CN112288800B - 一种服务器机柜门锁眼识别方法、设备及装置 - Google Patents
一种服务器机柜门锁眼识别方法、设备及装置 Download PDFInfo
- Publication number
- CN112288800B CN112288800B CN202011033961.4A CN202011033961A CN112288800B CN 112288800 B CN112288800 B CN 112288800B CN 202011033961 A CN202011033961 A CN 202011033961A CN 112288800 B CN112288800 B CN 112288800B
- Authority
- CN
- China
- Prior art keywords
- door
- image
- server cabinet
- cabinet door
- door lock
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Lock And Its Accessories (AREA)
Abstract
本申请公开了一种服务器机柜门锁眼识别方法、设备及装置,用以解决现有技术中缺少一种识别服务器机柜门锁眼的方法的技术问题。方法包括:采集与服务器机柜门有关的第一图像;将第一图像输入至门把手检测模型中,以得到与服务器机柜门的门把手有关的第二图像;在第二图像中确定服务器机柜门的门锁眼区域;基于门锁眼区域,对第二图像进行裁剪处理,以得到与服务器机柜门的门锁眼有关的第三图像;将第三图像输入至门锁眼分割模型中,以确定服务器机柜门的门锁眼位置。本申请通过上述方法实现了服务器机柜门锁眼的识别过程,可部署在服务器机房巡检机器人的本体或者边缘节点上,为执行机柜门解锁提供辅助信息。
Description
技术领域
本申请涉及机器视觉识别技术领域,尤其涉及一种服务器机柜门锁眼识别方法、设备及装置。
背景技术
服务器机房中,每台服务器的运行状况都需要运维人员定期和不定期巡视,工业巡检机器人可以部分替代运维人员工作。机房服务器被安装在一个个机柜中,机柜前的网孔门很容易遮挡巡视机器人的拍摄路径,如果机器人需要自动打开机柜门,需要将钥匙插入锁眼才能启动门把手执行开门动作,这就要求机器人能够精准定位锁眼的位置。
因此,现亟需一种服务器机柜门锁眼的识别方法,以帮助机器人精准定位锁眼位置。
发明内容
本申请实施例提供了一种服务器机柜门锁眼识别方法、设备及装置,以解决现有技术中缺少一种帮助机器人识别服务器机柜门锁眼的方法的技术问题。
第一方面,本申请实施例提供了一种服务器机柜门锁眼识别方法,包括:采集与服务器机柜门有关的第一图像;将第一图像输入至门把手检测模型中,以得到与服务器机柜门的门把手有关的第二图像;在第二图像中确定服务器机柜门的门锁眼区域;基于门锁眼区域,对第二图像进行裁剪处理,以得到与服务器机柜门的门锁眼有关的第三图像;将第三图像输入至门锁眼分割模型中,以确定服务器机柜门的门锁眼位置。
本申请实施例提供的一种服务器机柜门锁眼识别方法,通过采集的服务器机柜门的图像以及门把手检测模型,得到服务器机柜门的门把手图像;然后通过门锁眼分割模型,准确识别服务器机柜门上的门锁眼位置。通过门把手检测模型以及门锁眼分割模型,准确的定位或者识别服务器机柜门的门锁眼位置,实现了服务器机柜门锁眼的准确识别过程。另外,本申请实施例提供的方法可以部署到服务器机房巡检机器人上,为机器人的机柜门解锁提供了便利。
在本申请的一种实现方式中,服务器机柜门的门锁眼位于服务器机柜门的门把手上。
在本申请的一种实现方式中,方法还包括:在第一图像中,确定服务器机柜门的门把手特征信息;其中,门把手特征信息包括以下至少一项:门把手大小、门把手位置;基于门把手特征信息,确定图像采集单元的拍摄方向。
在本申请的一种实现方式中,方法还包括:确定拍摄方向偏离服务器机柜门的正对方向;调整图像采集单元的拍摄方向,并重新采集与服务器机柜门有关的第一图像,以使第一图像为图像采集单元正对服务器机柜门采集到的图像。
