基于图像配准和目标检测的变电站异物识别方法及系统技术方案

本发明专利技术公开了基于图像配准和目标检测的变电站异物识别方法及系统，属于目标检测技术领域，包括以下步骤：S1：输入图像；S2：图像配准；S3：寻找不一致区域；S4：非异物目标检测；S5：得到异物区域。本发明专利技术先把出现的区域找出来，在区域内判断哪些不是异物，剩下的都是异物，不是异物的种类不多，样本也多，训练的非异物的目标检测模型效果较好；此外，对于检测出的非异物，经过人为再判断，过滤的非异物类别能迅速补充样本，来训练非异物的目标检测模型，整体方案也易于优化，值得被推广使用。值得被推广使用。值得被推广使用。

【技术实现步骤摘要】
基于图像配准和目标检测的变电站异物识别方法及系统


[0001]本专利技术涉及目标检测
，具体涉及基于图像配准和目标检测的变电站异物识别方法及系统。

技术介绍

[0002]在变电站正常运行时，会出现一些不属于变电站固有的一些物体，这些物体的存在对变电站的正常运行是一种威胁，如塑料袋挂在了输电线上、各种小动物撕咬电线，在变电站建巢导致短路故障等。
[0003]目前异物检测大都直接使用目标检测算法，对变电站的可能存在的异物进行检测。由于变电站内的异物是一个宽泛的概念，如塑料袋、鸟、鸟巢、动物等等，类别不能穷举。同一种异物如风筝，塑料袋等姿态，形状千变万化。目标检测算法要事先已知目标的类别，并采集足够的样本才能使用。这明显与实际需求有差异，导致很多异物无法检测到。因此，提出基于图像配准和目标检测的变电站异物识别方法及系统。

技术实现思路

[0004]本专利技术所要解决的技术问题在于：如何解决现有目标异物检测算法异物检出率不高等问题，提供了基于图像配准和目标检测的变电站异物识别方法，该方法将不属于变电站异物的物体全部标出来，然后采用目标检测算法将不是异物的目标过滤，剩下的就是当做异物处理，对变电站内的异物进行检测定位，对于变电站事前预警和事后故障追溯都有巨大的意义。
[0005]本专利技术是通过以下技术方案解决上述技术问题的，本专利技术包括以下步骤：
[0006]S1：输入图像
[0007]输入待检测图像，同时输入与待检测图像对应的匹配模板图片；
[0008]S2：图像配准
[0009]对步骤S1中的待检测图像与模板图片进行图像配准处理；
[0010]S3：寻找不一致区域
[0011]采用SSIM图像比对法，计算待检图片与变换后的模板图片的相似性，找到两张图片的不一致区域；
[0012]S4：非异物目标检测
[0013]采用目标检测网络对待检测图片中的不一致区域进行检测；
[0014]S5：得到异物区域
[0015]根据步骤S4的检测结果，去除可识别区域，剩余不一致区域判断为异物区域。
[0016]作为优选的，在所述步骤S1中，所述匹配模板图片为变电站正常运行时的图片，所述待检测图片是拍摄区域与匹配模板图片相同的图片。
[0017]作为优选的，所述步骤S2中的具体过程如下：
[0018]S21：提取两幅图的关键点，然后提取关键点描述子；
[0019]S22：从两幅图中提取两组关键点后，将两个图像中对应的关键点进行关联或匹配；
[0020]S23：根据步骤S22得到的一组匹配点集，计算两个点集之间的最优变换矩阵；
[0021]S24：使用最优变换矩阵，将匹配模板图片进行相似变换，变换后的匹配模板图片的关键点坐标与待检测图片中对应关键点坐标相同。
[0022]作为优选的，在所述步骤S21中，关键点描述子为关键点的特征向量，表示了关键点周围图像的信息，所述关键点是一类点的集合，表示图像中的点、线，边缘特征信息。
[0023]作为优选的，在所述步骤S22中，具体计算过程如下：
[0024]S221：计算待检测图片中的某个点的特征向量与模板图片中所有点的特征向量计算相似性，选择距离最近的点，初步得到两幅图片对应的匹配点集；
[0025]S222：然后使用检测匹配点集中的异常值，并去除，得到最终的匹配点集。
[0026]作为优选的，在所述步骤S4中，目标检测网络采用YOLO
‑
V3网络或Cascade
‑
Rcnn网络，通过训练的目标检测网络可识别多种非异物目标。
[0027]作为优选的，经过所述步骤S4的检测后，通过目标检测网络能够在不一致区域中找到可识别目标判定为非异物，在不一致区域内时检测不到任何目标时，则整个不一致区域判定为异物区域。
[0028]本专利技术还提供了基于图像配准和目标检测的变电站异物识别系统，采用上述的识别方法对变电站内的异物进行检测定位，包括：
[0029]输入模块，用于输入待检测图像，同时输入与待检测图像对应的匹配模板图片；
[0030]配准模块，用于对步骤S1中的待检测图像与模板图片进行图像配准处理；
[0031]寻找模块，用于采用SSIM图像比对法，计算待检图片与变换后的模板图片的相似性，找到两张图片的不一致区域；
[0032]非异物检测模块，用于采用目标检测网络对待检测图片中的不一致区域进行检测；
[0033]异物区域判别模块，用于根据步骤S4的检测结果，去除可识别区域，剩余不一致区域判断为异物区域；
[0034]中央处理模块，用于向其他模块发出指令，完成相关动作；
[0035]所述输入模块、配准模块、寻找模块、非异物检测模块、异物区域判别模块均与所述中央处理模块电连接。
[0036]本专利技术相比现有技术具有以下优点：该基于图像配准和目标检测的变电站异物识别方法，先把出现的区域找出来，在区域内判断哪些不是异物，剩下的都是异物，不是异物的种类不多，样本也多，训练的非异物的目标检测模型效果较好；此外，对于检测出的非异物，经过人为再判断，过滤的非异物类别能迅速补充样本，来训练非异物的目标检测模型，整体方案也易于优化，值得被推广使用。
附图说明
[0037]图1是本专利技术实施例二中的整体流程示意图；
[0038]图2是本专利技术实施例二中存在平移的两幅图像配准效果示意图；
[0039]图3a是本专利技术实施例二中拍摄区域与匹配模板相同的正常图片；
[0040]图3b是本专利技术实施例二中的待检测图片；
[0041]图3c是本专利技术实施例二中找到的图3a与图3b中的不一致区域。
具体实施方式
[0042]下面对本专利技术的实施例作详细说明，本实施例在以本专利技术技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围不限于下述的实施例。
[0043]实施例一
[0044]本实施例提供一种技术方案：基于图像配准和目标检测的变电站异物识别方法，包括以下步骤：
[0045]S1：输入图像
[0046]输入待检测图像，同时输入与待检测图像对应的匹配模板图片；
[0047]S2：图像配准
[0048]对步骤S1中的待检测图像与模板图片进行图像配准处理；
[0049]S3：寻找不一致区域
[0050]采用SSIM图像比对法，计算待检图片与变换后的模板图片的相似性，找到两张图片的不一致区域；
[0051]S4：非异物目标检测
[0052]采用目标检测网络对待检测图片中的不一致区域进行检测；
[0053]S5：得到异物区域
[0054]根据步骤S4的检测结果，去除可识别区域，剩余不一致区域判断为异物区域。
[0055]在本实施例中，在所述步骤S1中，所述匹配模板图片为变电站正常运行时的图片，所述待检测图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于图像配准和目标检测的变电站异物识别方法，其特征在于，包括以下步骤：S1：输入图像输入待检测图像，同时输入与待检测图像对应的匹配模板图片；S2：图像配准对步骤S1中的待检测图像与匹配模板图片进行图像配准处理；S3：寻找不一致区域采用图像比对法，计算待检图片与变换后的模板图片的相似性，找到两张图片的不一致区域；S4：非异物目标检测采用目标检测网络对待检测图片中的不一致区域进行检测；S5：得到异物区域根据步骤S4的检测结果，去除可识别区域，剩余不一致区域判断为异物区域。2.根据权利要求1所述的基于图像配准和目标检测的变电站异物识别方法，其特征在于：在所述步骤S1中，所述匹配模板图片为变电站正常运行时的图片，所述待检测图片是拍摄区域与匹配模板图片相同的图片。3.根据权利要求1所述的基于图像配准和目标检测的变电站异物识别方法，其特征在于：所述步骤S2中的具体过程如下：S21：提取两幅图的关键点，然后提取关键点描述子；S22：从两幅图中提取两组关键点后，将两个图像中对应的关键点进行关联或匹配；S23：根据步骤S22得到的一组匹配点集，计算两个点集之间的最优变换矩阵；S24：使用最优变换矩阵，将匹配模板图片进行相似变换，变换后的匹配模板图片的关键点坐标与待检测图片中对应关键点坐标相同。4.根据权利要求3所述的基于图像配准和目标检测的变电站异物识别方法，其特征在于：在所述步骤S21中，关键点描述子为关键点的特征向量，表示关键点周围图像的信息，所述关键点是一类点的集合，表示图像中的点、线，边缘特征信息。5.根据权利要求3所述的基于图像配准和目标检测的变电站异物识别方法，其特征在于：在所述步骤S22中，具体计...

【专利技术属性】
技术研发人员：王晨，刘海峰，任广鑫，张明，
申请(专利权)人：合肥中科类脑智能技术有限公司，
类型：发明
国别省市：