本发明属于电力巡检和计算机视觉领域，涉及一种刀闸一键顺控状态识别方法，装置及存储介质。
背景技术：
1、在变电站，刀闸操作是最重要的运维操作之一，刀闸的远程控制称为“一键顺控”，体现在刀闸的状态变化上，则是从开到合的状态，或者从合到开的状态。一键顺控中常见的刀闸有多种类型，如水平中心旋转类、双臂水平运动类、双臂水平运动类、水平伸缩运动类、垂直伸缩运动类等，对于识别算法的通用性提出了要求。为了监测一键顺控状态，目前的识别技术包括对照基准图像或基准视频的识别技术，基于深度学习的图像识别技术，以及基于电子压力传感器的识别技术。
2、其中，基于深度学习的图像识别方法，单个任务需要的训练数据需要几百张、上千张，但是处于异常状态的样本数据采集成本高，数量通常不足，限制了模型异常状态识别的灵敏度。采用基于电子压力传感器的方法，需要给每个刀闸添加传感器，增加了部署的成本。而采用对照基准图像或者视频的方法实施成本低，具有更大实用价值。
3、目前对照基准图像的监测方法需要在基准图像的模板中准备包括刀闸的轮廓和直线特征等，例如，获取刀闸的直线特征，再与合状态的刀闸的直线轮廓进行比较(例如合状态动作臂组成一根直线)，判定刀闸的开合状态。这些特征容易受到刀闸类型、拍摄条件等的影响，由于站点部署中，不可避免地遇到户外拍摄的情况，户外拍摄存在照明变化大、拍摄分辨率变化大、雨雪天气影响、逆光昏暗、现场设备重叠遮挡等困难。因此，目前的对照基准图像的监测方法存在模板准备复杂、识别精度低、支持刀闸种类单一等不足。
技术实现思路
1、为解决以上问题，本技术提供一种刀闸一键顺控状态识别方法，包括：
2、构建模板图库,所述模板图库中包含每一个刀闸的模板子库，每个模板子库都包含该刀闸的四张基准图像，所述四张基准图像分别是标注了刀闸处于开、合、接近开、接近合时刀闸动作臂区域的图像，
3、其中，接近开是动作臂相对于开的刀闸发生了向合状态的移动，刀闸依然是处于开的状态；接近合的刀闸是动作臂相对于合的刀闸发生了向开状态的移动，刀闸依然是处于合的状态；
4、接收一键顺控指令，获取待识别刀闸的图像构成待识别图像组，查找所述待识别刀闸对应的模板子库，将待识别图像组中每一张待识别图像，逐一与各基准图像使用关键点检测模型提取关键点并匹配，获得待识别图像与基准图像的多个匹配关键点对，其中，待识别图像组中有一或两张待识别图像；
5、采用距离过滤策略去掉错误的匹配关键点对，获得正确匹配关键点对；
6、将待识别图像组中每一张待识别图像，采用正确匹配关键点对的数量作为待识别图像与基准图像的匹配分数，将待识别图像的匹配分数根据基准图像的标注对应记为s开,s合,s接近开,s接近合，设置sm＝max{s开,s合,s接近开,s接近合}，则待识别图像的状态识别结果为：
7、
8、t2,t3是阈值，且都是正数；
9、根据待识别图像组中各待识别图像的识别结果，输出待识别图像组的一键顺控识别结果。
10、可选的，待识别图像组的一键顺控识别分为以下几种情况：
11、(1)待识别图像组仅包含单张待识别图像，其识别结果是开、合、异常中的一种；
12、(2)待识别图像组包含两张待识别图像，分别对应一键顺控指令前后的刀闸图像；
13、(3)待识别图像组包含一个待识别视频，通过将待识别视频转为图像帧序列，然后提取一键顺控指令前后的图像帧组成待识别图像组；
14、对于情况2、3，根据两张待识别图像的状态识别结果以及与一键顺控指令前后的关联得到最终的一键顺控识别结果。
15、可选的，所述接近开、接近合的程度采用移动距离l或者旋转角度d来度量，选取l＝nl0或者d＝nd0对应的图像作为接近开或接近合的刀闸图像，l0或者d0是动作臂一个单位动作，0<n≤2，其中，双臂水平运动刀闸，水平中心旋转刀闸都采用动作臂的旋转角度d来度量，伸缩运动刀闸，采用动作臂的移动距离l来度量。
16、可选的，采用关键点检测模型lf-net提取关键点并匹配对应关键点，形成所述匹配关键点对。
17、可选的，所述采用距离过滤策略去掉错误的匹配关键点对，获得正确匹配关键点对，包括：待识别图像中的关键点用来代表，模板子库的图像的对应关键点用来代表，保留满足||x′i-h(xi)||<t1的关键点对，
18、其中，n表示共n个关键点；
19、xi表示待识别图像中第i个关键点，xi′表示模板子库的图像对应的第i个关键点；
20、采用软件包pydegensac中的findhomography方法计算从待识别图像的关键点坐标到基准图像关键点坐标的单应性变换y＝h(x)；
21、t1是阈值。
22、可选的，还包括：其中基准图像都归一化到固定分辨率，对于待识别图像组中每一张待识别图像，在提取关键点之前，先归一化到与基准图像相同的固定分辨率，归一化过程中，按照宽度计算缩放比例并缩放，如果缩放后得到的图像高度值大于固定分辨率则进行裁剪，如果小于固定分辨率就通过补0像素值来补齐图像尺寸。
23、可选的，所述将待识别视频转为图像帧序列，然后提取一键顺控指令前后的图像帧组成待识别图像组，包括：
24、还检测空白帧，通过opencv将彩色图转为灰度图，然后计算灰度最大值和最小值的差，差为零则识别为空白帧，否则为非空白帧，一旦识别为空白帧，则在相邻的帧选取图像。
25、可选的，在标注了刀闸处于开、合、接近开以及接近合时刀闸动作臂区域的图像中，将标注区域以外的区域去掉。
26、本技术还提供一种电子装置，所述电子装置包括：
27、至少一个处理器；以及，
28、与所述至少一个处理器通信连接的存储器；其中，
29、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的刀闸一键顺控状态识别方法。
30、本技术还提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的刀闸一键顺控状态识别方法。
31、本发明具有以下有益效果：
32、(1)采用包含开、合、接近开以及接近合四张图像的模板图库结合关键点提取和匹配方法来做出刀闸的状态判定，通过接近开，接近合这种反应刀闸异常状态的图像来辅助判断刀闸开合状态，能够识别微小的开合故障。
33、(2)通过预对齐，将分辨率差别大的图像归一化到接近的分辨率，然后通过关键点检测进一步对齐，解决分辨率差异的问题；出现拍摄模糊、遮挡等问题时，可以通过清晰区域的关键点进行匹配，减少拍摄模糊、遮挡等对于识别的影响；
34、(3)通过关键点提取和匹配方法得出匹配得分，不需要识别刀闸外轮廓和直线特征，因此即使待识别图像中直线条与刀闸动作臂的直线条混杂不清也不会影响排判定结果，提高了算法的适应性和稳定性，算法识别准确率和灵敏度高，实测准确率达99％～99.9％以上；
35、(4)采用包含开、合、接近开以及接近合四张图像的模板图库关键点模型方案，满足小样本学习技术特性,不需要大量采集训练图像,支持分钟级部署和更新，相比于单个深度学习模型的方案，部署和更新速度有数量级提升。
1.一种刀闸一键顺控状态识别方法，其特征在于，包括：
2.根据权利要求1所述的刀闸一键顺控状态识别方法，其特征在于，
3.根据权利要求1所述的刀闸一键顺控状态识别方法，其特征在于，
4.根据权利要求1所述的刀闸一键顺控状态识别方法，其特征在于，
5.根据权利要求1所述的刀闸一键顺控状态识别方法，其特征在于，
6.根据权利要求4所述的刀闸一键顺控状态识别方法，其特征在于，还包括：
7.根据权利要求2所述的刀闸一键顺控状态识别方法，其特征在于，
8.根据权利要求4所述的刀闸一键顺控状态识别方法，其特征在于，在标注了刀闸处于开、合、接近开以及接近合时刀闸动作臂区域的图像中，将标注区域以外的区域去掉。
9.一种电子装置，其特征在于，所述电子装置包括：
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8中任一所述的刀闸一键顺控状态识别方法。
