CN108960169A - 基于计算机视觉的仪器设备状态在线监测方法及系统 - Google Patents
基于计算机视觉的仪器设备状态在线监测方法及系统 Download PDFInfo
- Publication number
- CN108960169A CN108960169A CN201810762312.4A CN201810762312A CN108960169A CN 108960169 A CN108960169 A CN 108960169A CN 201810762312 A CN201810762312 A CN 201810762312A CN 108960169 A CN108960169 A CN 108960169A
- Authority
- CN
- China
- Prior art keywords
- instrument
- equipment
- computer vision
- video
- similarity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于计算机视觉的仪器设备在线监测方法及系统。方法包含以下步骤:步骤一,利用视频采集设备实时采集仪器设备的视频数据,并将采集到的视频数据传输给服务器;步骤二,服务器将视频采集设备传送来的视频数据进行预处理得到视频帧;步骤三,利用计算机视觉处理技术将视频帧与预设标准图像进行相似度比较,如相似度不符合预设条件,则判断仪器设备在线。本发明利用计算机视觉技术能准确判断仪器设备是否在线,降低人工管理监测的成本。
Description
技术领域
本发明涉及仪器设备管理的技术领域,特别是涉及一种基于计算机视觉的仪器设备状态在线监测方法及系统。
背景技术
目前,对于部分持有小型贵重仪器设备的公司、单位,小型贵重仪器大都存放在固定位置,在日常应用中,设备会被公司内部员工或外部人员借用,一旦出现一些小型贵重仪器设备未按照仪器管理规范要求办理出借使用,而借方忘记归还或者设备管理者忘记登记借方的信息,就无法确定仪器设备是否存在以及是否被借出,严重时就会造成设备丢失,精密贵重设备的丢失就会给公司或单位的资产带来无谓的损失。
为了避免这种情况发生,需要规范仪器设备的出借制度,但是单一从人工制度进行监管容易造成遗漏,因此需要研究利用其他的技术手段实现仪器设备状态在线的自动监测,减少人工登记的监管。
计算机视觉技术,是一种用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。该技术使用计算机和相关设备模拟了生物视觉,包含了图像处理、模式识别、图像理解等诸多分支。计算机视觉技术提供了一系列目标检测、目标检测的方案。通过计算机视觉技术,可以使用非人工的方法来检测仪器设备是否在线,检测效率高、准确率高,能够有效降低人工成本。基于该技术,本发明提出了一种基于计算机视觉的仪器设备状态在线监测方法及系统。
发明内容
本发明公开了一种基于计算机视觉的仪器设备状态在线监测方法。该方法采用前端视频采集设备获取实时视频数据、后端服务器进行图像处理和计算相似度,最终经过相似度判别器,比较视频图像和标准图像的相似度来判别仪器设备是否在线,实现实时监测仪器设备在线功能。
为了达到上述目的,本发明采取以下技术方案。
一种基于计算机视觉的仪器设备状态在线监测方法,该方法包含以下步骤:
步骤一,利用视频采集设备实时采集仪器设备的视频数据,并将采集到的视频数据传输给服务器;
步骤二,服务器将视频采集设备传送来的视频数据进行预处理得到视频帧;
步骤三,利用计算机视觉处理技术将视频帧与预设标准图像进行相似度比较,如相似度不符合预设条件,则判断仪器设备在线。
作为一种优选的技术方案,所述步骤二具体为,所述服务器将视频采集设备传输的视频信号通过图像处理软件进行格式化处理得到视频帧。
作为一种优选的技术方案,所述步骤三中预设条件为设定一个异常区间;如相似度落在异常区间外则判断仪器设备在线,如相似度落在异常区间内则判断仪器设备异常。
作为一种优选的技术方案,所述步骤三中视频帧像素为W*Hpix,W为图像的横向宽度,H为图像的纵向高度,视频帧像素的取值范围为[0,255]。
作为一种优选的技术方案,所述步骤三具体为:
S31、利用帧差法逐帧与标准图像比较,首先将视频帧和标准图像转变成灰度图M1、M2,对灰度图矩阵做差分并取绝对值,得到差分矩阵D=|M1-M2|;
S32、对差分矩阵D采用(0,1)标准归一化:
其中xi是矩阵中第i个元素,Dmin是D中最小值,Dmax是D中最大值。检查D中大于设定阈值s0元素的个数N,计算异常元素占比:
,记n为相似度;
S33、定义异常区间[n0,n1],当相似度n在区间[n0,n1]内时,认定仪器设备出现异常,若n在区间外时,认定仪器设备属于正常状态。
作为一种优选的技术方案,所述利用计算机视觉处理技术将视频帧与预设标准图像进行相似度比较,计算机视觉处理技术处理视频帧得到视频帧信息、边缘信息,将视频帧信息、边缘信息与预设标准图像进行信息比对。
一种基于计算机视觉的仪器设备状态在线监测系统,包括:
视频采集设备,用于实时采集仪器设备的视频数据,并将该视频数据发送给服务器;
服务器,用于接收视频采集设备发送的视频数据,并将视频数据进行图像处理得到视频帧,利用计算机视觉处理技术将视频帧与预设标准图像进行相似度比较,如相似度不符合预设条件,则判断仪器设备在线。
作为一种优选的技术方案,所述预设条件为设定一个异常区间;如相似度落在异常区间外则判断设备在线,如相似度落在异常区间内则判断设备异常。
作为一种优选的技术方案,所述视频帧像素为W*H pix,W为图像的横向宽度,H为图像的纵向高度,视频帧像素的取值范围为[0,255]。
作为一种优选的技术方案,所述服务器的判断仪器设备在线的具体过程为:
利用帧差法逐帧与标准图像比较,对视频帧和标准图像的灰度图做差分并取绝对值,得到差分矩阵D=|M1-M2|;
对差分矩阵D做(0,1)标准归一化,检查D中大于设定阈值s0元素的个数N,计算异常元素占比n=N/(W*H),记n为相似度;
定义异常区间[n0,n1],当相似度n在区间[n0,n1]内时,认定仪器设备出现异常,若n在区间外时,认定仪器设备属于正常状态。
与现有的检查设备在线方法相比,本发明的有益效果是:
1)采用计算机视觉技术,建立计算机视觉模型,并通过所设计的判别算法对视频帧信息、边缘信息与预设标准图像进行比较,输出可靠判别结果,提高了检测准确率、检测效率;
2)采用了视频采集设备与服务器相结合,能够有效降低监测仪器设备是否在线的人工成本,可以实现无人化监测仪器设备是否在线的功能;
3)一旦全部设备部署完毕,可以长时间高效工作,完成监测仪器设备是否在线功能。
附图说明
图1是基于计算机视觉的仪器设备状态在线监测的结构示意图。
图2是基于计算机视觉的仪器设备状态在线监测过程中的视频数据处理示意图。
图3是基于计算机视觉的仪器设备状态在线监测过程中的服务器对视频数据处理的示意图。
图4是基于计算机视觉的仪器设备状态在线监测过程中的相似度判别流程示意图。
具体实施方式
下面通过具体实施例对本发明的技术方案作进一步描述说明,使得本技术方案更加清楚、明白。
实施例1
如图1‐4所示,本实施例公开了一种基于计算机视觉的仪器设备状态在线监测方法,该方法包含以下步骤:
步骤一、通过视频采集设备,获取实时视频数据,并将视频数据传入服务器,由服务器进行处理。
将视频采集设备安置在合理的位置,配置好视频采集设备的各项参数,使之能够正常工作。视频采集设备按要求将采集到的视频数据输入服务器进行处理。
步骤二、在服务器中预处理视频采集设备传送来的实时视频数据,将视频数据格式化处理得到所需的视频帧。
服务器与视频采集设备相连接,接收视频采集设备传输的视频信号(即视频数据),视频信号通过服务器内图像处理软件进行格式化处理,得到格式化后的视频帧,以便于计算机视觉处理软件处理。格式化后的视频帧像素为W*H pix,取值范围为[0,255]。
步骤三、通过比较视频帧和标准图像来刻画两者之间的相似度,使用图像处理的方法来提升准确性,最终通过相似度来判别仪器设备是否在线。
格式化后的视频帧像素为W*H,利用帧差法逐帧与标准图像比较,对视频帧和标准图像的灰度图做差分并取绝对值,得到差分矩阵D=|M1-M2|。对差分矩阵D做(0,1)标准归一化,检查D中大于设定阈值s0元素的个数N,计算异常元素占比n=N/(W*H),记n为相似度。定义异常区间[n0,n1],当相似度n在区间[n0,n1]内时,认定仪器设备出现异常,若n在区间外时,认定仪器设备属于正常状态。通过上述方法可以实现实时监测仪器设备是否在线。
本实施例中的视频帧与标准图像比对,比较的是视频帧中的视频帧信息以及边缘信息。通过计算机视觉处理软件利用判别算法将视频帧信息、边缘信息与预设标准图像进行相似度比对,根据比对结果判断当前摄像范围内的仪器设备是否在线。
本实施例通过采集当前的仪器设备所在环境的图像,判断该图像与所有仪器设备都存放在该环境内的预设标准图像比对,如果发生变化,该变化体现了某个仪器设备不存在该环境内,依此判断该仪器设备出现异常。
实施例2
与实施例1的方法对应的,本实施例公开了一种基于计算机视觉的仪器设备状态在线监测系统,包括:
视频采集设备,用于实时采集仪器设备的视频数据,并将该视频数据发送给服务器;
服务器,用于接收视频采集设备发送的视频数据,并将视频数据进行图像处理得到视频帧,利用计算机视觉处理技术将视频帧与预设标准图像进行相似度比较,如相似度不符合预设条件,则判断仪器设备在线。
本实施例中的预设条件为设定一个异常区间[n0,n1];如相似度落在异常区间外则判断设备在线,如相似度落在异常区间内则判断设备异常。
本实施例中的视频帧像素为W*H pix,W为图像的横向宽度,H为图像的纵向高度,取值范围为[0,255]。
本实施例中,所述服务器的判断仪器设备在线的具体过程为:
利用帧差法逐帧与标准图像比较,对视频帧和标准图像的灰度图做差分并取绝对值,得到差分矩阵D=|M1-M2|;
对差分矩阵D做(0,1)标准归一化,检查D中大于设定阈值s0元素的个数N,计算异常元素占比n=N/(W*H),记n为相似度;
定义异常区间[n0,n1],当相似度n在区间[n0,n1]内时,认定仪器设备出现异常,若n的值大小落在区间外时,认定仪器设备属于正常状态。
以上为本发明的优选实施方式,并不限定本发明的保护范围,对于本领域技术人员根据本发明的设计思路做出的变形及改进,都应当视为本发明的保护范围之内。
Claims (10)
1.一种基于计算机视觉的仪器设备状态在线监测方法,该方法包含以下步骤:
步骤一,利用视频采集设备实时采集仪器设备的视频数据,并将采集到的视频数据传输给服务器;
步骤二,服务器将视频采集设备传送来的视频数据进行预处理得到视频帧;
步骤三,利用计算机视觉处理技术将视频帧与预设标准图像进行相似度比较,如相似度不符合预设条件,则判断仪器设备在线。
2.根据权利要求1所述的一种基于计算机视觉的仪器设备状态在线监测方法,其特征在于,所述步骤二具体为,所述服务器将视频采集设备传输的视频信号通过图像处理软件进行格式化处理得到视频帧。
3.根据权利要求1所述的一种基于计算机视觉的仪器设备状态在线监测方法,其特征在于,所述步骤三中预设条件为设定一个异常区间;如相似度落在异常区间外则判断仪器设备在线,如相似度落在异常区间内则判断仪器设备异常。
4.根据权利要求1-3任一所述的一种基于计算机视觉的仪器设备状态在线监测方法,其特征在于,所述步骤三中视频帧像素为W*H pix,W为横向宽度,H为纵向高度;和/或,视频帧像素的取值范围为[0,255]。
5.根据权利要求1-3任一所述的一种基于计算机视觉的仪器设备状态在线监测方法,其特征在于,所述步骤三具体为:
S31、利用帧差法逐帧与标准图像比较,对视频帧和标准图像做差,得到差分矩阵D;
S32、对差分矩阵D归一化,检查D中大于设定阈值s0元素的个数N,计算异常元素占比n=N/(W*H),记n为相似度;
S33、定义异常区间[n0,n1],当相似度n在区间[n0,n1]内时,认定仪器设备出现异常,若n在区间外时,认定仪器设备属于正常状态。
6.根据权利要求1所述的一种基于计算机视觉的仪器设备状态在线监测方法,其特征在于,所述利用计算机视觉处理技术将视频帧与预设标准图像进行相似度比较中,计算机视觉处理技术处理视频帧得到视频帧信息、边缘信息,将视频帧信息、边缘信息与预设标准图像进行信息比对。
7.一种基于计算机视觉的仪器设备状态在线监测系统,包括:
视频采集设备,用于实时采集仪器设备的视频数据,并将该视频数据发送给服务器;
服务器,用于接收视频采集设备发送的视频数据,并将视频数据进行图像处理得到视频帧,利用计算机视觉处理技术将视频帧与预设标准图像进行相似度比较,如相似度不符合预设条件,则判断仪器设备在线。
8.根据权利要求7所述的一种基于计算机视觉的仪器设备状态在线监测系统,其特征在于,所述预设条件为设定一个异常区间;如相似度落在异常区间外则判断设备在线,如相似度落在异常区间内则判断设备异常。
9.根据权利要求7所述的一种基于计算机视觉的仪器设备状态在线监测系统,其特征在于,所述视频帧像素为W*H pix,W为横向宽度,H为纵向高度;和/或,视频帧像素的取值范围为[0,255]。
10.根据权利要求7所述的一种基于计算机视觉的仪器设备状态在线监测系统,其特征在于,所述服务器的判断仪器设备在线的具体过程为:
利用帧差法逐帧与标准图像比较,对视频帧和标准图像做差,得到差分矩阵D;
对差分矩阵D归一化,检查D中大于设定阈值s0元素的个数N,计算异常元素占比n=N/(W*H),记n为相似度;
定义异常区间[n0,n1],当相似度n在区间[n0,n1]内时,认定仪器设备出现异常,若n在区间外时,认定仪器设备属于正常状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810762312.4A CN108960169A (zh) | 2018-07-12 | 2018-07-12 | 基于计算机视觉的仪器设备状态在线监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810762312.4A CN108960169A (zh) | 2018-07-12 | 2018-07-12 | 基于计算机视觉的仪器设备状态在线监测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108960169A true CN108960169A (zh) | 2018-12-07 |
Family
ID=64483019
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810762312.4A Pending CN108960169A (zh) | 2018-07-12 | 2018-07-12 | 基于计算机视觉的仪器设备状态在线监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108960169A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110006897A (zh) * | 2019-03-15 | 2019-07-12 | 上海电气集团股份有限公司 | 一种液流电池系统监测装置及使用方法 |
WO2020020076A1 (zh) * | 2018-07-25 | 2020-01-30 | 京东方科技集团股份有限公司 | 灰阶设定方法、显示基板和显示装置 |
CN113610811A (zh) * | 2021-08-09 | 2021-11-05 | 北京天融信网络安全技术有限公司 | 汽车仪表盘指示灯测试方法、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101957325A (zh) * | 2010-10-14 | 2011-01-26 | 山东鲁能智能技术有限公司 | 基于变电站巡检机器人变电站设备外观异常识别方法 |
US20130044223A1 (en) * | 2011-08-19 | 2013-02-21 | Askey Computer Corporation | Method for testing an image capturing device |
CN103034850A (zh) * | 2012-12-21 | 2013-04-10 | 湖北工业大学 | 一种tfds挡键丢失故障自动识别方法 |
CN103778418A (zh) * | 2014-01-28 | 2014-05-07 | 华南理工大学 | 一种输电线路杆塔图像监测系统的山火图像识别方法 |
US20140232913A1 (en) * | 2013-02-19 | 2014-08-21 | Sony Corporation | Solid-state imaging device and driving method of same |
CN106846304A (zh) * | 2017-01-03 | 2017-06-13 | 中国特种设备检测研究院 | 基于红外检测的电气设备检测方法及装置 |
CN107248151A (zh) * | 2017-04-20 | 2017-10-13 | 深圳市智能机器人研究院 | 一种基于机器视觉的液晶片智能检测方法及系统 |
-
2018
- 2018-07-12 CN CN201810762312.4A patent/CN108960169A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101957325A (zh) * | 2010-10-14 | 2011-01-26 | 山东鲁能智能技术有限公司 | 基于变电站巡检机器人变电站设备外观异常识别方法 |
US20130044223A1 (en) * | 2011-08-19 | 2013-02-21 | Askey Computer Corporation | Method for testing an image capturing device |
CN103034850A (zh) * | 2012-12-21 | 2013-04-10 | 湖北工业大学 | 一种tfds挡键丢失故障自动识别方法 |
US20140232913A1 (en) * | 2013-02-19 | 2014-08-21 | Sony Corporation | Solid-state imaging device and driving method of same |
CN103778418A (zh) * | 2014-01-28 | 2014-05-07 | 华南理工大学 | 一种输电线路杆塔图像监测系统的山火图像识别方法 |
CN106846304A (zh) * | 2017-01-03 | 2017-06-13 | 中国特种设备检测研究院 | 基于红外检测的电气设备检测方法及装置 |
CN107248151A (zh) * | 2017-04-20 | 2017-10-13 | 深圳市智能机器人研究院 | 一种基于机器视觉的液晶片智能检测方法及系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020020076A1 (zh) * | 2018-07-25 | 2020-01-30 | 京东方科技集团股份有限公司 | 灰阶设定方法、显示基板和显示装置 |
US11322100B2 (en) | 2018-07-25 | 2022-05-03 | Ordos Yuansheng Optoelectronics Co., Ltd. | Gray scale setting method, display substrate and display apparatus |
CN110006897A (zh) * | 2019-03-15 | 2019-07-12 | 上海电气集团股份有限公司 | 一种液流电池系统监测装置及使用方法 |
CN113610811A (zh) * | 2021-08-09 | 2021-11-05 | 北京天融信网络安全技术有限公司 | 汽车仪表盘指示灯测试方法、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105373135B (zh) | 一种基于机器视觉的飞机入坞引导和机型识别的方法及系统 | |
CN101465033B (zh) | 一种自动追踪识别系统及方法 | |
CN106056079B (zh) | 一种图像采集设备及人脸五官的遮挡检测方法 | |
CN110728225B (zh) | 一种用于考勤的高速人脸搜索方法 | |
WO2019127273A1 (zh) | 一种多人脸检测方法、装置、服务器、系统及存储介质 | |
CN106156688A (zh) | 一种动态人脸识别方法及系统 | |
CN106709450A (zh) | 一种指纹图像识别方法及系统 | |
CN101556717A (zh) | 一种atm智能安保系统及监测方法 | |
CN108960169A (zh) | 基于计算机视觉的仪器设备状态在线监测方法及系统 | |
CN110728252B (zh) | 一种应用于区域人员运动轨迹监控的人脸检测方法 | |
CN110084165A (zh) | 基于边缘计算的电力领域开放场景下异常事件的智能识别与预警方法 | |
CN111126219A (zh) | 一种基于人工智能的变电站人员的身份识别系统和方法 | |
CN111353338B (zh) | 一种基于营业厅视频监控的能效改进方法 | |
CN209543514U (zh) | 基于人脸识别的监控与报警系统 | |
CN112926522B (zh) | 一种基于骨骼姿态与时空图卷积网络的行为识别方法 | |
CN109063589A (zh) | 基于神经网络的仪器设备在线监测方法及系统 | |
CN109345524A (zh) | 一种基于视觉的轴承外观缺陷检测系统 | |
CN111339927A (zh) | 一种电力营业厅人员工作状态智能识别系统 | |
CN109697417A (zh) | 一种用于变桨系统柜的生产管理系统 | |
CN111178244B (zh) | 一种异常生产场景的识别方法 | |
CN104615985B (zh) | 一种人脸相似度的识别方法 | |
CN109033999B (zh) | 基于脸部识别的地铁收费平台 | |
CN109145758A (zh) | 一种基于视频监控的人脸的识别算法 | |
CN115546825A (zh) | 一种安检规范性自动监测方法 | |
CN114898181A (zh) | 用于涉爆视频的隐患违章识别方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181207 |
|
RJ01 | Rejection of invention patent application after publication |