高压断路器是电力系统中的重要设备,其运行可靠性对电网的保护与控制至关重要。而机械特性参数是评价断路器操动性能的重要指标,在断路器型式试验、出厂检验或交接试验前都必须对机械特性进行严格测试,对于投运中的断路器,也必须对其进行定期机械特性测试,通过发现机械特性参数异常、安排检修预防断路器的运行故障。传统测试方法需要借助传感器,如滑动电阻传感器或光栅传感器等,具有测试精度不高、传感器安装复杂、不能在线测试等缺点。针对传统测试方法中的不足,提出一种基于计算机视觉技术的非接触测试方法:在断路器操动过程中捕捉高速图像序列,以主轴或连杆上的某一特征部位作为待识别目标,将归一化互相关匹配算法(Normalized Cross Correlation,NCC)结合降分辨率金字塔搜索法对运动目标进行逐帧搜索,并对后续帧图像的扇形识别区域进行有向动态调整,从而优化了匹配算法。本文这种优化方法称之为归一化互相关图像金字塔扇形快速匹配算法(Normalized Cross Correlation-Pyramid-Sector,NCC-P-S)。在跟踪目标的过程中以本体上某固定部位的位移作为参考基准,以其帧间运动坐标差值修正了本体移位或振动引起的误差;同时,采用多目标跟踪联动加权判别法克服单目标匹配易失准现象,排除外部干扰因素。最终获得主轴拐臂的运动轨迹,由其与动触头的关联关系可计算出断路器机械特性参数。通过实验证明:NCC-P-S算法匹配速度快、精度高,能够很好地应用于本实验中,同时固定目标偏移差值修正方法有效修正了断路器本体振动误差,多目标联动加权判别法成功剔除了不良数据、提高数据的准确性,最终使得测试出的机械特性参数具有高测试精度与可靠性。