本發明屬于變電站圖像智能分析領域及變電站設備狀態在線監測領域，涉及圖像處理和計算機等技術，特別是涉及一種通過自動搜索并識別開關柜監控視頻中二維碼來自動識別開關柜設備的方法。

背景技術：

變電站的視頻監控技術為遠程監控變電站開關柜等設備的可視化提供了技術手段，為變電站調度運行提供了可視化監控及輔助決策依據。

隨著視頻監控的網絡化、高清化、智能化技術的不斷發展，視頻監控技術在電網安全、生產運行中的應用不斷深入和廣泛，傳統方式所采用的視頻監控技術為電網設備遠程監控提供遠程可視化的監控手段，為遠程確認設備實際的狀態與監控數據顯示狀態是否一致，提供了可靠和有效的確認手段，為準確做出決策提供了依據。

然而，由于變電站開關柜室內開關柜數量眾多、且擺放密集，對于每個開關柜設備的查看，都要事先通過人工設置預置位的方式，若開關柜位置變更，還需重新設置視頻設備的預置位信息，浪費了人力資源。因此，如何提高視頻監控技術在電網智能化監控技術中的應用，將對電網智能化水平的提升起到促進作用。同時，將為電網設備的智能化監控、智能化巡視提供技術手段。

隨著二維碼技術的不斷發展，通過識別粘貼在開關柜上的二維碼來自動識別開關柜信息將大大降低人工成本。二維碼具有信息容量大、錯誤糾正能力強、譯碼可靠性高、成本低等特點，將二維碼應用于開關柜的自動識別，不僅降低了人工成本，更增強了電網智能化水平，對電網智能化水平的發展和提高具有一定的促進作用。由于變電站設備場景的復雜性，如果有效實現對變電站開關柜設備的識別將是該技術的核心研究內容。

目前，對于開關柜的識別，普遍采用的技術方法為模板匹配技術和基于機器學習算法的視頻智能識別技術。基于模板匹配技術的方法，主要通過收集指定設備的圖片，并構建設備對象的特征模型，基于變電站視頻監控系統的實時視頻數據，采用實時監控的對象特征和已構建的設備對象的特征模型之間進行對比匹配，從而判斷出監控對象的設備類型；基于機器學習算法的視頻智能識別技術，主要通過收集大量的設備樣本數據，通過機器學習算法，形成設備模型數據，基于設備模型數據，再通過實時視頻數據對圖像中的設備對象進行識別，識別出設備類型后，根據設備在平面結構中所處的位置，結合變電站一次設備安裝結構圖，從而判斷出設備名稱。上述兩種已有技術方法，主要是完全采用視頻智能分析技術，而不借助于其他技術手段，通過機器自動對設備對象進行識別。

針對上述對各現有技術方案的技術分析，采用基于模板匹配技術的方法，需要先構建開關柜設備對象的特征模型，由于變電站視頻監控設備所拍攝的角度不同、設備之間的遮擋情況很多、天氣影響較大、攝像機清晰度不同、光照條件不同等各種因數，導致所構建的開關柜特征模型很難在實際應用中進行匹配，僅能夠用于在實驗室測試和驗證中，實際應用意義不大。采用基于機器學習算法的視頻智能識別技術，需要取決于收集大量的開關柜設備模型樣本，所收集的模型樣本全面性和準確性，將直接影響機器學習所構建的設備模型的準確性，進一步將影響視頻識別的準確性，工作量大，需要不斷優化和調整樣本庫和機器學習算法，且由于變電站視頻監控的場景中通常包含了眾多設備，將在很大程度上影響視頻識別的準確性和可靠性，同時，采用上述兩種方法都是只能識別開關柜設備類型，而無法具體識別開關柜設備名稱，很難滿足生產運行中需要進行開關柜設備狀態的識別。

傳統的通過人工設置預置位的方法來識別開關柜，每次開關柜位置變更時都需要重新設置預置位，浪費了人力資源。同時，僅通過視頻監控開關柜，無法獲知開關柜的詳細信息，如開關柜名稱、型號等。由于變電站內開關柜數量較大，設備電壓等級不同，雖然有監控，仍需人工確認開關柜具體信息，因此，傳統的監控系統對識別開關柜的作用非常小。

