基于视频分析与监控的管理模式常应用于无人值守变电站,它能及时发现设备故障,不但减少了巡检人员的工作强度并提高效率,同时也提升了变电站设备安全稳定运行的可靠性。变电站设备运行状态通常通过主控室内指示灯的颜色及亮、灭、闪烁状态来反映,然而现有视频监控系统中常常依靠人工辨别指示灯信息,预警功能未得到高效利用,存在漏检误检、标准不一致等问题。研究基于视频的变电站设备指示灯状态智能识别技术,可及时根据指示灯信息自动诊断变电站内电气设备的运行状态进而有效提升变电站的告警能力。首先,本文采用颜色直方图提取了指示灯的颜色特征,基于区域面积、矩和质心获得了指示灯的区域分布特征,定位了变电站主控室内屏柜装置面板上不同位置上的设备指示灯。同时,本文提出了一种指示灯闪烁频率特征提取方法,以识别不同频率的闪烁指示灯,从而实现了对屏柜指示灯智能定位识别与故障紧急程度判断。经实验验证,该方法对0.5Hz和2Hz频率闪烁的指示灯的识别准确率均高达95.0%。而对单张图像指示灯状态识别率达到了 95.91%,平均检测时间为0.15s,满足了变电站日常监测系统报警识别延迟不超过1s的要求。其次,本文基于高斯混合模型的Camshift目标跟踪算法对变电站设备指示灯的异常状态进行了检测与跟踪,弥补了传统的Camshift算法只能通过手动选择跟踪目标的缺陷,并且在一定程度上实现了多目标的检测与跟踪。经实验验证,目标正常跟踪、相机位移旋转和目标过度曝光时的准确率分别为85.87%、79.75%和44.13%,均高于Camshift算法,有效地降低了目标形变或过度曝光对跟踪效果的影响。最后,基于OpenCV开发了变电站屏柜指示灯的智能监测系统的可视化平台,系统包含了指示灯状态智能识别、报警信息的提示、查看与保存和日志的备份等功能,实现了对变电站屏柜设备指示灯的状态的实时智能监测,提升了变电站内整体监控系统的智能性和准确度。