CN112862821A - 基于图像处理的漏水检测方法、装置、计算设备和介质 - Google Patents

基于图像处理的漏水检测方法、装置、计算设备和介质 Download PDF

Info

Publication number
CN112862821A
CN112862821A CN202110364572.8A CN202110364572A CN112862821A CN 112862821 A CN112862821 A CN 112862821A CN 202110364572 A CN202110364572 A CN 202110364572A CN 112862821 A CN112862821 A CN 112862821A
Authority
CN
China
Prior art keywords
image
target
water leakage
target object
module
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
Application number
CN202110364572.8A
Other languages
English (en)
Inventor
夏铭
尹鹏程
温鑫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Industrial and Commercial Bank of China Ltd ICBC
Original Assignee
Industrial and Commercial Bank of China Ltd ICBC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Industrial and Commercial Bank of China Ltd ICBC filed Critical Industrial and Commercial Bank of China Ltd ICBC
Priority to CN202110364572.8A priority Critical patent/CN112862821A/zh
Publication of CN112862821A publication Critical patent/CN112862821A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Examining Or Testing Airtightness (AREA)

Abstract

本公开提供了一种基于图像处理的漏水检测方法，涉及图像处理技术领域、金融领域。该方法包括：获取针对数据中心中目标对象的目标图像；对目标图像进行图像识别，以确定目标对象的漏水情况；响应于对目标图像进行图像识别失败，获取参考图像；将目标图像和参考图像进行比较，得到第一比较结果；基于第一比较结果，确定针对数据中心中目标对象的漏水情况。本公开还提供了一种基于图像处理的漏水检测装置、一种计算设备、一种介质以及一种程序产品。

