随着我国电力网络规模的不断扩大,变电站的安全可靠运行正变得越来越重要,而开关设备的运行状态是决定其能够安全运行的关键因素之一。随着视频技术的发展,变电站无人值守化已经成为电网调度自动化发展的趋势,但是现有的视频监控系统局限于对变电站的监视,缺乏对变电站开关设备状态的自动识别,因此,借助于变电站远程视频监控系统实现对开关设备状态的自动识别有助于实现变电站的无人值守,对于变电站的安全运行也有重要的意义。本文针对变电站开关状态的识别展开研究,提出一种基于霍夫森林的开关状态识别方法。首先,利用随机森林对“分”和“合”两种状态的开关模型进行学习,形成对应的投票码本;其次,利用两种开关模型生成的投票码本通过霍夫变换对开关中心位置进行投票,获得开关位置的矩形框描述,完成开关的检测与定位；最后,根据两种开关模型的检测结果判断开关的状态。由于随机森林能够融合多种特征作为其判别信息,因此,本文研究了图像的边缘、梯度以及颜色特征,采用不同的特征提取方法提取开关特征,弥补了单一特征描述的缺陷,提高了开关检测的准确性。基于广义霍夫变换的目标检测需要通过非极大值抑制寻找霍夫空间中的局部最大值,从而获得目标的最佳候选区域,但是非极大值抑制的阈值设置容易导致目标的漏检或者误检,因此,本文通过建立霍夫变换的概率框架来描述投票元素与目标假设之间的关系,减少投票元素的虚假投票,避免非极大值抑制的步骤,解决多个开关的检测与定位问题。本文提出的方法能够实现开关状态的自动识别,具有较高的准确率,并且具有稳定性好,抗干扰能力强,通用性高等优点,对开关的局部遮挡也具有一定的鲁棒性,能够应用于机器人巡检系统或者是变电站智能视频监控系统