一种指示灯的状态辨识方法、装置及电子设备与流程

本发明属于电力领域，尤其涉及一种指示灯的状态辨识方法、装置及电子设备。

背景技术：

当前，随着智能电网不断推进，智能变电站建设进入了一个高速发展的阶段，站内设备安全运行愈发重要。为确保电力二次设备的安全运行，需要对站内电力二次设备的相关状态进行监控。电力二次设备是对电力系统内一次设备进行监察，测量，控制，保护，调节的辅助设备，即不直接和电能产生联系的设备。近年来，随着图像处理技术发展，图像识别技术在电力系统的状态监测中得到应用：基于视频技术的变电站远程监控系统已经实现对隔离开关的状态进行自动识别；数字图像识别技术通过对开关特征、定位技术和状态特征的探索监测开关柜的状态；基于霍夫森林的开关设备检测及状态识别，将开关状态的识别建立在开关检测与定位的基础上，提高了识别准确率。

在变电站中有继电保护屏柜，里面安装有继电保护设备，在继电保护屏柜上会带有指示灯面板，面板上排列一些led灯用于显示工作状态或是异常报警，指示灯主要有红色、绿色和橙色，其中红色是报警灯。其中在日常巡检中主要需要检测的有指示灯的状态。但是目前还没有基于数字图像处理技术的能辨识指示灯的状态的方案。

技术实现要素：

本发明的目的在于提供一种指示灯的状态辨识方法、装置及电子设备，旨在解决目前还没有基于数字图像处理技术的能辨识指示灯的状态的方案的问题。

第一方面，本发明提供了一种指示灯的状态辨识方法，所述方法包括：

接收摄像模块采集的指示灯面板的图像；

根据颜色滤波算法将指示灯面板的图像中报警指示灯对应的颜色的数值区间内的像素点提取为报警像素点；

统计报警像素点的个数；

判断报警像素点的个数是否超过阈值，如果是，则判断报警指示灯点亮。

第二方面，本发明提供了一种指示灯的状态辨识装置，所述装置包括：

接收模块，用于接收摄像模块采集的指示灯面板的图像；

提取模块，用于根据颜色滤波算法将指示灯面板的图像中报警指示灯对应的颜色的数值区间内的像素点提取为报警像素点；

统计模块，用于统计报警像素点的个数；

判断模块，用于判断报警像素点的个数是否超过阈值，如果是，则判断报警指示灯点亮。

第三方面，本发明提供了一种计算机可读存储介质，其存储用于电子数据交换的计算机程序，所述计算机程序使得计算机执行如上述的指示灯的状态辨识方法。

第四方面，本发明提供了一种电子设备，包括：

一个或多个处理器；

存储器；以及

一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于执行以下步骤的指令：

接收摄像模块采集的指示灯面板的图像；

根据颜色滤波算法将指示灯面板的图像中报警指示灯对应的颜色的数值区间内的像素点提取为报警像素点；

统计报警像素点的个数；

判断报警像素点的个数是否超过阈值，如果是，则判断报警指示灯点亮。

在本发明中，由于根据颜色滤波算法将指示灯面板的图像中报警指示灯对应的颜色的数值区间内的像素点提取为报警像素点；统计报警像素点的个数；判断报警像素点的个数是否超过阈值，如果是，则判断报警指示灯点亮。因此准确率高，检测效果良好，能有效监测指示灯的状态，节约人力资源，具有很高的应用价值。

附图说明

图1是本发明实施例一提供的指示灯的状态辨识方法的流程图。

图2是本发明实施例二提供的指示灯的状态辨识装置的结构示意图。

图3是本发明实施例四提供的电子设备的结构示意图。

具体实施方式

为了使本发明的目的、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

在变电站中有继电保护屏柜，里面安装有继电保护设备，在继电保护屏柜上会带有指示灯面板，面板上排列一些led灯用于显示工作状态或是异常报警，指示灯主要有红色、绿色和橙色，其中红色是报警灯。由于绿色和橙色的指示灯的作用不统一，指示灯的尺寸类型也不统一，而且对于判断继电保护屏柜是否正常工作的意义并不是特别大，所以本发明实施例主要完成对报警灯的及时识别，即识别红色指示灯的亮与灭。

实施例一：

请参阅图1，本发明实施例一提供的指示灯的状态辨识方法包括以下步骤：

s101、接收摄像模块采集的指示灯面板的图像；

在本发明实施例一中，s101具体可以是：接收通过机器人、手机等的摄像模块采集的指示灯面板的图像。

在本发明实施例一中，所述摄像模块采集的指示灯面板的图像是通过以下方式采集的：

摄像模块拍摄获得指示灯面板的原始图像；

采用lucas-kanade光流算法，利用指示灯面板的原始图像和预存的基准图片的相关性和像素的变化得出指示灯面板的原始图像与基准图片的对应关系；所述基准图片是标准库中的未处理的初始图片；

计算指示灯面板的原始图像与基准图片中物体变化信息，并形成描述指示灯面板变化信息的新图像。

以预存的基准图片作为跟踪目标的模型i，lucas-kanade光流算法通过求解式(1)中的最优化问题来定位跟踪目标

grgmin，||y°τ-i||s.t.tdown≤τ≤tup(1)

其中，i是跟踪目标的模型，y是当前帧的观测图片子块；τ∈t为目标的一种仿射变化用来描述跟踪目标的状态，在实验中采用二维相似变换τ＝[x,y,θ,s]；同时使用阈值[tdown，tup]来约束状态在相邻两帧的变化范围；||·||表示某种范数下的距离度量，传统的算法中一般采用l2范数；°表示仿射变换运算。

在本发明实施例一中，lucas-kanade光流算法定位跟踪目标具体可以包括以下步骤：

初始化，即假设已知t时刻目标指示灯面板的状态τ^t＝[x^t，y^t，θ^t，s^t]，给定t+1时刻算法执行的初始点为τ0^t+1＝[x0^t+1，y0^t+1，θ0^t+1，s0^t+1]；

迭代求解目标指示灯面板在t+1时刻的状态τ^t+1＝[x^t+1，y^t+1，θ^t+1，s^t+1]。

该算法的使用能很好地应对图像采集时视觉跟踪中的各种挑战环境，跟踪精度较优，既能学习目标的外观变化，同时能避免跟踪漂移问题，能够较好解决机器人的行走误差带来的图像采集问题。

当通过机器人的摄像模块采集指示灯面板的图像时，由于机器人本身的移动，摄像模块可能会产生偏左偏右的误差。由于工业光照稳定，机器人的移动只产生水平方向的误差，所以机器人多次巡检图像可以近似看作是视频中的多个帧，可以使用视觉跟踪算法来采集。视觉跟踪需要解决两个问题：外观模型的建立和搜索策略的确定。外观模型的建立有两类方法：一是提取目标的角点心、边缘、轮廓、颜色等特征，二是以未处理的初始图片作为跟踪模板。相较之下，第二种方法算法复杂度较低，并且可以保留目标外观的所有信息，不易受到复杂环境如光照等因素的干扰。所以本发明实施例采用以未处理的初始图片作为跟踪模板建立外观模型。

lucas-kanade光流算法是一种两帧差分的光流估计算法。lucas-kanade光流算法可以校正摄像模块因为机器人移动可能产生偏左或偏右的误差，可以将图像标准化，即在预定位置得到roi(regionofinterest，感兴趣区域)。光流的概念在上世纪五十年代就被提出，光流是一种运动模式，是由场景中目标的移动或是摄像模块本身移动而产生的。它的提出是为了找出视频上一帧与当前一帧之间的对应关系并计算物体运动信息，主要利用相邻两帧的相关性和像素在时间上的变化来计算。一般计算方法有三种：基于区域或是特征匹配；基于频域；基于梯度。lucas–kanade光流算法利用观测图片与跟踪模板的相关性，采用梯度法在某一邻域内求解最佳匹配，比传统的粒子滤波算法速度更快，效率更高。

在本发明实施例一中，s101之后，所述方法还可以包括以下步骤：

基于grabcut算法对摄像模块采集的指示灯面板的图像进行分割得到用于辨识指示灯的状态的图像。

为了避免相似颜色非目标物的干扰，采用grabcut算法完成对指示灯面板的图像分割。grabcut算法是一种交互式前景提取算法，是目前图像分割中比较优秀且实用的算法，它能有效从复杂背景图像中提取所需的前景对象，充分利用边缘信息和区域信息，消耗较少的交互操作，获得较高精度的分割效果，能够很好地应用于变电站屏柜中指示灯面板的图像分割。grabcut算法的主要思想是基于全局最优化，是graphcut算法的改进版。

s102、根据颜色滤波算法将指示灯面板的图像中报警指示灯对应的颜色的数值区间内的像素点提取为报警像素点。

由于红色通常是报警灯，所以s102具体是：根据颜色滤波算法将指示灯面板的图像中红色数值区间内的像素点提取为报警像素点。

颜色滤波算法是基于颜色特征实现对整个图像或特定区域的滤波处理。在国际标准色卡ral中，不同颜色被归类划分到不同的颜色系。对目标物体的图像进行分析，判断目标颜色在国际标准色卡中所属的颜色系，通过下列公式可确定该目标颜色的红(r)、绿(g)、蓝(b)三通道的颜色阈值ti＝(i＝b,g,r)：

式(2)(3)(4)中，n为目标颜色系中颜色的个数，bi、gi、ri分别表示目标颜色的蓝、绿、红通道值。若要判断一个像素点p是否为红色，只需要将p点的三个通道分别与红色系的3个颜色阈值ti＝(i＝b，g，r)进行如下比较：

{p||ip-ti|≤xi，i＝b，g，r}(5)

其中，p|表示像素点p的集合，bp、gp、rp分别为p点的蓝、绿、红通道值；xb、xg、xr分别为保存图像蓝、绿、红信息的颜色通道阈值，由目标颜色系(在此为红色系)中b,g,r的取值范围所决定。

s103、统计报警像素点的个数；

s104、判断报警像素点的个数是否超过阈值，如果是，则判断报警指示灯点亮。

阈值可通过实验统计得出，主要是为了排除一定程度的红色噪声点干扰。

因为固定发光设备一般使用交流电，虽然人眼看上去光强是稳定的，但摄像模块采集的图像是一瞬间图像，没有累积效应，所以两幅图像可能存在一定的差别。因此在本发明实施例一中，s104具体可以包括以下步骤：

判断报警像素点的个数是否超过阈值，如果是，则返回s101，直至s104步骤中的判断报警像素点的个数超过阈值后，比较两次采集的指示灯面板的图像的报警指示灯对应的颜色亮区重叠率，当重叠率大于预设值时，确认报警指示灯处于点亮状态。

所述比较两次采集的指示灯面板的图像的报警指示灯对应的颜色亮区重叠率具体可以为：将两次采集的指示灯面板的图像的报警指示灯对应的颜色亮区相减，得到重叠率。

预设值可以为0.7、08等，可以具体视情况而定。通过比较重叠率，确保了不必要的误报，避免了资源的浪费。

在本发明实施例一中，s104之后还可以包括以下步骤：

当判断报警指示灯点亮时，向服务器发送报警信息。

实施例二：

请参阅图2，本发明实施例二提供的一种指示灯的状态辨识装置包括：

接收模块11，用于接收摄像模块采集的指示灯面板的图像；

提取模块12，用于根据颜色滤波算法将指示灯面板的图像中报警指示灯对应的颜色的数值区间内的像素点提取为报警像素点；

统计模块13，用于统计报警像素点的个数；

判断模块14，用于判断报警像素点的个数是否超过阈值，如果是，则判断报警指示灯点亮。

本发明实施例三提供了一种计算机可读存储介质，其存储用于电子数据交换的计算机程序，所述计算机程序使得计算机执行如本发明实施例一提供的指示灯的状态辨识方法。

实施例四：

请参阅图3，本发明实施例四提供的一种电子设备100，包括：

一个或多个处理器21；

存储器22；以及

一个或多个程序，其中所述一个或多个程序被存储在所述存储器22中，并且被配置成由所述一个或多个处理器21执行，所述程序包括用于执行以下步骤的指令：

接收摄像模块采集的指示灯面板的图像；

根据颜色滤波算法将指示灯面板的图像中报警指示灯对应的颜色的数值区间内的像素点提取为报警像素点；

统计报警像素点的个数；

判断报警像素点的个数是否超过阈值，如果是，则判断报警指示灯点亮。

在本发明实施例四中，所述摄像模块采集的指示灯面板的图像是通过以下方式采集的：

摄像模块拍摄获得指示灯面板的原始图像；

采用lucas-kanade光流算法，利用指示灯面板的原始图像和预存的基准图片的相关性和像素的变化得出指示灯面板的原始图像与基准图片的对应关系；

计算指示灯面板的原始图像与基准图片中物体变化信息，并形成描述指示灯面板变化信息的新图像。

所述接收摄像模块采集的指示灯面板的图像之后，所述程序还包括用于执行以下步骤的指令：

基于grabcut算法对摄像模块采集的指示灯面板的图像进行分割得到用于辨识指示灯的状态的图像。

所述判断报警像素点的个数是否超过阈值，如果是，则判断报警指示灯点亮具体可以包括：

判断报警像素点的个数是否超过阈值，如果是，则返回所述接收摄像模块采集的指示灯面板的图像的步骤，直至所述判断报警像素点的个数是否超过阈值步骤中的判断报警像素点的个数超过阈值后，比较两次采集的指示灯面板的图像的报警指示灯对应的颜色亮区重叠率，当重叠率大于预设值时，确认报警指示灯处于点亮状态。

在本发明实施例中，由于根据颜色滤波算法将指示灯面板的图像中报警指示灯对应的颜色的数值区间内的像素点提取为报警像素点；统计报警像素点的个数；判断报警像素点的个数是否超过阈值，如果是，则判断报警指示灯点亮。因此准确率高，检测效果良好，能有效监测指示灯的状态，节约人力资源，具有很高的应用价值。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。