技術實現要素：

發明目的：本發明所要解決的技術問題是針對現有技術的不足，提供一種基于二維碼的變電站開關柜設備對象自動識別方法。

為了解決上述技術問題，本發明提供的基于二維碼的變電站開關柜設備對象自動識別方法，包括圖片獲取及初始化處理、定位圖片中二維碼標簽所在區域、通過圖像平面校正將形變的二維碼圖像轉化為標準二維碼圖像和二維碼信息讀取和開關柜設備對象識別，該方法包括步驟如下：

S1：圖片獲取及初始化處理；

S2：定位圖片中二維碼標簽所在區域；

S3：通過圖像平面校正將形變的二維碼圖像轉化為標準二維碼圖像；

S4：二維碼信息讀取和開關柜設備對象識別。

其中，圖片獲取及初始化處理具體步驟如下：

S11：通過廠家SDK獲取變電站視頻監控系統的實時視頻數據；

S12：獲取實時視頻中的某一幀，用于后續檢測；

S13：幀圖像處理，并裁剪邊緣；

S14：對裁剪后的圖片進行灰度處理，轉換為灰度圖片。

其中，定位圖片中二維碼標簽所在區域具體步驟如下：

S21：使用Scharr操作(指定使用ksize＝-1)構造灰度圖在水平和豎直方向上的梯度幅值表示；

S22：Scharr操作后，從x的梯度減去y的梯度；

S23：對上述的梯度圖采用用9x9的核進行平均模糊，進行二值化處理；

S24：使用cv2.getStructuringElement構造一個長方形內核。這個內核的寬度大于長度，消除二維碼中的縫隙。然后，使用腐蝕和膨脹來處理模糊和二值化后的圖像，來去除白色的斑點；

S25：查找最大輪廓，確定二維碼區域。

其中，通過圖像平面校正將形變的二維碼圖像轉化為標準二維碼圖像具體步驟如下：

S31：在查找到的二維碼區域中使用霍夫變換尋找直線；

S32：使用角點檢測算法尋找二維碼區域內的角點；

S33：采用仿射變換校正二維碼圖像。

其中，二維碼信息讀取和開關柜設備對象識別具體步驟如下：

S41：對于校正后的二維碼圖像，使用zxing開源庫對標準二維碼圖像進行識別，得到設備具體信息；

S42：根據識別的二維碼信息，獲得開關柜設備信息；

S43:保存視頻位置信息。

本發明的方法，具備對視頻圖像中所監控的開關柜，采用通過識別粘貼在開關柜上的二維碼自動識別開關柜的能力。傳統的通過人工設置預置位的方法來識別開關柜，每次開關柜位置變更時都需要重新設置預置位，浪費了人力資源。同時，僅通過視頻監控開關柜，無法獲知開關柜的詳細信息，如開關柜名稱、型號等。由于變電站內開關柜數量較大，設備電壓等級不同，雖然有監控，仍需人工確認開關柜具體信息，因此，傳統的監控系統對識別開關柜的作用非常小。

本發明中的一種基于二維碼的變電站開關柜設備對象自動識別方法，基于二維碼技術、圖像識別技術，能夠準確且自動查找開關柜對象及獲取設備名稱，同時，無需提前構建設備模型和樣本庫，無需人工配置，且由于二維碼標簽的可識別率高，受外界影響性較小，能夠很好地保證識別的準確性和可靠性，且根據二維碼標簽中所包含的設備信息，能夠方便地判斷出所監控的設備對象類型和名稱，同時，該技術能夠很方便地進行應用和推廣，不受變電站規模和電壓等級的影響。

本發明通過粘貼在開關柜上的二維碼來識別開關柜設備信息，具有全面性、準備性、智能化等特點。二維碼具有信息容量大、錯誤糾正能力強、譯碼可靠性高、成本低等特點，將二維碼應用于開關柜的自動識別，不僅降低了人工成本，更增強了電網智能化水平，對電網智能化水平的發展和提高具有一定的促進作用。

