开关柜是电力系统的关键主设备之一,其运行状态对电力系统的可靠性具有重大影响。当电力开关房中某个开关出现跳闸时,会导致周围区域的电力中断,需要有关部门及时对其进行检修。为此,本文提出了一种基于Adaboost算法的图像识别监控系统,使用摄像头监控系统的运行状态,实现了在不对现有的开关柜进行改造的情况下,对其状态进行监测。电力开关柜品种繁多,各种开关形状多样,要对各种类型的开关进行图像识别,需要准确判断待检测目标在图像中的位置,并识别出其所处的状态,这对图像识别系统的软硬件都提出了较高的要求。为了提高系统识别的可靠性和识别率,本文引入了人脸识别领域较为先进的AdaBoost算法,并对其进行改进和扩充,使其更适合对各种开关柜的状态进行识别,可以提高系统的可靠性和兼容性。本文分析了利用图像识别手段对开关柜开关状态识别的必要性和可行性,介绍了基于一般图像处理算法的开关检测系统结构和算法特性,指出了基于一般算法的图像处理系统具有智能性不够,鲁棒性不足,适应性不广等特点。然后,论文介绍了Adaboost算法的基本原理,分析了基于Adaboost算法的开关状态检测的流程,给出基于Adaboost.M2算法思想的单画面单开关与单画面多开关的具体检测办法。最后,在深入了解Adaboost算法和现有的Haar-like特征的基础上,为了满足电力系统的需求,提高识别算法的稳定性,本文提出了一种新的适合于开关检测的Haar-like特征自生成算法,该算法能提取出图像的主要特征,并将这些主要特征进行矢量化,使其与传统的Haar-like特征保持一致性。该算法具有一定的针对性,有效提高了系统的稳定性和识别率。