值集合；

将所述最大值集合中的最大的1个或多个最大值对应的元素块在目标窗口中所围成的区域作为字符区域。

2.根据权利要求1所述的道闸状态分析方法，其特征在于，所述对所述字符区域进行差分，输出与差分结果相匹配的用于表征所述道闸的开关状态的状态指示信号，包括：

对所述字符区域进行第一预设颜色通道的差分，获得第一差分结果；

对所述字符区域进行第二预设颜色通道的差分，获得第二差分结果；

对所述第一差分结果和第二差分结果求和；

输出与求和结果相匹配的用于表征道闸的开关状态的开关状态判定信号。

3.根据权利要求2所述的道闸状态分析方法，其特征在于，所述对所述第一差分结果和第二差分结果求和；输出与求和结果相匹配的用于表征道闸的开关状态的开关状态判定信号，包括：

判断所述第一差分结果与第二差分结果之和是否位于预设范围内，如果是，输出与所述第一差分结果和第二差分结果之和相匹配的开关状态判定信号，如果否，采用预设字符模型对所述字符区域进行判断，得到并输出用于表征道闸的开关状态的开关状态指示信号，所述预设字符模型为通过训练得到的用于依据字符区域判定目标窗口开关状态判定的模型。

4.一种道闸状态分析***，其特征在于，包括：

图像采集单元，用于获取输入图像；

目标位置确定单元，用于由所述输入图像中确定目标道闸所在的目标窗口；

字符区域确定单元，用于由所述目标窗口中确定目标道闸的开关状态指示字符所在的字符区域；

状态分析单元，用于对所述字符区域进行差分，输出与差分结果相匹配的用于表征所述道闸的开关状态的开关状态指示信号；

所述目标位置确定单元，包括：

扫描单元，用于采用预设尺寸的窗口对所述输入图像进行扫描，将通过扫描获取到的子输入图像区域作为候选窗口；

候选目标窗口选取单元，用于通过将所述候选窗口一一与预设模板图像进行颜色直方图对比，判断对比结果是否大于阈值，如果否，提取所述候选窗口的伽柏图像特征并进行支持向量机模型的判断，将判断结果为正的窗口作为候选目标窗口，所述支持向量机模型为通过提取各个训练样本的伽柏图像特征进行支持向量机模型训练得到的用于进行目标窗口判别的模型；

目标窗口选取单元，用于选择支持向量机模型的判断时得分最高的候选目标窗口作为目标窗口；

所述字符区域确定单元，包括：

矩阵模型构建单元，用于利用目标窗口的亮暗特点构建矩阵模型；

积分图计算单元，用于采用积分图计算矩阵模型中各元素块的均值；

差值判定单元，用于确定所述矩阵模型中各个元素块和与其相邻的其它元素块之差的最大值，形成最大值集合；

字符区域定位单元，用于在目标窗口中确定所述最大值集合中的最大的1个或多个元素块所在的区域，将该区域作为字符区域。

5.根据权利要求4所述的道闸状态分析***，其特征在于，所述状态分析单元，包括：

第一差分单元，用于对所述字符区域进行第一预设颜色通道的差分，获得第一差分结果；

第二差分单元，用于对所述字符区域进行第二预设颜色通道的差分，获得第二差分结果；

开关状态判定单元，用于对所述第一差分结果和第二差分结果求和，并输出与求和结果相匹配的用于表征道闸的开关状态的开关状态判定信号。

6.根据权利要求5所述的道闸状态分析***，其特征在于，所述开关状态判定单元，包括：

差值判断单元，用于判断所述第一差分结果与第二差分结果之和是否位于预设范围内，如果是，输出第一触发信号，否则输出第二触发信号；

第一判定单元，用于当获取到所述第一触发信号后，判断所述第一差分结果和第二差分结果的大小，输出与所述第一差分结果和第二差分结果之和相匹配的开关状态判定信号；

第二判定单元，用于当获取到所述第二触发信号后，采用预设字符模型对所述字符区域进行判断，得到并输出用于表征道闸的开关状态的开关状态指示信号，所述预设字符模型为通过训练得到的用于依据字符区域判定目标窗口开关状态判定的模型。