（机械电子工程专业论文）有限状态设备的移动监视与识别方法的研究.pdf

浙江理工大学学位论文版权使用授权书 学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留 并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅或借阅。 本人授权浙江理工大学可以将本学位论文的全部或部分内容编入有关数据库进 行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 本学位论文属于 保密口，在 不保密囹 。 年解密后使用本版权书。 指导教师签名 日期：b k 年l f ，月切日日期：均l 口年f ，月切日 他加伽丁月 ， 孙争 签 年 者 ， 佑咖 文 谢州 t1手 学 日 有限状态设备的移动监视与识别 方法的研究 s t u d y o nm o b i l em o n i t o r i n ga n dr e c o n g n i z a t i o nm e t h o r do f f i n i t e s t a t ed e v i c e s 浙江理工大学硕士论文 摘要 在工业生产领域，为了保障安全生产，常对设备的运行状态进行监控，采用 较多的方法是将设备状态进行电量化后引入集控中心，由运行人员或计算机进行 状态分析判断。由于有些设备状态或缺陷无法进行电量化，且电量化设备( 如变 送器等) 的可靠性有待商榷，因此视觉监视仍有其不可替代的作用。随着社会经 济的发展，视频监控系统已经应用于生产和社会生活的诸多领域。 目前，视频监控大都采用定点监控的方式，对于所需监控设备非常多的场合， 如变电所内，这种定点监控方式成本高，安装工作量大，后期维护量大。采用移 动巡视的思想，将图像采集设备安装在移动机器上，沿规程规定的路径对设备进 行巡视和图像采集，并将设备图像发送回控制中心进行人工监视。这种移动监控 方式具有投资省，不需要对原结构进行改装，安装布线工作量少，后期维护工作 量小的优点，但信道传输压力大，人工监视工作量并没减少。 因此我们提出结合设备状态实时识别的方法，移动装置对设备图像在本地进 行分析和设备状态识别，仅将无法识别的状态图像发给主站进行人工判断，以减 轻信息通道的传输压力和人工分选的工作量。 由于设备种类繁多，设备大小、形状、色彩差异悬殊，本研究通过设备实时 图像与设备标准状态图像对比的方法实现多种设备的状态识别。该方法要求移动 装置巡视时所采集的设备实时图像与设备标准状态图像具有基本一致的视角和 大小，本研究采用在目标设备和部件附近设置辅助标志的方法达到这一要求，并 实现移动巡视中的目标定位，从而进一步实现设备状态的分析识别。本文主要研 究工作包括以下几个方面的内容： ( 1 ) 标志识别。本研究在目标设备和部件附近设置一个特殊的辅助标志， 标志的作用一是为了移动巡视中目标设备的搜索和定位，二是为了获取与标准状 态图像具有基本一致视角和大小的实时设备图像。本文提出了一种基于形心特征 的标志识别方法，通过对设备图像的一遍扫描形成连通域队列，通过对连通域的 两遍扫描形成标志域，分析形心特征内连通域的方位实现标志的识别。通过标志 的识别，可以得到标志域关键点、中心和各内连通域方位的相关信息，为标志线 浙江理工大学硕士论文 条的提取提供数据支持，标志线条的结果提取为后续工作中控制云台以及变焦控 制算法实现提供数据依据。 ( 2 ) 目标设备定位。本文首先对原有云台控制系统在水平、垂直步长和响 应速度这两方面进行改进。并利用前面工作中得到的标志线条数据结果作为控制 云台算法和变焦控制算法的依据，以此来控制云台和变焦。实现了基于标志的控 制云台算法和基于标志的变焦控制算法，达到的目标是得到与标准图像具有相近 视角和尺寸图像。 ( 3 ) 设备图像采集。为了采集清晰的设备状态图像，需要通过摄像头对焦 找到最佳的图像。因此，本文分析比较了频谱评价法、最小熵法、梯度评价法等 图像清晰度评价的优劣，采用了梯度评价方法作为评判标准，实现了一种基于二 分法的快速对焦算法。 ( 4 ) 设备有限状态识别方法研究。针对不同设备的特征状态，提取设备有 限状态的多维特征和分析有限状态的特征，并深入研究灰度识别法，特征匹配识 别法等方法，分别实现了基于灰度匹配识别法、色彩识别法和角点点识别法的单 个识别器，这三种识别器对不同的设备得到识别结果各不相同，为了提高设备识 别的准确率和稳定性，本文综合以上单个识别器的优点，提出了一种的投票机制 集成识别的方法。 关键词：设备；有限；状态；识别 i i 浙江理工大学硕士论文 a b s t r a c t i nm a n yi n d u s t r i a lf i e l d s ，t h ew o r k i n gs t a t eo fc h i e fd e v i c e sn e e dt ob em o m t o r e d f o rt h er e a s o no f s e c u r i t y u s u a l l y , t h eq u a n t i z a t i o np i c t u r eo f t h es t a t eo fd e v i c ei ss e n t t ot h ec e n t e ro fm o n i t o r i n g ，t h e no p e r a t o ro rc o m p u t e ra n a l y s ea n dj u d g et h es t a t eo f d e v i c e h o w e 册, s o m es t a t eo fd e v i c ei sn o tq u a n t i z e da n dt h es e c u r i t yo fs o w m e d e v i c ei sn o tp r e d i c t e d ，s ot h ef u n c t i o no fm o n i t o r i n gi sn o ts u b s t i t u t e d w i t ht h e d e v e l o p m e n to fe c o n o m ya n ds o c i t y , t h es y s t e mo fm o n i t o r i n gh a su s e dt om a n y f i e l d e si ns o c i t y n o w a d a y s ，m a n ym o n i t o r i n gs y s t e m sa r ef i x e d h o w e v e r , m a n yp l a c e sn e e d m o r em o n i t o r i n gs y s t e m ，s u c ha sp o w e rs u b s t a t i o n i fw eb u i l da n dm a i n t a i nt h e s e s y s t e m s ，i tw i l lc o s tb i gh u g ef u n da n dm a n u a ll a b o u r i fw eu s em o b i l em o n i t o r i n g s y s t e mt l l a ti n s t a l lt h ev i d e om o n i t o r i n go n t oah a n d c a r tc a l l e dm o b i l em o n i t o r i n g d e v i c e ( m m d ) m m dp a t r o le v e r yt a r g e td e v i c ea c c o r d i n gt ot h eo r d e r e dr o u t ea n d r e c o g n i z et h er e a l - t i m es t a t eo ft a r g e td e v i c e b yr e c o g n i z et h es i g na t t a c h e dt ot a r g e t d e v i c e ，m m dc a l lf r e dt h et a r g e td e v i c ea n ds e n dp i c t u r et oc e n t e ro fc o n t r o l l i n g c o m p a r et of i x i n gm o n i t o r i n gs y s t e m ，m m dh a ss o m ea d v a n t a g e s ：f i r s t , i th a sl e s s w o r k l o a d s e c o n d ， i tc o s ts m a l lf u n da n dm a n u a ll a b o u r b u tt h e r ea r es o m e d i s a d v a n t a g e si nt h i ss y s t e m f i r s t , t h e r ei sb i gc h a n n e lt r a n s m i s s i o np r e s s u r e s e c o n d ， i ts t i l ln e e d sm a n yh u m a n m o n i t o r i n gw o r k t h e r e f o r e ，t h i sp a p e rp r o p o s e da na p p r o a c ho fm o v i n gm o n i t o r i n ga n dr e a l - t i m e r e c o g n i t i o n m m i ) a n a l y s ea n dr e e o n g n i z ep i c t u r eo fd e v i c et h a ta r em o n i t o r e db y m m d s o m es t a t eo fd e v i c et h a ti sn o tq u a n t i z e dm u s tb ep a t r o l l e df o rt h en o r m a l w o r k i n gs t a t eb yo p e r a t o ri np e r s o n , s ot h a tc a l le a s eh u m a nw o r ka n dc h a n e l l t r a n s m i s s i o np r e s s u r e b e c a u s eh u n d r e d so fd e v i c et h a th a v ed i f f e r e n ts i z e 、s h a p ea n dc o l o rn e e dt ob e m o n i t o r e db ym m d t h i sp a p e rr e c o n g n i z e st h es t a t u so fd e v i c eb yj u d g i n gt h e s i m i l a r i t yb e t w e e nr e a l - t i m ei m a g ea n ds t a n d a r di m a g e t h i sm e t h o dr e q u i r e s i i i 浙江理工大学硕士论文 c a p t u r et h es a m es i z ea n dv i s u a la n g l eb e t w e e nr e a l t i m ei m a g ea n ds t a n d a r di m a g e t os o l v et h i sp r o b l e mt h i sp a p e ra d das p e c i a ls i g no nd e v i c e ，t h i ss i g na l s oi su s e dt o f i xp o s i t o n t h i sp a p e ru s e st h ea p p r o a c ht or e c o g n i z et h es t a t eo ft a r g e td e v i c e t h e m a i nr e s u l t so ft h i ss t u d yc a nb es u m m a r i z e da sf o l l o w s ： ( 1 ) a na p p r o a c hf o rr e c o g n i z i n gs y m b o l sb a s e do nt h ec h a r a c t e r i s t i c so f s y m b o l i ch e a r t - s h a p e dw a sp r o p o s e d , a f t e rs c a n n i n gt h ei m a g eo n c ea n dt h e c o n n e c t e d d o m a i nq u e u et w i c e ，t h es y m b o l d o m a i n sw a i t i n gf o rb e i n gi d e n t i f i e dc a l l b ee x t r a c t e d ，c o m b i n i n gw i t ht h en u m b e ra n dh e a r t - s h a p e dd i s t r i b u t i o nf e a t u r eo f c o n n e c t e d - d o m a i n si nt h es y m b o l d o m a i n s ，s y m b o l sc a nb er e c o g n i z e d ( 2 ) f o rc o l l e c t i n gc l e a ri m a g eo ft h es t a t eo fd e v i c e ，i tn e e d st of o c u sm o t o r o f c a m e r a s oa f t e rs t u d y i n go ns e v e r a lf o c u s i n ga l g o r i t h m ，t h i sp a p e rp r o p o s eaf a s t f o c u s i n ga l g o r i t h mb a s e do nd i c h o l o m y ( 3 ) s t u d yo na l g o r i t h mo fc o n t r o l l i n gp t s a n dc o n t r o l l i n gz o o m i n g c o n t r o l l i n g p t si san e c e s s a r yf a c t o ro fv i d e om o n i t o r i n g b u tt h ep r e v i o u sc o n t r o l l i n gp t s s y s t e mc a nn o ta c h i e v et ot h ec r i t e r i o n s ow em u s ti m p r o v et h ep e r f o r m a n c eo ft h e o l dp t s t h e n , u s i n gt h ei n f o r m a t i o no fs i g nt h a th a sb e e nr e c o g n i z e d ，t h i sp a p e r p r o p o s eaa l g o r i t h mo fc o n t r o l l i n gp t sb a s e do ns i g na n daa l g o r i t h mo fc o n t r o l l i n g z o o m i n gb a s e do ns i g n ( 4 ) s t u d yo nr e c o g n i t i o na l g o r i t h mo ff i n i t es t a t eo fd e v i c e b ys t u d yd e e p l yo n m a n yk i n d so fm e t h o d so fr e c o g n i t i o n ，t h i sp a p e ri m p l e m e n t ss e v e r a lr e c o g n i z e ro f f m i t es t a t eo fe q u i p m e n t a tl a s ti tp r o p o s e sam e t h o do fn o v e lr e c o g n i z e rb a s e do n v o t em e c h a n i s m k e y w o r d s ：d e v i c e ；f m i t e ；s t a t e ；r e c o g n i z e i v 浙江理工人学硕士论文 摘要 目录 a b s t r a c t i 第一章绪论8 1 1 研究背景及意义8 1 2 视频监控研究现状9 1 3 状态识别研究现状1 1 1 4 论文研究目标及内容1 4 1 4 1 研究目标1 4 1 4 2 主要难点和创新点15 1 4 3 研究方法和内容一l5 1 5 本章小结18 第二章标志识别方法研究 2 1 标志制定1 9 2 2 标志的识别一j 2 0 2 2 1 连通域提取2 0 2 2 2 连通域关联2 2 2 2 3 标志域关键点。2 3 2 2 4 标志域中心一2 4 2 2 5 各内连通域方位2 5 2 2 6 标志识别实验2 5 2 3 标志信息提取2 6 2 3 1 中心线提取流程2 6 2 3 2 形心提取与扩张2 7 2 3 3 中心线提取2 9 2 3 4 标志角点提取3 4 2 3 5 信息提取结果。3 5 2 4 本章小节3 6 第三章目标设备定位 v 3 7 浙江理工大学硕士论文 3 1 云台控制系统3 7 3 1 1 系统概述3 7 3 1 2 控制编码一3 8 3 2 控制系统改进4 0 3 3 基于标志的云台控制4 2 3 3 1 控制策略4 2 3 3 2 控制算法实现。4 3 3 3 3 控制实验及结果4 3 3 4 基于标志的变焦控制4 6 3 4 1 变焦控制策略4 6 3 4 2 算法实现一4 7 3 4 3 实验结果与分析4 8 3 5 目标设备定位实验4 9 3 6 本章小结5 0 第四章设备图像采集 5 1 4 1 图像采集系统：5 l 4 2 设备状态图像清晰度评价分析5 2 4 2 1 频谱评价法5 2 4 2 2 最小熵法5 4 4 2 - 3 梯度评价法。5 4 4 3 基于二分法的快速自动对焦算法5 6 4 4 快速自动对焦实验5 7 4 4 1 自动对焦实验一5 7 4 4 2 对焦速度分析6 2 4 5 本章小结：6 2 第五章状态识别方法研究 5 1 概述6 3 5 2 图像预处理6 5 5 3 多维特征提取6 7 v i 浙江理工大学硕士论文 5 4 特征分析7 1 5 5 灰度识别法7 3 5 6 特征识别法7 5 5 6 1 色彩特征识别法一7 5 5 6 2 角点特征识别法。7 8 5 7 本章小结8 5 第六章性能分析与集成识别法 6 1 灰度识别法分析8 6 6 2 色彩识别法分析8 7 6 3 角点提取法分析8 8 6 4 集成识别法8 9 6 5 本章小结9 0 第七章总结与展望9 1 7 1 总结9 1 7 2 展望9 1 参考文献 致谢 攻读硕士学位期问发表及录用的论文 附录1 云台控制过程图像及标志角点提取数据 附录2 设备有限状态识别结果数据( n = 2 3 5 ) 附录3 设备有限状态识别结果数据( n - - 2 0 0 ) v 9 3 9 7 9 8 1 0 3 1 0 7 浙江理工大学硕士论文 1 1 研究背景及意义 第一章绪论 随着电子技术、计算机技术和通信技术的发展，视频监控技术已广泛应用于 很多工业生产领域。美国的9 1 1 事件之后，人们更加关注自己生存环境的安全， 越来越重视突发灾害的预警与紧急应对措施的建立，迫切希望提高生产和生活管 理的智能化水平，视频监控系统作为主要的安全防范手段更是越来越受到人们的 重视。随着高度传染的s a r s 病毒的席卷全球，远程视频医疗和诊断技术的需求 也变得越发迫切，视频通信技术也成为了病毒横行之时的唯一安全的通信手段。 视频监控技术在这些强烈的需要下得到了长足的发展和广泛的应用。 目前，视频监控的应用范围已经囊括了安全防范、信息获取和指挥调度等多 个方面。其具体的应用领域有： 金融领域：银行营业大厅监控、金库的监控、自动存提款机监控等。 商业市场：商场的安防监控、大型超市的出入口监控、停车场、大型仓库的 监控管理等。 社区管理：居民住宅小区、写字楼的安全防范；智能大厦、无人值守的停车 场监控等。 电力电信领域：交换机房、动力机房等的远程视频监控，变电站、电厂等 的无人值守监控场所。 目前，监控系统几乎都是定点监控系统，但是，对于一些特殊的场所，需要 对成千上万个对象进行监控。如变电所，有着各种类型复杂、大小不一的电力设 备，这就需要安装大量监控设备，耗费更多的建设经费，而且，由于设备众多， 需要大量的安装、布线工作，维护也非常困难。 对此，移动监控不失为一种很好的思想：将监控设备安装在移动小车上，沿 预定的巡视路径移动小车对所有设备部件进行巡查，在每个应用场合只需一套这 样的移动监视装置就能完成对所有部件的监视工作。如果在小车上再配备红外探 测仪、烟感、温感等传感器，巡视设备将具有更完备的巡视能力。 单纯的移动巡视有其不尽人意之处，一是信道传输压力大，有赖于今后硬件 8 浙江理工大学硕士论文 条件的改善；二是人工监视工作量并没减少。移动装置本地对设备图像进行分析 和设备状态识别，仅将无法识别的状态图像发给主站进行人工判断，可减轻信息 通道的传输压力和人工分选的工作量，可用于很多无人值守监控的场合，在极大 减轻工作人员的巡视工作量和工作强度的同时，提高巡视的到位率和巡视质量， 保障安全生产，促进经济发展，因此移动巡视结合设备状态实时识别是非常有意 义的。 实际生产领域涉及的设备类型非常多，其大小、形状、色彩差异悬殊，如果 对每一种设备都开发一种识别算法，其工作量是非常可观的，本研究尝试采用一 种通用的算法来实现隔离开关、开关柜以及线路开关等多种设备的状态识别。另 外，很多设备的状态是有限的，如阀门只有闭与合，闸刀只有开和关2 种状态， 本研究的对象仅限于有限状态设备。 1 2 视频监控研究现状 视频监控系统发展至今，经历了模拟视频监控系统和数字视频监控系统1 】【2 】 两个阶段。 ( 1 ) 模拟视频监控系统 早在上世纪9 0 年代以前，主要是以模拟设备为主的监控系统，模拟视频监 控系统主要组成部分有摄像机、视频矩阵、监视器、录像机等。系统把来自摄像 机的模拟视频信号经过电缆传送到监视器上，并利用视频矩阵主机和键盘控制和 切换，用磁带录像机录制视频。此时利用视频电缆传输模拟图像信息。由于模拟 系统传输距离存在局限性，所以只能应用于一般小范围内的监控。 模拟监控系统存在很多局限性：例如，因为模拟视频信号依赖于电缆传输， 所以对距离十分敏感，监控的范围很小；由于没有网络支持，只能点对点的监控 现场；有线监控方式造成布线工作量繁重；另外，大量的数据存储耗费存储介质， 而且查证十分麻烦。尽管如此，由于成熟的技术和较低的成本等因素，到今天位 置仍然有很多场合采用此类系统。 ( 2 ) 数字视频监控系统 上世纪9 0 年代中期，数字技术已经占据主导地位，数字视频监控系统也逐 渐崛起。使得视频监控系统从采集、处理、存储、传输到显示视频图像都是数字 化。 9 浙江理工大学硕士论文 目前，数字视频监控系统主要分为两类，一类是基于数字录像设备的视频监 控系统，另一类是基于w e b 的嵌入式技术的视频监控系统，后者已经逐渐成为 了以后发展一种趋势【3 1 。 o 第一类数字视频监控系统是以数字录像设备为基础的视频监控系统。这类 视频监控系统虽然功能强大，但是也存在诸多缺点：例如，系统稳定性不够好， 系统构造复杂，而且耗费高，软件开发的相对封闭，传输距离也受到限制；另外， p c 机也需要专业人员负责管理，尤其是一些监控的盲点，这种监控方式缺陷暴 露无疑。 第二类数字视频监控系统是基于w e b 的视频嵌入式监控系统。目前，对于 性能较好的嵌入式系统可以做到集视频编码、网络通信、自动控制等于一体强大 功能的监控系统，并且提供网络视频传输和网络管理支持，使得监控范围达到前 所未有的广度【4 】。 由于这类系统可以与以太网直接相联，视频信号可以在网络上传播。监控距 离已再受限制，也省去了大量复杂的布线工作；软件的开放性也较好；图像信号 好而且具有良好的稳定性；数字化的视频数据可存储在移动硬盘或保存在光盘 中，不再担心存储容量问题。但是这类系统还是存在不少问题：例如，视频画质、 安全性能等都是需要进一步研究的问题。 从模拟监控系统到数字监控系统：从现场监控到先进的远程监控；从有人值 守监控到无人值守监控，视频监控技术走向网络化、移动化、智能化的趋势p 1 1 6 。 ( 1 ) 网络化 视频监控系统网络化将使整个网络系统的所有资源得到共享。这种资源的共 同享用，将促使监控系统多元化的设计。统一标准的监控网络系统具有众多优点。 然而，这种视频监控系统的网络化会存在一些不利的因素，例如监控系统会造成 隐私权的侵犯。 ( 2 ) 移动化 视频监控系统的移动化包括视频采集设备和图像监控设备两方面的可移动 性。具备移动功能的无线监控设备具有很多优点：例如可以远程作业，尤其条件 恶劣的环境领域有很大的实际应用价值。嵌入式系统的出现为移动监控终端提供 了一种可行有效的方案，其本身具有一定的计算存储能力，而且更加易于网络通 1 0 浙江理工大学硕士论文 信，这使得终端功能更加强大；由于嵌入式系统便携性，因此，使得监控终端变 得更加微型化。 ( 3 ) 智能化 随着人工智能技术的发展，很多领域都受益于其成果，与视频技术结合也成 为了视频监控的一个发展趋势。例如，车牌的自动识别，人脸的识别；自动跟踪 技术就是摄像镜头跟踪移动目标，对移动目标进行实时监控与识别的过程。这类 智能化工作方式拥有很大的实际价值。 1 3 状态识别研究现状 计算机视觉又称为机器视觉、图像分析和理解川。通常定义为“根据获得的 图像理解景物信息的处理过程 。计算机视觉技术主要是利用计算机提供的方法 去完成对图像信息处理的过程。 计算机视觉是在上世纪中期从统计模式识别开始的，当时的研究主要体现在 平面图像的分析和识别上，到了6 0 年代，r o b e r t s ( 1 9 6 5 ) 通过计算机程序三维 图像进行分析与识别，并对拍摄的物体形状及空间关系进行描述。到了7 0 年代， 开始出现了一些计算机视觉应用系统。计算机视觉真正走向实际应用的阶段是从 八十年代开始，而随着计算机工业水平的迅速提高以及人工智能、多并行处理和 神经元网络等学科的发展，更加快了计算机视觉系统的实用化的步伐。 计算机视觉技术广泛地应用于社会方方面面。可以说，需要人类视觉的地方 几乎都需要计算机视觉。尤其是那些人类视觉无法感知的场合，例如精确定量感 知、危险场景感知、不可见物体感知等，计算机视觉更突显其优越性。 在移动巡视中对设备状态的识别，通常是在目标设备附近设置一个特殊的辅 助标志，通过标志的识别找到目标设备，然后进一步识别目标设备的状态。因此， 目标设备状态识别有赖于标志的识别。 目前，标志的识别通常是采用图像处理和计算机视觉技术。标志识别的应用 很多，在交通运输领域的研究领域，交通标志的识别也是热点之一。概括地说， 道路边界及车道标识识别方法基本上可归结为两大类方法。一类为基于特征的识 别方法，另一类为基于模型的识别方法。 e l i s a b e t ha g r e n 8 1 利用车道标识与车道部分的亮度值差异特性来进行车道标 识识别，其识别过程分为以下3 步：( 1 ) 预处理：先利用低通滤波器维纳滤波器 浙江理工大学硕士论文 ( w i e n rf i l t e r ) 进行滤波，然后利用非线性滤波器中值滤波( m e d i a nf i l t e r ) 进行 滤波；( 2 ) h o u g h 变换检测道路标识线；( 3 ) 道路标识跟踪：初始化感兴趣区域 ( 1 的i ) 为图像下半部分，一旦用前面的步骤检测道路标识，则其位置就确定了 下一帧图像中r o i 的位置，同时，为了减少不必要的计算，算法将利用图像的 灰度信息将不含可见道路标识的图像帧抛弃。， 周欣，黄席樾等 9 1 提出了一种基于单目视觉的车道标识线二维重建方法，其 基本思想是根据分道线灰度与几何特征建立约束方程，进而跟踪提取分道线，并 用二维模型重建。为了突出特征和提高实时性，该方法仅对车道标识线的边缘进 行处理。车道分界线提取用一般的算法进行边缘提取，并通过判断其连通性和形 状来得到最终标识线；在重建标识线二维模型时，通过判断车道的大致形态，然 后用h o u g h 变换的直线模型进行直道重建，用双曲线模型来进行弯道二维重建。 与标志识别方法不同，一般设备状态的识别过程相对复杂。由于设备运行情 况对生活生产有着举足轻重的作用，今年来，出现很多关于设备状态识别的研究。 张永合，程健1 1o 】提出一种利用计算机视觉来识别圆形指示灯状态以此获取 相关监控信息的方法。方法首先对含有圆形指示灯的图像进行图像预处理，提取 图像的边缘信息，检测圆形指示灯的数目及各个圆心位置，然后统计各个圆心区 域像素点在h i s 颜色空间的亮度和色调信息，最后利用统计值来识别指示灯的 状态。曾庆虎等【l l 】人提出了基于核主元分析( k p c a ) 多通道特征信息融合的隐 半马尔科夫模型( h s m m ) 设备退化状态识别的新方法。首先，对采集的单通道 振动信号进行小波相关滤波处理，构造单通道振动信号的小波相关特征尺度熵向 量；然后，利用k p c a 方法对多通道的小波相关特征尺度熵向量进行冗余消除 和特征融合；得到多通道的融合小波相关特征尺度熵向量；并以此融合特征向量 作为h s m m 的输入进行训练，建立基于h s m m 的设备运行状态分类器，从而 实现设备退化的识别。张蕾等1 1 2 】人提出了基于a r 时序模型的方法和基于c m a c 神经网络的方法，对设备的退化状态进行识别。并且以旋转为例，对几种程度不 同的不平衡状态进行了识别。 利用计算机视觉技术对设备状态进行识别，一般是通过比对的方法来实现， 即：截取设备运行状态的实时图，然后与标准状态图加以对比，从而判断出设备 运行的状态。这种识别目标方法已在很多领域得以应用，如： 1 2 浙江理工大学硕士论文 l 、计算机视觉技术在智能交通系统中的应用 郁梅等提出了一种基于背景差的车辆检测算法，在灰度图像序列中对六 条车道同时进行监测，以统计各车道的车流量，并按大中小三种车型对过往车辆 进行车型识别。 王命延，朱明峰等【1 4 】针对通过视频监测机动车行驶速度方法精度低、易受 阴影干扰和无法对多辆机动车同时测速的问题，介绍了一种基于机动车视频测速 模型检测机动车行驶速度的新方法。基于该测速模型实现的机动车视频测速系统 取得了令人满意的测速效果，在一定条件下其视频测速精度可达9 8 3 3 。 魏武，张起森等【1 5 1 提出了一种基于计算机视觉和图像处理的车流量检测方 法，通过分析c c d ，r v 摄像机获取的图像中车辆和场景信息来有效地检测交通 参数，该方法可以完成双向四车道高速公路和城市道路的车辆计数和车辆速度检 测。 曹江中，戴青云等采用一种基于像素的新方法来更新背景，同时将工作区域 分为车辆检测和车辆跟踪两个部分，在车辆检测区建立跟踪对象，在车辆跟踪区 仅对跟踪对象进行预测跟踪，从而减少跟踪的盲目性和算法的计算量，提高算法 精度。根据该算法设计的视频检测器己用于实际交通参数的采集，统计的结果表 明该算法检测和跟踪的正确率分别高于9 6 和9 7 ，并具有很好的实时性，能 满足管理部门的需求。 佟守愚，程三伟掣1 6 j 针对高速公路上车辆违章超速行为，给出了一种基于 虚拟视频检测线的车辆速度检测与违章超速行为判定的实用算法。对影响该算法 精度的各种影响因素进行了详细的分析，特别是针对检测线的数量与间距设置、 图像采集卡的采集频率等对算法的影响进行了细致的讨论，并给出了算法条件 下，所能检测的最高理论车速。对在应用中可能存在的漏检、误检情况，提出了 解决办法。通过实验验证了该算法具有良好的适应性和较高的检测率。 2 、在电力系统自动化中的应用 目前，计算机视觉技术在电力系统中的应用，应该是对当前的遥视系统软件 上的改进，在硬件设备方面基本上不需做大的改变，在遥视系统软件中增加图像 识别功能，同时输出图像识别的结果至控制系统，就可以使遥视系统达到一定的 视觉智能化。值得关注的问题，一个问题是图像识别的实时性问题，这有待于算 1 3 浙江理工大学硕士论文 法效率的提高和硬件功能的增强；另一个问题是由于图像种类很多，识别方法不 尽相同，能否尽量做到识别的通用性。 文献【1 刀介绍了一种基于因特网传输方案的变电站遥视系统。文献实现了 一个比较完善的变电站遥视警戒系统，利用一体化球形摄像机进行大面积的监 视，可以快速调出现场画面，并结合多种传感器信号与视频信号进行分析，以组 成双重遥视警戒系统，而目可以依靠软件升级来满足新的需求，给计算机视觉技 术的应用提供了很好的前提条件。 鲁守银等【1 9 1 介绍了一种基于移动机器人的变电站设备巡检系统，如图1 1 所 示。该系统能够以自主或遥控的方式，在无人值守或少值守的变电站对室外高压 设备进行巡检，该巡检机器人搭载了c c d 摄像机、远程红外热成像摄像机和高 性能定向传声器( m i c ) 等传感器的变电站设备的图像巡检等装备，具有较强的 视频巡视能力，该机器人系统的非接触式移动检测与变电站综合自动化的接触式 监控结合，可形成全监控方式，大大提高变电站设备运行的安全可靠性。 图1 1 变电站设备巡视智能移动机器人 电气设备正在从现行的计划检修向状态检修转变。在线状态监测是状态检修 的基础，同时，现阶段的应用证明了电力设备的红外图像故障检测是进行在线监 测较为成功的方法1 2 0 1 ，计算机视觉技术在这方面的应用主要就是应用于电力设 备的红外图像识别。 1 4 论文研究目标及内容 1 4 1 研究目标 针对目前定点视频监控系统的不足，基于移动巡视的思想，本文提出一种通 用的设备状态分析算法，实现多种有限状态设备的状态自动识别。 1 4 浙江理工大学硕士论文 1 4 2 主要难点和创新点 本研究的主要难点在于： l 、实现生产中使用的设备种类繁多，其大小、形状、色彩差异悬殊，如对 每一种设备都设计特定的识别方法，研究工作量是非常巨大的。本研究尝试采用 设备的实时状态图与标准图像比对的办法，实现一种适用于多种有限状态设备的 状态识别方法。 2 、采用设备的实时状态图与标准图像比对的方法，要求移动装置巡视时所 采集的设备实时图像与设备标准状态图像具有基本一致的视角和大小。如何在移 动巡视中，实现目标设备的捕捉，移动装置的定位，并采集到视角和大小基本一 致的图像，是本研究的另一重点。 本研究的主要创新点归结为采用设备的实时状态图与标准图像比对的办法， 尝试实现一种适用于多种有限状态设备的状态识别方法。 1 4 3 研究方法和内容 针对研究目标，本研究提出了对设备加标志的方法，通过对标志的搜寻，实 现目标设备的捕捉；并通过对标志信息的提取，分析移动装置的定位准确性，并 采集实时设备状态图像；通过采集图像与设备标准图像的比对，进行识别设备状 态的分析判断。系统原理图如图1 2 下： 1 5 浙江理工人学硕士论文 图1 2 移动监视识别系统原理图 移动监视系统装置如图1 3 所示，其各部分组成如下： 摄像机：用于采集设备有限状态的实时图像。图1 3 所示实验平台中采用的 是红外彩色一体化( 变焦) 摄像机，分辨率为7 8 0 5 7 6 。 云台：用于控制摄像机上下和左右的转动，图1 3 所示装置采用的是室外全 方位电动云台，转动角度为：水平0 。3 5 0 。，垂直3 5 。，旋转速度为：水平9 。秒、 垂直1 秒。 图像采集盒：实现将剧儿制式模拟视频信号实时采集并压缩成标准j p e g 格式的图像文件。图1 3 所示装置中所采用维视m v - u 2 0 0 0 外置图像采集盒。图 像显示采集分辨率为7 6 8 5 7 6 。 解码器：用于解析控制指令从而控制云台及摄像机变焦、对焦。图1 3 所示 装置采用的是数字控制解码器，通信控制方式为：r s - 4 8 6 半双工总线 2 4 0 0 1 9 2 0 0 b i | so 计算机系统：用于运行监控以及识别设备状态程序。图1 3 所示装置中采用 1 6 浙江理工大学硕士论文 的计算机是c p u 为2 5 6 m 内存、p 4 m 2 2 g 、3 0 g 硬盘，工作在w i n d o w sx p p r o f e s s i o n a l 2 0 0 2 操作系统下。 图1 3 移动监视系统装置 本研究的研究内容有： ( 1 ) 标志识别方法研究。本文提出一种基于标志特征的识别方法，该方法 首先提取图像中各连通域，并将其关联成区域，然后根据区域内各连通成分分布 的特征进行标志识别，通过标志的识别，可以得到标志域关键点、中心和各内连 通域方位的相关信息，为标志线条的提取提供数据支持，标志线条的结果提取为 后续工作中云台控制以及变焦控制算法实现提供数据依据。 ( 2 ) 目标设备定位。通过对云台控制系统的研究，对原有的云台系统做了 针对性改进，提高了云台的性能，利用标志识别结果实现了基于标志的云台控制 算法和基于标志的变焦控制算法。得到与标准图像视角大小基本一致的实时设备 状态图。 ( 3 ) 设备图像采集。为了采集清晰的设备状态图像，需要通过摄像头对焦 找到最佳的图像。因此，本文分析比较了频谱评价法、最小熵法、梯度评价法等 图像清晰度评价的优劣，采用了梯度评价方法作为评判标准，实现了一种基于二 分法的快速对焦算法。 ， ( 4 ) 设备有限状态识别方法研究。针对不同设备的特