本發明的方法易于實現和應用，主要可以應用于電網智能化設備狀態巡視、設備告警聯動等電網生產運行智能化遠程監控中，對電網智能化水平的發展和提高具有一定的促進作用。

附圖說明

下面結合附圖和具體實施方式對本發明做更進一步的具體說明，本發明的上述優點將會變得更加清楚。

圖1為本發明的流程框圖。

具體實施方式

下面結合附圖詳細說明本發明技術方法中所涉及的各個細節問題。應指出的是，所描述的實施例僅旨在便于對本發明的理解，而對其不起任何限定作用。

圖1所示為基于二維碼的變電站開關柜設備對象自動識別方法的流程框圖，本方法分為圖片獲取及初始化處理、定位圖片中二維碼標簽所在區域、通過圖像平面校正將形變的二維碼圖像轉化為標準二維碼圖像、二維碼信息讀取和開關柜設備對象識別四個過程。

所述的圖片獲取及初始化處理包括步驟：通過廠家SDK獲取變電站視頻監控系統的實時視頻數據；獲取實時視頻中的某一幀，用于后續檢測；幀圖像處理，并裁剪邊緣；對裁剪后的圖片進行灰度處理，轉換為灰度圖片。

所述的定位圖片中二維碼標簽所在區域包括步驟：使用Scharr操作構造灰度圖在水平和豎直方向上的梯度幅值表示，Scharr操作后，從x的梯度減去y的梯度，對上述的梯度圖進行平均模糊、二值化處理，構造一個長方形內核，這個內核的寬度大于長度，消除二維碼中的縫隙。然后，使用腐蝕和膨脹來處理模糊和二值化后的圖像，來去除白色的斑點，最后查找最大輪廓，確定二維碼區域。

所述的通過圖像平面校正將形變的二維碼圖像轉化為標準二維碼圖像包括步驟：在查找到的二維碼區域中使用霍夫變換尋找直線。使用角點檢測算法尋找二維碼區域內的角點，采用仿射變換校正二維碼圖像。

所述的二維碼信息讀取和開關柜設備對象識別包括步驟：對于校正后的二維碼圖像，使用zxing開源庫對標準二維碼圖像進行識別，得到設備具體信息。根據識別的二維碼信息，獲得開關柜設備信息。

本發明的方法需要的硬件最低配置為：P4、3.0G CPU、512M內存的PC機，在此配置水平的硬件上，采用C/C++語言編程實現本方法。操作系統可基于Windows或Linux的各類操作系統。下面對本發明的方法設計的關鍵步驟進行逐一詳細說明，本發明的方法中的基本步驟相同，具體形式如下所述：

首先，是圖片獲取及初始化處理：

(1)通過廠家SDK實時獲取變電站攝像機的實時視頻數據；

(2)在獲取到實時數據時間間隔5秒后，從實時數據中獲取一幀圖片數據，采用5秒后再截取圖片數據的原因主要為：由于變電站與遠端之間的網絡帶寬有限，若獲取到視頻后直接截圖圖片，可能會出現圖片截取失敗或截取的圖片存在異常等原因；

(3)在截取完圖片后，檢查圖片是否正常，如果圖片存在異常，則重新獲取圖片，獲取圖片成功后，保存圖片數據為OrgImg；

(4)通常此時獲取的圖片格式為YUV格式，為了便于后續的圖像分析，將該圖片進行格式轉換，轉換為RGB圖片格式，轉換后的圖片數據為OrgImg_RGB[]；

(5)后續圖像處理主要是根據灰度圖像的處理，因此，需要將RGB格式轉換為灰度格式，根據RGB轉灰度公式：Gray＝R*0.299+G*0.587+B*0.114，從而將OrgImg_RGB[]計算得到對應的灰度圖片數據：gray[]；

(6)由于實際圖片中左上角或右上角、左下角或右下角通常均包含一些文字信息，避免文字信息對監測的影響，假設圖片橫坐標為0<x<W1，圖片縱坐標為0<y<H1，其中的H1表示圖片的高度，W1表示圖片的寬度，將圖片橫坐標截取為W1/8<x<7*W1/8，將圖片縱坐標截取為H1/8<y<7*H1/8，得到灰度圖片矩陣Mat_Gray[]，新的灰度圖片的寬度為W2，高度為H2。

其次，定位圖片中二維碼標簽所在區域：

(1)使用Scharr操作構造灰度圖在水平和豎直方向上的梯度幅值表示。

(2)Scharr操作后，從x的梯度減去y的梯度。

gradient＝cv2.subtract(gradX,gradY)；

gradient＝cv2.convertScaleAbs(gradient)；

其中，gradX、gradY分別為使用Scharr操作構造的水平方向和豎直方向的梯度圖。gradient為相減后的梯度圖。

(3)對上述的梯度圖采用用9x9的核進行平均模糊。

(4)然后對平均模糊后的圖像進行二值化處理。

(5)上面的操作后發現有一些縫隙，并使算法能檢測到斑點區域，進行一些基本的形態學操作，首先使用cv2.getStructuringElement構造一個長方形內核。這個內核的寬度大于長度，因此我們可以消除縫隙。這里進行形態學操作，將上一步得到的內核應用到的二值圖中，以此來消除縫隙。

kernel＝cv2.getStructuringElement(cv2.MORPH_RECT,(21,7))；

closed＝cv2.morphologyEx(thresh,cv2.MORPH_CLOSE,kernel)；

其中，kernel為構造的長方形內核，closed為進行形態學操作后的圖像。

(6)使用opencv里面的腐蝕和膨脹來處理他們，來去除白色的斑點

(7)接下來尋找輪廓

cv2.findContours(closed.copy(),cv2.RETR_EXTERNAL,

cv2.CHAIN_APPROX_SIMPLE)；

(8)給最大的輪廓找到邊框，即為二維碼標簽區域。

再次，通過圖像平面校正將形變的二維碼圖像轉化為標準二維碼圖像：

(1)將上述二值化的二維碼圖像進行腐蝕操作，找到形態學邊界，

erode(image,image1,element)；

image1＝image-image1；

(2)對處理后的圖像使用霍夫變換進行尋找直線操作。

vector<Vec2f>lines；

HoughLines(image1,lines,1,CV_PI/150,250,0,0)；

(3)角點定位。

Mat DrawLine＝Mat::zeros(image1.size(),CV_8UC1)；

goodFeaturesToTrack(DrawLine,corners,4,0.1,10,Mat())；

(4)仿射變換，獲得校正的二維碼圖像。

Mat elementTransf；

elementTransf＝getAffineTransform(P1,P2)；

warpAffine(imageSource,imageSource,elementTransf,imageSource.size(),1,0,Scalar(255))；

其中，getAffineTransform用于生成仿射變換矩陣。

warpAffine用于旋轉圖像。

P1為角點檢測的四個角點，P2為校正后的四個角點。

imageSource為形變的原二維碼圖像。

最后，二維碼信息讀取和開關柜設備對象識別：

(1)對于校正后的二維碼圖像，使用zxing開源庫對標準二維碼圖像進行識別，得到設備具體信息。

(2)根據識別的二維碼信息，獲得開關柜設備信息。

(3)保存視頻位置信息。

總之，本發明提出了一種基于二維碼的變電站開關柜設備對象自動識別方法的流程框圖。通過在電力系統中實際的現場視頻圖片進行了大量的實驗驗證了本發明的有效性和穩定性。本發明易于實現，且性能穩定可靠。本發明有效實現了通過識別粘貼在開關柜上的二維碼自動識別開關柜。變電站開關柜的圖像識別對于電網智能化設備狀態巡視、設備告警聯動等電網生產運行監控具有重要意義，對電網智能化水平的發展和提高具有一定的促進作用。

以上所述，僅為本發明中的具體實施方式，但本發明的保護范圍并不局限于此，任何熟悉該技術的人在本發明所揭露的技術范圍內，可理解想到的變換或替換，都應涵蓋在本發明的包含范圍內，因此，本發明的保護范圍應該以權利要求書的保護范圍為準。