一种配网现场作业人员图像识别的图像预处理方法

摘要

本发明提供了一种配网现场作业人员图像识别的图像预处理方法，对采集到的数字视频中的原始图像进行预处理，具体包括筛选出可用于配网现场作业人员规范作业识别图像；前景图像的获取，独立物体的边界轮廓的获取，对每个物体的图像进行归一化处理，再进行卷积运算，得到物体图像，对物体图像进行像素外扩剪切得到完整的作业人员图像，再使用Retinex方法进行图像增强，对增强后的图像缩放到统一尺寸。实验证明，本发明能够在数字视频图像中，实时找出清晰的配网作业图像，为后面的识别模型提供高质量的图像，极大的降低了输入识别模型的数据量，提高了配网作业人员戴安全帽、穿工作服、系安全带、验电、接地的识别准确率和速度。

说明书

技术领域

本发明涉及配网作业人员规范作业技术领域，尤其涉及一种配网现场作业人员图像识别的图像预处理方法。

背景技术

配电是电力生产到电力应用的重要环节，据相关统计数据显示，在电网安全事故中，有近7成的事故发生在配网现场作业和基建现场作业，因此搭建智能识别监控系统，对配网作业人员戴安全帽、穿工作服、系安全带、验电、接地进行识别，实时监控配网现场作业人员规范作业，可以有效降低配网作业过程中的安全事故。

配网现场作业需要对流动的作业人员戴安全帽、穿工作服、系安全带、验电、接地进行识别，因此输入图像的质量决定着识别结果的准确率，然而现场工作记录仪采集到的图像错综复杂，瞬息万变，很多时候都看不清作业人员的作业过程，并且工作记录仪需要把视频传输到监控平台，如何把高分辨率数字视频图像送到监控平台，以及如何获得作业人员作业位置是监控系统实现配网作业人员规范作业识别的瓶颈。

但是在工作记录仪等可穿戴设备中，由于传输方式只能是无线，而且只能是电池供电，图像传输问题更加严重，而且传输速度慢，很难达到实时的效果。

发明内容

为了解决背景技术中输入图像质量的问题，本发明的目的是提供一种配网现场作业人员图像预处理方法解决现有技术中存在的如何对流动的作业人员进行定位识别。

为了实现上述目的，本发明通过以下技术手段予以实现。

一种配网现场作业人员图像识别的图像预处理方法，包括以下步骤：

前景图像的获取：利用分离技术，将采集的数字视频分离，得到前景图像；

作业人员图像的获取：通过卷积运算，找出前景图像中物体的边界轮廓，利用轮廓分离处独立物体，并对每个独立物体进行卷积运算，得到作业人员的图像；

作业人员图像的筛选：在得到的作业人员图像中，筛选出可用于配网作业人员规范作业识别的清晰图像；

配网作业人员作业图像的截取：对筛选出的可用于配网作业人员规范作业识别的清晰图像进行像素值外扩，从外扩后的图像中裁剪出完整的配网作业人员图像；

图像去噪：对裁剪出完整的配网作业人员图像使用Retinex图像增强算法进行特征增强和去噪；

图像缩放：对特征增强和去噪后的图像进行图像缩放，完成整个图像预处理。

作为本发明的进一步改进，所述前景图像的获取步骤具体为：对于采集的配网现场作业人员的工作视频先处理成图像，利用用高斯差分技术分离原始图像的前景和背景，将原始图像的中前景图像与背景图像进行分离，得到前景图像。

具体地，通过分离，能够筛选出有价值的培王作业图像，过滤掉无用的数据，进而获得高清晰度的图像，为后期识别，做好基础准备工作。

作为本发明的进一步改进，所述作业人员图像的获取步骤中，所述通过卷积运算，找出前景图像中物体的边界轮廓，具体为：对前景图像与高通滤波模板进行卷积运算找出物体的边界轮廓。

作为本发明的进一步改进，所述作业人员图像的获取步骤中，所述利用轮廓分离处独立物体，并对每个独立物体进行卷积运算，得到作业人员的图像具体为：根据轮廓的连续性与封闭性分离出独立的物体，对每个物体的图像进行归一化处理，再与作业人员的特征模板进行卷积运算，得到作业人员的图像。

作为本发明的进一步改进，所述作业人员图像的筛选步骤具体为：对于得到的作业人员图像，先判断该图像是否为作业人员，如果是，则进一步根据清晰度与阈值的对比，筛选出可用于识别的作业人员图像，否则删除该作业人员图像。

作为本发明的进一步改进，所述配网作业人员作业图像的截取步骤中，所述进行像素值外扩具体为：对清晰图像的左上角坐标和右下角坐标进行外扩，假设前景图像得到的坐标值为X

作为本发明的进一步改进，所述图像去噪步骤中，所述Retinex图像增强算法具体为：利用MSR为基础，加入了色彩恢复因子C来调节原始图像中 3个颜色通道之间的比例关系，使得相对较暗区域的信息得以凸显。

作为本发明的进一步改进，所述图像去噪步骤后，还包括图像修正，所述修正具体通过公式(1)进行修正：

R

公式中，G表示增益Gain，O表示偏差offset，它们的值取决于软件中的算法实现，是超参数。

作为本发明的进一步改进，所述图像缩放步骤中，具体时采用双线性插值算法进行的缩放。

作为本发明的进一步改进，所述图像缩放步骤中，得到预处理后的完整图像为512*512。

本发明的有益效果如下：

本发明中的一种配网现场作业人员监控视频的图像预处理方法，通过工作记录仪采集到配网现场作业人员的检修工作视频，并上传到监控中心，监控中心将上传的视频按帧截取成图像,使用图像预处理，筛选出有价值的配网作业图像，滤掉无用的数据，并捕获高清晰度的配网作业图像，把有价值的图像进行特征增强和尺寸缩放，并易于对配网作业戴安全帽、穿工作服、系安全带、验电、接地进行识别。

附图说明

图1为本发明提供的一种配网现场作业人员图像识别的图像预处理方法的流程图。

图2为本发明提供的图像进行MSRCR图像增强去噪前的图像。

图3为本发明提供的图像进行MSRCR图像增强去噪后的图像。

具体实施方式

下面结合附图所示的各实施方式对本发明进行详细说明，但应当说明的是，这些实施方式并非对本发明的限制，本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代，均属于本发明的保护范围之内。

实施例1

本发明的技术方案包括以下步骤：

参照附图1-3所示，一种配网现场作业人员图像识别的图像预处理方法，包括以下步骤：

前景图像的获取：利用分离技术，将采集的数字视频分离，得到前景图像；

作业人员图像的获取：通过卷积运算，找出前景图像中物体的边界轮廓，利用轮廓分离处独立物体，并对每个独立物体进行卷积运算，得到作业人员的图像；

作业人员图像的筛选：在得到的作业人员图像中，筛选出可用于配网作业人员规范作业识别的清晰图像；

配网作业人员作业图像的截取：对筛选出的可用于配网作业人员规范作业识别的清晰图像进行像素值外扩，从外扩后的图像中裁剪出完整的配网作业人员图像；

图像去噪：对裁剪出完整的配网作业人员图像使用Retinex图像增强算法进行特征增强和去噪；

图像缩放：对特征增强和去噪后的图像进行图像缩放，完成整个图像预处理。

具体地，所述前景图像的获取步骤具体为：对于采集的配网现场作业人员的工作视频先处理成图像，利用用高斯差分技术分离原始图像的前景和背景，将原始图像的中前景图像与背景图像进行分离，得到前景图像。

具体地，通过分离，能够筛选出有价值的培王作业图像，过滤掉无用的数据，进而获得高清晰度的图像，为后期识别，做好基础准备工作。

进一步地，所述作业人员图像的获取步骤中，所述通过卷积运算，找出前景图像中物体的边界轮廓，具体为：对前景图像与高通滤波模板进行卷积运算找出物体的边界轮廓。

进一步地，所述作业人员图像的获取步骤中，所述利用轮廓分离处独立物体，并对每个独立物体进行卷积运算，得到作业人员的图像具体为：根据轮廓的连续性与封闭性分离出独立的物体，对每个物体的图像进行归一化处理，再与作业人员的特征模板进行卷积运算，得到作业人员的图像。

具体地，所述作业人员图像的筛选步骤具体为：对于得到的作业人员图像，先判断该图像是否为作业人员，如果是，则进一步根据清晰度与阈值的对比，筛选出可用于识别的作业人员图像，否则删除该作业人员图像。

本实施例中，所述配网作业人员作业图像的截取步骤中，所述进行像素值外扩具体为：对清晰图像的左上角坐标和右下角坐标进行外扩，假设前景图像得到的坐标值为X

进一步地，所述图像去噪步骤中，所述Retinex图像增强算法具体为：利用MSR为基础，加入了色彩恢复因子C来调节原始图像中3个颜色通道之间的比例关系，使得相对较暗区域的信息得以凸显。

本实施例中，MSRCR算法利用彩色恢复因子C，调节原始图像中3个颜色通道之间的比例关系，从而把相对较暗区域的信息凸显出来，达到了消除图像色彩失真的缺陷。处理后的图像局部对比度提高，亮度与真实场景相似，在人们视觉感知下，图像显得更加逼真。

为了确保去噪后的正确，所述图像去噪步骤后，还包括图像修正，所述修正具体通过公式(1)进行修正：

R

公式中，G表示增益Gain，O表示偏差offset，它们的值取决于软件中的算法实现，是超参数。

本实施例中，MSRCR算法处理图像后，像素值会出现负值，所以从对数域r(x，y)转换为实数域R(x，y)后，需要通过改变增益Gain，偏差Offset对图像进行修正。

进一步地，所述图像缩放步骤中，具体时采用双线性插值算法进行的缩放。

本实施例中，双线性插值算法，在保证精度的同时兼顾了速度，提高整个的预处理效率。

具体地，所述图像缩放步骤中，得到预处理后的完整图像为512*512。

实施例2

本实施例中，参照具体实际使用进行介绍。

参照附图1-3所示，按照本发明内容完整的方法实施例及其实施过程如下：

实施例的一种配网现场作业人员监控视频的图像预处理方法，通过工作记录仪采集到配网现场作业人员的检修工作视频，并上传到监控中心，监控中心将上传的视频按帧截取成图像,使用图像预处理，筛选出有价值的配网作业图像，滤掉无用的数据，并捕获高清晰度的配网作业图像，把有价值的图像进行特征增强和尺寸缩放，并易于对配网作业戴安全帽、穿工作服、系安全带、验电、接地进行识别，其流程如附图图1流程图所示。

按照本发明内容完整的方法实施例及其实施过程如下：

1)利用高斯差分技术分离原始图像的前景和背景，将原始图像的中前景图像与背景图像进行分离，得到前景图像，对前景图像与高通滤波模板进行卷积运算找出物体的边界轮廓，根据轮廓的连续性与封闭性分离出独立的物体，对每个物体的图像进行归一化处理，再与作业人员的特征模板进行卷积运算，得到作业人员的图像。

2)对图像进行预处理，得到物体图像后，需要做两步判断，第一步判断该物体图像是否为作业人员，如果不是作业人员，则删除图像；第二步，如果是配网作业图像，再判断配网作业人员的清晰度，如果清晰度不低于设定的阈值，则筛选出可用于识别的作业人员图像。

3)对图像进行像素外扩，外扩主要是根据2)中得到的前景图像的左上角坐标和右下角坐标进行外扩，假设前景图像得到的坐标值为 X

4)使用Retinex图像增强算法中的MSRCR方法对图像进行增强，目的是在保留原始颜色分布的基础上增强图像，去除图像的噪声，增加图像的对比度，增强后的图像对比如附图图2所示。MSRCR是在MSR的基础上，加入了色彩恢复因子C来调节由于图像局部区域对比度增强而导致颜色失真的缺陷：

其中，参数说明如下：

I

C

f(……)函数表示颜色空间的映射函数；

α是增益常数；

β是受控制的非线性强度；

MSRCR算法利用彩色恢复因子C，调节原始图像中3个颜色通道之间的比例关系，从而把相对较暗区域的信息凸显出来，达到了消除图像色彩失真的缺陷。处理后的图像局部对比度提高，亮度与真实场景相似，在人们视觉感知下，图像显得更加逼真。

但是MSRCR算法处理图像后，像素值会出现负值，所以从对数域r(x，y)转换为实数域R(x，y)后，需要通过改变增益Gain，偏差Offset对图像进行修正，使用公式可以表示为：

R

公式中，G表示增益Gain，O表示偏差offset，它们的值取决于软件中的算法实现，是超参数。

5)中采用的图像缩放是双线性插值算法，保证精度的同时兼顾了速度。 f函数P＝(x，y)是需要求解的插值坐标点，已知P周围的四个坐标点

在x方向上进行插值，得到：

由此得到R

在y方向上进行插值，得到：

由此得到f(x，y)即P的坐标如下：

使用上述缩放方法将图像缩放为同等的大学512*512，并输入到后续的图像识别模型中进行识别。

本发明提供了一种配网现场作业人员图像识别的图像预处理方法，对采集到的数字视频中的原始图像进行预处理，筛选出可用于配网现场作业人员戴安全帽、穿工作服、系安全带、验电、接地的规范作业识别图像；利用差分技术分离原始图像的前景和背景，将原始图像中的前景图像与背景图像进行分离，得到前景图像，对前景图像与高通滤波模板进行卷积运算找出物体的边界轮廓，根据轮廓的连续性与封闭性分离出独立的物体，对每个物体的图像进行归一化处理，再与作业人员特征模板进行卷积运算，得到物体图像，对物体图像进行像素外扩剪切得到完整的作业人员图像，再使用Retinex方法进行图像增强，对增强后的图像使用双线性插值算法缩放到统一尺寸。实验证明，本发明能够在数字视频图像中，实时找出清晰的配网作业图像，为后面的识别模型提供高质量的图像，极大的降低了输入识别模型的数据量，提高了配网作业人员戴安全帽、穿工作服、系安全带、验电、接地的识别准确率和速度。

上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。