CN111767797A - 一种机房鼠类的监测方法、装置、设备及可读介质 - Google Patents
一种机房鼠类的监测方法、装置、设备及可读介质 Download PDFInfo
- Publication number
- CN111767797A CN111767797A CN202010475774.5A CN202010475774A CN111767797A CN 111767797 A CN111767797 A CN 111767797A CN 202010475774 A CN202010475774 A CN 202010475774A CN 111767797 A CN111767797 A CN 111767797A
- Authority
- CN
- China
- Prior art keywords
- mouse
- images
- machine room
- image
- coordinates
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012544 monitoring process Methods 0.000 title claims abstract description 19
- 241000283984 Rodentia Species 0.000 title claims abstract description 16
- 241000699666 Mus <mouse, genus> Species 0.000 claims abstract description 158
- 230000033001 locomotion Effects 0.000 claims abstract description 36
- 230000008034 disappearance Effects 0.000 claims abstract description 31
- 241000699670 Mus sp. Species 0.000 claims abstract description 29
- 238000004458 analytical method Methods 0.000 claims abstract description 19
- 238000001514 detection method Methods 0.000 claims abstract description 17
- 238000012806 monitoring device Methods 0.000 claims abstract description 5
- 230000015654 memory Effects 0.000 claims description 21
- 241000700159 Rattus Species 0.000 claims description 17
- 230000001846 repelling effect Effects 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 230000006698 induction Effects 0.000 claims description 3
- 230000006378 damage Effects 0.000 abstract description 3
- 239000011159 matrix material Substances 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 7
- 239000008186 active pharmaceutical agent Substances 0.000 description 6
- 239000003814 drug Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000000053 physical method Methods 0.000 description 2
- 238000007789 sealing Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000512668 Eunectes Species 0.000 description 1
- 101000713943 Rattus norvegicus Tudor domain-containing protein 7 Proteins 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000000280 densification Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 210000004283 incisor Anatomy 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- 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
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Probability & Statistics with Applications (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种机房鼠类的监测方法,包括以下步骤:实时采集机房地面的图像,并对每一帧图像进行分析,基于老鼠像素检测模型判断图像中是否有老鼠;响应于图像中有老鼠,获取老鼠在图像中的坐标,基于若干图像中的坐标得到老鼠的运动轨迹,并标记出老鼠的出现点和消失点;以及发出告警并提供根据运动轨迹、出现点和消失点得到的分析报告。本发明还公开了一种机房鼠类的监测装置、计算机设备和可读存储介质。本发明通过机房内摄像头采集图片,图片经过计算机运算,能够自动检测出机房内是否有老鼠出现及其老鼠出现的位置,并能够实时报警,节省了人力和时间成本,更及时准确高效地从根本上解决机房鼠患问题。
Description
技术领域
本发明涉及计算机和有害生物防治技术领域,尤其涉及一种机房鼠类的监测方法、装置、设备及可读介质。
背景技术
模块化数据中心(Module Data Center,MDC)是基于云计算的新一代数据中心部署形式,为了应对云计算、虚拟化、集中化、高密化等服务器发展的趋势,其采用模块化设计理念,最大程度的降低基础设施对数据中心环境的耦合。集成了供配电、制冷、机柜、气流遏制、综合布线、动环监控等子系统,提高数据中心的整体运营效率,实现快速部署、弹性扩展和绿色节能。
随着大数据信息行业的飞速发展,数据中心的发展也进入到一个新的阶段,数据中心的功能也因此变的前所未有的复杂、精密。其中,随之而来的电子器件的数量组件增多,内部结构也更加精密,维护成本相应提高。
对于一些封闭性较差或者年久的数据中心机房,经常会有老鼠出没。老鼠是啮齿动物,门牙终身都在生长,为了防止牙齿太长,顶住嘴巴,所以老鼠需要不断啃噬有硬度的物体以便能够磨牙。而各种电缆制品的特有的胶皮味道对老鼠有独特的吸引力。电缆被老鼠啃食,会导致数据中心信息传递失灵,严重会导致线上系统崩溃。
现有技术的技术方案,主要包括:基于超声波的防鼠方式,基于药物的化学方法,以及基于捕鼠夹等物理方法。基于超声波的防鼠方法:由于无法确定老鼠出现时间,所以长时间在数据中心使用容易影响人的神经系统,并且长期使用可能会与服务器内部电子器件发生微波耦合震荡,影响电器工作。所以无法满足数据中心巡检需求;基于药物的化学方法:由于数据中心多服务于高新技术应用,对机房安全标准相对严格,药物方式并不适合在数据中心场景适用;基于捕鼠夹等物理方法:与基于药物的化学方法一样,在数据中心机房环境,老鼠尸体的处理也会额外增加机房运维成本。
发明内容
有鉴于此,本发明实施例的目的在于提出一种机房鼠类的监测方法、装置、设备及可读介质,通过机房内摄像头采集图片,图片经过计算机运算,能够自动检测出机房内是否有老鼠出现及其老鼠出现的位置,并能够实时报警,节省了人力和时间成本,更及时准确高效地从根本上解决机房鼠患问题。
基于上述目的,本发明实施例的一方面提供了一种机房鼠类的监测方法,包括以下步骤:实时采集机房地面的图像,并对每一帧图像进行分析,基于老鼠像素检测模型判断图像中是否有老鼠;响应于图像中有老鼠,获取老鼠在图像中的坐标,基于若干图像中的坐标得到老鼠的运动轨迹,并标记出老鼠的出现点和消失点;以及发出告警并提供根据运动轨迹、出现点和消失点得到的分析报告。
在一些实施方式中,还包括:响应于图像中有老鼠,向电子超声波发射器发送驱鼠信号;电子超声波发射器接收到驱鼠信号,间断发射超声波以驱赶老鼠。
在一些实施方式中,基于老鼠像素检测模型判断图像中是否有老鼠包括:获取老鼠图片训练集,并基于老鼠图片训练集训练得到老鼠像素检测模型;基于老鼠像素模型判断图像中是否有老鼠;响应于图像中有老鼠,将老鼠所在区域用矩形框标记,并记录矩形框的像素坐标。
在一些实施方式中,获取老鼠在图像中的坐标,基于若干图像中的坐标得到老鼠的运动轨迹,并标记出老鼠的出现点和消失点包括:判断若干连续帧的图像中老鼠的相似程度,响应于相似程度高于判定阈值,认定老鼠是同一只老鼠;对同一只老鼠在若干图像中的坐标进行连线,得到老鼠的运动轨迹;根据若干图像的获取时间判断老鼠的出现点和消失点,并标记在运动轨迹上。
在一些实施方式中,发出告警并提供根据运动轨迹、出现点和消失点得到的分析报告包括:通过调用API,发送邮件、短信,并拨号通知负责人。
本发明实施例的另一方面,还提供了一种机房鼠类的监测装置,包括:实时视频帧采集模块,配置用于实时采集机房地面的图像,并对每一帧图像进行分析,基于老鼠像素检测模型判断图像中是否有老鼠;帧分析归纳模块,配置用于响应于图像中有老鼠,获取老鼠在图像中的坐标,基于若干图像中的坐标得到老鼠的运动轨迹,并标记出老鼠的出现点和消失点;以及报警模块,配置用于发出告警并提供根据运动轨迹、出现点和消失点得到的分析报告。
在一些实施方式中,还包括:自动驱鼠模块,配置用于响应于图像中有老鼠,向电子超声波发射器发送驱鼠信号;电子超声波发射器接收到驱鼠信号,间断发射超声波以驱赶老鼠。
在一些实施方式中,帧分析归纳模块进一步配置用于:判断若干连续帧的图像中老鼠的相似程度,响应于相似程度高于判定阈值,认定老鼠是同一只老鼠;对同一只老鼠在若干图像中的坐标进行连线,得到老鼠的运动轨迹;根据若干图像的获取时间判断老鼠的出现点和消失点,并标记在运动轨迹上。
本发明实施例的再一方面,还提供了一种计算机设备,包括:至少一个处理器;以及存储器,存储器存储有可在处理器上运行的计算机指令,指令由处理器执行时实现上述方法的步骤。
本发明实施例的再一方面,还提供了一种计算机可读存储介质,计算机可读存储介质存储有被处理器执行时实现如上方法步骤的计算机程序。
本发明具有以下有益技术效果:通过机房内摄像头采集图片,图片经过计算机运算,能够自动检测出机房内是否有老鼠出现及其老鼠出现的位置,并能够实时报警,节省了人力和时间成本,更及时准确高效地从根本上解决机房鼠患问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的实施例。
图1为本发明提供的机房鼠类的监测方法的实施例的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明实施例进一步详细说明。
需要说明的是,本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量,可见“第一”“第二”仅为了表述的方便,不应理解为对本发明实施例的限定,后续实施例对此不再一一说明。
基于上述目的,本发明实施例的第一个方面,提出了机房鼠类的监测方法的实施例。图1示出的是本发明提供的机房鼠类的监测方法的实施例的示意图。如图1所示,本发明实施例包括如下步骤:
S1、实时采集机房地面的图像,并对每一帧图像进行分析,基于老鼠像素检测模型判断图像中是否有老鼠;
S2、响应于图像中有老鼠,获取老鼠在图像中的坐标,基于若干图像中的坐标得到老鼠的运动轨迹,并标记出老鼠的出现点和消失点;以及
S3、发出告警并提供根据运动轨迹、出现点和消失点得到的分析报告。
在本实施例中,在数据中心机房对角线的高处安装两个通用三通道摄像头,对视频像素无要求,720P或者1080P均可,但要求数字图像,RGB 三原色,因为三通道图像比灰度图等单通道拥有更丰富的数字特征,因此更容易被计算机学到规律。确保两个摄像头的视野能够覆盖整个数据中心地面。为了保证网络畅通,计算机要求linux操作系统,最低配置要求4核 CPU、8G内存、512G磁盘空间。联通摄像头网络和计算机网络,可以采取网线直连,也可以二者处于同一局域网,设置摄像头IP地址为静态,如 192.168.1.1,计算机IP不限制动态或者静态。
通过互联网下载anaconda3软件到计算机并安装(下载地址: https://repo.anaconda.com/archive/Anaconda3-2020.02-Linux-x86_64.sh),安装命令bashAnaconda3-2020.02-Linux-x86_64.sh;软件安装完成后,计算机自动拥有了conda命令系列。基于anaconda3环境,创建python3.7工作空间,使用命令conda create-n python3.7python=3.7创建了python3.7空间; Python环境完成后,下面安装老鼠像素检测所需的计算软件。通过conda install opencv安装opencv软件,该软件有如下两个功能:接收摄像头数据和将图片或帧转成可运算的数学矩阵。通过conda install pytorch安装操作矩阵运算的计算工具,该软件能够提升计算机的并行计算效率。
由海量计算参数构成老鼠像素检测模型,主要作用是提取图片像素特征,将提取到的特征和目标区域(老鼠像素区域)建立数学关联。图片的特征提取和数学关联即为模型文件。通过opencv软件读取摄像头实时监控视频,具体方法是(opencv.VideoCapture(192.168.1.1),此处的IP地址即为摄像头的IP地址)。由此,得到了摄像头每一帧的数学矩阵。通过pytorch 软件,将每一帧的数学矩阵输入到老鼠像素检测模型W进行卷积运算。运算结果分为两部分,第一部分是判断该帧图像内有没有老鼠存在,第二部分是如果有老鼠存在,给出老鼠存在的区域的像素坐标区域。
轨迹分析模型的作用是将每一帧静态图像提取出的老鼠像素区域,经过重复性判断、噪声点去除两个过程,描绘出老鼠在视频中的动态轨迹。如果检测出有老鼠,每个相连的两帧老鼠矩形框,相似度高于92.6%,即认为该两帧表现了同一只老鼠在不同时间的不同坐标,则将该两帧的老鼠物体连线,作为运动轨迹。基于相似度计算方法(IoU方法):两个矩形框的交集除以两个矩形框的,完成了每一只老鼠在视频中的轨迹数字描述。根据老鼠的运动轨迹,以每一帧的出现的先后顺序作为时间轴,即可知道老鼠首次出现的位置和最后出现的位置,这两个坐标分别记为老鼠出生点和消失点。
发送告警主要包括自动邮件、短信、电话推送功能,实现方法是在后台集成邮件API、短信API、自动电话拨号API,当发现老鼠在视野内出没和老鼠轨迹被完整定位时,即实时通知负责人。
在本发明的一些实施例中,还包括:响应于图像中有老鼠,向电子超声波发射器发送驱鼠信号;电子超声波发射器接收到驱鼠信号,间断发射超声波以驱赶老鼠。采用TX/RX底层通信方式连接实时视频帧计算模块,当检测到老鼠后,会将信号发送到电子超声波发射器。电子超声波发射器采用间断发射超声波方式(持续10秒),达到精准驱鼠的目的,在检测到有老鼠后,会以20KHz-35KHz的超声波持续发射10s,达到自动驱鼠的目的,防止长时间超声波对人体、电子器件的伤害。
在本发明的一些实施例中,基于老鼠像素检测模型判断图像中是否有老鼠包括:获取老鼠图片训练集,并基于老鼠图片训练集训练得到老鼠像素检测模型;基于老鼠像素模型判断图像中是否有老鼠;响应于图像中有老鼠,将老鼠所在区域用矩形框标记,并记录矩形框的像素坐标。
在本实施例中,获取任意形态的老鼠图片样本一万张以上;对每一张样本图片做人工标注,标注工具选择ybat(下载地址: https://github.com/drainingsun/ybat/archive/master.zip),无需安装,下载后解压,双击ybat.html文件即可。通过“images选择文件”按钮选择待标注的样本图片,图片即展示在页面右侧。通过“classes选择文件”按钮选择标注类别文件(标注类别文件创建方法:任意创建txt文件,在第一行输入 mouse字符,保存关闭即可)。人工标记每张图片的老鼠像素轮廓,采用矩形框完全恰好包围老鼠像素。即矩形的上下边,和老鼠最上、最下的一个像素相切;矩形框的左右边,和老鼠最左、最有的一个像素相切。所有图片标注完成后,点击页面的“Save VOC”按钮,将标注结果保存,该标注结果记为VOC。保存结果的内容即为每张图片对应的目标区域的左上点、右下点的坐标位置;通过已经安装好的opencv软件,加载原始图片(具体方法是opencv.imread(‘/home/work/1.jpg’)),并将图片转换成可以计算的数学矩阵,将该数学矩阵作为输入1。通过已安装好的pytorch软件,将标注结果VOC加载,作为输入2;通过pytorch软件将矩阵转置为统一的 618*418维度(固定矩阵维度,方便计算机运算,具体方法是 opencv.resize(618,418))。转置后的图片矩阵记做X。通过pytorch定义101 个参数矩阵,各个参数均为为随机数据,所有参数矩阵统一记做W。将X 和W做卷积运算,计算结果成为预测值,记为YP。将该图片对应的人工标记矩形框坐标记为YT(靠矩形的左上点、右下点两个坐标,即可定位一个矩形框的全部属性)。计算公式记为softmax(W X)=YP~YT,softmax 是对卷积结果的非线性变换函数,以便将卷积结果映射到矩形框的两个坐标点;首次计算,由于W是随机数,YP和YT,相差较大。以softmax函数的导数作为W的调整尺度,以YP-YT的正负值作为W的调整方向,对 W矩阵的每个参数做增大活减小的改进;对每张样本图片都执行d.的操作 (W参数矩阵为同一个),优化目标为全局每张图片的|YP-YT|之和最小。即认为得到了对老鼠像素具有最好描述能力W参数矩阵。W即为老鼠像素检测模型。
在本发明的一些实施例中,获取老鼠在图像中的坐标,基于若干图像中的坐标得到老鼠的运动轨迹,并标记出老鼠的出现点和消失点包括:判断若干连续帧的图像中老鼠的相似程度,响应于相似程度高于判定阈值,认定老鼠是同一只老鼠;对同一只老鼠在若干图像中的坐标进行连线,得到老鼠的运动轨迹;根据若干图像的获取时间判断老鼠的出现点和消失点,并标记在运动轨迹上。如果检测出有老鼠,每个相连的两帧老鼠矩形框,相似度高于92.6%,即认为该两帧表现了同一只老鼠在不同时间的不同坐标,则将该两帧的老鼠物体连线,作为运动轨迹。基于相似度计算方法(IoU方法):两个矩形框的交集除以两个矩形框的,完成了每一只老鼠在视频中的轨迹数字描述。根据老鼠的运动轨迹,以每一帧的出现的先后顺序作为时间轴,即可知道老鼠首次出现的位置和最后出现的位置,这两个坐标分别记为老鼠出生点和消失点。
在本发明的一些实施方式中,发出告警并提供根据运动轨迹、出现点和消失点得到的分析报告包括:通过调用API,发送邮件、短信,并拨号通知负责人。一旦发现有老鼠出没,后台调用短信或电话API(Application Programming Interface,API统一工具可直接购买移动公司收费接口)自动通知机房管理员,并提供老鼠出没的视频的智能分析结果,分析结果包含老鼠的出生点、消失点以及片段视频的回放,借以堵住漏洞或采取其它方式保证机房的封闭性。
需要特别指出的是,上述机房鼠类的监测方法的各个实施例中的各个步骤均可以相互交叉、替换、增加、删减,因此,这些合理的排列组合变换之于机房鼠类的监测方法也应当属于本发明的保护范围,并且不应将本发明的保护范围局限在实施例之上。
基于上述目的,本发明实施例的第二个方面,提出了一种机房鼠类的监测装置,包括:实时视频帧采集模块,配置用于实时采集机房地面的图像,并对每一帧图像进行分析,基于老鼠像素检测模型判断图像中是否有老鼠;帧分析归纳模块,配置用于响应于图像中有老鼠,获取老鼠在图像中的坐标,基于若干图像中的坐标得到老鼠的运动轨迹,并标记出老鼠的出现点和消失点;以及报警模块,配置用于发出告警并提供根据运动轨迹、出现点和消失点得到的分析报告。
在本发明的一些实施方式中,还包括:自动驱鼠模块,配置用于响应于图像中有老鼠,向电子超声波发射器发送驱鼠信号;电子超声波发射器接收到驱鼠信号,间断发射超声波以驱赶老鼠。
在本发明的一些实施方式中,帧分析归纳模块进一步配置用于:判断若干连续帧的图像中老鼠的相似程度,响应于相似程度高于判定阈值,认定老鼠是同一只老鼠;对同一只老鼠在若干图像中的坐标进行连线,得到老鼠的运动轨迹;根据若干图像的获取时间判断老鼠的出现点和消失点,并标记在运动轨迹上。
基于上述目的,本发明实施例的第三个方面,提出了一种计算机设备,包括:至少一个处理器;以及存储器,存储器存储有可在处理器上运行的计算机指令,指令由处理器执行时实现以上方法的步骤。
本发明还提供了一种计算机可读存储介质,计算机可读存储介质存储有被处理器执行时执行如上方法的计算机程序。
最后需要说明的是,本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关硬件来完成,机房鼠类的监测方法的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,程序的存储介质可为磁碟、光盘、只读存储记忆体(ROM)或随机存储记忆体(RAM)等。上述计算机程序的实施例,可以达到与之对应的前述任意方法实施例相同或者相类似的效果。
此外,根据本发明实施例公开的方法还可以被实现为由处理器执行的计算机程序,该计算机程序可以存储在计算机可读存储介质中。在该计算机程序被处理器执行时,执行本发明实施例公开的方法中限定的上述功能。
此外,上述方法步骤以及系统单元也可以利用控制器以及用于存储使得控制器实现上述步骤或单元功能的计算机程序的计算机可读存储介质实现。
此外,应该明白的是,本文的计算机可读存储介质(例如,存储器) 可以是易失性存储器或非易失性存储器,或者可以包括易失性存储器和非易失性存储器两者。作为例子而非限制性的,非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦写可编程ROM(EEPROM)或快闪存储器。易失性存储器可以包括随机存取存储器(RAM),该RAM可以充当外部高速缓存存储器。作为例子而非限制性的,RAM可以以多种形式获得,比如同步RAM(DRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据速率SDRAM(DDR SDRAM)、增强SDRAM(ESDRAM)、同步链路DRAM(SLDRAM)、以及直接Rambus RAM(DRRAM)。所公开的方面的存储设备意在包括但不限于这些和其它合适类型的存储器。
本领域技术人员还将明白的是,结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。为了清楚地说明硬件和软件的这种可互换性,已经就各种示意性组件、方块、模块、电路和步骤的功能对其进行了一般性的描述。这种功能是被实现为软件还是被实现为硬件取决于具体应用以及施加给整个系统的设计约束。本领域技术人员可以针对每种具体应用以各种方式来实现的功能,但是这种实现决定不应被解释为导致脱离本发明实施例公开的范围。
结合这里的公开所描述的各种示例性逻辑块、模块和电路可以利用被设计成用于执行这里功能的下列部件来实现或执行:通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA) 或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合。通用处理器可以是微处理器,但是可替换地,处理器可以是任何传统处理器、控制器、微控制器或状态机。处理器也可以被实现为计算设备的组合,例如,DSP和微处理器的组合、多个微处理器、一个或多个微处理器结合DSP和/或任何其它这种配置。
结合这里的公开所描述的方法或算法的步骤可以直接包含在硬件中、由处理器执行的软件模块中或这两者的组合中。软件模块可以驻留在RAM 存储器、快闪存储器、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动盘、CD-ROM、或本领域已知的任何其它形式的存储介质中。示例性的存储介质被耦合到处理器,使得处理器能够从该存储介质中读取信息或向该存储介质写入信息。在一个替换方案中,存储介质可以与处理器集成在一起。处理器和存储介质可以驻留在ASIC中。ASIC 可以驻留在用户终端中。在一个替换方案中,处理器和存储介质可以作为分立组件驻留在用户终端中。
在一个或多个示例性设计中,功能可以在硬件、软件、固件或其任意组合中实现。如果在软件中实现,则可以将功能作为一个或多个指令或代码存储在计算机可读介质上或通过计算机可读介质来传送。计算机可读介质包括计算机存储介质和通信介质,该通信介质包括有助于将计算机程序从一个位置传送到另一个位置的任何介质。存储介质可以是能够被通用或专用计算机访问的任何可用介质。作为例子而非限制性的,该计算机可读介质可以包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储设备、磁盘存储设备或其它磁性存储设备,或者是可以用于携带或存储形式为指令或数据结构的所需程序代码并且能够被通用或专用计算机或者通用或专用处理器访问的任何其它介质。此外,任何连接都可以适当地称为计算机可读介质。例如,如果使用同轴线缆、光纤线缆、双绞线、数字用户线路 (DSL)或诸如红外线、无线电和微波的无线技术来从网站、服务器或其它远程源发送软件,则上述同轴线缆、光纤线缆、双绞线、DSL或诸如红外线、无线电和微波的无线技术均包括在介质的定义。如这里所使用的,磁盘和光盘包括压缩盘(CD)、激光盘、光盘、数字多功能盘(DVD)、软盘、蓝光盘,其中磁盘通常磁性地再现数据,而光盘利用激光光学地再现数据。上述内容的组合也应当包括在计算机可读介质的范围内。
以上是本发明公开的示例性实施例,但是应当注意,在不背离权利要求限定的本发明实施例公开的范围的前提下,可以进行多种改变和修改。根据这里描述的公开实施例的方法权利要求的功能、步骤和/或动作不需以任何特定顺序执行。此外,尽管本发明实施例公开的元素可以以个体形式描述或要求,但除非明确限制为单数,也可以理解为多个。
应当理解的是,在本文中使用的,除非上下文清楚地支持例外情况,单数形式“一个”旨在也包括复数形式。还应当理解的是,在本文中使用的“和/或”是指包括一个或者一个以上相关联地列出的项目的任意和所有可能组合。
上述本发明实施例公开实施例序号仅仅为了描述,不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本发明实施例公开的范围(包括权利要求)被限于这些例子;在本发明实施例的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,并存在如上的本发明实施例的不同方面的许多其它变化,为了简明它们没有在细节中提供。因此,凡在本发明实施例的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本发明实施例的保护范围之内。
Claims (10)
1.一种机房鼠类的监测方法,其特征在于,包括以下步骤:
实时采集机房地面的图像,并对每一帧所述图像进行分析,基于老鼠像素检测模型判断所述图像中是否有老鼠;
响应于所述图像中有老鼠,获取所述老鼠在所述图像中的坐标,基于若干所述图像中的坐标得到所述老鼠的运动轨迹,并标记出所述老鼠的出现点和消失点;以及
发出告警并提供根据所述运动轨迹、出现点和消失点得到的分析报告。
2.根据权利要求1所述的机房鼠类的监测方法,其特征在于,还包括:
响应于所述图像中有老鼠,向电子超声波发射器发送驱鼠信号;
所述电子超声波发射器接收到所述驱鼠信号,间断发射超声波以驱赶所述老鼠。
3.根据权利要求1所述的机房鼠类的监测方法,其特征在于,基于老鼠像素检测模型判断所述图像中是否有老鼠包括:
获取老鼠图片训练集,并基于所述老鼠图片训练集训练得到老鼠像素检测模型;
基于所述老鼠像素模型判断所述图像中是否有老鼠;
响应于所述图像中有所述老鼠,将所述老鼠所在区域用矩形框标记,并记录所述矩形框的像素坐标。
4.根据权利要求1所述的机房鼠类的监测方法,其特征在于,获取所述老鼠在所述图像中的坐标,基于若干所述图像中的坐标得到所述老鼠的运动轨迹,并标记出所述老鼠的出现点和消失点包括:
判断若干连续帧的所述图像中老鼠的相似程度,响应于相似程度高于判定阈值,认定所述老鼠是同一只老鼠;
对所述同一只老鼠在若干所述图像中的坐标进行连线,得到所述老鼠的运动轨迹;
根据若干所述图像的获取时间判断所述老鼠的出现点和消失点,并标记在所述运动轨迹上。
5.根据权利要求1所述的机房鼠类的监测方法,其特征在于,发出告警并提供根据所述运动轨迹、出现点和消失点得到的分析报告包括:
通过调用API,发送邮件、短信,并拨号通知负责人。
6.一种机房鼠类的监测装置,其特征在于,包括:
实时视频帧采集模块,配置用于实时采集机房地面的图像,并对每一帧所述图像进行分析,基于老鼠像素检测模型判断所述图像中是否有老鼠;
帧分析归纳模块,配置用于响应于所述图像中有老鼠,获取所述老鼠在所述图像中的坐标,基于若干所述图像中的坐标得到所述老鼠的运动轨迹,并标记出所述老鼠的出现点和消失点;以及
报警模块,配置用于发出告警并提供根据所述运动轨迹、出现点和消失点得到的分析报告。
7.根据权利要求6所述的机房鼠类的监测装置,其特征在于,还包括:
自动驱鼠模块,配置用于响应于所述图像中有老鼠,向电子超声波发射器发送驱鼠信号;所述电子超声波发射器接收到所述驱鼠信号,间断发射超声波以驱赶所述老鼠。
8.根据权利要求6所述的机房鼠类的监测装置,其特征在于,帧分析归纳模块进一步配置用于:
判断若干连续帧的所述图像中老鼠的相似程度,响应于相似程度高于判定阈值,认定所述老鼠是同一只老鼠;
对所述同一只老鼠在若干所述图像中的坐标进行连线,得到所述老鼠的运动轨迹;
根据若干所述图像的获取时间判断所述老鼠的出现点和消失点,并标记在所述运动轨迹上。
9.一种计算机设备,其特征在于,包括:
至少一个处理器;以及
存储器,所述存储器存储有可在所述处理器上运行的计算机指令,所述指令由所述处理器执行时实现1-6任意一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-6任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010475774.5A CN111767797A (zh) | 2020-05-29 | 2020-05-29 | 一种机房鼠类的监测方法、装置、设备及可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010475774.5A CN111767797A (zh) | 2020-05-29 | 2020-05-29 | 一种机房鼠类的监测方法、装置、设备及可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111767797A true CN111767797A (zh) | 2020-10-13 |
Family
ID=72720446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010475774.5A Withdrawn CN111767797A (zh) | 2020-05-29 | 2020-05-29 | 一种机房鼠类的监测方法、装置、设备及可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111767797A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108259830A (zh) * | 2018-01-25 | 2018-07-06 | 深圳冠思大数据服务有限公司 | 基于云服务器的鼠患智能监控系统和方法 |
CN207911914U (zh) * | 2018-01-24 | 2018-09-28 | 国网浙江省电力公司湖州供电公司 | 一种全自动节能超声波驱鼠器 |
CN109284735A (zh) * | 2018-10-17 | 2019-01-29 | 思百达物联网科技(北京)有限公司 | 鼠情监控方法、装置、处理器及存储介质 |
-
2020
- 2020-05-29 CN CN202010475774.5A patent/CN111767797A/zh not_active Withdrawn
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN207911914U (zh) * | 2018-01-24 | 2018-09-28 | 国网浙江省电力公司湖州供电公司 | 一种全自动节能超声波驱鼠器 |
CN108259830A (zh) * | 2018-01-25 | 2018-07-06 | 深圳冠思大数据服务有限公司 | 基于云服务器的鼠患智能监控系统和方法 |
CN109284735A (zh) * | 2018-10-17 | 2019-01-29 | 思百达物联网科技(北京)有限公司 | 鼠情监控方法、装置、处理器及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101778260B (zh) | 一种基于结构化描述的视频监控管理方法及系统 | |
WO2022241784A1 (zh) | 缺陷检测方法及装置、存储介质及电子设备 | |
US11144586B2 (en) | File kinship for multimedia data tracking | |
WO2021104124A1 (zh) | 圈养栏信息的确定方法、装置及系统、存储介质 | |
WO2020211427A1 (zh) | 基于扫描点云数据的分割与识别方法、系统及存储介质 | |
CN112001274A (zh) | 人群密度确定方法、装置、存储介质和处理器 | |
CN113177566B (zh) | 一种特征提取模型训练方法、装置及计算机设备 | |
CN107819615A (zh) | 一种设备自适应接入方法、装置及主控设备 | |
WO2021115322A1 (zh) | 核电厂实物保护系统的三维布设方法、装置及设备 | |
CN115103157A (zh) | 基于边云协同的视频分析方法、装置、电子设备及介质 | |
CN114302168B (zh) | 基于大数据的学习视频生成方法、装置、设备和存储介质 | |
CN111767797A (zh) | 一种机房鼠类的监测方法、装置、设备及可读介质 | |
CN111541867A (zh) | 一种适用于医疗机构的人脸识别系统及其工作方法 | |
CN113221111A (zh) | 一种用于网络安全的渗透测试系统 | |
CN116958794A (zh) | 设备控制方法、装置、电子设备及存储介质 | |
TWI682332B (zh) | 用於識別絕育狀態影像的深度學習方法及其識別裝置 | |
CN116523207A (zh) | 一种建设工程信息管理方法、装置、设备及可读介质 | |
CN110852174A (zh) | 一种基于视频监控的早期烟雾检测方法 | |
CN115081115A (zh) | 数据中心的bim数智化审查方法、系统及存储介质 | |
CN111836087A (zh) | 基于手机抓取电视日志信息处理方法、装置 | |
CN114020962A (zh) | 视频系统管理方法、电子设备和计算机可读存储介质 | |
Bao et al. | Image processing technology in remote monitoring and intelligent medical system | |
CN114915470B (zh) | 一种基于对象存储网关的病毒扫描方法、系统及电子设备 | |
US20240221127A1 (en) | Image processing method, device, and storage medium | |
CN114067935B (zh) | 一种流行病调查方法、系统、电子设备及存储介质 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20201013 |