[go: up one dir, main page]

CN112634179B - 一种防摄像头抖动的变电设备图像变化检测方法和系统 - Google Patents

一种防摄像头抖动的变电设备图像变化检测方法和系统 Download PDF

Info

Publication number
CN112634179B
CN112634179B CN202110048405.2A CN202110048405A CN112634179B CN 112634179 B CN112634179 B CN 112634179B CN 202110048405 A CN202110048405 A CN 202110048405A CN 112634179 B CN112634179 B CN 112634179B
Authority
CN
China
Prior art keywords
image
detected
target template
template image
channel
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110048405.2A
Other languages
English (en)
Other versions
CN112634179A (zh
Inventor
刘刚
徐延明
魏娇龙
张利强
李恒
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Sifang Automation Co Ltd
Beijing Sifang Engineering Co Ltd
Original Assignee
Beijing Sifang Automation Co Ltd
Beijing Sifang Engineering Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Sifang Automation Co Ltd, Beijing Sifang Engineering Co Ltd filed Critical Beijing Sifang Automation Co Ltd
Priority to CN202110048405.2A priority Critical patent/CN112634179B/zh
Publication of CN112634179A publication Critical patent/CN112634179A/zh
Application granted granted Critical
Publication of CN112634179B publication Critical patent/CN112634179B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/02—Affine transformations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了一种防摄像头抖动的变电设备图像变化检测方法和系统，所述方法包括：采集模板图像；获取待测图像并判断待测图像的图像类别；获取与待测图像类别相同的模板图像，作为目标模板图像；利用目标模板图像对待测图像进行图像矫正；创建一个新的三通道RGB图像，存放待测图像与目标模板图像的不同；提取新建三通道RGB图像中待测图像与目标模板图像中不同的部分；对提取出的待测图像与目标模板图像中不同的部分进行筛选；标定所有筛选后的不同部分的并集。本申请简化了实际施工步骤，可有效防止镜头抖动带来的识别结果的干扰；不需要大量的训练样本即可实现对变电设备图像变化的检测，对于摄像头抖动具有鲁棒性。

Description

一种防摄像头抖动的变电设备图像变化检测方法和系统
技术领域
本发明属于变电站巡检技术领域，涉及一种防摄像头抖动的变电设备图像变化检测方法和系统。
背景技术
随着图像技术在电力系统中的广泛应用，利用图像技术识别电力设备状态，可以实时监测设备状态，及时发现设备的异常现象，对电力系统的安全稳定运行具有十分重要的意义。
现有技术对图像变换检测有如下两种方法：
(1)采用深度学习的方法，该方法需要大量的训练样本训练出深度学习参数模型。由于电力系统中设备的种类很多，很难获得较全面的大量训练样本，这限制了深度学习方法的实际应用；
(2)采用传统图像识别技术，该方法可应用于图像变换检测，但需要采集白天和晚上的模板图，工程化需要开发配置工具。
发明内容
为解决现有技术中的不足，本申请提供一种防摄像头抖动的变电设备图像变化检测方法和系统，实现了变电设备图像变化的自动检测，对于摄像头抖动具有鲁棒性。
为了实现上述目标，本发明采用如下技术方案：
一种防摄像头抖动的变电设备图像变化检测方法，其特征在于：
所述方法包括以下步骤：
步骤1：采集变电站所有巡检点位的图像作为模板图像，所述模板图像包括可见光图像和红外图像；
步骤2：获取待测图像并根据平均灰度值判断待测图像的图像类别，所述图像类别包括可见光图像和红外图像；
步骤3：获取待测图像同一巡检点位与待测图像类别相同的模板图像，作为目标模板图像；
步骤4：利用目标模板图像对待测图像进行图像矫正，即计算待测图像与目标模板图像的偏移，完成校准对齐；
步骤5：创建一个新的三通道RGB图像，用于存放待测图像与目标模板图像的不同；
步骤6：提取新建三通道RGB图像中的红色和绿色部分，红色和绿色部分即为待测图像与目标模板图像中不同的部分，得到存放待测图像与目标模板图像相比异常位置的二值图；
步骤7：对提取出的待测图像与目标模板图像中不同的部分进行筛选；
步骤8：使用矩形框标定所有筛选后的不同部分的并集，输出变电设备图像变化检测结果。
本发明进一步包括以下优选方案：
优选地，步骤2包括以下步骤：
步骤201：将彩色待测图像转化为灰度图像；
步骤202：计算待测图像平均灰度值，若待测图像平均灰度值大于平均灰度值阈值，则待测图像为可见光图像，否则为红外图像；
所述平均灰度值阈值根据图像数据库中的可见光图像和红外图像的平均灰度值选定。
优选地，步骤4包括以下步骤：
步骤401：分别计算待测图像和目标模板图像的SIFT特征点；
步骤402：将待测图像和目标模板图像的SIFT特征点分别转化为描述矩阵后进行Flann特征匹配；
步骤403：对步骤402特征匹配形成的队列进行RANSAC筛选，计算转移矫正矩阵，用于实现旋转角度矫正及水平方向位移、垂直方向位移的矫正；
步骤404：根据转移矫正矩阵，将待测图像进行仿射变换，完成矫正。
优选地，步骤5中，G绿色通道为待测图像与目标模板图像灰度图加权融合；R通道为待测图像的R分量，即待测图像进行RGB通道分解，取出R通道作为创建新图的R通道；B通道为目标模板图像的B分量，即目标模板图像进行RGB通道分解，取出B通道作为创建新图的B通道。
优选地，步骤5中，G分量为待测图像与目标模板图像灰度图1：1加权灰度融合。
优选地，步骤6包括以下步骤：
步骤601：将新建三通道RGB图像转换为HSV图像；
步骤602：新建图像,用于存放待测图像与目标模板图像相比异常位置的二值图；
若HSV图像中的像素为红色，H：(0，10)U(170，180)，S：(43，255)，V：(46，255)，则所述二值图该像素置为255；
若HSV图像中的像素为蓝色，H：(100，124)，S：(43，255)，V：(46，255)，则所述二值图该像素置为255；
若HSV图像中的像素既不是红色也不是蓝色，则所述二值图的该像素值置为0。
优选地，步骤7具体为：
所述二值图中，对于像素区域块小于一定像素点数量阈值则直接丢弃此不同团块,对于因为矫正造成的边缘差异直接丢弃，边缘差异表现为宽度或者高度小于设定阈值。
优选地，步骤8具体为：使用子矩形框定不同部分后，再求所有子矩形的并集，作为最终结果：
先计算筛选后团块的最小外接矩形，再对最小外接矩形求并集，生成一个包含所有最小外接矩形的矩形作为最终框。
本发明还公开了一种防摄像头抖动的变电设备图像变化检测系统，所述系统包括模板图像采集单元、待测图像获取单元、模板图像获取单元、图像校准单元、异常提取单元、异常筛选单元、结果标定单元；
所述模板图像采集单元，用于采集变电站所有巡检点位的图像作为模板图像，所述模板图像包括可见光图像和红外图像；
所述待测图像获取单元，用于获取待测图像并根据平均灰度值判断待测图像的图像类别，所述图像类别包括可见光图像和红外图像；
所述模板图像获取单元，用于获取与待测图像类别相同的模板图像，作为目标模板图像；
所述图像校准单元，用于利用目标模板图像对待测图像进行图像矫正，即计算待测图像与目标模板图像的偏移，完成校准对齐；
所述异常提取单元，用于提取待测图像与标模板图像的差异，首先创建一个新的三通道RGB图像，用于存放待测图像与目标模板图像的不同；进而提取新建三通道RGB图像中的红色和绿色部分，红色和绿色部分即为待测图像与目标模板图像中不同的部分，得到存放待测图像与目标模板图像相比异常位置的二值图；
所述异常筛选单元，用于对提取出的待测图像与目标模板图像中不同的部分进行筛选；
所述结果标定单元，用于使用矩形框标定所有筛选后的差异部分的并集，输出变电设备图像变化检测结果。
本申请所达到的有益效果：
1.本申请简化了实际施工步骤，可有效防止镜头抖动带来的识别结果的干扰；
2.本申请不需要大量的训练样本即可实现对变电设备图像变化的检测，对于摄像头抖动具有鲁棒性。
附图说明
图1是本申请的一种防摄像头抖动的变电设备图像变化检测方法的流程框图；
图2是矫正前后的待测图像对比图；
图3是目标模板图像及新建RGB图，用于存放待测图像和目标模板图像的差异，其中红色和蓝色部分为二者差异，由图中箭头指出；
图4是本申请的一种防摄像头抖动的变电设备图像变化检测系统的系统框图。
具体实施方式
下面结合附图对本申请作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本申请的保护范围。
如图1所示，本发明的一种防摄像头抖动的变电设备图像变化检测方法，所述方法包括以下步骤：
步骤1：采集变电站所有巡检点位的图像作为模板图像，所述模板图像包括可见光图像和红外图像；
一个任务即可完成所有巡检点位的模板图像采集，包括可见光图像和红外光模板图像的采集；
步骤2：获取待测图像并根据平均灰度值判断待测图像的图像类别，所述图像类别包括可见光图像和红外图像，包括以下步骤：
步骤201：将彩色待测图像转化为灰度图像；
步骤202：计算待测图像平均灰度值，若待测图像平均灰度值大于平均灰度值阈值，则待测图像为可见光图像，否则为红外图像；
所述平均灰度值阈值根据图像数据库中的可见光图像和红外图像的平均灰度值选定。
步骤3：获取待测图像同一巡检点位与待测图像类别相同的模板图像，作为目标模板图像；
步骤4：利用目标模板图像对待测图像进行图像矫正，即计算待测图像与目标模板图像的偏移，完成校准对齐；利用SIFT特征及RANSAC筛选进行图像矫正
包括以下步骤：
步骤401：分别计算待测图像和目标模板图像的SIFT特征点；
步骤402：将待测图像和目标模板图像的SIFT特征点分别转化为描述矩阵后进行Flann特征匹配；左右两幅图会分别计算出若干个特征点，需要对两幅图的特征点做映射匹配，特征点对匹配后，用于后续转移矫正矩阵的计算。
步骤403：因为有些特征点对，可能匹配的不对，需筛选只留下匹配正确率高的点对，即对步骤402特征匹配形成的队列进行RANSAC筛选，计算转移矫正矩阵，用于实现旋转角度矫正及水平方向位移、垂直方向位移的矫正；
具体实施时，因为矫正矩阵有8个参数，因此至少需要4对匹配点才能计算出8个参数的值。
每次从匹配点中选出4对，计算矫正矩阵，然后选出内点个数最多的变换矩阵作为最终结果。
步骤404：根据转移矫正矩阵，将待测图像进行仿射变换，完成矫正。
矫正前后的待测图像如图2所示。
步骤5：创建一个新的三通道RGB图像，用于存放待测图像与目标模板图像的不同；
其中，G绿色通道为待测图像与目标模板图像灰度图加权融合；R通道为待测图像的R分量，即待测图像进行RGB通道分解，取出R通道作为创建新图的R通道；B通道为目标模板图像的B分量，即目标模板图像进行RGB通道分解，取出B通道作为创建新图的B通道；如图3所示；
具体实施时，G分量为待测图像与目标模板图像灰度图1：1加权灰度融合。
步骤6：提取新建三通道RGB图像中的红色和绿色部分，红色和绿色部分即为待测图像与目标模板图像中不同的部分，得到存放待测图像与目标模板图像相比异常位置的二值图，包括以下步骤：
步骤601：将新建三通道RGB图像转换为HSV图像；
步骤602：新建图像,用于存放待测图像与目标模板图像相比异常位置的二值图；
若HSV图像中的像素为红色，H：(0，10)U(170，180)，S：(43，255)，V：(46，255)，则所述二值图该像素置为255；
若HSV图像中的像素为蓝色，H：(100，124)，S：(43，255)，V：(46，255)，则所述二值图该像素置为255；
若HSV图像中的像素既不是红色也不是蓝色，则所述二值图的该像素值置为0。
步骤7：对提取出的待测图像与目标模板图像中不同的部分进行筛选，具体为：
所述二值图中，对于像素区域块小于一定像素点数量阈值则直接丢弃此不同团块,对于因为矫正造成的四个边缘差异直接丢弃，边缘差异表现为宽度或者高度小于设定阈值；
针对分辨率为1920*1080二值图图像，像素点数量阈值选取600个像素点，小于600个像素点，则认为此像素区域为环境干扰区域，不是真正的异常；对于因为矫正造成的四个边缘的差异直接丢弃。
步骤8：使用矩形框标定所有筛选后的不同部分的并集，输出变电设备图像变化检测结果，具体为：使用子矩形框定不同部分后，再求所有子矩形的并集，作为最终结果：
先计算筛选后团块的最小外接矩形，再对最小外接矩形求并集，生成一个包含所有最小外接矩形的矩形作为最终框。
如图4所示，本发明的一种防摄像头抖动的变电设备图像变化检测系统，所述系统包括模板图像采集单元、待测图像获取单元、模板图像获取单元、图像校准单元、异常提取单元、异常筛选单元、结果标定单元；
所述模板图像采集单元，用于采集变电站所有巡检点位的图像作为模板图像，所述模板图像包括可见光图像和红外图像；
所述待测图像获取单元，用于获取待测图像并根据平均灰度值判断待测图像的图像类别，所述图像类别包括可见光图像和红外图像；
所述模板图像获取单元，用于获取与待测图像类别相同的模板图像，作为目标模板图像；
所述图像校准单元，用于利用目标模板图像对待测图像进行图像矫正，即计算待测图像与目标模板图像的偏移，完成校准对齐；
所述异常提取单元，用于提取待测图像与标模板图像的差异，首先创建一个新的三通道RGB图像，用于存放待测图像与目标模板图像的不同；进而提取新建三通道RGB图像中的红色和绿色部分，红色和绿色部分即为待测图像与目标模板图像中不同的部分，得到存放待测图像与目标模板图像相比异常位置的二值图；
所述异常筛选单元，用于对提取出的待测图像与目标模板图像中不同的部分进行筛选；
所述结果标定单元，用于使用矩形框标定所有筛选后的差异部分的并集，输出变电设备图像变化检测结果。
本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述，但是本领域技术人员应该理解，以上实施示例仅为本发明的优选实施方案，详尽的说明只是为了帮助读者更好地理解本发明精神，而并非对本发明保护范围的限制，相反，任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。

Claims (9)

1.一种防摄像头抖动的变电设备图像变化检测方法，其特征在于：
所述方法包括以下步骤：
步骤1：采集变电站所有巡检点位的图像作为模板图像，所述模板图像包括可见光图像和红外图像；
步骤2：获取待测图像并根据平均灰度值判断待测图像的图像类别，所述图像类别包括可见光图像和红外图像；
步骤3：获取待测图像同一巡检点位与待测图像类别相同的模板图像，作为目标模板图像；
步骤4：利用目标模板图像对待测图像进行图像矫正，即计算待测图像与目标模板图像的偏移，完成校准对齐；
步骤5：创建一个新的三通道RGB图像，用于存放待测图像与目标模板图像的不同；
步骤6：提取新建三通道RGB图像中的红色和绿色部分，红色和绿色部分即为待测图像与目标模板图像中不同的部分，得到存放待测图像与目标模板图像相比异常位置的二值图；
步骤7：对提取出的待测图像与目标模板图像中不同的部分进行筛选；
步骤8：使用矩形框标定所有筛选后的不同部分的并集，输出变电设备图像变化检测结果。
2.根据权利要求1所述的一种防摄像头抖动的变电设备图像变化检测方法，其特征在于：
步骤2包括以下步骤：
步骤201：将彩色待测图像转化为灰度图像；
步骤202：计算待测图像平均灰度值，若待测图像平均灰度值大于平均灰度值阈值，则待测图像为可见光图像，否则为红外图像；
所述平均灰度值阈值根据图像数据库中的可见光图像和红外图像的平均灰度值选定。
3.根据权利要求1所述的一种防摄像头抖动的变电设备图像变化检测方法，其特征在于：
步骤4包括以下步骤：
步骤401：分别计算待测图像和目标模板图像的SIFT特征点；
步骤402：将待测图像和目标模板图像的SIFT特征点分别转化为描述矩阵后进行Flann特征匹配；
步骤403：对步骤402特征匹配形成的队列进行RANSAC筛选，计算转移矫正矩阵，用于实现旋转角度矫正及水平方向位移、垂直方向位移的矫正；
步骤404：根据转移矫正矩阵，将待测图像进行仿射变换，完成矫正。
4.根据权利要求1所述的一种防摄像头抖动的变电设备图像变化检测方法，其特征在于：
步骤5中，G绿色通道为待测图像与目标模板图像灰度图加权融合；R通道为待测图像的R分量，即待测图像进行RGB通道分解，取出R通道作为创建新图的R通道；B通道为目标模板图像的B分量，即目标模板图像进行RGB通道分解，取出B通道作为创建新图的B通道。
5.根据权利要求4所述的一种防摄像头抖动的变电设备图像变化检测方法，其特征在于：
步骤5中，G分量为待测图像与目标模板图像灰度图1：1加权灰度融合。
6.根据权利要求1所述的一种防摄像头抖动的变电设备图像变化检测方法，其特征在于：
步骤6包括以下步骤：
步骤601：将新建三通道RGB图像转换为HSV图像；
步骤602：新建图像,用于存放待测图像与目标模板图像相比异常位置的二值图；
若HSV图像中的像素为红色，H：(0，10)U(170，180)，S：(43，255)，V：(46，255)，则所述二值图该像素置为255；
若HSV图像中的像素为蓝色，H：(100，124)，S：(43，255)，V：(46，255)，则所述二值图该像素置为255；
若HSV图像中的像素既不是红色也不是蓝色，则所述二值图的该像素值置为0。
7.根据权利要求1所述的一种防摄像头抖动的变电设备图像变化检测方法，其特征在于：
步骤7具体为：
所述二值图中，对于像素区域块小于一定像素点数量阈值则直接丢弃此不同团块,对于因为矫正造成的边缘差异直接丢弃，边缘差异表现为宽度或者高度小于设定阈值。
8.根据权利要求1所述的一种防摄像头抖动的变电设备图像变化检测方法，其特征在于：
步骤8具体为：使用子矩形框定不同部分后，再求所有子矩形的并集，作为最终结果：
先计算筛选后团块的最小外接矩形，再对最小外接矩形求并集，生成一个包含所有最小外接矩形的矩形作为最终框。
9.根据权利要求1-8任一项所述的一种防摄像头抖动的变电设备图像变化检测方法的一种防摄像头抖动的变电设备图像变化检测系统，所述系统包括模板图像采集单元、待测图像获取单元、模板图像获取单元、图像校准单元、异常提取单元、异常筛选单元、结果标定单元，其特征在于：
所述模板图像采集单元，用于采集变电站所有巡检点位的图像作为模板图像，所述模板图像包括可见光图像和红外图像；
所述待测图像获取单元，用于获取待测图像并根据平均灰度值判断待测图像的图像类别，所述图像类别包括可见光图像和红外图像；
所述模板图像获取单元，用于获取与待测图像类别相同的模板图像，作为目标模板图像；
所述图像校准单元，用于利用目标模板图像对待测图像进行图像矫正，即计算待测图像与目标模板图像的偏移，完成校准对齐；
所述异常提取单元，用于提取待测图像与标模板图像的差异，首先创建一个新的三通道RGB图像，用于存放待测图像与目标模板图像的不同；进而提取新建三通道RGB图像中的红色和绿色部分，红色和绿色部分即为待测图像与目标模板图像中不同的部分，得到存放待测图像与目标模板图像相比异常位置的二值图；
所述异常筛选单元，用于对提取出的待测图像与目标模板图像中不同的部分进行筛选；
所述结果标定单元，用于使用矩形框标定所有筛选后的差异部分的并集，输出变电设备图像变化检测结果。
CN202110048405.2A 2021-01-14 2021-01-14 一种防摄像头抖动的变电设备图像变化检测方法和系统 Active CN112634179B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110048405.2A CN112634179B (zh) 2021-01-14 2021-01-14 一种防摄像头抖动的变电设备图像变化检测方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110048405.2A CN112634179B (zh) 2021-01-14 2021-01-14 一种防摄像头抖动的变电设备图像变化检测方法和系统

Publications (2)

Publication Number Publication Date
CN112634179A CN112634179A (zh) 2021-04-09
CN112634179B true CN112634179B (zh) 2024-03-15

Family

ID=75294229

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110048405.2A Active CN112634179B (zh) 2021-01-14 2021-01-14 一种防摄像头抖动的变电设备图像变化检测方法和系统

Country Status (1)

Country Link
CN (1) CN112634179B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114494778B (zh) * 2022-01-25 2023-02-10 南方电网物资有限公司 用于电力设备远程监造的图像采集处理系统及其控制方法
CN114531549B (zh) * 2022-04-22 2022-08-09 浙江大华技术股份有限公司 图像采集方法、电子设备和计算机可读存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104361314A (zh) * 2014-10-21 2015-02-18 华北电力大学（保定） 基于红外与可见光图像融合的变电设备定位方法及装置
WO2018010391A1 (zh) * 2016-07-13 2018-01-18 广州视源电子科技股份有限公司 一种板卡的检测方法及装置
CN107909081A (zh) * 2017-10-27 2018-04-13 东南大学 一种深度学习中图像数据集的快速获取和快速标定方法
CN108198157A (zh) * 2017-12-22 2018-06-22 湖南源信光电科技股份有限公司 基于显著目标区域提取和nsst的异源图像融合方法
CN110503633A (zh) * 2019-07-29 2019-11-26 西安理工大学 一种基于图像差分的贴花陶瓷盘表面缺陷检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104361314A (zh) * 2014-10-21 2015-02-18 华北电力大学（保定） 基于红外与可见光图像融合的变电设备定位方法及装置
WO2018010391A1 (zh) * 2016-07-13 2018-01-18 广州视源电子科技股份有限公司 一种板卡的检测方法及装置
CN107909081A (zh) * 2017-10-27 2018-04-13 东南大学 一种深度学习中图像数据集的快速获取和快速标定方法
CN108198157A (zh) * 2017-12-22 2018-06-22 湖南源信光电科技股份有限公司 基于显著目标区域提取和nsst的异源图像融合方法
CN110503633A (zh) * 2019-07-29 2019-11-26 西安理工大学 一种基于图像差分的贴花陶瓷盘表面缺陷检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于模板匹配和深度学习的港口舰船检测识别方法;张旭;;信息技术与信息化;20190425(第04期);全文 *

Also Published As

Publication number Publication date
CN112634179A (zh) 2021-04-09

Similar Documents

Publication Publication Date Title
CN112149543B (zh) 一种基于计算机视觉的建筑扬尘识别系统与方法
CN109902633A (zh) 基于固定位摄像机监控视频的异常事件检测方法及装置
CN110570422B (zh) 一种基于矩阵分析的胶囊缺陷视觉检测方法
CN106251333B (zh) 元件反件检测方法和系统
CN112634179B (zh) 一种防摄像头抖动的变电设备图像变化检测方法和系统
CN102547079B (zh) 夜景光源检测设备及夜景光源检测方法
CN102169585A (zh) 图像偏色的检测方法及装置
CN110751635B (zh) 一种基于帧间差分和hsv颜色空间的口腔检测方法
CN112200019A (zh) 一种快速建筑夜景照明灯光故障检测方法
CN114445661B (zh) 一种基于边缘计算的嵌入式图像识别方法
CN107977959B (zh) 一种适用于电力作业机器人的呼吸器状态识别方法
CN117197112B (zh) 一种基于样本比对的工业丝印缺陷检测方法及系统
CN111582076A (zh) 一种基于像素运动智能感知的画面冻结检测方法
CN111583341B (zh) 云台像机移位检测方法
CN110969135B (zh) 自然场景中的车标识别方法
CN106709952A (zh) 一种显示屏幕的自动标定方法
CN114581760B (zh) 一种机房巡检的设备故障检测方法及系统
CN112241707A (zh) 一种风电场智能视频识别装置
CN116664817A (zh) 基于图像差分的电力装置状态变化检测方法
CN108734158B (zh) 一种实时列车车号识别方法及装置
CN111652055B (zh) 一种基于两阶段定位的开关仪表智能识别方法
CN108280815B (zh) 一种面向监控场景结构的几何校正方法
CN106447655A (zh) 一种光滑物件表面异色及轻微凹陷的检测方法
CN110598697A (zh) 一种基于粗细字符定位的集装箱箱号定位方法
CN113033891B (zh) 高墩桥梁健康监控方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant