随着电力系统的发展,电力设备之间的关系变得越来越复杂,通过自动化设备来控制和保护电力系统的方法已经广泛应用于电气行业中,对设备自动化的要求也越来越高。该类要求不仅体现在设备控制方面的自动化,监控设备也要具备自动识别状态变化和自动预警的功能。监控相机在拍摄时往往由于机械原因产生抖动和摇摆,提出了一种基于视频去抖动的电气开关柜状态自动识别方法,在视频中识别开关柜面板,并将其作为感兴趣区域,对开关柜上不同子部件进行划分和检测。为了减小因相机在拍摄时由于机械原因产生的抖动和摇摆,本文利用了检测前后两帧图像中特征点的运动变化,平滑相机抖动,减小软件误检的概率,并对开关柜上子部件实施针对性的检测算法,提高准确率。实验结果表明,提出的电气开关柜监控算法具有不受相机晃动干扰,实时性强、检测准确以及抗干扰能力强的优点。 帧间差又开始增大。停下未抖动的时候变化很小可以和其他状态分开，然而抖动时的帧间差和真正运动中的帧间差值相近而无法分割，因此无法通过阈值过滤方法判断。如果不做处理则会因为抖动丢失大量有效样本。根据上述分析，此处真正需要处理的为抖动造成的波峰，可以通过补偿帧间差的方法使相机停下的过程过渡更加平滑，从而解决抖动和真正的相机运动这两个状态无法分割的问题。下面阐述了对应的措施。2．1．2视频去抖动当相机停下的时候，由于存在晃动，很可能被误检测为运动中，如图3所示的抖动情况开关柜状态识别-电动折弯机数控滚圆机滚弧机张家港钢管倒角机液压倒角机。图3相机停下时的抖动图像几何变换平滑视频抖动。本文采用的特征计算子为SUＲF(SpeededUpＲobustFeatures)特征本文由公司网站大棚折弯机网站 转摘采集转载中国知网整理!    http://www.dapengzhewanji.com/，SUＲT特征是基于物体上局部外观，并且与图像的尺度和旋转无关，对于光线、噪声、小的视角变化的容忍度高，在摄像机焦距变化、面板上反射的少量阳光的情况下都具有较好的鲁棒性［5］。本文采用了在文献［6］中提出的ANNS(Ap-proximateNearestNeighborSearch)算法，即逼近最邻近搜索方法来度量特征点之间的相似程度，该方法可以用来匹配二进制特征，具有快速、鲁棒和准确度高的特性。图4为某时刻前后两帧图像的特征点检测和匹配结果。图4两帧抖动图像的特征点对应关系图4中，蓝色直线的上端为图像a的特征点F0～FN，下端为图像b的特征点S0～SN，直线段两端的每一对特征点对［(F01，S01)，(F02，S02)，(F03，S03)，．．．，(F0N，S0N)］都是相似度较高的SUＲF特征点对。可以看出SUＲF特征和ANNS匹配算法可以较好地提取和匹配相机静止时前后帧的特征。为了获取后一帧图像相对于前一帧图像的几何畸变，需要得到特征点的空间几何变换矩阵。本文通过计算多对特征点{(xi＇，yi＇)，(xi，yi)}的透视变换矩阵H获得两幅图像之间的几何映射关系［8］，具体计算如下xi＇yi＇1=Hxiyi1(2)式中:(xi，yi)为前一帧图像中的特征点坐标;(xi'，yi'，)为后一帧图像中特征点坐标;H为两帧之间3×3透视矩阵。当特征点数目大于4的时候不能保证有唯一解，此时取最小误差解。根据图4中的特征点对应关系，将图4b近似映射为图4a，如图5所示，可见透视变换后的图像3b和图3a?开关柜状态识别-电动折弯机数控滚圆机滚弧机张家港钢管倒角机液压倒角机本文由公司网站大棚折弯机网站 转摘采集转载中国知网整理!    http://www.dapengzhewanji.com/