(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210549947.2 (22)申请日 2022.05.20 (71)申请人 济南信通达电气科技有限公司 地址 250101 山东省济南市高新区齐盛广 场1号楼1712室 (72)发明人 丁健配　蔡富东　吕昌峰　刘焕云　 帅民伟　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 王雪 (51)Int.Cl. G06V 20/52(2022.01) G06V 10/44(2022.01) G06V 10/56(2022.01) H04N 7/18(2006.01) (54)发明名称 一种全自动鱼眼分合闸指示器状态识别方 法及系统 (57)摘要 本发明属于图像识别领域， 提供了一种全自 动鱼眼分合闸指示器状态识别方法及系统， 包括 获取指示器监控图像； 基于指示器监控图像进行 预处理， 根据预处理后的指示器图像， 提取各连 通域的轮廓信息确定待检测椭圆面板区域； 依据 最小类内标准差原则， 选择类内标准差最小的分 割方式， 将待检测椭圆面板区域 分割成四个扇形 区域， 再通过比较各区域的颜色鲜明程度， 选择 颜色最鲜明的区域作为观察窗口； 根据观察区域 窗口内的像素点的颜色信息判断指示器的状态； 本发明在不需要先验 标注信息的基础上， 通过指 示器监控图像的各连通域的轮廓信息确定待检 测椭圆面板区域， 对其自动分割出观 察窗口的区 域， 从而基于观察区域窗口内的像素点的颜色信 息判断指示器 状态。 权利要求书4页 说明书10页 附图2页 CN 114973131 A 2022.08.30 CN 114973131 A 1.一种全自动鱼眼分合闸指示器 状态识别方法， 其特 征在于， 包括： 获取指示器监控图像； 基于指示器监控图像进行预处理， 根据预处理后的指示器图像， 提取各连通域的轮廓 信息确定待检测椭圆面板区域； 依据最小类内标准差原则， 选择类内标准差最小的分割方式， 将待检测椭圆面板区域 分割成四个扇形区域， 再通过比较各区域的颜色鲜明程度， 选择颜色最鲜明的区域作为观 察窗口； 根据观察区域窗口内的像素点的颜色信息判断指示器的状态。 2.如权利要求1所述的一种全自动鱼眼分合 闸指示器状态识别方法， 其特征在于， 所述 基于指示器监控图像进行 预处理， 包括： 对指示器监控图像进行图像灰度化； 使用sauvo la算法对灰度化后的指示器监控图像作二 值化分割； 对二值化结果取反； 使用5*5大小的核 进行数学形态学开 运算消除杂点， 得到预处 理后的指示器监控图像。 3.如权利要求1所述的一种全自动鱼眼分合 闸指示器状态识别方法， 其特征在于， 所述 根据预处 理后的指示器图像， 提取 各连通域的轮廓信息确定待检测椭圆面板区域， 包括： 检测预处理后的指示器监控图像的轮廓， 采用非压缩方式存储轮廓结果， 即将轮廓的 每个点都按顺序存 储， 得到预处 理后的指示器监控图像的所有轮廓； 遍历每个待筛选的轮廓， 选出一个与椭圆形相似度最高的轮廓， 并以其拟合的椭圆作 为待检测椭圆面板区域。 4.如权利要求3所述的一种全自动鱼眼分合 闸指示器状态识别方法， 其特征在于， 所述 遍历每个待筛选的轮廓， 选出一个与椭圆形相似度最高的轮廓， 并以其拟合的椭圆作为待 检测椭圆面板区域， 包括： 对每个轮廓记为Co ntoursi， i表示轮廓编号； 确定每个轮廓的凸包记为Co nvexHulli； 确定每个轮廓拟合的椭圆， 得到椭圆轮廓记为El lipsei； 计算所有Co ntoursi与ConvexHulli的形状相似度记为Sim1i； 计算所有Co nvexHulli与Ellipsei的形状相似度记为Sim2i； 取Simi＝(Sim1i+0.0001)*(Sim2i+0.0001)作为评价指标， 该值越小， 表示轮廓、 凸包与 拟合椭圆之间的相似度越高； 选择Simi最小的轮廓的拟合椭圆作为待检测椭圆面板 区域， 记为Ellipse， 该区域的掩 膜记为Mask， 中心点记为Center。 