本申请实施例提出的一种服务器机柜门锁眼识别方法,通过调整图像采集单元的拍摄方向,采用正对服务器机柜门拍摄方向的图像进行门锁眼识别过程,可以保证门锁眼识别的准确性,能够使机器人准确确定门锁眼的位置,避免了由于拍摄角度偏差而导致识别门锁眼位置不精确的技术问题。
在本申请的一种实现方式中,在将第一图像输入至门把手检测模型中之前,方法还包括:采集若干与服务器机柜门有关的第一训练数据,并基于第一训练数据得到标注图像数据;其中,标注图像数据中包括标注框,标注框用于指示服务器机柜门的门把手;根据第一训练数据及标注图像数据,构建第一训练数据集;将第一训练数据集输入至神经网络模型中,训练直至输出收敛,得到门把手检测模型。
在本申请的一种实现方式中,门把手检测模型采用以下至少一项目标检测算法训练:YOLO算法、SSD算法。
在本申请的一种实现方式中,在将第三图像输入至门锁眼分割模型中之前,方法还包括:采集若干与服务器机柜门的门锁眼有关的第二训练数据,并基于第二训练数据,得到二值化图像数据;其中,二值化图像数据中门锁眼位置的灰度值大于预设阈值,其他区域的灰度值为0;基于第二训练数据及二值化图像数据,构建第二训练数据集;将第二训练数据集输入至神经网络模型中,训练直至输出收敛,得到门锁眼分割模型。
在本申请的一种实现方式中,门锁眼分割模型采用DeepLab语义分割模型训练。
第二方面,本申请实施例还提供了一种服务器机柜门锁眼识别设备。设备包括:处理器;及存储器,其上存储有可执行代码,当可执行代码被执行时,使得处理器执行如上述的一种服务器机柜门锁眼识别方法。
第三方面,本申请实施例还提供了一种服务器机柜门锁眼识别装置。装置包括:采集模块,用于采集与服务器机柜门有关的第一图像;第一输入模块,将第一图像输入至门把手检测模型中,以得到与服务器机柜门的门把手有关的第二图像;处理模块,用于在第二图像中确定服务器机柜门的门锁眼区域;处理模块还用于基于门锁眼区域,对第二图像进行裁剪处理,以得到与服务器机柜门的门锁眼有关的第三图像;第二输入模块,用于将第三图像输入至门锁眼分割模型中,以确定服务器机柜门的门锁眼位置。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例提供的一种服务器机柜门锁眼识别方法流程图;
图2为本申请实施例提供的一种服务器机柜门锁眼识别设备内部结构示意图;
图3为本申请实施例提供的一种服务器机柜门锁眼识别装置内部结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
服务器机房中存放了较多的服务器,用于支持各种设备或者网络的正常运行状态。服务器一旦发生问题,将会对公司或者企业产生不可预估的损失。因此,对服务器机房的巡检就显得尤为重要。
现有的服务器机房巡检方式主要是通过人工进行。巡检人员定期或者不定期对服务器的运行状况进行巡检。也有部分机房使用巡检机器人代替巡检人员,巡检机器人在巡检过程中需要对服务器机房中的机柜进行图像采集,但现有的机柜门容易遮挡机器人的采集路径,使机器人采集的图像不能真实的反映服务器的当前状态。因此,巡检机器人在巡检时,需要将服务器的机柜门打开,这就要求机器人能够准确的定位服务器机柜门的门锁眼。
本申请实施例提供了一种服务器机柜门锁眼识别方法、设备及装置,用于解决现有技术中缺少一种准确定位服务器机柜门锁眼的方法的技术问题。
下面通过附图对本申请实施例提出的技术方案进行详细的说明。
图1为本申请实施例提供的一种服务器机柜门锁眼识别方法流程图。如图1所示,本申请实施例提供的服务器机柜门锁眼识别过程,主要包括以下步骤:
步骤101、采集第一图像。
服务器机房巡检机器人采集与服务器机柜门有关的第一图像。
需要说明的是,本申请实施例中的第一图像可以是巡检机器人通过自身携带的图像采集单元例如摄像头,采集到的图像数据;也可以是接收的由外界图像采集设备发送的图像,本申请实施例对此不作限定。为方便描述,本申请实施例中采用巡检机器人通过自身的图像采集单元采集第一图像这一技术特征。
进一步地,在采集到第一图像之后,根据第一图像中包含的机柜门把手特征信息,确定机器人图像采集单元的拍摄方向。
在本申请的一个实施例中,门把手特征信息主要包括:门把手大小信息,门把手在图像中的位置信息。
具体地,根据第一图像,确定第一图像中门把手的位置信息,例如,第一图像中的服务器机柜门把手位于图像中间位置,则此时可以确定第一图像不是图像采集单元正对服务器机柜门拍摄的图像;或者确定第一图像中门把手的大小信息,与预存的门把手大小信息不相符,则确定此时的拍摄方向偏离服务器机柜门的正对方向。
更进一步地,在确定图像采集单元的拍摄方向,偏离服务器机柜门的正对方向时,调整图像采集单元的拍摄方向,并重新对服务器机柜门进行图像采集,最终得到正对服务器机柜门拍摄得到的第一图像。
步骤102、将第一图像输入至门把手检测模型中,得到第二图像。
在得到与服务器机柜门有关的第一图像之后,将第一图像输入至门把手检测模型中,以确定第一图像对应的门把手图像,即得到与服务器机柜门的门把手有关的第二图像。
在本申请的一个实施例中,在将第一图像输入至门把手检测模型中之前,需要对门把手检测模型进行训练。
具体地,获取若干与服务器机柜门有关的图像数据,为方便描述,本申请实施例中,将此数据记为第一训练数据。需要说明的是,第一训练数据与第一图像不同,并不要求第一训练数据为正对服务器机柜门采集到的图像数据,但可以明确的是,第一训练数据中包括若干第一图像,即第一训练数据中可以包括若干正对服务器机柜门产生的图像,还包括若干其他角度拍摄的图像数据。另外,本申请实施例中对第一训练数据的获取方式不作限定,可以通过互联网获取,也可以通过巡检机器人调整不同的拍摄角度采集图像获取。
进一步地,将第一图像数据进行标注,得到标注图像数据。本申请实施例将第一图像数据通过人工标注等方式进行标注,以将第一图像数据中存在门把手区域标注出来。具体标注形式可以采用矩形标注框,当然,也可以根据服务器机柜门把手的不同形状采用其他对应形状的标准框。
需要说明的是,本申请实施例中的标注图像数据,可以是仅包含门把手的图像数据(标注框位于图像边界),也可以是含有门把手标注框的第一图像数据(标注框位于图像内)。不同的是,仅含有门把手的图像数据,可直接进行下一步处理;而含有标注框的第一图像数据,首先需要进行裁剪,将标注框对应区域裁剪出来,得到与服务器机柜门把手有关的图像,再进行下一步处理。本领域技术人员在实际使用过程中,可以根据实际需要进行设定,本申请实施例对此不作限定。
然后,将第一训练数据与标注图像数据构建第一训练数据集,并利用第一训练数据集对神经网络模型进行训练,直至输出收敛,得到门把手检测模型。
在本申请的一个实施例中,门把手检测模型采用目标检测算法训练。例如,目标检测(YouOnlyLookOnce,YOLO)算法,(SingleShotMultiBoxDetection,SSD)算法。
将采集到的第一图像输入至上述训练好的门把手检测模型中,输出门把手有关的第二图像。本申请实施例中的门把手检测模型输出的第二图像,为仅包含门把手区域而不含其他机柜门区域的图像。
步骤103、对第二图像进行处理,得到第三图像。
在得到第二图像后,根据门锁眼面板与门把手的不同特征,粗略定位门锁眼位置,提取门锁眼四周图像,得到第三图像。
在本申请的一个实施例中,服务器机柜门的门锁眼位于服务器机柜门的门把手上。
进一步地,确定第二图像中存在的门锁眼的位置信息,根据该位置信息,确定门锁眼区域。需要说明的是,门锁眼区域不能过小,应包括整个门锁眼面板;区域也不能过大,过大不便于后续神经网络模型进行分割。
根据门锁眼区域,对第二图像进行裁剪处理,得到第三图像。且本申请实施例中的第三图像为仅包含门锁眼区域的图像。
步骤104、将第三图像输入至门锁眼分割模型中,确定服务器机柜门锁眼。
在得到第三图像之后,将其输入至门锁眼分割模型中,以确定准确的门锁眼位置,便于机器人执行开锁操作。
在本申请的一个实施例中,在将第三图像输入至门锁眼分割模型之前,需要对门锁眼分割模型进行训练。本申请实施例中具体采用的训练算法为DeepLab语义分割算法。
具体地,获取若干与服务器机柜门锁眼有关的图像数据,为方便描述,将该图像数据记为第二训练数据。本申请实施例中的第二训练数据为从互联网获取的常用服务器机柜门锁眼有关的图像数据。
进一步地,对第二训练数据进行二值化处理。具体地,将第二训练数据进行人工标注,标注区域为第二训练数据中的准确的锁眼位置;然后对标注后的第二训练数据进行二值化处理,其中将标注区域的灰度值处理为255,非标注区域处理为0,得到二值化图像数据。
将第二训练数据与二值化图像数据构建为第二训练数据集。并将第二训练数据集输入至DeepLab算法中进行训练,直至输出收敛,得到门锁眼分割模型。
将第三图像输入至上述训练好的门锁眼分割模型中,确定服务器机柜门的门锁眼位置,以便巡检机器人基于确定的门锁眼位置执行开锁操作,进而采集服务器机柜的图像数据。
基于同样的发明构思,本申请实施例还提供了一种服务器机柜门锁眼识别设备,其内部结构如图2所示。
图2为本申请实施例提供的一种服务器机柜门锁眼识别设备内部结构示意图。如图2所示,设备包括处理器201;及存储器202,其上存储有可执行代码,当可执行代码被执行时,使得处理器201执行如上述的一种服务器机柜门锁眼是被方法。
在本申请的一个实施例中,处理器201用于采集与服务器机柜门有关的第一图像,并将第一图像输入至门把手检测模型中,以得到与服务器机柜门的门把手有关的第二图像;以及用于在第二图像中确定服务器机柜门的门锁眼区域;还用于基于门锁眼区域,对第二图像进行裁剪处理,以得到与服务器机柜门的门锁眼有关的第三图像;还用于将第三图像输入至门锁眼分割模型中,以确定服务器机柜门的门锁眼位置。
除此之外,本申请实施例还提供一种服务器机柜门锁眼识别装置,其内部结构示意图如图3所示。
图3为本申请实施例提供的一种服务器机柜门锁眼识别装置内部结构示意图。如图3所示,装置包括采集模块301、第一输入模块301、处理模块303以及第二输入模块304。
其中,采集模块301用于采集与服务器机柜门有关的第一图像;第一输入模块302用于将第一图像输入至门把手检测模型中,以得到与服务器机柜门的门把手有关的第二图像;处理模块303用于在第二图像中确定服务器机柜门的门锁眼区域;处理模块303还用于基于门锁眼区域,对第二图像进行裁剪处理,以得到与服务器机柜门的门锁眼有关的第三图像;第二输入模块304,用于将第三图像输入至门锁眼分割模型中,以确定服务器机柜门的门锁眼位置。
需要说明的是,本申请实施例提供的服务器机柜门锁眼识别设备或者装置,可以单独进行工作,也可以设置在机房巡检机器人内,辅助机器人对机柜门锁眼进行识别,本申请实施例对此不作限定。
本申请实施例提供的一种服务器机柜门锁眼识别方法、设备及装置,通过门把手检测模型及门锁眼分割模型两个神经网络模型,实现了准确识别服务器机柜门锁眼的位置。另外,本申请实施例提供的方法解决了巡检机器人工作过程中利用摄像头定位机柜门锁眼的问题。可以部署在机房巡检机器人本体或者边缘节点上,为机器人执行机柜门解锁提供辅助信息。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (7)
1.一种服务器机柜门锁眼识别方法,其特征在于,所述方法包括:
采集与服务器机柜门有关的第一图像;
将所述第一图像输入至门把手检测模型中,以得到与所述服务器机柜门的门把手有关的第二图像;
在所述第二图像中确定所述服务器机柜门的门锁眼区域,所述服务器机柜门的门锁眼位于所述服务器机柜门的门把手上;
基于所述门锁眼区域,对所述第二图像进行裁剪处理,以得到与所述服务器机柜门的门锁眼有关的第三图像;
将所述第三图像输入至门锁眼分割模型中,以确定所述服务器机柜门的门锁眼位置;
在采集服务器机柜门有关的第一图像之后,所述方法还包括:
在所述第一图像中,确定所述服务器机柜门的门把手特征信息;其中,所述门把手特征信息包括以下至少一项:门把手大小、门把手位置;
基于所述门把手特征信息,确定图像采集单元的拍摄方向;
确定所述拍摄方向偏离所述服务器机柜门的正对方向;
调整所述图像采集单元的拍摄方向,并重新采集与服务器机柜门有关的第一图像,以使所述第一图像为图像采集单元正对所述服务器机柜门采集到的图像。
2.根据权利要求1所述的一种服务器机柜门锁眼识别方法,其特征在于,在将所述第一图像输入至门把手检测模型中之前,所述方法还包括:
采集若干与所述服务器机柜门有关的第一训练数据,并基于所述第一训练数据得到标注图像数据;其中,所述标注图像数据中包括标注框,所述标注框用于指示所述服务器机柜门的门把手;
根据所述第一训练数据及所述标注图像数据,构建第一训练数据集;
将所述第一训练数据集输入至神经网络模型中,训练直至输出收敛,得到门把手检测模型。
3.根据权利要求2所述的一种服务器机柜门锁眼识别方法,其特征在于,所述门把手检测模型采用以下至少一项目标检测算法训练:YOLO算法、SSD算法。
4.根据权利要求1所述的一种服务器机柜门锁眼识别方法,其特征在于,在将所述第三图像输入至门锁眼分割模型中之前,所述方法还包括:
采集若干与服务器机柜门的门锁眼有关的第二训练数据,并基于所述第二训练数据,得到二值化图像数据;其中,所述二值化图像数据中门锁眼位置的灰度值大于预设阈值,其他区域的灰度值为0;
基于所述第二训练数据及所述二值化图像数据,构建第二训练数据集;
将所述第二训练数据集输入至神经网络模型中,训练直至输出收敛,得到门锁眼分割模型。
5.根据权利要求1所述的一种服务器机柜门锁眼识别方法,其特征在于,所述门锁眼分割模型采用DeepLab语义分割模型训练。
6.一种服务器机柜门锁眼识别设备,其特征在于,所述设备包括:
处理器;
及存储器,其上存储有可执行代码,当所述可执行代码被执行时,使得所述处理器执行如权利要求1-5任一项所述的一种服务器机柜门锁眼识别方法。
7.一种服务器机柜门锁眼识别装置,其特征在于,所述装置包括:
采集模块,用于采集与服务器机柜门有关的第一图像;
第一输入模块,用于将所述第一图像输入至门把手检测模型中,以得到与所述服务器机柜门的门把手有关的第二图像;
处理模块,用于在所述第二图像中确定所述服务器机柜门的门锁眼区域,所述服务器机柜门的门锁眼位于所述服务器机柜门的门把手上;
所述处理模块还用于基于所述门锁眼区域,对所述第二图像进行裁剪处理,以得到与所述服务器机柜门的门锁眼有关的第三图像;
第二输入模块,用于将所述第三图像输入至门锁眼分割模型中,以确定所述服务器机柜门的门锁眼位置;
所述处理模块还用于,在所述第一图像中,确定所述服务器机柜门的门把手特征信息;其中,所述门把手特征信息包括以下至少一项:门把手大小、门把手位置;
基于所述门把手特征信息,确定图像采集单元的拍摄方向;
确定所述拍摄方向偏离所述服务器机柜门的正对方向,调整所述图像采集单元的拍摄方向;
所述采集模块还用于,重新采集与服务器机柜门有关的第一图像,以使所述第一图像为图像采集单元正对所述服务器机柜门采集到的图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011033961.4A CN112288800B (zh) | 2020-09-27 | 2020-09-27 | 一种服务器机柜门锁眼识别方法、设备及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011033961.4A CN112288800B (zh) | 2020-09-27 | 2020-09-27 | 一种服务器机柜门锁眼识别方法、设备及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112288800A CN112288800A (zh) | 2021-01-29 |
CN112288800B true CN112288800B (zh) | 2023-05-12 |
Family
ID=74421666
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011033961.4A Active CN112288800B (zh) | 2020-09-27 | 2020-09-27 | 一种服务器机柜门锁眼识别方法、设备及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112288800B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104317385A (zh) * | 2014-06-26 | 2015-01-28 | 青岛海信电器股份有限公司 | 一种手势识别方法和系统 |
CN106629399A (zh) * | 2016-12-23 | 2017-05-10 | 上海电机学院 | 一种集装箱对箱引导系统 |
CN108460800A (zh) * | 2016-12-12 | 2018-08-28 | 交通运输部水运科学研究所 | 集装箱图像定位方法及系统 |
CN108491851A (zh) * | 2018-01-29 | 2018-09-04 | 江苏大学 | 一种基于机器视觉的集装箱锁孔快速识别与吊具纠偏方法 |
CN109325488A (zh) * | 2018-08-31 | 2019-02-12 | 阿里巴巴集团控股有限公司 | 用于辅助车辆定损图像拍摄的方法、装置及设备 |
CN109902646A (zh) * | 2019-03-08 | 2019-06-18 | 中南大学 | 一种基于长短时记忆网络的步态识别方法 |
CN111147764A (zh) * | 2019-12-31 | 2020-05-12 | 北京京天威科技发展有限公司 | 基于实时图像识别的漏泄同轴电缆图像采集方法及系统 |
CN111243016A (zh) * | 2018-11-28 | 2020-06-05 | 周口师范学院 | 一种集装箱自动识别与定位方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11551498B2 (en) * | 2018-04-01 | 2023-01-10 | Joseph Hage | Locking system and method for a movable freight container door |
-
2020
- 2020-09-27 CN CN202011033961.4A patent/CN112288800B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104317385A (zh) * | 2014-06-26 | 2015-01-28 | 青岛海信电器股份有限公司 | 一种手势识别方法和系统 |
CN108460800A (zh) * | 2016-12-12 | 2018-08-28 | 交通运输部水运科学研究所 | 集装箱图像定位方法及系统 |
CN106629399A (zh) * | 2016-12-23 | 2017-05-10 | 上海电机学院 | 一种集装箱对箱引导系统 |
CN108491851A (zh) * | 2018-01-29 | 2018-09-04 | 江苏大学 | 一种基于机器视觉的集装箱锁孔快速识别与吊具纠偏方法 |
CN109325488A (zh) * | 2018-08-31 | 2019-02-12 | 阿里巴巴集团控股有限公司 | 用于辅助车辆定损图像拍摄的方法、装置及设备 |
CN111243016A (zh) * | 2018-11-28 | 2020-06-05 | 周口师范学院 | 一种集装箱自动识别与定位方法 |
CN109902646A (zh) * | 2019-03-08 | 2019-06-18 | 中南大学 | 一种基于长短时记忆网络的步态识别方法 |
CN111147764A (zh) * | 2019-12-31 | 2020-05-12 | 北京京天威科技发展有限公司 | 基于实时图像识别的漏泄同轴电缆图像采集方法及系统 |
Non-Patent Citations (2)
Title |
---|
Vision-based keyhole detection and parameter extraction in door opening task;Jiajun Li et al.;《2016 IEEE International Conference on Mechatronics and Automation》;20161231;第1667-1672页 * |
基于机器视觉的集装箱锁孔识别算法研究;宓为建等;《中国工程机械学报》;20161031;第14卷(第5期);第399-402 * |