Description

基于图像处理的漏水检测方法、装置、计算设备和介质
技术领域
本公开涉及图像处理技术领域，特别是涉及一种基于图像处理的漏水检测方法、一种基于图像处理的漏水检测装置、一种计算设备、一种计算机可读存储介质以及一种计算机程序产品。
背景技术
数据中心作为数据处理的重要角色，数据中心的安全至关重要。数据中心中通常包括大量的设备以及建筑物。当数据中心漏水时，将造成重大的安全隐患。相关技术对数据中心进行漏水检测时，检测效果不佳、检测实效性不佳，导致数据中心的安全得不到保障。
发明内容
有鉴于此，本公开提供了一种优化的基于图像处理的漏水检测方法、基于图像处理的漏水检测装置、计算设备、计算机可读存储介质和计算机程序产品。
本公开的一个方面提供了一种基于图像处理的漏水检测方法，包括：获取针对数据中心中目标对象的目标图像；对所述目标图像进行图像识别，以确定所述目标对象的漏水情况；响应于对所述目标图像进行图像识别失败，获取针对所述目标对象的参考图像；将所述目标图像和所述参考图像进行比较，得到第一比较结果；以及基于所述第一比较结果，确定针对所述数据中心中目标对象的漏水情况。
根据本公开的实施例，所述获取针对所述目标对象的参考图像包括：获取针对目标对象的初始图像，其中，所述初始图像表征了所述目标对象的初始漏水情况；将所述初始图像和所述目标图像进行图像匹配得到匹配度，其中，所述匹配度表征了所述初始图像的光照信息和目标图像的光照信息之间的相似程度；响应于所述匹配度大于或等于预设匹配度，将所述初始图像作为所述参考图像。
根据本公开的实施例，所述目标图像的采集时刻为第一采集时刻；所述获取针对所述目标对象的参考图像还包括：响应于所述匹配度小于预设匹配度，获取针对所述目标对象的采集图像，所述采集图像包括在第二采集时刻采集的图像，将所述采集图像作为所述参考图像，其中，所述第二采集时刻早于所述第一采集时刻，所述采集图像为成功进行图像识别的图像，所述采集图像表征了所述目标对象在第二采集时刻的漏水情况。
根据本公开的实施例，所述方法还包括：响应于对所述目标图像和所述参考图像进行比较失败，获取针对所述目标图像的替补图像；对所述替补图像进行图像识别，得到识别结果；将所述替补图像和所述参考图像进行比较，得到第二比较结果；基于所述识别结果和所述第二比较结果中的至少一个，确定针对所述数据中心中目标对象的漏水情况；将所述替补图像替换所述目标图像进行存储。
根据本公开的实施例，所述目标图像包括M个第一像素点，所述目标图像包括第一局部图像，所述第一局部图像包括N个第一像素点，M为大于1的整数，N为大于1且小于等于M的整数；所述参考图像包括第二局部图像，所述第二局部图像包括N个第二像素点，所述N个第二像素点与所述N个第一像素点一一对应；针对所述N个第一像素点和所述N个第二像素点，第n个第一像素点的像素值与第n个第二像素点的像素值之间的差值小于预设差值，n为大于等于1且小于等于N的整数。
根据本公开的实施例，所述匹配度包括：N和M之间的比值。
根据本公开的实施例，所述方法还包括：响应于对所述目标图像和所述参考图像进行比较失败，确定历史失败次数；响应于所述历史失败次数超过预设次数，生成提示信息，其中，所述提示信息用于提示对所述目标对象喷涂遇水变色的涂料。
本公开的一个方面提供了一种基于图像处理的漏水检测装置，包括：第一获取模块、图像识别模块、第二获取模块、图像比较模块以及确定模块。第一获取模块，用于获取针对数据中心中目标对象的目标图像；图像识别模块，用于对所述目标图像进行图像识别，以确定所述目标对象的漏水情况；第二获取模块，用于响应于对所述目标图像进行图像识别失败，获取针对所述目标对象的参考图像；图像比较模块，用于将所述目标图像和所述参考图像进行比较，得到第一比较结果；确定模块，用于基于所述第一比较结果，确定针对所述数据中心中目标对象的漏水情况。
根据本公开的实施例，所述第二获取模块包括：第一获取子模块、图像匹配子模块以及第一确定子模块。其中，第一获取子模块，用于获取针对目标对象的初始图像，其中，所述初始图像表征了所述目标对象的初始漏水情况；图像匹配子模块，用于将所述初始图像和所述目标图像进行图像匹配得到匹配度，其中，所述匹配度表征了所述初始图像的光照信息和目标图像的光照信息之间的相似程度；第一确定子模块，用于响应于所述匹配度大于或等于预设匹配度，将所述初始图像作为所述参考图像。
根据本公开的实施例，所述目标图像的采集时刻为第一采集时刻；所述第二获取模块还包括：第二获取子模块以及第二确定子模块。第二获取子模块，用于响应于所述匹配度小于预设匹配度，获取针对所述目标对象的采集图像，所述采集图像包括在第二采集时刻采集的图像；第二确定子模块，用于将所述采集图像作为所述参考图像，其中，所述第二采集时刻早于所述第一采集时刻，所述采集图像为成功进行图像识别的图像，所述采集图像表征了所述目标对象在第二采集时刻的漏水情况。
根据本公开的实施例，所述装置还包括：第三获取模块、识别模块、比较模块、漏水确定模块以及存储模块。第三获取模块，用于响应于对所述目标图像和所述参考图像进行比较失败，获取针对所述目标图像的替补图像；识别模块，用于对所述替补图像进行图像识别，得到识别结果；比较模块，用于将所述替补图像和所述参考图像进行比较，得到第二比较结果；漏水确定模块，用于基于所述识别结果和所述第二比较结果中的至少一个，确定针对所述数据中心中目标对象的漏水情况；存储模块，用于将所述替补图像替换所述目标图像进行存储。
根据本公开的实施例，所述目标图像包括M个第一像素点，所述目标图像包括第一局部图像，所述第一局部图像包括N个第一像素点，M为大于1的整数，N为大于1且小于等于M的整数；所述参考图像包括第二局部图像，所述第二局部图像包括N个第二像素点，所述N个第二像素点与所述N个第一像素点一一对应；针对所述N个第一像素点和所述N个第二像素点，第n个第一像素点的像素值与第n个第二像素点的像素值之间的差值小于预设差值，n为大于等于1且小于等于N的整数。
根据本公开的实施例，所述匹配度包括：N和M之间的比值。
根据本公开的实施例，所述装置还包括：次数确定模块以及生成模块。次数确定模块，用于响应于对所述目标图像和所述参考图像进行比较失败，确定历史失败次数；生成模块，用于响应于所述历史失败次数超过预设次数，生成提示信息，其中，所述提示信息用于提示对所述目标对象喷涂遇水变色的涂料。
本公开的另一方面提供了一种计算设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上所述的方法。
本公开的另一方面提供了一种非易失性可读存储介质，存储有计算机可执行指令，所述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产品，包括计算机程序，所述计算机程序在被处理器执行时实现如上所述的方法。
根据本公开的实施例，利用如上所述的基于图像处理的漏水检测方法，可以至少部分地解决相关技术中对数据中心进行漏水检测时，检测效果不佳、检测实效性不佳，导致数据中心的安全得不到保障的技术问题。因此可以实现提高漏水检测准确性、实效性，从而保证数据中心的安全的技术效果。
附图说明
为了更完整地理解本公开及其优势，现在将参考结合附图的以下描述，其中：
图1示意性示出了根据本公开实施例的基于图像处理的漏水检测方法和基于图像处理的漏水检测装置的应用场景；
图2示意性示出了根据本公开实施例的基于图像处理的漏水检测方法的流程图；
图3示意性示出了根据本公开另一实施例的基于图像处理的漏水检测方法的流程图；
图4示意性示出了根据本公开实施例的基于图像处理的漏水检测方法的示意图；
图5示意性示出了根据本公开实施例的基于图像处理的漏水检测装置的框图；以及
图6示意性示出了根据本公开实施例的用于实现基于图像处理的漏水检测的计算设备的方框图。
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”等表明了所述特征、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)。
附图中示出了一些方框图和/或流程图。应理解，方框图和/或流程图中的一些方框或其组合可以由计算机程序指令来实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其他可编程控制装置的处理器，从而这些指令在由该处理器执行时可以创建用于实现这些方框图和/或流程图中所说明的功能/操作的装置。
因此，本公开的技术可以硬件和/或软件(包括固件、微代码等)的形式来实现。另外，本公开的技术可以采取存储有指令的计算机可读存储介质上的计算机程序产品的形式，该计算机程序产品可供指令执行系统使用或者结合指令执行系统使用。在本公开的上下文中，计算机可读存储介质可以是能够包含、存储、传送、传播或传输指令的任意介质。例如，计算机可读存储介质可以包括但不限于电、磁、光、电磁、红外或半导体系统、装置、器件或传播介质。计算机可读存储介质的具体示例包括：磁存储装置，如磁带或硬盘(HDD)；光存储装置，如光盘(CD-ROM)；存储器，如随机存取存储器(RAM)或闪存；和/或有线/无线通信链路。
针对数据中心的漏水检测，通常基于漏水检测绳(线状)及漏水检测器(点状)实现。通过漏水检测绳、检测器与水接触后带来的电信号变化反馈给监控系统实现对数据中心中地面(底面)的漏水监控。
由于漏水检测装置的特性，其一般布置在数据中心中设备、管道、桥架等周围的地面或下方的积水盘内，且需要水量累积到一定程度或水刚好触及探测装置本身方能产生监控信号。通过漏水检测装置进行漏水检测时，需要水量蓄积到一定程度或水与探测装置发生直接接触才能生成监测触发信号，具有一定的监测延迟或巧合性。在发现告警后往往漏水已经发生了一段时间，已造成设备或系统的故障或损坏。由此可见，漏水检测装置通过对地面(底面)聚集的水量进行点状或线状检测，无法实现对立体面、设备外表面等立体空间内的漏水检测，因此具有较大的检测盲区。
有鉴于此，本公开的实施例提供了一种基于图像处理的漏水检测方法，包括：获取针对数据中心中目标对象的目标图像，对目标图像进行图像识别，以确定目标对象的漏水情况。然后，响应于对目标图像进行图像识别失败，获取参考图像，将目标图像和参考图像进行比较，得到第一比较结果。接下来，基于第一比较结果，确定针对数据中心中目标对象的漏水情况。
图1示意性示出了根据本公开实施例的基于图像处理的漏水检测方法和基于图像处理的漏水检测装置的应用场景。需要注意的是，图1所示仅为可以应用本公开实施例的应用场景的示例，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1所示，根据该实施例的应用场景100例如包括数据中心101、图像采集装置102、网络103和计算设备104。
图像采集装置102例如包括摄像头。图像采集装置102例如设置在数据中心101中，由图像采集装置102采集数据中心101的图像。例如，图像采集装置102采集数据中心101中关于目标对象的图像，目标对象包括数据中心中的设备、管道、桥架、墙面等等。
图像采集装置102采集到针对数据中心101中目标对象的图像之后，可以将所采集的图像通过网络103发送至计算设备104中，由计算设备104进行图像处理，以便确定数据中心是否存在漏水情况。
网络130用以在图像采集装置102和计算设备104之间提供通信链路的介质。网络130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。
计算设备104可以是提供各种服务的电子设备、服务器等等。计算设备104例如可以对接收到的图像数据进行分析等处理。或者，计算设备104还可以向图像采集装置102发送控制指令，以控制图像采集装置102进行图像采集。
本公开实施例的基于图像处理的漏水检测方法和基于图像处理的漏水检测装置可用于金融领域，例如数据中心用于处理金融数据。本公开实施例的基于图像处理的漏水检测方法和基于图像处理的漏水检测装置也可用于除金融领域之外的任意领域，本公开对基于图像处理的漏水检测方法和基于图像处理的漏水检测装置的应用领域不做限定。
以下结合图1的应用场景，根据图2～图4来描述本公开实施例的基于图像处理的漏水检测方法。
图2示意性示出了根据本公开实施例的基于图像处理的漏水检测方法的流程图。
如图2所示，本公开实施例的基于图像处理的漏水检测方法例如可以包括操作S210～操作S250。其中，本公开实施例的方法例如由图1所示的计算设备来执行。
在操作S210，获取针对数据中心中目标对象的目标图像。
在操作S220，对目标图像进行图像识别，以确定目标对象的漏水情况。
在操作S230，响应于对目标图像进行图像识别失败，获取针对目标对象的参考图像。
在操作S240，将目标图像和参考图像进行比较，得到第一比较结果。
在操作S250，基于第一比较结果，确定针对数据中心中目标对象的漏水情况。
例如，目标对象可以是数据中心中的设备、管道、桥架、墙面等等。当获取到目标对象的目标图像之后，可以利用图像识别技术对目标图像进行图像识别。如果图像图像识别成功，则可以确定目标对象漏水或者不漏水。如果图像识别失败，表示目标图像的图像质量较低、目标图像不满足识别条件或者目标图像所含信息不足等，从而无法确定目标对象是否漏水。
通过图像识别技术来对目标图像进行图像识别，例如可以识别目标图像中是否存在异常点、光点等信息。如果目标图像存在异常点或光点，在大概率上表示目标对象存在漏水情况。
在针对目标图像进行图像识别失败的情况下，可以获取针对目标对象的参考图像，该参考图像例如为目标对象存在漏水情况的图像，或者为目标对象不存在漏水情况的图像。将参考图像和目标图像进行图像对比，得到第一比较结果，该第一比较结果例如指示了目标对象的漏水情况。
例如，目标图像为当前采集的图像，目标图像为之前采集的图像。当参考图像表示目标对象之前存在漏水情况时，如果第一比较结果表示参考图像和目标图像之间的相似度较大，则目标图像指示了目标对象当前具有较大概率是是存在漏水情况的。当参考图像表示目标对象之前不存在漏水情况时，如果第一比较结果表示参考图像和目标图像之间的相似度较小，则目标图像指示了目标对象当前具有较小概率存在漏水情况。
根据本公开的实施例，通过对目标图像进行图像识别来确定目标对象的漏水情况。在图像识别失败的情况下，可以将目标图像和参考图像进行图像比较得到第一比较结果，以根据第一比较结果来确定目标对象的漏水情况。可见，本公开的实施例通过图像识别方式以及图像比较方式相结合来进行漏水检测，提高了检测的效果以及实效性，进而保障数据中心的安全。
图3示意性示出了根据本公开另一实施例的基于图像处理的漏水检测方法的流程图。
如图3所示，本公开实施例的基于图像处理的漏水检测方法例如可以包括操作S301～操作S316。
在操作S301，获取针对数据中心中目标对象的目标图像。
在操作S302，对目标图像进行图像识别。
在操作S303，判断图像识别是否成功。
在操作S304，如果图像识别成功，确定目标对象的漏水情况。例如，基于图像识别结果确定目标对象漏水或不漏水。
在操作S305，如果图像识别失败，获取针对目标对象的初始图像。
在操作S306，将初始图像和目标图像进行图像匹配得到匹配度，匹配度表征了初始图像的光照信息和目标图像的光照信息之间的相似程度。
在操作S307，判断匹配度是否大于或等于预设匹配度。
在操作S308，如果匹配度大于或等于预设匹配度，将初始图像作为参考图像。
例如，初始图像是预先存储的针对目标对象的图像，目标图像例如是当前针对目标对象所采集的图像。初始图像表征了目标对象的初始漏水情况，通过该初始图像和目标对象之间的匹配度可以确定目标对象在当前时刻的漏水情况。
例如，目标图像包括M个第一像素点，目标图像包括第一局部图像，第一局部图像包括N个第一像素点，M为大于1的整数，N为大于1且小于等于M的整数。参考图像例如也包括M个第二像素点，参考图像包括第二局部图像，第二局部图像包括N个第二像素点，N个第二像素点与N个第一像素点一一对应。
针对N个第一像素点和N个第二像素点，，第n个第一像素点的像素值与第n个第二像素点的像素值之间的差值小于预设差值，n为大于等于1且小于等于N的整数。其中匹配度包括N和M之间的比值，匹配度例如为N/M。
预设匹配度例如为具体的数值，例如为70％、80％等等。匹配度N/M的值越大，表示目标图像和初始图像中相似的部分越多。当目标图像和初始图像中具有越大的局部彼此相似的情况下，表示目标图像的光照信息和初始图像的光照信息之间的相似程度较高，即采集目标图像和采集初始图像时，光照条件比较像，从而可以将初始图像作为参考图像来进行后续处理。将初始图像作为参考图像在一定程度上避免了光照条件带来的误差。
在操作S309，如果匹配度小于预设匹配度，获取针对目标对象的采集图像。
例如，采集图像是在第二采集时刻采集的图像，目标图像是在第一采集时刻采集的，第二采集时刻早于第一采集时刻。另外，采集图像为成功进行图像识别的图像，采集图像表征了目标对象在第二采集时刻的漏水情况。
在操作S310，将采集图像作为参考图像。
在操作S311，将目标图像和参考图像进行比较。
在操作S312，判断目标图像和参考图像是否比较成功。
在操作S313，如果目标图像和参考图像比较成功，基于比较得到的第一比较结果确定针对数据中心中目标对象的漏水情况。
例如，当初始图像的光照信息和目标图像的光照信息之间相似程度较低时，获取之前成功进行图像识别的采集图像，采集图像例如表征了目标对象在第二采集时刻是否存在漏水情况。将采集图像作为参考图像来和目标图像进行图像比较，以确定目标对象在第一采集时刻是否存在漏水情况。例如，当采集图像表示目标对象在第二采集时刻存在漏水情况时，如果将目标图像和采集图像进行比较后，得到的第一比较结果表示目标图像和采集图像相似，则确定目标对象在第一采集时刻存在漏水情况。
在操作S314，如果目标图像和参考图像比较失败，获取针对目标图像的替补图像。
在操作S315，对替补图像进行图像识别以及将替补图像和参考图像进行图像比较。
例如，对替补图像进行图像识别得到识别结果，基于该识别结果例如可以确定目标对象的漏水情况。还可以将替补图像和参考图像进行比较，得到第二比较结果，基于该第二比较结果例如可以确定目标对象的漏水情况。在得到识别结果和第二比较结果之后，可以基于识别结果和第二比较结果中的至少一个来确定针对数据中心中目标对象的漏水情况。
在操作S316，将替补图像替换目标图像进行存储。
例如，如果将目标图像和参考图像进行比较失败，表示目标图像的图像质量较低，因此可以紧接着第一采集时刻之后重新采集替补图像。如果对替补图像进行图像识别成功并且替补图像和参考图像比较成功，表示替补图像的图像质量较高，此时可以基于图像识别结果和/或图像比较结果来确定目标对象的漏水情况。另外，还可以将替补图像替换目标图像，以便后续在处理其他图像时，将替换后得到的目标图像作为参考图像，从而提高后续图像处理的效率和准确性。
在本公开的实施例中，在对目标图像和参考图像进行比较失败时，还可以确定历史失败次数。在历史失败次数超过预设次数时生成提示信息，该提示信息用于提示对目标对象喷涂遇水变色的涂料。在对目标对象喷涂遇水变色的涂料之后，如果之后目标对象存在漏水情况，则漏水部分的颜色较为突出，使得所采集的图像中具有丰富的漏水信息，便于在进行图像识别来判断目标对象是否存在漏水情况时，提高识别效果。可见，本公开的实施例通过图像识别方式以及图像比较方式相结合来进行漏水检测，提高了检测的效果以及实效性，进而保障数据中心的安全。
图4示意性示出了根据本公开实施例的基于图像处理的漏水检测方法的示意图。
如图4所示，例如分别在t1～tk时刻进行图像采集得到k个采集图像，k为大于1的整数，图中示出了采集图像421～425。t1～tk中任意两个相邻时刻之间的时长例如均为p，即按照预设周期p进行图像采集得到k个采集图像。预设周期p例如为1天、1小时等等。
在一示例中，可以将当前时刻tk所采集的采集图像425作为目标图像。然后，对目标图像进行图像识别以确定目标对象在当前时刻tk的漏水情况。如果图像识别失败，获取预先存储的初始图像410作为参考图像，将参考图像和目标图像进行图像比较，如果比较成功则基于得到的第一比较结果确定目标对象的漏水情况。
如果图像比较失败，则从k个采集图像中确定出一个不同于目标图像的采集图像作为参考图像，例如确定在t2时刻得到的采集图像422作为参考图像，该参考图像例如为之前进行图像识别成功的采集图像。将参考图像(采集图像422)和目标图像(采集图像425)进行图像比较，如果比较成功则基于得到的第二比较结果确定目标对象的漏水情况。
如果采集图像422和目标图像(采集图像425)进行图像比较失败，表示目标图像(采集图像425)的图像质量较低，此时可以在tk’时刻重新采集替补图像425’。tk’时刻与tk时刻之间的间隔例如小于预设周期p。然后对替补图像425’进行图像识别，以及将替补图像425’和参考图像进行图像比较来确定漏水情况。如果针对替补图像425’进行图像识别成功以及针对替补图像425’和参考图像进行图像比较成功，可以将替补图像425’替换目标图像(采集图像425)进行存储。即，tk时刻对应的图像替换为替补图像425’，以便后续在处理其他图像时，将替补图像425’作为参考图像，从而提高后续图像处理效率和准确性。
根据本公开的实施例，通过利用数据中心内安防管理要求已部署的大量视频摄像头资源或专门部署的摄像头，对数据中心的立体空间内有漏水风险的桥架、设备、管道等对象表面进行定时拍照，结合图像识别技术以及图像比较技术对拍照结果进行分析，以识别对象表面的水渍情况，从而解决提高了数据中心的漏水检测时效性，并及时对数据中心内漏水检测盲区进行漏水检测。通过本公开实施例的技术方案，扩大了漏水检测区域，并实现了对漏水情况的早期识别，从而避免因漏水导致的设备、系统故障或损坏，提高数据中心的管理水平，提高数据中心的安全性。
可见，本公开的实施例基于图像识别技术结合图像比较技术来进行漏水检测。例如充分利用已有的视频监控系统硬件或新增摄像头组件，辅以图像识别和图像比较等技术，实现对数据中心的立体空间内设备、管道、桥架等对象的早期漏水检测。相比于数据中心传统漏水检测方式，通过本公开的技术方案，将漏水检测的时效性、完整性进行了大幅度地提高，更有效地为数据中心的安全稳定运行保驾护航，进一步提高了数据中心管理和安全水平。
图5示意性示出了根据本公开实施例的基于图像处理的漏水检测装置的框图。
如图5所示，基于图像处理的漏水检测装置500例如可以包括第一获取模块510、图像识别模块520、第二获取模块530、图像比较模块540以及确定模块550。
第一获取模块510可以用于获取针对数据中心中目标对象的目标图像。根据本公开实施例，第一获取模块510例如可以执行上文参考图2描述的操作S210，在此不再赘述。
图像识别模块520可以用于对目标图像进行图像识别，以确定目标对象的漏水情况。根据本公开实施例，图像识别模块520例如可以执行上文参考图2描述的操作S220，在此不再赘述。
第二获取模块530可以用于响应于对目标图像进行图像识别失败，获取针对目标对象的参考图像。根据本公开实施例，第二获取模块530例如可以执行上文参考图2描述的操作S230，在此不再赘述。
图像比较模块540可以用于将目标图像和参考图像进行比较，得到第一比较结果。根据本公开实施例，图像比较模块540例如可以执行上文参考图2描述的操作S240，在此不再赘述。
确定模块550可以用于基于第一比较结果，确定针对数据中心中目标对象的漏水情况。根据本公开实施例，确定模块550例如可以执行上文参考图2描述的操作S250，在此不再赘述。
根据本公开的实施例，第二获取模块530包括：第一获取子模块、图像匹配子模块以及第一确定子模块。其中，第一获取子模块，用于获取针对目标对象的初始图像，其中，初始图像表征了目标对象的初始漏水情况；图像匹配子模块，用于将初始图像和目标图像进行图像匹配得到匹配度，其中，匹配度表征了初始图像的光照信息和目标图像的光照信息之间的相似程度；第一确定子模块，用于响应于匹配度大于或等于预设匹配度，将初始图像作为参考图像。
根据本公开的实施例，目标图像的采集时刻为第一采集时刻；第二获取模块530还包括：第二获取子模块以及第二确定子模块。第二获取子模块，用于响应于匹配度小于预设匹配度，获取针对目标对象的采集图像，采集图像包括在第二采集时刻采集的图像；第二确定子模块，用于将采集图像作为参考图像，其中，第二采集时刻早于第一采集时刻，采集图像为成功进行图像识别的图像，采集图像表征了目标对象在第二采集时刻的漏水情况。
根据本公开的实施例，装置500还包括：第三获取模块、识别模块、比较模块、漏水确定模块以及存储模块。第三获取模块，用于响应于对目标图像和参考图像进行比较失败，获取针对目标图像的替补图像；识别模块，用于对替补图像进行图像识别，得到识别结果；比较模块，将替补图像和参考图像进行比较，得到第二比较结果；漏水确定模块，用于基于识别结果和第二比较结果中的至少一个，确定针对数据中心中目标对象的漏水情况；存储模块，用于将替补图像替换目标图像进行存储。
根据本公开的实施例，目标图像包括M个第一像素点，目标图像包括第一局部图像，第一局部图像包括N个第一像素点，M为大于1的整数，N为大于1且小于等于M的整数；参考图像包括第二局部图像，第二局部图像包括N个第二像素点，N个第二像素点与N个第一像素点一一对应；针对N个第一像素点和N个第二像素点，第n个第一像素点的像素值与第n个第二像素点的像素值之间的差值小于预设差值，n为大于等于1且小于等于N的整数。
根据本公开的实施例，匹配度包括：N和M之间的比值。
根据本公开的实施例，装置500还包括：次数确定模块以及生成模块。次数确定模块，用于响应于对目标图像和参考图像进行比较失败，确定历史失败次数；生成模块，用于响应于历史失败次数超过预设次数，生成提示信息，其中，提示信息用于提示对目标对象喷涂遇水变色的涂料。
根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、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、子模块、单元、子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、子模块、单元、子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、子模块、单元、子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，第一获取模块510、图像识别模块520、第二获取模块530、图像比较模块540以及确定模块550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，第一获取模块510、图像识别模块520、第二获取模块530、图像比较模块540以及确定模块550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，第一获取模块510、图像识别模块520、第二获取模块530、图像比较模块540以及确定模块550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6示意性示出了根据本公开实施例的用于实现基于图像处理的漏水检测的计算设备的方框图。图6示出的计算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6所示，计算设备600包括处理器601、计算机可读存储介质602。该计算设备600可以执行根据本公开实施例的方法。
具体地，处理器601例如可以包括通用微处理器、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601还可以包括用于缓存用途的板载存储器。处理器601可以是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。
计算机可读存储介质602，例如可以是能够包含、存储、传送、传播或传输指令的任意介质。例如，可读存储介质可以包括但不限于电、磁、光、电磁、红外或半导体系统、装置、器件或传播介质。可读存储介质的具体示例包括：磁存储装置，如磁带或硬盘(HDD)；光存储装置，如光盘(CD-ROM)；存储器，如随机存取存储器(RAM)或闪存；和/或有线/无线通信链路。
计算机可读存储介质602可以包括计算机程序603，该计算机程序603可以包括代码/计算机可执行指令，其在由处理器601执行时使得处理器601执行根据本公开实施例的方法或其任何变形。
计算机程序603可被配置为具有例如包括计算机程序模块的计算机程序代码。例如，在示例实施例中，计算机程序603中的代码可以包括一个或多个程序模块，例如包括603A、模块603B、……。应当注意，模块的划分方式和个数并不是固定的，本领域技术人员可以根据实际情况使用合适的程序模块或程序模块组合，当这些程序模块组合被处理器601执行时，使得处理器601可以执行根据本公开实施例的方法或其任何变形。
根据本公开的实施例，第一获取模块510、图像识别模块520、第二获取模块530、图像比较模块540以及确定模块550中的至少一个可以实现为参考图6描述的计算机程序模块，其在被处理器601执行时，可以实现上面描述的相应操作。
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，实现上述方法。
根据本公开的实施例，计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、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)、光纤、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。而在本公开中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读存储介质，该计算机可读存储介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、有线、光缆、射频信号等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
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。特别地，在不脱离本公开精神和教导的情况下，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。所有这些组合和/或结合均落入本公开的范围。
尽管已经参照本公开的特定示例性实施例示出并描述了本公开，但是本领域技术人员应该理解，在不背离所附权利要求及其等同物限定的本公开的精神和范围的情况下，可以对本公开进行形式和细节上的多种改变。因此，本公开的范围不应该限于上述实施例，而是应该不仅由所附权利要求来进行确定，还由所附权利要求的等同物来进行限定。

Claims (11)

1.一种基于图像处理的漏水检测方法，包括：
获取针对数据中心中目标对象的目标图像；
对所述目标图像进行图像识别，以确定所述目标对象的漏水情况；
响应于对所述目标图像进行图像识别失败，获取针对所述目标对象的参考图像；
将所述目标图像和所述参考图像进行比较，得到第一比较结果；以及
基于所述第一比较结果，确定针对所述数据中心中目标对象的漏水情况。
2.根据权利要求1所述的方法，其中，所述获取针对所述目标对象的参考图像包括：
获取针对目标对象的初始图像，其中，所述初始图像表征了所述目标对象的初始漏水情况；
将所述初始图像和所述目标图像进行图像匹配得到匹配度，其中，所述匹配度表征了所述初始图像的光照信息和目标图像的光照信息之间的相似程度；以及
响应于所述匹配度大于或等于预设匹配度，将所述初始图像作为所述参考图像。
3.根据权利要求2述的方法，其中，所述目标图像的采集时刻为第一采集时刻；所述获取针对所述目标对象的参考图像还包括：
响应于所述匹配度小于预设匹配度，获取针对所述目标对象的采集图像，所述采集图像包括在第二采集时刻采集的图像；以及
将所述采集图像作为所述参考图像，
其中，所述第二采集时刻早于所述第一采集时刻，所述采集图像为成功进行图像识别的图像，所述采集图像表征了所述目标对象在第二采集时刻的漏水情况。
4.根据权利要求1-3中任意一项所述的方法，还包括：
响应于对所述目标图像和所述参考图像进行比较失败，获取针对所述目标图像的替补图像；
对所述替补图像进行图像识别，得到识别结果；
将所述替补图像和所述参考图像进行比较，得到第二比较结果；
基于所述识别结果和所述第二比较结果中的至少一个，确定针对所述数据中心中目标对象的漏水情况；以及
将所述替补图像替换所述目标图像进行存储。
5.根据权利要求2-3中任意一项所述的方法，其中：
所述目标图像包括M个第一像素点，所述目标图像包括第一局部图像，所述第一局部图像包括N个第一像素点，M为大于1的整数，N为大于1且小于等于M的整数；
所述参考图像包括第二局部图像，所述第二局部图像包括N个第二像素点，所述N个第二像素点与所述N个第一像素点一一对应；
针对所述N个第一像素点和所述N个第二像素点，第n个第一像素点的像素值与第n个第二像素点的像素值之间的差值小于预设差值，n为大于等于1且小于等于N的整数。
6.根据权利要求5所述的方法，其中，所述匹配度包括：N和M之间的比值。
7.根据权利要求1-3中任意一项所述的方法，还包括：
响应于对所述目标图像和所述参考图像进行比较失败，确定历史失败次数；以及
响应于所述历史失败次数超过预设次数，生成提示信息，
其中，所述提示信息用于提示对所述目标对象喷涂遇水变色的涂料。
8.一种基于图像处理的漏水检测装置，包括：
第一获取模块，用于获取针对数据中心中目标对象的目标图像；
图像识别模块，用于对所述目标图像进行图像识别，以确定所述目标对象的漏水情况；
第二获取模块，用于响应于对所述目标图像进行图像识别失败，获取针对所述目标对象的参考图像；
图像比较模块，用于将所述目标图像和所述参考图像进行比较，得到第一比较结果；以及
确定模块，用于基于所述第一比较结果，确定针对所述数据中心中目标对象的漏水情况。
9.一种计算设备，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质，存储有计算机可执行指令，所述指令在被执行时用于实现权利要求1至7中任一项所述的方法。
11.一种计算机程序产品，所述计算机程序产品包括计算机可执行指令，所述指令在被执行时用于实现根据权利要求1至7中任一项所述的方法。
CN202110364572.8A 2021-04-01 2021-04-01 基于图像处理的漏水检测方法、装置、计算设备和介质 Pending CN112862821A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110364572.8A CN112862821A (zh) 2021-04-01 2021-04-01 基于图像处理的漏水检测方法、装置、计算设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110364572.8A CN112862821A (zh) 2021-04-01 2021-04-01 基于图像处理的漏水检测方法、装置、计算设备和介质

Publications (1)

Publication Number Publication Date
CN112862821A true CN112862821A (zh) 2021-05-28

Family

ID=75992222

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110364572.8A Pending CN112862821A (zh) 2021-04-01 2021-04-01 基于图像处理的漏水检测方法、装置、计算设备和介质

Country Status (1)

Country Link
CN (1) CN112862821A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113741291A (zh) * 2021-09-09 2021-12-03 孙梦瑶 基于物联网的家用防漏水智能检测系统及其工作方法
CN114820468A (zh) * 2022-04-06 2022-07-29 上海擎测机电工程技术有限公司 一种基于可变色纸和图像识别的积水检测方法
CN114842629A (zh) * 2022-05-18 2022-08-02 国家电投集团东方新能源股份有限公司热力分公司 热力站的水浸报警方法、装置及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11160185A (ja) * 1997-11-27 1999-06-18 Mitsubishi Motors Corp 水漏れ検査装置
CN102128616A (zh) * 2010-01-14 2011-07-20 原相科技股份有限公司 侦测物体移动的方法及侦测系统
CN102673979A (zh) * 2012-06-12 2012-09-19 青岛科技大学 输送带跑偏判断方法及判断装置
CN106802215A (zh) * 2015-11-20 2017-06-06 沈阳新松机器人自动化股份有限公司 一种水管漏水检测装置及检测方法
CN110443316A (zh) * 2019-08-07 2019-11-12 上海金智晟东电力科技有限公司 故障指示器的翻牌识别方法、装置与配电网故障监测系统
CN110989604A (zh) * 2019-12-13 2020-04-10 优刻得科技股份有限公司 利用机器人进行数据处理的方法、设备和机器人
CN111414803A (zh) * 2020-02-24 2020-07-14 北京三快在线科技有限公司 人脸识别方法、装置、电子设备

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11160185A (ja) * 1997-11-27 1999-06-18 Mitsubishi Motors Corp 水漏れ検査装置
CN102128616A (zh) * 2010-01-14 2011-07-20 原相科技股份有限公司 侦测物体移动的方法及侦测系统
CN102673979A (zh) * 2012-06-12 2012-09-19 青岛科技大学 输送带跑偏判断方法及判断装置
CN106802215A (zh) * 2015-11-20 2017-06-06 沈阳新松机器人自动化股份有限公司 一种水管漏水检测装置及检测方法
CN110443316A (zh) * 2019-08-07 2019-11-12 上海金智晟东电力科技有限公司 故障指示器的翻牌识别方法、装置与配电网故障监测系统
CN110989604A (zh) * 2019-12-13 2020-04-10 优刻得科技股份有限公司 利用机器人进行数据处理的方法、设备和机器人
CN111414803A (zh) * 2020-02-24 2020-07-14 北京三快在线科技有限公司 人脸识别方法、装置、电子设备

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113741291A (zh) * 2021-09-09 2021-12-03 孙梦瑶 基于物联网的家用防漏水智能检测系统及其工作方法
CN113741291B (zh) * 2021-09-09 2024-04-05 孙梦瑶 基于物联网的家用防漏水智能检测系统及其工作方法
CN114820468A (zh) * 2022-04-06 2022-07-29 上海擎测机电工程技术有限公司 一种基于可变色纸和图像识别的积水检测方法
CN114842629A (zh) * 2022-05-18 2022-08-02 国家电投集团东方新能源股份有限公司热力分公司 热力站的水浸报警方法、装置及系统

Similar Documents

Publication Publication Date Title
CN112862821A (zh) 基于图像处理的漏水检测方法、装置、计算设备和介质
CN109887281B (zh) 一种监控交通事件的方法及系统
CN110309033B (zh) 故障监控方法、装置和系统
CN107014827B (zh) 基于影像处理的输电线路缺陷分析方法、装置和系统
US20170132468A1 (en) Systems and methods for object tracking and classification
US9595017B2 (en) Asset tracking and monitoring along a transport route
US20160292512A1 (en) Information transfer apparatus, learning system, information transfer method, and computer-readable recording medium
CN112017323B (zh) 一种巡检报警方法、装置、可读存储介质及终端设备
US11688078B2 (en) Video object detection
CN109544870B (zh) 用于智能监控系统的报警判断方法与智能监控系统
CN111988524A (zh) 一种无人机与摄像头协同避障方法、服务器及存储介质
CN111242943B (zh) 图像处理方法、装置、图像处理设备及存储介质
US10789484B2 (en) Crowd type classification system, crowd type classification method and storage medium for storing crowd type classification program
KR20200080402A (ko) 비정상 상황 탐지 시스템 및 방법
CN111523362A (zh) 一种基于电子围网的数据分析方法、装置及电子设备
US11656328B2 (en) Validating object detection hardware and algorithms
JP2019079303A (ja) 道路設備点検システムおよび道路設備点検方法、ならびにそれに使用されるサーバ
CN112911219B (zh) 电力设备巡检路线的识别方法、系统及设备
CN115880631A (zh) 一种配电站故障识别系统、方法、介质
CN115891868A (zh) 自动驾驶车辆的故障检测方法、装置、电子设备和介质
CN113469137A (zh) 异常行为的识别方法、装置、存储介质及电子装置
CN112949359A (zh) 基于卷积神经网络的异常行为识别方法和装置
CN110728249A (zh) 目标行人的跨摄像机识别方法、装置及系统
CN110853170A (zh) 一种巡更检测方法、系统及装置
CN114286086B (zh) 一种相机检测方法及相关装置

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