5.如权利要求1所述的一种全自动鱼眼分合 闸指示器状态识别方法， 其特征在于， 所述 依据最小类内标准差原则， 选择类内标准差最小的分割方式， 作为最终分割结果， 再通过比 较各区域的颜色鲜明程度， 选择颜色最鲜明的区域作为观察窗口， 包括： 遍历指示器监控图像在待检测椭圆面板区域内的每个点， 计算其相对于该区域中心点 的角度并四舍五入取整记为d， 若d等于 360， 则使d等于 0， 整数d∈[0， 3 59]； 建立360个集合， 记为Pointsd， 根据角度d， 将每个点归入其角度d所对应的集合Pointsd 中；权　利　要　求　书 1/4 页 2 CN 114973131 A 2建立3个数组A vg_R、 Avg_G和Avg_B， 在[0， 359]内遍历整数角度d， 计算每个Pointsd中的 点在红、 绿、 蓝三个通道的均值， 依次存入Avg_R[d]、 Avg_G[d]和Avg_B[d]， 得到每个角度的 点集在每个红绿蓝分量上的均值； 基于每个角度的点集在每个红绿蓝分量上的均值， 以最小类内标准差原则为分割依 据， 将完整的360度椭圆面板区域分割为4个连续且不相交的椭圆扇形区域， 记为An， n∈{1， 2， 3， 4}， A1和A3的圆心角正对， A2和A4的圆心角正对； 对原图中椭圆 区域内的每 个像素点(x， y)， 计算 MAXRGB(x,y)＝max(R(x,y),G(x,y),B(x,y) ) MINRGB(x,y)＝mi n(R(x,y),G(x,y),B(x,y) ) COLORFUL(x,y)＝(MAXRGB ‑MINRGB)*MAXRGB 其中， R(x,y),G(x,y),B(x,y)分别表示像素点(x， y)的红绿蓝分量值， COLORFUL(x,y) 表示像素点(x， y)的颜色鲜明程度； 比较4个扇形 区域内像素的COLORFUL(x,y)的均 值， 取均值最大的扇形 区域作为最终确 定的观察窗口。 6.如权利要求5所述的一种全自动鱼眼分合 闸指示器状态识别方法， 其特征在于， 基于 每个角度的点集在每个红绿蓝分量上 的均值， 以最小类内标准差原则为分割依据， 将完整 的360度椭圆面板区域分割为 4个连续且不相交的椭圆扇形区域， 具体步骤如下： 对任意A1的圆心角大小记为SIZE_A1， 由先验知识设置SIZE_A1∈[30， 90]， 且SIZE_A1为 整数， 则可知A2的圆心角大小SIZE_A2＝180‑SIZE_A1， A3的圆心角大小SIZE_A3＝A1_SIZE， A4 的圆心角大小SIZE_A4＝180‑SIZE_A1； 对任意A1的起始角度记为START_A1， START_A1∈[0， 359]， 且START_A1为整数， 则可知A1 对应角度的起止区间为[START_A1， START_A1+SIZE_A1)， 以此类推可得A2、 A3和A4区域对应角 度的起止区间； 以红色分量为例， 计算An区域内各个角度的均值之间的标准差， 即计算数组Avg_R在下 标[START_An， START_An+SIZE_An)之间的值的标准差， 记为 同理求得 绿色分量下的标准差为 蓝色分量下的标准差为 计算每个An区域颜色融合后的类内标准差， 具体如下： 对任意确定的START_A1和SIZE_A1， 视为一种确定的分割 方式， 计算当前分割方式下所 有区域的类内标准差的加权之和： 遍历所有分割方式， 即遍历所有START_A1和SIZE_A1的组合， 求得使权　利　要　求　书 2/4 页 3 CN 114973131 A 3