CN113487559A

CN113487559A - 一种变电站隔离开关开合状态实时检测方法

Info

Publication number: CN113487559A
Application number: CN202110748579.XA
Authority: CN
Inventors: 冯国进; 胡茂福; 陈军辉; 穆科明
Original assignee: Nanjing Gminnovation Technology Co ltd
Current assignee: Nanjing Gminnovation Technology Co ltd
Priority date: 2021-07-02
Filing date: 2021-07-02
Publication date: 2021-10-08

Abstract

本发明公开了一种变电站隔离开关开合状态实时检测方法。通过可见光摄像机采集实时图像，实时分析启动之后，利用第一帧图像进行背景建模，第二帧开始实时分析。实时分析包括二值化、开合状态静态分析、角度静态分析、运动方向分析等几个步骤。对于前3帧或未发生运动的情况采用静态分析，输出开合状态与角度信息；对于运动场景进行运动方向分析，输出当前动作。本发明利用图像第一帧进行背景建模，根据建模结果对后续图像进行二值化处理，基于场景状态对静态和动态场景分开处理，能够快速识别隔离开关的开合状态、运动方向、刀臂角度等信息，避免各种干扰引发隔离开关状态的误识别，有效地解决背景与刀闸臂颜色极其接近时容易误识别的问题。

Description

一种变电站隔离开关开合状态实时检测方法

技术领域

本发明属于图像通信技术领域，涉及利用图像处理技术自动监测变电站隔离开关状态的检测方法。

背景技术

目前，变电站隔离开关状态的自动化监测一般可分为传感器、红外摄像机、单目可见光摄像机、双目立体摄像机等方案。传感器方案一般利用激光、红外线等传感器检测隔离开关状态，如果要确认隔离开关状态，还需要人工参与，或者另外安装一套可见光相机。红外摄像机方案在室外高温低温环境容易失灵。双目立体摄像机方案存在成本过高问题。单目可见光摄像机方案的单目可见光刀闸状态分析算法方面一般包括模板匹配法、SIFT角点检测法、运动目标跟踪法、机器学习与深度学习法。模板匹配法需要采集每个刀闸的分闸、合闸标准图片，但在项目实施过程中，隔离开关往往不能随意进行分闸、合闸动作，采集图像会比较麻烦。SIFT角点检测法在背景中电线杆与电线较多的情况下会存在很多干扰角点，容易导致分析失效。运动目标跟踪法仅适用于分析动态场景，对于静态场景，仍需要采用静态分析方法。机器学习与深度学习方式需要大量样本，如果样本不全，就难以适应各种场景。深度学习方法对硬件要求较高，难以做到实时分析。

另外，现有的上述算法还容易受到云雾变化、光线变化、小动物飞行、雨雪等干扰造成隔离开关状态识别错误，且在背景复杂或背景与刀闸臂的颜色非常接近时容易发生误识别。

发明内容

本发明针对上述现有技术中存在的问题提出。

为达到上述目的，本发明提出的技术方案为一种变电站隔离开关开合状态实时检测方法，包含以下步骤：

S1：输入图像，判断是否为第一帧图像；

S2：若是第一帧则提取刀闸区图像，然后识别出初始态，并进行背景建模。如果初始态为关闭状态，建模得到刀闸臂颜色；如果初始态为打开状态，则建模得到背景图像；

S3：若不是第一帧，则开始实时分析，先提取刀闸区图像；若初始态为打开状态，则根据当前帧与背景图像的帧差进行二值化；若初始态为关闭状态，则根据当前帧各点颜色与建模得到的刀闸臂颜色之间的相似性进行二值化；

S4：根据当前帧与前几帧的帧差判断刀闸当前是处于运动状态还是处于静止状态；

S5：若当前帧为前若干帧或未发生运动的情况，则进行开合状态静态分析、角度静态分析，输出开合状态与角度，当刀闸处于静止状态超过一定时间之后，将总帧数清零，下一帧重新开始进行背景建模；

S6：若不是前若干帧，或对于运动场景，则进行运动方向分析，输出当前动作；

S7：结束。

步骤S2中的所述背景建模的过程具体包括：先求取刀闸端点连接线上的平均颜色以及颜色差异，根据平均颜色与颜色差异对刀闸闭合区图像进行二值化，求取背景像素数量与总像素数量的占比，如果背景像素数量与总像素数量的占比大于0.5，则认为刀闸初始态处于关闭状态，否则处于打开状态。

步骤S5中的所述开合状态静态分析会综合考虑背景像素的占比与端点之间的连通路径，如果背景像素的占比低于一定阈值且端点之间存在连通路径，则认为刀闸处于关闭状态；否则刀闸处于打开状态。