Also Published As
Publication number | Publication date |
---|---|
CN112288800A (zh) | 2021-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106991395B (zh) | 信息处理方法、装置及电子设备 | |
KR102215041B1 (ko) | 정의된 영역 내의 객체를 추적하기 위한 방법 및 시스템 | |
TWI416068B (zh) | 跨感測器間之物體追蹤方法與系統 | |
CN108537910A (zh) | 一种基于人脸识别的员工考勤方法、装置和考勤管理系统 | |
Johnson et al. | Digital capture of fingerprints in a disaster victim identification setting: a review and case study | |
CN109657624A (zh) | 目标对象的监控方法、装置和系统 | |
CN111210399B (zh) | 一种成像质量评价方法、装置及设备 | |
JP7380567B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
CN101976356A (zh) | 网吧实名制人脸识别方法及识别系统 | |
CN112650882A (zh) | 一种视频采集方法、装置及系统 | |
CN113807342A (zh) | 基于图像获取设备信息的方法及相关装置 | |
CN111291596A (zh) | 一种基于人脸识别的预警方法及装置 | |
CN112288800B (zh) | 一种服务器机柜门锁眼识别方法、设备及装置 | |
RU2723900C1 (ru) | Способ и система анализа статичных объектов в видеопотоке | |
CN113021355B (zh) | 一种用于预测遮挡农作物摘取点的农业机器人作业方法 | |
CN112149451B (zh) | 一种亲密度分析方法及装置 | |
CN111277789A (zh) | 基于视频的社区安防方法、装置、电子设备及存储介质 | |
CN214151721U (zh) | 一种基于人脸算法的识别一体机系统 | |
CN112733647A (zh) | 基于mac地址与人脸信息绑定的方法、分析服务器和系统 | |
CN113128452A (zh) | 一种基于图像识别的绿化满意度采集方法和系统 | |
CN110287841B (zh) | 图像传输方法及装置、图像传输系统、存储介质 | |
KR20220022961A (ko) | 개선된 작물생육 분석시스템 | |
CN111611848A (zh) | 尸体虹膜识别方法和装置 | |
CN111723844A (zh) | 聚类中心的确定方法、系统和图片类型的确定方法、装置 | |
CN117115756B (zh) | 人员睡觉行为检测方法及系统 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230411 Address after: 250101 building S02, 1036 Chaochao Road, high tech Zone, Jinan City, Shandong Province Applicant after: Shandong Inspur Scientific Research Institute Co.,Ltd. Address before: Floor 6, Chaochao Road, Shandong Province Applicant before: JINAN INSPUR HIGH-TECH TECHNOLOGY DEVELOPMENT Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |