CN110490854A - 对象状态检测方法、对象状态检测装置和电子设备 - Google Patents
对象状态检测方法、对象状态检测装置和电子设备 Download PDFInfo
- Publication number
- CN110490854A CN110490854A CN201910752641.5A CN201910752641A CN110490854A CN 110490854 A CN110490854 A CN 110490854A CN 201910752641 A CN201910752641 A CN 201910752641A CN 110490854 A CN110490854 A CN 110490854A
- Authority
- CN
- China
- Prior art keywords
- image
- detected
- specified
- specified object
- shell
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 56
- 238000004458 analytical method Methods 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims description 43
- 238000012545 processing Methods 0.000 claims description 17
- 238000013507 mapping Methods 0.000 claims description 16
- 241000406668 Loxodonta cyclotis Species 0.000 claims description 6
- 238000013519 translation Methods 0.000 claims description 4
- 230000008901 benefit Effects 0.000 claims description 3
- 238000007689 inspection Methods 0.000 description 37
- 230000002159 abnormal effect Effects 0.000 description 12
- 238000004590 computer program Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 230000006854 communication Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 230000015654 memory Effects 0.000 description 8
- 230000005856 abnormality Effects 0.000 description 6
- 230000001681 protective effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000005538 encapsulation Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000000151 deposition Methods 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J11/00—Manipulators not otherwise provided for
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/32—Monitoring with visual or acoustical indication of the functioning of the machine
- G06F11/324—Display of status information
- G06F11/325—Display of status information by lamps or LED's
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种对象状态检测方法、对象状态检测装置和电子设备。该对象状态检测方法包括:获取第一图像,第一图像包括多个待检测对象的图像;确定第一图像中是否存在指定对象的图像,指定对象为待检测对象的一部分,指定对象的图像满足颜色条件以及以下至少一种:形状条件和亮度条件;如果确定第一图像中存在指定对象的图像,则获取第二图像,第二图像包括指定对象的图像,第一图像包括的待检测对象的图像个数大于第二图像包括的待检测对象的图像个数;以及分析第二图像以确定多个待检测对象中的至少一个待检测对象的状态。
Description
技术领域
本公开涉及检测技术领域,更具体地,涉及一种对象状态检测方法、对象状态检测装置和电子设备。
背景技术
数据中心机房巡检是数据中心重要的日常运维工作。当前硬件设备的远程监控技术已经开始替代一些巡检工作,例如,通过远程监控技术来采集设备状态信息、故障信息等。
在实现本公开构思的过程中,发明人发现相关技术中至少存在如下问题。数据中心重要的日常运维工作仍有许多工作依赖于现场人工巡检。例如,需要人工现场查看设备、电源的各类指示灯状态等。因此,目前在设备和机房基础设施运维管理工作中需要人工进入机房现场查看的工作还有很多,机房的现场巡检仍是远程监控的重要补充。
发明内容
有鉴于此,本公开提供了一种用于自动对对象进行状态检测的对象状态检测方法、对象状态检测装置和电子设备。
本公开的一个方面提供了一种由服务器端执行的对象状态检测方法,可以包括:获取第一图像,第一图像包括多个待检测对象的图像;确定第一图像中是否存在指定对象的图像,指定对象为待检测对象的一部分,指定对象的图像满足颜色条件以及以下至少一种:形状条件和亮度条件;如果确定第一图像中存在指定对象的图像,则获取第二图像,第二图像包括指定对象的图像,第一图像包括的待检测对象的图像个数大于第二图像包括的待检测对象的图像个数;以及分析第二图像以确定多个待检测对象中的至少一个待检测对象的状态。
本公开实施例提供的对象状态检测方法,模拟人工巡检动作,采用两阶段图像采集,第一阶段图像采集时进行粗检,如果发现异常,则进行第二阶段图像采集,并进行细检。通过以上两阶段图像采集方式获取数据中心机房内服务器的信息灯的状态信息,执行巡检动作。本公开实施例使得机器人巡检效率极大提高,如百分九十以上的巡检动作为粗检,仅执行少量的细检动作,在极大提升巡检效率(可以大幅度减少巡检机器人的数量)的同时,还可以通过细检提供异常对象的详细信息。
根据本公开的实施例,多个待检测对象被设置在至少一个壳体中,壳体具有遮挡物,用于遮挡部分待检测对象。相应地,获取第一图像包括:从多个角度分别获取多个第一图像;以及叠加多个第一图像以将第一图像中遮挡物的图像替换为被遮挡的待检测对象的图像。
根据本公开的实施例,该方法还包括:在叠加多个第一图像以将第一图像中遮挡物的图像替换为被遮挡的待检测对象的图像之后,通过旋转处理、拉伸处理或平移处理中至少一种修正第一图像,以使得多个待检测对象的图像转换为多个指定形状的待检测对象的图像。
根据本公开的实施例,电子设备具有动力部件。相应地,获取第二图像包括:基于第一图像确定电子设备相对于具有指定对象的待检测对象的运动方向;动力部件驱动电子设备沿着运动方向移动,直至到达具有指定对象的待检测对象的检测位置;从多个角度采集多个第二图像,多个第二图像包括具有指定对象的待检测对象的图像;以及叠加多个第二图像以去除第二图像中遮挡物的图像。
根据本公开的实施例,分析第二图像以确定至少一个待检测对象的状态包括,重复以下操作分别对至少一个待检测对象中每个待检测对象进行检测:基于位置和对象标识之间的第一映射关系以及检测位置确定待检测对象的对象标识;基于对象标识获取对应的待检测对象的正常状态图像;以及比对第二图像和正常状态图像以确定待检测对象的状态。
根据本公开的实施例,基于位置和对象标识之间的第一映射关系以及检测位置确定待检测对象的对象标识包括:基于壳体标识与检测位置之间的第二映射关系确定壳体标识;从第一图像中获取待检测对象的高度信息,并基于壳体标识和高度信息确定待检测对象在壳体中的高度;以及基于对象标识与高度之间的第三映射关系以及待检测对象在壳体中的高度确定待检测对象的对象标识。
根据本公开的实施例,确定第一图像中是否存在指定对象的图像包括:基于颜色分析以及以下至少一种:图像边缘分析和亮度分析,确定第一图像中是否存在指定对象的图像。
根据本公开的实施例,颜色条件包括:指定对象的图像的颜色为红色或黄色;形状条件包括:指定对象的图像的形状为指定形状;以及亮度条件包括:指定对象的图像的亮度大于预设亮度阈值。
本公开的另一个方面提供了一种对象状态检测装置,包括第一图像获取模块、指定对象确定模块、第二图像获取模块和分析模块。其中,第一图像获取模块用于获取第一图像,第一图像包括多个待检测对象的图像;指定对象确定模块用于确定第一图像中是否存在指定对象的图像,指定对象为待检测对象的一部分,指定对象的图像满足颜色条件以及以下至少一种:形状条件和亮度条件;第二图像获取模块用于如果确定第一图像中存在指定对象的图像,则获取第二图像,第二图像包括指定对象的图像,第一图像包括的待检测对象的图像个数大于第二图像包括的待检测对象的图像个数;以及分析模块用于分析第二图像以确定多个待检测对象中的至少一个待检测对象的状态。其中,各模块可以执行相应的方法的操作,在此不再一一赘述。
本公开的另一方面提供了一种电子设备,包括一个或多个处理器以及存储装置,其中,存储装置用于存储可执行指令,可执行指令在被处理器执行时,实现如上所述的方法。
本公开的另一方面提供了一种计算机可读存储介质,存储有计算机可执行指令,指令在被执行时用于实现如上所述的方法。
本公开的另一方面提供了一种计算机程序,计算机程序包括计算机可执行指令,指令在被执行时用于实现如上所述的方法。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本公开实施例的对象状态检测方法、对象状态检测装置和电子设备的应用场景;
图2示意性示出了根据本公开实施例的可以应用对象状态检测方法、对象状态检测装置和电子设备的示例性系统架构;
图3示意性示出了根据本公开实施例的对象状态检测方法的流程图;
图4示意性示出了根据本公开实施例的获取第一图像的方法的流程图;
图5示意性示出了根据本公开去除遮挡物图像的示意图;
图6示意性示出了根据本公开实施例的修正第一图像示意图;
图7示意性示出了根据本公开实施例的获取第二图像的方法的流程图;
图8示意性示出了根据本公开实施例的确定待检测对象的状态的方法的流程图;
图9示意性示出了根据本公开实施例的确定对象标识的示意图;
图10示意性示出了根据本公开实施例的对象状态检测装置的框图;以及
图11示意性示出了根据本公开实施例的电子设备的方框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个特征。
本公开的实施例提供了一种对象状态检测方法、对象状态检测装置和电子设备。该对象状态检测方法包括粗检过程和细检过程。在粗检过程中,获取第一图像,该第一图像包括多个待检测对象的图像,然后,确定第一图像中是否存在指定对象的图像,指定对象为待检测对象的指定部分。如果存在指定对象的图像,则表明粗检结果显示存在异常,进入细检过程。在细检过程中,首先,获取第二图像,第二图像包括指定对象的图像,第一图像包括的待检测对象的图像个数大于第二图像包括的待检测对象的图像个数,然后,分析第二图像以确定多个待检测对象中的至少一个待检测对象的状态。
图1示意性示出了根据本公开实施例的对象状态检测方法、对象状态检测装置和电子设备的应用场景。
如图1所示,XX服务器中心具有大量服务器10,多个服务器10集中设置在一个机柜中。服务器可以具有多种型号,每个服务器可以具有至少一个指示灯,以指示其工作状态等。
相关技术的巡检机器人的一个重要功能是对服务器的故障灯进行检测和识别。巡检机器人的相机在机柜外对机柜内的服务器进行拍照、识别和匹配,发现服务器的异常状态灯并进行报警。
相关技术的巡检机器人从形态上可以分来无机械臂巡检机器人和有机械臂巡检机器人。相关技术的巡检机器人在故障灯识别时可以采用如下两种方法。例如,利用机器人本体或者机械臂所带的相机,对要识别的机柜进行拍照,然后识别出已定义的异常状态灯,如红灯或者黄灯。然后定位故障灯所处的机柜区域(如将机柜从上往下分为上、中上、中下和下这四个区域)并发送报警信息。这种情况下,识别的服务器故障信息只能定位到机柜或者机柜的某一区域,无法定位到具体的某台服务器。由于是对整机柜进行拍照识别,效率较高,巡检花费的时间较少,但是无法给出存在故障的服务器的详细信息。又例如,利用巡检机器人本体或者机械臂上的相机,对要服务器逐台进行拍照,然后识别出已定义的异常状态灯。巡检机器人对每台服务器进行巡检,系统可以已关联安装在机柜内的服务器的资产信息。因此可定位到具体的故障设备,识别精度比上一实施例中更高。但是,带来的问题是由于需要逐台服务器进行拍照识别和匹配,效率非常低。而安装在机柜内的服务器,绝大多数的状态灯都是正常的,完成复杂的巡检动作后,绝大多数情况并不产生报警信息。
如图1所示,本公开实施例提供的对象状态检测方法、对象状态检测装置和电子设备,模仿人工巡检行为,将巡检动作分为粗检阶段和细检阶段两个阶段,绝大多数的巡检仅执行第一阶段的粗检动作,大大提高了巡检效率。如图1中,巡检机器人可以对多个服务器10进行拍照(如一个或多个机柜),并识别照片中是否具有红色点亮状态的指示灯,无需分别对每个服务器10进行拍照,极大缩短了巡检时间。如果照片中存在红色指示灯,则巡检机器人可以运动至该具有红色指示灯的服务器10处,对其进行单独拍照分析以得到该服务器10的具体工作状态。其中,巡检机器人可以具有一个或多个摄像头20和驱动装置40等。此外,该巡检机器人可以具有其它类型的传感器30(如温湿度传感器、烟雾传感器等)和报警装置50(如报警灯等)。当然,该巡检机器人可以具有无线通信类装置以和服务器监控平台(如XX服务器中心的后台管理服务器)进行信息交互。
需要说明的是,本公开实施例提供的巡检机器人可以应用于无机械臂和有机械臂两大类巡检机器人。
图2示意性示出了根据本公开实施例的可以应用对象状态检测方法、对象状态检测装置和电子设备的示例性系统架构。需要注意的是,图2所示仅为可以应用本公开实施例的系统架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图2所示,根据该实施例的系统架构200可以包括机器人201,终端设备202、203,网络204,服务器205。网络204用以在机器人201,终端设备202、203和服务器205之间提供通信链路的介质。网络204可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
机器人201通过网络204与服务器205交互,用户可以使用终端设备202、203通过网络204与服务器205交互,以接收或发送信息等。终端设备202、203可以安装有各种通讯客户端应用,例如运营管理类应用、办公类应用、购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等应用(仅为示例)。
机器人201可以为具有摄像头、温湿度传感器等息采集部件的机器人,如巡检机器人等。终端设备202、203包括但不限于智能手机、平板电脑、膝上型便携计算机、台式机、虚拟现实设备、增强现实设备等等。
服务器205可以为服务器中心提供监测服务。如服务器205可以为后台管理服务器、数据库服务器、服务器集群等。后台管理服务器可以对接收到的网络流量信息等数据进行分析等处理,并将处理结果(如异常服务器标识、异常服务器的图像信息及异常服务器的属性信息等)发送给终端设备。
需要说明的是,本公开实施例所提供的检测方法一般可以由机器人201执行。相应地,本公开实施例所提供的检测装置一般可以设置于机器人201中。
应该理解,终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
图3示意性示出了根据本公开实施例的对象状态检测方法的流程图。
如图3所示,该由电子设备执行的对象状态检测方法可以包括操作S301~操作S307。
在操作S301,获取第一图像,第一图像包括多个待检测对象的图像。
具体地,可以采用摄像头采集包括多个待检测对象的图像。参考图1所示,可以采集待检测对象的正面图像,也可以采集与正面图像呈现一定角度的侧面图像,只要能从图像中检查可用于确定待检测对象的状态的指定对象的图像即可。
在操作S303,确定第一图像中是否存在指定对象的图像,指定对象为待检测对象的一部分,指定对象的图像满足颜色条件以及以下至少一种:形状条件和亮度条件。
在本实施例中,可以对第一图像进行识别以确定第一图像中是否存在指定对象的图像。其中,指定对象可以为能表征待检测对象是否处于异常工作状态的对象,如状态指示灯、异常提示装置等。例如,待检测对象为服务器,则指定对象可以为各类指示灯。
其中,颜色条件可以包括:指定对象的图像的颜色为红色或黄色,如服务器正常工作状态下的指示灯显示绿色,红色或黄色为异常或空置状态等。形状条件包括:指定对象的图像的形状为指定形状,如服务器上指示灯的形状可以为圆形或四边形。亮度条件包括:指定对象的图像的亮度大于预设亮度阈值。
具体地,确定第一图像中是否存在指定对象的图像可以包括:基于颜色分析以及以下至少一种:图像边缘分析和亮度分析,确定第一图像中是否存在指定对象的图像。
例如,可以将色调-亮度-饱和度(Hue Lightness Saturation,简称HLS)颜色空间中亮度参数的值大于第一亮度阈值、且颜色为红色或黄色的像素组成的区域作为待检测图像区域。然后,对待检测图像区域进行边缘检测,得到待检测图像区域的形状。接着,判断待检测图像区域的形状是否为指定形状(如圆形或四边形等)。如果为指定形状,则确定第一图像中存在指定对象的图像。如果确定第一图像中没有亮度参数的值大于第一亮度阈值、第一图像中没有红色或黄色的像素组成的区域、待检测图像区域的形状不是指定形状中的任意一种或多种,则确定第一图像中存在指定对象的图像。
在操作S305,如果确定第一图像中存在指定对象的图像,则获取第二图像,第二图像包括指定对象的图像,第一图像包括的待检测对象的图像个数大于第二图像包括的待检测对象的图像个数。
具体地,可以由巡检机器人移动至第一图像中的指定对象所属的待检测对象附近,然后通过摄像头等再次进行图像采集。当然,也可以是由巡检机器人通过变焦的方式来获取第一图像中的指定对象所属的待检测对象的图像。此外,对于具有机械臂的巡检机器人,可以由机器人控制机械臂向第一图像中的指定对象所属的待检测对象移动,然后通过摄像头等再次进行图像采集。另外,也可以是上述多种方式的组合使用,在此不做限定。由于第二次采集的图像属于细检过程,需要关于处于异常状态的待检测对象的更加详细信息,因此,第一图像包括的待检测对象的图像个数大于第二图像包括的待检测对象的图像个数,以便于从图像中查看到更多细节图像。
在操作S307,分析第二图像以确定多个待检测对象中的至少一个待检测对象的状态。
在本实施例中,可以通过图像比对等方法分析第二图像以确定多个待检测对象中的至少一个待检测对象的状态。例如,将待检测对象的图像与预设图像进行比对。其中,预设图像可以为与待检测对象的型号相同的对象在处于正常工作状态下拍摄的图像。需要说明的是,在服务器中心建设时,可以绘制资产表,该资产表中可以具有设备的位置信息、标识信息、图像信息和属性信息等,因此可以从资产表相关信息中获取预设图像。
通过图像比对即可知道表征哪个指标状态的指示灯显示异常,进而便于快速确定待检测对象的故障原因。
图4示意性示出了根据本公开实施例的获取第一图像的方法的流程图。
如图4所示,多个待检测对象被设置在至少一个壳体中,壳体具有遮挡物,用于遮挡部分待检测对象。
相应地,获取第一图像可以包括操作S401~操作S403。
在操作S401,从多个角度分别获取多个第一图像。
具体地,以待检测对象为服务器为例进行说明。可以由巡检机器人在不同位置分别获取多个第一图像。例如,巡检机器人在预设的巡检路径的多个相邻的位置处分别获取针对多个服务器的多个第一图像。又例如,巡检机器人通过控制机械臂的上升、下降、左右移动等改变相机拍摄角度,从多个角度分别获取针对多个服务器的多个第一图像。当然,也可以通过结合上述两种方式来从多个角度分别获取多个第一图像。
在操作S403,叠加多个第一图像以将第一图像中遮挡物的图像替换为被遮挡的待检测对象的图像。
例如,服务器设置在机柜中,机柜正面可能设置有格栅等防护网以保护服务器。巡检机器人拍摄的第一图像中会存在格栅等遮挡物遮挡住服务器的一些部位的情形,因此,需要去除格栅等的图像。
考虑到防护网的占空比通常较小,且防护网与服务器之间具有一定距离,可以通过改变拍摄角度来获取多张待检测对象的第一图像,且改变角度后的第一图像中被防护网遮挡住的服务器的部分不同,这样就可以通过叠加具有不同拍摄角度的第一图像来去除第一图像中的遮挡物的图像。
具体地,可以先从多个第一图像中分别识别出防护网等遮挡物的图像,然后分别从多个第一图像中去除遮挡物的图像。接着,通过叠加多个去除遮挡物的图像后的第一图像,得到去除遮挡物的第一图像。例如,叠加时可以基于一些特征点为基准进行叠加,如基于机柜的正面四个顶点、服务器的正面四个顶点等作为基准点。
图5示意性示出了根据本公开去除遮挡物图像的示意图。
如图5所示,图5的左上角图为巡检机器人从第一角度拍摄的一张第一图像,图中圆圈为指示灯,长条为格栅,格栅挡住了至少部分指示灯。右上角图为格栅的图像,可以通过模型等自动从第一图像中识别出格栅的图像,例如,采用深度学习神经网络作为模型拓扑,模型输入为具有格栅标注信息的第一图像,输出识别出的格栅图像相关信息,通过调整神经网络参数使得模型输出的格栅图像相关信息与格栅标识信息相一致。
图5的左中图为巡检机器人从第二角度拍摄的第一图像,图5的右中图为巡检机器人从第三角度拍摄的第一图像。分别将从第一角度拍摄的一张第一图像、从第二角度拍摄的第一图像、从第三角度拍摄的第一图像中的格栅的图像去除后,进行叠加,则可以得到如图5的下图所示的第一图像。
在另一个实施例中,由于巡检机器人拍摄的图像可能不是位于待检测对象的正前方拍摄的,使得拍摄得到的待检测对象的图像具有一定的形变,为了便于将第一图像中待检测对象与预设图像进行比对,可以先对第一图像进行图像处理以修正该第一图像。
具体地,在叠加多个第一图像以将第一图像中遮挡物的图像替换为被遮挡的待检测对象的图像之后,该方法还可以包括如下操作。
通过旋转处理、拉伸处理或平移处理中至少一种修正第一图像,以使得多个待检测对象的图像转换为多个指定形状的待检测对象的图像。
图6示意性示出了根据本公开实施例的修正第一图像示意图。
如图6所示,以待检测对象为服务器为例进行说明,待检测对象的正面形状为长方形,第一图像中待检测对象的正面图像为近似梯形或近似长方形。可以将第一图像中待检测对象的图像处理为指定形状。该指定形状可以为预设的待检测对象的形状,如服务器的正面图像的长度L为x1厘米,高度H为y1厘米的长方形。
具体地,可以先确定四边形的上边相对于水平线的夹角,然后基于第一图像中各点相对于旋转圆点(如该上边与水平线的交点)之间的距离和该夹角确定图像中各像素点的下移距离,实现对第一图像中待检测物体的图像进行旋转。然后,基于指定形状对第一图像中待检测物体的图像进行拉伸、平移等处理使得多个待检测对象的图像转换为多个指定形状的待检测对象的图像。
需要说明的是,该图像修正的过程为可选过程,如果去除遮挡物后的第一图像中,已可以确定第一图像中存在或不存在指定对象的图像,则可以不进行该过程。如果无法确定第一图像中是否存在指定对象的图像,如服务器的正面所在面相对于巡检机器人与服务器直接连线的夹角较小,导致拍摄的图像中指示灯图像形变较大,则可以通过上述方式对第一图像进行修正,以便于确定第一图像中是否存在指定对象的图像。
图7示意性示出了根据本公开实施例的获取第二图像的方法的流程图。在本实施例中,该电子设备具有动力部件。
如图7所示,获取第二图像可以包括操作S701~操作S707。
在操作S701,基于第一图像确定电子设备相对于具有指定对象的待检测对象的运动方向。
在本实施例中,由于第一图像是摄像头采集的,采集到的图像中各待检测对象的图像相对于真实的待检测对象存在一定的形变和旋转角度,则可以基于该形变和旋转角度确定电子设备相对于待检测对象的运动方向。通过图像计算摄像头相对于图像中指定对象的运动方向的方法可以如已有技术中图像处理相关技术,在此不做限定。
在操作S703,动力部件驱动电子设备沿着运动方向移动,直至到达具有指定对象的待检测对象的检测位置。
例如,服务器正前方30厘米、50厘米处为检测位置。
在操作S705,从多个角度采集多个第二图像,多个第二图像包括具有指定对象的待检测对象的图像。
具体地可以参考操作S401的相关内容,在此不再详述。
在操作S707,叠加多个第二图像以去除第二图像中遮挡物的图像。
具体地可以参考操作S403的相关内容,在此不再详述。
需要说明的是,对于有机械臂的巡检机器人,如果可以通过移动机械臂使得摄像头到达检测位置或能清晰获取到第二图像的位置,则可以无需驱动巡检机器人移动至检测位置,仅依靠驱动机械臂来采集多个第二图像。
图8示意性示出了根据本公开实施例的确定待检测对象的状态的方法的流程图。在本实施例中,分析第二图像以确定至少一个待检测对象的状态包括:重复操作S801~操作S805分别对至少一个待检测对象中每个待检测对象进行检测。
如图8所示,确定待检测对象的状态可以包括如下操作。
在操作S801,基于位置和对象标识之间的第一映射关系以及检测位置确定待检测对象的对象标识。
例如,一个检测位置对应一个待检测对象,该待检测对象的对象标识和该待检测位置可以关联起来。其中,检测位置可以包括坐标信息和高度信息中的至少一种。
在一个具体实施例中,以服务器为待检测对象为例进行说明,多个服务器可以设置在一个机柜中,因此,每个服务器的位置具有高度信息。相应地,基于位置和对象标识之间的第一映射关系以及检测位置确定待检测对象的对象标识可以包括如下操作。
首先,基于壳体标识与检测位置之间的第二映射关系确定壳体标识。在本实施例中,一个检测位置对应一个机柜。因此,可以先给予检测位置确定壳体标识(也可以理解为机柜标识)。
然后,从第一图像中获取待检测对象的高度信息,并基于壳体标识和高度信息确定待检测对象在壳体中的高度。具体地,可以从图像中确定具有指定对象的待检测对象在机柜中的相对高度信息。由于资产表中可以具有各机柜的高度以及各机柜的机柜标识,因此,可以确定该机柜标识对应的机柜的高度。这样就可以基于高度信息和壳体标识对应的壳体的真实高度,确定待检测对象在壳体中的高度。
接着,基于对象标识与高度之间的第三映射关系以及待检测对象在壳体中的高度确定待检测对象的对象标识。具体地,资产表中可以记录有机柜内不同高度处设置的服务器的服务器标识。因此,可以基于对象标识与对象在壳体中的高度之间的第三映射关系确定待检测对象的对象标识。
在操作S803,基于对象标识获取对应的待检测对象的正常状态图像。
具体地,巡检机器人或与巡检机器人通信连接的服务器上可以存储有对象标识与正常状态标识之间的映射关系,因此,可以基于该映射关系和对象标识得到该对象标识对应的待检测对象的正常状态图像。
在操作S805,比对第二图像和正常状态图像以确定待检测对象的状态。
例如,可以将第二图像和正常状态图像进行比对,以确定第二图像中各指示灯的状态是否与正常状态图像中指示灯的状态一致,如都是绿色。分析状态不一致的指示灯对应的指标,这样就可以自动确定服务器的哪个指标出现异常。
图9示意性示出了根据本公开实施例的确定对象标识的示意图。
如图9所示,图9的左图为第一图像,通过图像分析确定第一图像中存在指定对象的图像,如第一图像的左边第一个机柜图像中,从上向下数的第三个服务器的部分指示灯为红色,即,第一图像中存在指定对象的图像。需要基于第一图像确定具有指定对象的待检测对象的对象标识。首先,可以基于图像拍摄位置和第一图像可以确定具有指定对象的待检测对象位于壳体标识为柜101的机柜中(此外,也可以对第一图像进行图像识别,得到展示在壳体上的壳体标识)。然后,可以对第一图像进行分析可以确定具有指定对象的待检测对象在壳体内的高度信息,并基于壳体标识确定该壳体的真实高度。这样就可以基于该高度信息和壳体的真实高度确定具有指定对象的待检测对象在壳体中的真实高度。通过查表等方式即可得到具有指定对象的待检测对象的对象标识为柜101(3)(此处仅为示例)。
例如,通过图像分析和比对可定位异常状态灯在机柜内的U数(机柜中高度相关参数)。然后,匹配资产管理系统,可以得到到状态灯信息异常的服务器设备信息,如服务器标识、服务器型号及服务器前面板信息灯正常的图像等。巡检机器人对该机柜内其余异常状态指示灯进行细检和报警完成后,结束本次细检。巡检机器人继续进行粗检。通过将粗检和细检相结合,能在保证检测效率的同时,当存在异常时,可以提供关于异常的详细信息。
本公开的另一方面提供了一种与上述对象状态检测方法相对应的对象状态检测装置。图10示意性示出了根据本公开实施例的对象状态检测装置的框图。
如图10所示,该对象状态检测装置1000可以包括第一图像获取模块1010、指定对象确定模块1020、第二图像获取模块1030和分析模块1040。
其中,第一图像获取模块1010用于获取第一图像,第一图像包括多个待检测对象的图像。
指定对象确定模块1020用于确定第一图像中是否存在指定对象的图像,指定对象为待检测对象的一部分,指定对象的图像满足颜色条件以及以下至少一种:形状条件和亮度条件。
第二图像获取模块1030用于如果确定第一图像中存在指定对象的图像,则获取第二图像,第二图像包括指定对象的图像,第一图像包括的待检测对象的图像个数大于第二图像包括的待检测对象的图像个数。
分析模块1040用于分析第二图像以确定多个待检测对象中的至少一个待检测对象的状态。
其中,颜色条件可以包括:指定对象的图像的颜色为红色或黄色。形状条件可以包括:指定对象的图像的形状为指定形状。亮度条件可以包括:指定对象的图像的亮度大于预设亮度阈值。
具体地,第一图像获取模块1010可以通过将多个不同角度采集的第一图像进行叠加以去除第一图像中的遮挡物的图像。此外,还可以通过旋转处理、拉伸处理或平移处理中至少一种修正第一图像,使得多个待检测对象的图像转换为多个指定形状的待检测对象的图像,以应对拍摄角度不佳导致指定对象识别效果不理想的问题。
本公开实施例提供的对象状态检测装置,利用第一图像获取模块1010和指定对象确定模块1020进行巡检的粗检过程,由于大部分待检测对象都是出于正常工作状态,利用该粗检过程可以有效提升巡检的效率。对于存在处于异常状态的待检测对象时,则可以利用第二图像获取模块1030和分析模块1040对处于异常状态的待检测对象进行细检,以提供与该处于异常状态的待检测对象的详细信息,满足运维需求。
需要说明的是,装置部分实施例中各模块/单元等的实施方式、解决的技术问题、实现的功能、以及达到的技术效果分别与方法部分实施例中各对应的步骤的实施方式、解决的技术问题、实现的功能、以及达到的技术效果相同或类似,在此不再一一赘述。
根据本公开的实施例的模块、单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、单元中的任意一个或多个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,根据本公开实施例的模块、单元中的一个或多个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
例如,第一图像获取模块1010、指定对象确定模块1020、第二图像获取模块1030和分析模块1040中的任意多个可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,第一图像获取模块1010、指定对象确定模块1020、第二图像获取模块1030和分析模块1040中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,第一图像获取模块1010、指定对象确定模块1020、第二图像获取模块1030和分析模块1040中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图11示意性示出了根据本公开实施例的电子设备的方框图。图11示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图11所示,根据本公开实施例的电子设备1100包括处理器1101,其可以根据存储在只读存储器(ROM)1102中的程序或者从存储部分1108加载到随机访问存储器(RAM)1103中的程序而执行各种适当的动作和处理。处理器1101例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC)),等等。处理器1101还可以包括用于缓存用途的板载存储器。处理器1101可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 1103中,存储有电子设备1100操作所需的各种程序和数据。处理器1101、ROM 1102以及RAM 1103通过总线1104彼此相连。处理器1101通过执行ROM 1102和/或RAM1103中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意,程序也可以存储在除ROM 1102和RAM 1103以外的一个或多个存储器中。处理器1101也可以通过执行存储在一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例,电子设备1100还可以包括输入/输出(I/O)接口1105,输入/输出(I/O)接口1105也连接至总线1104。电子设备1100还可以包括连接至I/O接口1105的以下部件中的一项或多项:包括键盘、鼠标等的输入部分1106;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1107;包括硬盘等的存储部分1108;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1109。通信部分1109经由诸如因特网的网络执行通信处理。驱动器1110也根据需要连接至I/O接口1105。可拆卸介质1111,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1110上,以便于从其上读出的计算机程序根据需要被安装入存储部分1108。
根据本公开的实施例,根据本公开实施例的方法流程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读存储介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分1109从网络上被下载和安装,和/或从可拆卸介质1111被安装。在该计算机程序被处理器1101执行时,执行本公开实施例的系统中限定的上述功能。根据本公开的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本公开实施例的方法。
根据本公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如,根据本公开的实施例,计算机可读存储介质可以包括上文描述的ROM 1102和/或RAM 1103和/或ROM 1102和RAM 1103以外的一个或多个存储器。
本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合,即使这样的组合或结合没有明确记载于本公开中。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (10)
1.一种由电子设备执行的对象状态检测方法,包括:
获取第一图像,所述第一图像包括多个待检测对象的图像;
确定所述第一图像中是否存在指定对象的图像,所述指定对象为所述待检测对象的一部分,所述指定对象的图像满足颜色条件以及以下至少一种:形状条件和亮度条件;
如果确定所述第一图像中存在指定对象的图像,则获取第二图像,所述第二图像包括所述指定对象的图像,所述第一图像包括的待检测对象的图像个数大于所述第二图像包括的待检测对象的图像个数;以及
分析所述第二图像以确定所述多个待检测对象中的至少一个待检测对象的状态。
2.根据权利要求1所述的方法,其中:
所述多个待检测对象被设置在至少一个壳体中,所述壳体具有遮挡物,用于遮挡部分待检测对象;
所述获取第一图像包括:
从多个角度分别获取多个第一图像;以及
叠加所述多个第一图像以将所述第一图像中遮挡物的图像替换为被遮挡的待检测对象的图像。
3.根据权利要求2所述的方法,还包括:在叠加所述多个第一图像以将所述第一图像中遮挡物的图像替换为被遮挡的待检测对象的图像之后,
通过旋转处理、拉伸处理或平移处理中至少一种修正所述第一图像,以使得所述多个待检测对象的图像转换为多个指定形状的待检测对象的图像。
4.根据权利要求2所述的方法,其中:
所述电子设备具有动力部件;
所述获取第二图像包括:
基于所述第一图像确定所述电子设备相对于具有指定对象的待检测对象的运动方向;
所述动力部件驱动所述电子设备沿着所述运动方向移动,
直至到达所述具有指定对象的待检测对象的检测位置;
从多个角度采集多个第二图像,所述多个第二图像包括具有指定对象的待检测对象的图像;以及
叠加所述多个第二图像以去除所述第二图像中遮挡物的图像。
5.根据权利要求4所述的方法,其中,所述分析所述第二图像以确定至少一个待检测对象的状态包括:重复以下操作分别对所述至少一个待检测对象中每个待检测对象进行检测,
基于位置和对象标识之间的第一映射关系以及所述检测位置确定待检测对象的对象标识;
基于所述对象标识获取对应的待检测对象的正常状态图像;以及
比对所述第二图像和所述正常状态图像以确定待检测对象的状态。
6.根据权利要求5所述的方法,其中,所述基于位置和对象标识之间的第一映射关系以及所述检测位置确定待检测对象的对象标识包括:
基于壳体标识与检测位置之间的第二映射关系确定壳体标识;
从所述第一图像中获取待检测对象的高度信息,并基于所述壳体标识和所述高度信息确定所述待检测对象在所述壳体中的高度;以及
基于对象标识与高度之间的第三映射关系以及所述待检测对象在所述壳体中的高度确定待检测对象的对象标识。
7.根据权利要求1所述的方法,其中,所述确定所述第一图像中是否存在指定对象的图像包括:
基于颜色分析以及以下至少一种:图像边缘分析和亮度分析,确定所述第一图像中是否存在指定对象的图像。
8.根据权利要求1所述的方法,其中:
所述颜色条件包括:所述指定对象的图像的颜色为红色或黄色;
所述形状条件包括:所述指定对象的图像的形状为指定形状;以及
所述亮度条件包括:所述指定对象的图像的亮度大于预设亮度阈值。
9.一种对象状态检测装置,包括:
第一图像获取模块,用于获取第一图像,所述第一图像包括多个待检测对象的图像;
指定对象确定模块,用于确定所述第一图像中是否存在指定对象的图像,所述指定对象为所述待检测对象的一部分,所述指定对象的图像满足颜色条件以及以下至少一种:形状条件和亮度条件;
第二图像获取模块,用于如果确定所述第一图像中存在指定对象的图像,则获取第二图像,所述第二图像包括所述指定对象的图像,所述第一图像包括的待检测对象的图像个数大于所述第二图像包括的待检测对象的图像个数;以及
分析模块,用于分析所述第二图像以确定所述多个待检测对象中的至少一个待检测对象的状态。
10.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储可执行指令,所述可执行指令在被所述处理器执行时,实现根据权利要求1~8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910752641.5A CN110490854A (zh) | 2019-08-15 | 2019-08-15 | 对象状态检测方法、对象状态检测装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910752641.5A CN110490854A (zh) | 2019-08-15 | 2019-08-15 | 对象状态检测方法、对象状态检测装置和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110490854A true CN110490854A (zh) | 2019-11-22 |
Family
ID=68551169
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910752641.5A Pending CN110490854A (zh) | 2019-08-15 | 2019-08-15 | 对象状态检测方法、对象状态检测装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110490854A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111292327A (zh) * | 2020-05-08 | 2020-06-16 | 成都派沃特科技股份有限公司 | 机房巡检方法、装置、设备及存储介质 |
CN111832534A (zh) * | 2020-07-24 | 2020-10-27 | 中国工商银行股份有限公司 | 设备的检测方法和装置 |
CN111917978A (zh) * | 2020-07-21 | 2020-11-10 | 北京全路通信信号研究设计院集团有限公司 | 工业相机的调节装置和方法及拍摄装置 |
CN111923042A (zh) * | 2020-07-21 | 2020-11-13 | 北京全路通信信号研究设计院集团有限公司 | 机柜栅格的虚化处理方法及系统、巡检机器人 |
CN111951161A (zh) * | 2020-07-21 | 2020-11-17 | 北京全路通信信号研究设计院集团有限公司 | 目标识别方法及系统、巡检机器人 |
CN112390103A (zh) * | 2020-10-13 | 2021-02-23 | 日立楼宇技术(广州)有限公司 | 候梯监控方法、装置、计算机设备和存储介质 |
CN113538723A (zh) * | 2021-05-31 | 2021-10-22 | 优刻得科技股份有限公司 | 一种巡检机器人及巡检方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105100732A (zh) * | 2015-08-26 | 2015-11-25 | 深圳市银之杰科技股份有限公司 | 一种机房服务器远程监控方法及系统 |
CN108269322A (zh) * | 2017-12-28 | 2018-07-10 | 浙江捷尚人工智能研究发展有限公司 | 一种巡检方法 |
CN108614760A (zh) * | 2018-05-10 | 2018-10-02 | 联想(北京)有限公司 | 一种信息检测方法、电子设备和计算机可读存储介质 |
CN108932774A (zh) * | 2018-06-21 | 2018-12-04 | 北京京东金融科技控股有限公司 | 信息检测方法和装置 |
CN109389550A (zh) * | 2018-09-17 | 2019-02-26 | 联想(北京)有限公司 | 数据处理方法、装置和计算设备 |
CN110059678A (zh) * | 2019-04-17 | 2019-07-26 | 上海肇观电子科技有限公司 | 一种检测方法、装置及计算机可读存储介质 |
-
2019
- 2019-08-15 CN CN201910752641.5A patent/CN110490854A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105100732A (zh) * | 2015-08-26 | 2015-11-25 | 深圳市银之杰科技股份有限公司 | 一种机房服务器远程监控方法及系统 |
CN108269322A (zh) * | 2017-12-28 | 2018-07-10 | 浙江捷尚人工智能研究发展有限公司 | 一种巡检方法 |
CN108614760A (zh) * | 2018-05-10 | 2018-10-02 | 联想(北京)有限公司 | 一种信息检测方法、电子设备和计算机可读存储介质 |
CN108932774A (zh) * | 2018-06-21 | 2018-12-04 | 北京京东金融科技控股有限公司 | 信息检测方法和装置 |
CN109389550A (zh) * | 2018-09-17 | 2019-02-26 | 联想(北京)有限公司 | 数据处理方法、装置和计算设备 |
CN110059678A (zh) * | 2019-04-17 | 2019-07-26 | 上海肇观电子科技有限公司 | 一种检测方法、装置及计算机可读存储介质 |
Non-Patent Citations (2)
Title |
---|
上海市松江区委宣传部: "《创新之光 引领松江高质量发展》", 30 June 2019 * |
数字化丛书编委会: "《新世纪医院院长与医院信息化工作全书 下册》", 31 May 2001 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111292327A (zh) * | 2020-05-08 | 2020-06-16 | 成都派沃特科技股份有限公司 | 机房巡检方法、装置、设备及存储介质 |
CN111917978A (zh) * | 2020-07-21 | 2020-11-10 | 北京全路通信信号研究设计院集团有限公司 | 工业相机的调节装置和方法及拍摄装置 |
CN111923042A (zh) * | 2020-07-21 | 2020-11-13 | 北京全路通信信号研究设计院集团有限公司 | 机柜栅格的虚化处理方法及系统、巡检机器人 |
CN111951161A (zh) * | 2020-07-21 | 2020-11-17 | 北京全路通信信号研究设计院集团有限公司 | 目标识别方法及系统、巡检机器人 |
CN111923042B (zh) * | 2020-07-21 | 2022-05-24 | 北京全路通信信号研究设计院集团有限公司 | 机柜栅格的虚化处理方法及系统、巡检机器人 |
CN111832534A (zh) * | 2020-07-24 | 2020-10-27 | 中国工商银行股份有限公司 | 设备的检测方法和装置 |
CN112390103A (zh) * | 2020-10-13 | 2021-02-23 | 日立楼宇技术(广州)有限公司 | 候梯监控方法、装置、计算机设备和存储介质 |
CN112390103B (zh) * | 2020-10-13 | 2022-06-21 | 日立楼宇技术(广州)有限公司 | 候梯监控方法、装置、计算机设备和存储介质 |
CN113538723A (zh) * | 2021-05-31 | 2021-10-22 | 优刻得科技股份有限公司 | 一种巡检机器人及巡检方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110490854A (zh) | 对象状态检测方法、对象状态检测装置和电子设备 | |
US11587219B2 (en) | Method and apparatus for detecting pixel defect of optical module, and device | |
CN111259892B (zh) | 一种指示灯状态的巡检方法、装置、设备和介质 | |
US9129435B2 (en) | Method for creating 3-D models by stitching multiple partial 3-D models | |
WO2020180620A1 (en) | Identifying parking location using single camera reverse projection | |
US20210174299A1 (en) | Method, system and device for collecting sales information of commodities in cabinet, and storage medium | |
EP1770607B1 (de) | System und Verfahren zur Darstellung von Benutzerinformationen, insbesondere von Augmented-Reality-Informationen, mit Hilfe von in RFID-Datenspeichern hinterlegten Trackinginformationen | |
CN107588855B (zh) | 变电设备温度的检测方法、检测装置及终端设备 | |
CN109522790A (zh) | 人体属性识别方法、装置、存储介质及电子设备 | |
CN110336691B (zh) | 数据中心中设备的管理方法、装置、设备和通信系统 | |
CN112929602B (zh) | 基于图像处理的数据监控方法、装置及相关设备 | |
US20130063592A1 (en) | Method and system for associating devices with a coverage area for a camera | |
WO2017017790A1 (ja) | 画像生成装置、画像生成システム及び画像生成方法 | |
CN110472460A (zh) | 人脸图像处理方法及装置 | |
JP7043601B2 (ja) | 環境モデルを生成するための方法および装置ならびに記憶媒体 | |
US20190164281A1 (en) | Robotic pill filling, counting, and validation | |
CN110070622A (zh) | 一种基于ar技术的图书馆应用系统及使用方法 | |
CN113938674B (zh) | 视频质量检测方法、装置、电子设备及可读存储介质 | |
CN114882251A (zh) | 一种物联网大数据智能视频安防监控方法及装置 | |
CN110456001A (zh) | 检测方法、检测装置和电子设备 | |
CN112073640B (zh) | 全景信息采集位姿获取方法及装置、系统 | |
US10218911B2 (en) | Mobile device, operating method of mobile device, and non-transitory computer readable storage medium | |
US20180350092A1 (en) | System, method, and program for image analysis | |
CN117218633A (zh) | 一种物品检测方法、装置、设备及存储介质 | |
CN110351521A (zh) | 监控方法、监控装置、电子设备和介质 |
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: 20191122 |
|
RJ01 | Rejection of invention patent application after publication |