步骤S5中的所述角度静态分析是基于当前帧刀闸区的二值化图，具体包括：先根据刀闸区长宽比，截取半个刀闸区，称为半臂区，对其进行形态学孔洞填充，然后用Canny算子做边缘检测，并采用Hough变换检测边缘中的直线，求取每条直线与端点连接线之间的夹角，以最小夹角作为当前刀闸角度。

为去除云雾变化、光线变化、小动物飞行、雨雪带来的干扰，步骤S6中的所述运动方向分析利用了刀闸运动的大块特征来求取运动差值图中的最大轮廓的中心点与端点连接线中心点之间的距离，如果距离在不断拉大，则说明刀闸在分开中，否则刀闸在闭合中。

作为优选，步骤S5、S6中的所述前若干帧为前三帧，步骤S5中的所述一定时间为4-6分钟，5分钟效果最佳。

与现有技术相比，本发明的有益效果在于：

1，本发明通过可见光摄像机采集实时图像，利用图像第一帧进行背景建模，根据背景建模结果对后续图像进行二值化处理，基于场景状态对静态和动态场景分开处理，能够快速识别隔离开关的开合状态、运动方向、刀臂角度等信息，避免各种干扰引发隔离开关状态的误识别；

2，本发明有效地解决了背景与刀闸臂颜色极其接近时容易误识别的问题。

附图说明

图1为变电站隔离开关的开合状态实时检测的分析算法流程图；

图2为***结构图；

图3为人工标注图；

图4为刀闸闭合区图；

图5为横向刀闸角度分析示意图；

图6为竖向刀闸角度分析示意图。

具体实施方式

本发明提出一种先背景建模再进行静态或动态分析的实时刀闸状态分析方法。实时分析启动之后，利用第一帧图像进行背景建模，第二帧开始实时分析。实时分析包括二值化、开合状态静态分析、角度静态分析、运动方向分析等几个步骤。对于前3帧或未发生运动的情况，采用静态分析，输出开合状态与角度信息；对于运动场景，进行运动方向分析，输出当前动作。

利用图像第一帧进行背景建模，先求取刀闸端点连接线上的平均颜色以及颜色差异，根据平均颜色与颜色差异，对刀闸闭合区图像进行二值化，求取背景像素数量与总像素数量的占比，如果背景像素数量与总像素数量的占比大于0.5，则认为刀闸初始态处于关闭状态，否则处于打开状态。如果初始态为关闭状态，刀闸端点连接线上的平均颜色即为刀闸臂颜色。如果初始态为打开状态，则第一帧的刀闸区图像作为背景图像。

从第二帧开始进行实时分析。首先对图像进行二值化，如果初始态为打开状态，则第一帧的刀闸区图像作为背景图像，计算当前帧与背景图的帧差，根据差值二值化；如果初始态为关闭状态，则根据当前帧各点颜色与建模得到的刀闸臂颜色之间的相似性来二值化。开合状态静态分析会综合考虑背景像素的占比与端点之间的连通路径。如果背景像素的占比低于一定阈值，且端点之间存在连通路径，则认为刀闸处于关闭状态；否则刀闸处于打开状态。角度静态分析基于当前帧刀闸区二值化图。先根据刀闸区长宽比，截取半个刀闸区，称为半臂区，对其进行形态学孔洞填充，然后用Canny算子做边缘检测，并采用Hough变换检测边缘中的直线，求取每条直线与端点连接线之间的夹角，以最小夹角作为当前刀闸角度。

运动方向分析，利用了刀闸运动的大块特征，去除云雾变化、光线变化、小动物飞行、雨雪带来的干扰。求取运动差值图中的最大轮廓的中心点与端点连接线中心点之间的距离，如果距离在不断拉大，则说明刀闸在分开中，否则刀闸在闭合中。

为避免天气、光线变化对背景模型的影响，当刀闸处于静止状态超过5分钟之后，将总帧数清零，下一帧重新开始进行背景建模。

现结合附图对本发明的具体实施方式作进一步的说明。如图1-6所示，本发明的具体实施步骤如下：

1)***安装部署方法

每个隔离开关包括A、B、C三个刀闸。由于视场限制，每个隔离开关需要两个摄像机，其中一个刀闸使用第一个摄像机，另外两个刀闸共用另一个摄像机。摄像机部署在刀闸下方，尽量使天空成为刀闸背景。摄像机的图像经过H.264编码压缩，通过网络传输到视觉分析服务器。视觉分析服务将视频解压之后，经过实时刀闸状态分析之后，将结果叠加在图像上，最后将三相图像拼接在一起，送给屏幕展示，如图2所示。

安装完毕之后进行人工标注。只需要标定刀闸两个端点P1、P2，以及刀闸外接区即可，如图3所示。

算法会根据端点P1、P2，自动生成平行于端点连线且宽度为2个刀闸臂宽度的刀闸闭合区，如图4所示。

2)刀闸状态实时分析算法实施方法

S1：背景建模

背景建模为了找到刀闸区背景图M或者刀闸臂的平均颜色C_dz。倒闸前，刀闸要么是打开的，要么是闭合的。如果刀闸是打开的，P1、P2连接线上全部是背景像素。如果刀闸是闭合的，P1、P2连接线上全部是刀闸像素。

假设P1，P2之间的连接线上的P_i点的颜色为C_pi(r_pi，g_pi，b_pi)。计算P1、P2之间的连接线在刀闸闭合区内(P3，P4之间)的所有像素的平均颜色C_A(r_A，g_A，b_A)，平均颜色的三个分量为P3，P4之间各像素的R、G、B三分量的平均值。下面根据颜色差异对刀闸闭合区进行背景建模。假设刀闸闭合区上任意一P_i点，定义颜色差异值D_pi为：

D_pi＝|(r_pi-r_A)|+|(g_pi-g_A)|+|(b_pi-b_A)|

进一步将距离归一化为0到1之间的值U_pi：

U_pi＝1-D_pi/(255*3)

如果U_pi＞0.9，则将该点像素置换为255，否则置换为0。置换之后的图为刀闸闭合区二值化图。

接下来计算刀闸闭合区二值化图的背景像素数量与总像素数量的占比R_b。如果R_b小于0.5，则认为刀闸初始态是闭合的，此时刀闸臂的平均颜色C_dz＝C_A。否则刀闸初始态是打开的，此时的刀闸区图像可作为背景图M。

S2：图像二值化

先从当前图像帧中取出刀闸区图像。假设刀闸初始态是闭合的，根据背景建模可得到刀闸臂的平均颜色C_dz(r_dz，g_dz，b_dz)，假设刀闸区上任意一P_i点，定义颜色差异值D_pi为：

D_pi＝|(r_pi-r_dz)|+|(g_pi-g_dz)|+|(b_pi-b_dz)|

归一化距离值为U_pi：

U_pi＝1-D_pi/(255*3)

选择一个比背景建模时稍低的阈值0.8，使得分割后的刀闸臂更完整。如果U_pi＞0.8，则将该点像素置换为255，否则置换为0。置换之后的图为刀闸区二值化图。

假设刀闸初始态是打开的，背景建模阶段已得到背景图M，将当前帧的刀闸区图减去背景图M，得到差异图M_d。定义颜色差异值ΔC用于后续背景分割：

对差异图M_d用ΔC作为阈值进行二值化，小于ΔC的点置换为0，否则置换为255，得到刀闸区二值化图。

S3：运动判断

隔离开关图像的帧间差异主要由两方面因素造成：1)由噪点、云雾变化、光线变化、动物飞行、雨雪带来的差异；2)刀闸运动带来的差异；这两种差异的特征不太一样，由噪点、云雾变化、光线变化、动物飞行、雨雪带来的差异往往是全局性，离散型较强，表现为差值化图中存在大量孤立的白点，最大轮廓的面积非常小。而刀闸运动带来的差异比较集中，呈现大面积块状。将第i帧刀闸区二值化图减去第i-2帧刀闸区二值化图，得到帧间差值图。根据帧间差值图计算出白色像素的个数C_w，并检测差值图中的块状轮廓，求取最大轮廓的面积，可得到A_max。设刀闸区域的面积为A_all，S_move为运动状态值，则：

根据上面的公式可计算出当前刀闸是否处于运动状态。对于未发生运动的情况，采用静态分析，输出开合状态与角度信息；对于运动场景，进行运动方向分析，输出当前动作。为避免天气、光线变化对背景模型的影响，当刀闸处于静止状态超过5分钟之后，将总帧数清零，下一帧重新开始进行背景建模。

S4：开合状态静态分析

假设刀闸闭合区的面积为A_close。统计当前帧刀闸区二值化图中刀闸闭合区的背景像素数量C_B。一般打开状态下，C_B大于A_close*0.8；关闭状态下，C_B小于A_close*0.8。单纯以C_B与A_close的比例来判断，容易受到变电站内其他立杆或绝缘子的干扰，不太准确。可以P1为起点，向P2方向搜索前景像素，如果P1与P2之间能搜索到一条联通的路径，则认为开关为合，否则为开。但实际上变电站内部可能存在各种电线与电线杆，即使在隔离开关是打开的状态下，也能检测到P1与P2之间的通路。故开合判断采用两种特征综合考虑，当C_B＜A_close*0.8，且P1与P2之间存在连通路径，则认为刀闸是关闭的，否则认为刀闸是打开的。

S5：角度静态分析

角度静态分析基于当前帧刀闸区二值化图。假设P3为P1与P2之间的中点。截取刀闸区中从P1到P3之间的区域，称为半臂区，对其进行形态学孔洞填充，然后用Canny算子做边缘检测，并采用Hough变换检测边缘中的直线，求取每条直线与P1、P2连接线之间的夹角，以最小夹角作为当前刀闸角度。由于刀闸存在水平与垂直两种，故要根据刀闸区长宽来决定半臂区是取左半部还是上半部，如果刀闸区的宽度大于高度，则取左半部；否则取右半部，如图5、图6所示。

S6：运动方向分析

如果存在运动，则需分析刀闸运动的方向是开还是合。一般情况下，可以根据初始状态来给定一个期望的运动状态，如果初始状态为开，则期望运动状态为闭合中；如果初始状态为合，则期望运动状态为打开中。如果初始状态刀闸处于开不到位或合不到位状态，或者刀闸存在机械故障，这种简单的期望逻辑会存在问题，故需要增加一个确认机制。

本发明根据运动距离来进行动作确认。刀闸运动过程中，差值图中可能存在多个较大轮廓。假设存在n个面积大于设定阈值的大轮廓，每个轮廓的中心点为P_Ci，坐标为(x_ci，y_ci)。

对于双端运动刀闸，假设端点连接线中点P3的坐标为(x₃，y₃)，定义运动距离D：

如果在运动过程中，距离D在不断减小，说明刀闸在闭合中，否则刀闸在打开中。

对于单端运动刀闸，假设固定的一端P1的坐标为(x_p1，y_p2)，定义运动距离D：

如果在运动过程中，距离D在不断减小，说明刀闸在打开中，否则刀闸在闭合中。有时候距离存在波动，需要对距离进行简单的滤波处理。

S7：最终结果输出

当刀闸未运动时输出开合状态与角度；当刀闸为运动状态时，输出当前动作。当前动作包括打开中与闭合中两种状态。

需要说明的是，本发明所提供的上述实施例仅具有示意性，不具有限定本发明的具体实施的范围的作用。本发明的保护范围应包括那些对于本领域的普通技术人员来说显而易见的变换或替代方案。

Claims

1.一种变电站隔离开关开合状态实时检测方法，其特征在于，包含以下步骤：

S1：输入图像，判断是否为第一帧图像；

S2：若是第一帧则提取刀闸区图像，然后识别出初始态，并进行背景建模，如果初始态为关闭状态，建模得到刀闸臂颜色；如果初始态为打开状态，则建模得到背景图像；

S4：根据当前帧与前几帧的帧差判断刀闸当前处于运动状态还是静止状态；

S7：结束。

2.根据权利要求1所述的变电站隔离开关开合状态实时检测方法，其特征在于，步骤S2中的所述背景建模的过程包括：先求取刀闸端点连接线上的平均颜色以及颜色差异，根据平均颜色与颜色差异对刀闸闭合区图像进行二值化，求取背景像素数量与总像素数量的占比，如果背景像素数量与总像素数量的占比大于0.5，则认为刀闸初始态处于关闭状态，否则处于打开状态。

3.根据权利要求1所述的变电站隔离开关开合状态实时检测方法，其特征在于步骤S5中的所述开合状态静态分析会综合考虑背景像素的占比与端点之间的连通路径，如果背景像素的占比低于一定阈值且端点之间存在连通路径，则认为刀闸处于关闭状态；否则刀闸处于打开状态。

4.根据权利要求1所述的变电站隔离开关开合状态实时检测方法，其特征在于步骤S5中的所述角度静态分析是基于当前帧刀闸区的二值化图，具体包括：先根据刀闸区长宽比，截取半个刀闸区，称为半臂区，对其进行形态学孔洞填充，然后用Canny算子做边缘检测，并采用Hough变换检测边缘中的直线，求取每条直线与端点连接线之间的夹角，以最小夹角作为当前刀闸角度。

5.根据权利要求1所述的变电站隔离开关开合状态实时检测方法，其特征在于步骤S5中的所述一定时间为4-6分钟。

6.根据权利要求1所述的变电站隔离开关开合状态实时检测方法，其特征在于步骤S5、S6中的所述前若干帧为前三帧。

7.根据权利要求1所述的变电站隔离开关开合状态实时检测方法，其特征在于步骤S6中的所述运动方向分析利用刀闸运动的大块特征去除干扰，求取运动差值图中的最大轮廓的中心点与端点连接线中心点之间的距离，如果距离在不断拉大，则说明刀闸在分开中，否则刀闸在闭合中。