CN112926483A - 标准机柜状态指示灯识别监测方法、装置和系统 - Google Patents
标准机柜状态指示灯识别监测方法、装置和系统 Download PDFInfo
- Publication number
- CN112926483A CN112926483A CN202110263096.0A CN202110263096A CN112926483A CN 112926483 A CN112926483 A CN 112926483A CN 202110263096 A CN202110263096 A CN 202110263096A CN 112926483 A CN112926483 A CN 112926483A
- Authority
- CN
- China
- Prior art keywords
- image
- indicator light
- standard cabinet
- indicator lamp
- state
- 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
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000012544 monitoring process Methods 0.000 title claims abstract description 46
- 238000012545 processing Methods 0.000 claims abstract description 45
- 238000006243 chemical reaction Methods 0.000 claims abstract description 35
- 230000011218 segmentation Effects 0.000 claims description 25
- 238000004422 calculation algorithm Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 19
- 238000004891 communication Methods 0.000 claims description 15
- 238000001914 filtration Methods 0.000 claims description 8
- 238000012806 monitoring device Methods 0.000 claims description 8
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 6
- 230000002159 abnormal effect Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 15
- 238000007689 inspection Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- 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
- G06V10/56—Extraction of image or video features relating to colour
Abstract
本发明提供一种标准机柜状态指示灯识别监测方法、装置和系统,该方法包括:获取标准机柜状态指示灯采集图像;对所述采集图像进行RGB至HSI色彩空间转换;对转换后的图像进行处理以截取指示灯的子图像;对截取到的指示灯子图像进行RGB至HSI色彩空间转换;根据转换后的指示灯子图像的各像素点的值识别指示灯的状态。其中,通过将图像进行色彩空间转换后截取指示灯子图像,并将指示灯子图像进行色彩空间转换后识别指示灯的状态,能够提高检测准确性以及实时性。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种标准机柜状态指示灯识别监测方法、装置和系统。
背景技术
银行服务器是一种极为重要的基础设备,服务器的安全稳定运行具有十分重要的意义。银行一般会将服务器在机房中进行集中放置,以便进行管理、维护。目前银行针对机房的安全稳定运行的一项重要手段就是进行机房巡检,机房巡检就是在机房电力稳定供应的基础之上,对于机房的服务器以及物理环境等进行监测,监测工作一般包含机房温度、湿度以及服务器的指示灯状态,如果以上监测参数没有及时地进行监测,则极容易造成损失,例如,目前银行服务器会有较多的磁盘阵列,当某块磁盘阵列工作异常时,往往不能及时发现该故障,因此只能通过相应的状态指示灯进行判断。服务器的工作指示灯状态巡检主要包括检查服务器正面上的磁盘阵列指示灯以及背面上的电源指示灯状态,主要工作就是将异常的指示灯的位置以及状态进行登记,然后及时通知相关人员进行维护。机房状态指示灯巡检工作目前一般是专业的巡检人员定时进行巡检,然后将巡检结果进行记录,这种人工定时定点的巡检测准确性以及实时性不高。
发明内容
针对现有技术中的问题,本发明提供一种标准机柜状态指示灯识别监测方法、装置和系统、电子设备以及计算机可读存储介质,能够至少部分地解决现有技术中存在的问题。
为了实现上述目的,本发明采用如下技术方案:
第一方面,提供一种标准机柜状态指示灯识别监测方法,包括:
获取标准机柜状态指示灯采集图像;
对所述采集图像进行RGB至HSI色彩空间转换;
对转换后的图像进行处理以截取指示灯的子图像;
对截取到的指示灯子图像进行RGB至HSI色彩空间转换;
根据转换后的指示灯子图像的各像素点的值识别指示灯的状态。
进一步地,所述对转换后的图像进行处理以截取指示灯的子图像,包括:
利用HSI空间下的全局阈值算法对转换后的图像进行二值化分割;
在二值化分割后的图像中利用投影法对指示灯的位置进行搜索定位得到指示灯的位置参数;
根据所述位置参数截取指示灯的子图像。
进一步地,所述对转换后的图像进行处理以截取指示灯的子图像还包括:
对转换后的图像的H分量图像利用均值滤波进行图像去噪增强处理。
进一步地,所述均值滤波采用领域平均法。
进一步地,所述投影法包括:水平投影法和垂直投影法;
水平投影法用于搜索信号灯的水平位置;
垂直投影法用于搜索信号灯的垂直位置。
进一步地,所述利用HSI空间下的全局阈值算法对转换后的图像进行二值化分割时采用多次迭代阈值分割算法。
第二方面,提供一种标准机柜状态指示灯识别监测装置,包括:
图像获取模块,获取标准机柜状态指示灯采集图像;
第一色彩空间转换模块,对所述采集图像进行RGB至HSI色彩空间转换;
图像截取模块,对转换后的图像进行处理以截取指示灯的子图像;
第二色彩空间转换模块,对截取到的指示灯子图像进行RGB至HSI色彩空间转换;
状态识别模块,根据转换后的指示灯子图像的各像素点的值识别指示灯的状态。
第三方面,提供一种标准机柜状态指示灯识别监测系统,包括:滑轨、拍摄模块、图像处理平台以及报警通信模块;
所述拍摄模块设置在所述滑轨上,工作时沿滑轨前进采集标准机柜状态指示灯图像;并且,所述拍摄模块与所述图像处理平台电连接,以将采集图像发送至所述图像处理平台;
所述图像处理平台实现如上述标准机柜状态指示灯识别监测方法,并且,所述图像处理平台与所述报警通信模块电连接,以将指示灯的状态识别结果发送至所述报警通信模块。
第四方面,提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述的标准机柜状态指示灯识别监测方法的步骤。
第五方面,提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述的标准机柜状态指示灯识别监测方法的步骤。
本发明提供的标准机柜状态指示灯识别监测方法、装置和系统,该方法包括:获取标准机柜状态指示灯采集图像;对所述采集图像进行RGB至HSI色彩空间转换;对转换后的图像进行处理以截取指示灯的子图像;对截取到的指示灯子图像进行RGB至HSI色彩空间转换;根据转换后的指示灯子图像的各像素点的值识别指示灯的状态。其中,通过将图像进行色彩空间转换后截取指示灯子图像,并将指示灯子图像进行色彩空间转换后识别指示灯的状态,能够提高检测准确性以及实时性。
为让本发明的上述和其他目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附图式,作详细说明如下。
附图说明
为了更清楚地说明本申请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,下面描述中的附图是本申请的一些实施例,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附图。在附图中:
图1示出了本发明实施例中的标准机柜状态指示灯识别监测系统的架构图;
图2为本发明实施例中的标准机柜状态指示灯识别监测系统的正视图;
图3为本发明实施例中的标准机柜状态指示灯识别监测系统的侧视图;
图4为本发明实施例中的标准机柜状态指示灯识别监测系统的后视图;
图5是本发明实施例中的标准机柜状态指示灯识别监测方法的流程示意图;
图6示出了本发明实施例中的步骤S300的一种具体步骤;
图7示出了本发明实施例中的步骤S300的另一种具体步骤;
图8例举了一种状态指示灯颜色统计识别流程;
图9示出了本发明实施例中的指示灯状态识别图像处理算法总体流程;
图10示出了本发明实施例中的基于HSI空间色彩的标准机柜状态指示灯识别监测工作流程图;
图11是本发明实施例中的标准机柜状态指示灯识别监测装置的结构框图;
图12为本发明实施例电子设备的结构图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,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,都应当属于本申请保护的范围。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了本发明实施例中的标准机柜状态指示灯识别监测系统的架构图;如图1所示,该标准机柜状态指示灯识别监测系统包括:滑轨1、拍摄模块、图像处理平台5以及报警通信模块6;
滑轨设置在目标服务器4的标准机柜上,所述拍摄模块可以包括摄像头3和机械臂2,机械臂滑动设置在所述滑轨上,摄像头固定设置在机械臂上,工作时机械别沿滑轨前进,到达指定位置后由摄像头采集标准机柜状态指示灯图像;并且,所述拍摄模块与所述图像处理平台电连接,以将采集图像发送至所述图像处理平台;
所述图像处理平台实现本发明实施例汇总的标准机柜状态指示灯识别监测方法,并且,所述图像处理平台与所述报警通信模块电连接,以将指示灯的状态识别结果发送至所述报警通信模块。
图2为本发明实施例中的标准机柜状态指示灯识别监测系统的正视图,图3为本发明实施例中的标准机柜7状态指示灯识别监测系统的侧视图;图4为本发明实施例中的标准机柜状态指示灯识别监测系统的后视图;安装在服务器上的摄像机按照导轨指定运行线路对机柜上的各个服务器的状态指示灯进行监测识别。滑轨安装在服务器一侧,用来作为摄像机进行移动的路径滑轨;拍摄模块由摄像机、图像采集卡等组成。摄像机的机械臂安装在导轨上进行移动,具体的摄像机巡检路径设计按照滑轨进行步进,机械臂托举摄像机首先从正面的导轨开始移动,正面巡检主要监测磁盘阵列的状态指示灯,再由正面导轨移动到背面的导轨,背面巡检主要监测电源指示灯,在移动过程中机械臂根据预先设定好的拍摄点进行拍照,得到巡检的状态指示灯图像,经过图像处理系统检测后,一旦检测到服务器状态指示灯存在异常,则机械臂停止移动,开始进行异常报警通知工作人员;图像处理平台将摄像机拍摄到的巡检图像进行算法处理,利用编写好的图像处理算法进行状态指示灯的监测以及识别,并给出状态指示灯的异常识别结果;报警通讯模块在图像处理平台模块监测到状态指示灯存在异常状态时立即进行邮件、短信报警。
基于HSI空间色彩的标准机柜状态指示灯识别监测系统的工作主要分为机械臂的移动巡检,利用摄像机进行服务器的状态灯图像采集,采集图像实时处理流程以及异常报警流程,具体的系统工作流程如下所述:
1.摄像机巡检滑动
系统在一开始先处于初始化状态,摄像机的机械臂位于导轨的底端,随着系统接收到巡检命令以后,机械臂会在导轨上进行滑动;
2.图像采集与传输
当机械臂运动到预先设置好的每一个图像采集点后,机械臂上的摄像机会进行图像采集并将图像数据进行存储并进行传输,采集到的图像会传输至图像处理软件平台;
3.图像处理软件平台
图像检测及识别平台将传输过来的图像数据进行数学算法分析,主要目的就是利用一系列图像处理算法对传输过来的服务器图像进行处理,从而检测识别出服务器上的指示灯状态,具体的算法处理步骤参见图5至图10。
图5是本发明实施例中的标准机柜状态指示灯识别监测方法的流程示意图;如图5所示,该标准机柜状态指示灯识别监测方法可以包括以下内容:
步骤S100:获取标准机柜状态指示灯采集图像;
步骤S200:对所述采集图像进行RGB至HSI色彩空间转换;
具体地,指示灯状态在大部分情况下都为绿色、红色以及黄色,而这三种颜色状态也代表了设备的关键运行状态。摄像机采集到的图像数据进行色彩空间转换,将RGB空间转换为更符合人类的视觉特性HSI空间。
在一个可选的实施例中,可以使用几何推导法来完成色彩空间转换,具体的转换公式如式(1)所示:
其中,H,S,I分别表示为色度、饱和度和亮度,θ表示色调。
步骤S300:对转换后的图像进行处理以截取指示灯的子图像;
具体可以先对指示灯进行定位,根据位置参数截取出指示灯的子图像。
步骤S400:对截取到的指示灯子图像进行RGB至HSI色彩空间转换;
具体转换过程参见上述色彩空间转换的过程。
步骤S500:根据转换后的指示灯子图像的各像素点的值识别指示灯的状态。
具体地,将截取到的指示灯子图像进行RGB到HSI空间转换,分别计算出来子图像的H、S和I的三个分量,然后根据H,S,I分量中的每个像素点的值进行分析计数。
通过采用上述技术方案,通过将图像进行色彩空间转换后截取指示灯子图像,并将指示灯子图像进行色彩空间转换后识别指示灯的状态,能够提高检测准确性以及实时性。
在一个可选的实施例中,步骤S500中进行状态指示灯颜色识别规则如下:
首先,初始化红色、绿色以及黄色三个计数器(NumRed,NumGreen,NumYellow),并将这三个计数器初始化设置为0;
其次,将指示灯的子图像的每个像素点进行循环遍历,分别对每个像素点的H,S,I值在表1所处的范围进行计数累加,根据表1所示,若该像素点的H,S,I值分别处于300≤H≤360||0≤H≤30、40≤S≤255、0≤I≤255范围内,则判定为红色像素点,NumRed红色计数器加1;同理,若该像素点的H,S,I值分别处于190≤H≤270、80≤S≤255、0≤I≤255范围内,则判定为绿色像素点,NumGreen红色计数器加1;最后对于H,S,I值分别处于20≤H≤60、80≤S≤255、0≤I≤255范围内,则判定为黄色像素点,NumYellow红色计数器加1;
表1 HSI空间颜色范围表
最后,经过对指示灯子图像中的每个像素点的H、S、I分量进行遍历识别以后,得到的三个计数器NumRed,NumGreen,NumYellow的值就已经确定,假设指示灯子图像的总像素点个数为TotalNum,则可以根据式(5)分别计算出红色、绿色以及黄色在整个子图像中所占取的比例分比为:
上式中,Thred、Thgreen、Thyellow分别为红色、绿色以及黄色分别所占的比例。
最后,经过对大量的服务器状态灯的子图像的样本图像经过分析后得到以下经验参数:
若Thred∈[0.7,1]&&Thgreen≤0.15&&Thyellow≤0.15,则可以判定为红灯;
若Thgreen∈[0.7,1]&&Thred≤0.15&&Thyellow≤0.15,则可以判定为绿灯;
若Thyellow∈[0.7,1]&&Thred≤0.15&&Thgreen≤0.15,则可以判定为黄灯;
状态指示灯颜色识别的具体处理流程图如图8所示。
在一个可选的实施例中,该标准机柜状态指示灯识别监测方法还可以包括:在指示灯状态异常时进行报警处理。
具体地,异常报警处理流程如下:
图像处理后经过分析图像数据后给出服务器上的状态指示灯的3种颜色状态字典表(0-红色,1-绿色,2-黄色),包括但不限于以下情形会进行异常报警处理:
(1)当状态指示灯为红色时,表明此时服务器出现异常,进行异常报警处理;
(2)当状态指示灯为黄色时,表明此时服务器出现异常,进行异常报警处理;
当状态指示灯出现以上两种情况时,该发明装置会立即调用报警模块进行报警,具体的报警方式包括短信、邮件、电话以及警报声,这些报警方式会通知机房值班人员前来处理系统异常问题。
在一个可选的实施例中,参见图6,该步骤S300可以包括以下内容:
步骤S310:利用HSI空间下的全局阈值算法对转换后的图像进行二值化分割;
具体地,状态指示灯相较于设备的背景图像具有明显的色彩特征,因此可以利用HSI空间下的全局阈值算法对图像进行二值化分割,根据红色、绿色以及黄色指示灯在HSI空间中的分别所处得阈值进行分割,由于一次迭代阈值分割算法对采集的服务器图像分割效果不理想,因此本申请中可以采用多次迭代阈值分割算法,利用多次迭代阈值分割算法对H分量的图像进行动态阈值二值化分割处理。设原始图像为I,位于图像(x,y)像素点处的灰度值为I(x,y),图像的灰度级为[0,L-1],迭代阈值分割算法的步骤如下:
(2)则阈值T(k)将图像分为前景Rf以及背景Rb两部分,然后重新计算前景Rf以及背景Rb两部分的均值μf(k)以及μb(k),具体计算公式如式(2)所示:
上式中,numi表示灰度值为i的像素个数。
(3)按照式(3)更新阈值T(k+1)为:
(4)若|T(k+1)-T(k)|<θ,则T(k+1)为最终的分割阈值,否则转到步骤(2)继续执行,其中θ为设定的迭代终止精度;
(6)二次迭代阈值后得到的分割阈值为T1(k),则将T1(k)与μf(k)进行线性融合作为最终的分割阈值Tlast,具体如式(4)所示:
上式中,α、β为线性加权系数,经验参数为α=0.65、β=0.1。
图像进行二值化分割以后,图像就只会存在黑白两种颜色,其中指示灯所在的区域为白色,背景图像为黑色。
步骤S320:在二值化分割后的图像中利用投影法对指示灯的位置进行搜索定位得到指示灯的位置参数;
具体地,利用投影法对指示灯的位置进行搜索定位,水平投影法搜索信号灯的水平位置即指示灯子图像中的上下边缘位置,垂直投影法搜索信号灯的垂直位置即指示灯子图像中的左右边缘位置。
步骤S330:根据所述位置参数截取指示灯的子图像。
在一个进一步地实施例中,参见图7,该步骤S300还可以包括:
步骤S340:对转换后的图像的H分量图像利用均值滤波进行图像去噪增强处理。
具体地,将采集到的图像从RGB色彩空间转换至HSI空间后,对H分量图像利用均值滤波进行图像去噪增强处理,均值滤波的原理就是采用领域平均法,将该点附近的若干像素求均值后赋值给该点,从而达到有效抑制图像噪声的目的。
图9示出了本发明实施例中的指示灯状态识别图像处理算法总体流程;如图9所示,包括:对RGB图像使用HSI转换模型进行转换后,进行H分量均值滤波增强,而后基于加权融合的多次迭代阈值分割,利用水平投影法搜索指示灯位置,进行状态指示灯子图像截取,最后进行状态指示灯状态识别。
图10示出了本发明实施例中的基于HSI空间色彩的标准机柜状态指示灯识别监测工作流程图;如图10所示,该工作流程包括:对设备以及各参数进行初始化,而后驱动摄像机滑轨移动,进行图像采集并传输,而后图像检测及识别平台判断指示灯颜色状态,判断状态指示灯是否为红色、黄色两种异常状态,若否,返回驱动摄像机滑轨移动步骤,进行下一周期的检测,若是,则调用异常报警模块进行报警。
综上所述,本发明实施例提供的标准机柜状态指示灯识别监测技术,通过架设在服务器导轨上得摄像机进行移动拍摄巡检服务器,通过采集指定位置上的服务器区域的图像进行色彩空间转换、自适应阈值分割、指示灯位置搜索以及分割,指示灯颜色判定以及异常状态报警。通过基于HSI空间色彩识别的标准机柜状态指示灯监测装置不仅可以极大地降低人工巡检的人力成本,而且可以准确实时地对机房服务器进行巡检,实现更加便捷、直观、准确、高效的智能化巡检。
基于同一发明构思,本申请实施例还提供了一种标准机柜状态指示灯识别监测装置,可以用于实现上述实施例所描述的方法,如下面的实施例所述。由于标准机柜状态指示灯识别监测装置解决问题的原理与上述方法相似,因此标准机柜状态指示灯识别监测装置的实施可以参见上述方法的实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图11是本发明实施例中的标准机柜状态指示灯识别监测装置的结构框图。如图11所示,该标准机柜状态指示灯识别监测装置具体包括:图像获取模块10、第一色彩空间转换模块20、图像截取模块30、第二色彩空间转换模块40以及状态识别模块50。
图像获取模块10获取标准机柜状态指示灯采集图像;
第一色彩空间转换模块20对所述采集图像进行RGB至HSI色彩空间转换;
图像截取模块30对转换后的图像进行处理以截取指示灯的子图像;
第二色彩空间转换模块40对截取到的指示灯子图像进行RGB至HSI色彩空间转换;
状态识别模块50根据转换后的指示灯子图像的各像素点的值识别指示灯的状态。
通过采用上述技术方案,通过将图像进行色彩空间转换后截取指示灯子图像,并将指示灯子图像进行色彩空间转换后识别指示灯的状态,能够提高检测准确性以及实时性。
上述实施例阐明的装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为电子设备,具体的,电子设备例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
在一个典型的实例中电子设备具体包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述标准机柜状态指示灯识别监测的步骤。
下面参考图12,其示出了适于用来实现本申请实施例的电子设备600的结构示意图。
如图12所示,电子设备600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM))603中的程序而执行各种适当的工作和处理。在RAM603中,还存储有系统600操作所需的各种程序和数据。CPU601、ROM602、以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;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607;包括硬盘等的存储部分608;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609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,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610上,以便于从其上读出的计算机程序根据需要被安装如存储部分608。
特别地,根据本发明的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明的实施例包括一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述的标准机柜状态指示灯识别监测的步骤。
在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
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。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书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,对于系统实施例而言,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。
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 (10)
1.一种标准机柜状态指示灯识别监测方法,其特征在于,包括:
获取标准机柜状态指示灯采集图像;
对所述采集图像进行RGB至HSI色彩空间转换;
对转换后的图像进行处理以截取指示灯的子图像;
对截取到的指示灯子图像进行RGB至HSI色彩空间转换;
根据转换后的指示灯子图像的各像素点的值识别指示灯的状态。
2.根据权利要求1所述的标准机柜状态指示灯识别监测方法,其特征在于,所述对转换后的图像进行处理以截取指示灯的子图像,包括:
利用HSI空间下的全局阈值算法对转换后的图像进行二值化分割;
在二值化分割后的图像中利用投影法对指示灯的位置进行搜索定位得到指示灯的位置参数;
根据所述位置参数截取指示灯的子图像。
3.根据权利要求2所述的标准机柜状态指示灯识别监测方法,其特征在于,所述对转换后的图像进行处理以截取指示灯的子图像还包括:
对转换后的图像的H分量图像利用均值滤波进行图像去噪增强处理。
4.根据权利要求3所述的标准机柜状态指示灯识别监测方法,其特征在于,所述均值滤波采用领域平均法。
5.根据权利要求2所述的标准机柜状态指示灯识别监测方法,其特征在于,所述投影法包括:水平投影法和垂直投影法;
水平投影法用于搜索信号灯的水平位置;
垂直投影法用于搜索信号灯的垂直位置。
6.根据权利要求2所述的标准机柜状态指示灯识别监测方法,其特征在于,所述利用HSI空间下的全局阈值算法对转换后的图像进行二值化分割时采用多次迭代阈值分割算法。
7.一种标准机柜状态指示灯识别监测装置,其特征在于,包括:
图像获取模块,获取标准机柜状态指示灯采集图像;
第一色彩空间转换模块,对所述采集图像进行RGB至HSI色彩空间转换;
图像截取模块,对转换后的图像进行处理以截取指示灯的子图像;
第二色彩空间转换模块,对截取到的指示灯子图像进行RGB至HSI色彩空间转换;
状态识别模块,根据转换后的指示灯子图像的各像素点的值识别指示灯的状态。
8.一种标准机柜状态指示灯识别监测系统,其特征在于,包括:滑轨、拍摄模块、图像处理平台以及报警通信模块;
所述拍摄模块设置在所述滑轨上,工作时沿滑轨前进采集标准机柜状态指示灯图像;并且,所述拍摄模块与所述图像处理平台电连接,以将采集图像发送至所述图像处理平台;
所述图像处理平台实现如权利要求1至6任一项所述标准机柜状态指示灯识别监测方法,并且,所述图像处理平台与所述报警通信模块电连接,以将指示灯的状态识别结果发送至所述报警通信模块。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至6任一项所述的标准机柜状态指示灯识别监测方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6任一项所述的标准机柜状态指示灯识别监测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110263096.0A CN112926483A (zh) | 2021-03-11 | 2021-03-11 | 标准机柜状态指示灯识别监测方法、装置和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110263096.0A CN112926483A (zh) | 2021-03-11 | 2021-03-11 | 标准机柜状态指示灯识别监测方法、装置和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112926483A true CN112926483A (zh) | 2021-06-08 |
Family
ID=76172570
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110263096.0A Pending CN112926483A (zh) | 2021-03-11 | 2021-03-11 | 标准机柜状态指示灯识别监测方法、装置和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112926483A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114359844A (zh) * | 2022-03-21 | 2022-04-15 | 广州银狐科技股份有限公司 | 一种基于色彩识别的aed设备状态监测方法及系统 |
CN114820676A (zh) * | 2022-05-30 | 2022-07-29 | 深圳市科荣软件股份有限公司 | 一种设备运行状态识别方法及装置 |
CN114821194A (zh) * | 2022-05-30 | 2022-07-29 | 深圳市科荣软件股份有限公司 | 一种设备运行状态识别方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140147052A1 (en) * | 2012-11-27 | 2014-05-29 | International Business Machines Corporation | Detecting Broken Lamps In a Public Lighting System Via Analyzation of Satellite Images |
CN106909937A (zh) * | 2017-02-09 | 2017-06-30 | 北京汽车集团有限公司 | 交通信号灯识别方法、车辆控制方法、装置及车辆 |
CN107392116A (zh) * | 2017-06-30 | 2017-11-24 | 广州广电物业管理有限公司 | 一种指示灯识别方法和系统 |
CN109308447A (zh) * | 2018-07-29 | 2019-02-05 | 国网上海市电力公司 | 在电力远程监控中自动提取设备运行参数和运行状态的方法 |
CN109902592A (zh) * | 2019-01-30 | 2019-06-18 | 浙江大学 | 一种基于深度学习的盲人辅助行路方法 |
CN110991347A (zh) * | 2019-12-05 | 2020-04-10 | 华北电力大学 | 一种设备状态监控方法及系统 |
-
2021
- 2021-03-11 CN CN202110263096.0A patent/CN112926483A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140147052A1 (en) * | 2012-11-27 | 2014-05-29 | International Business Machines Corporation | Detecting Broken Lamps In a Public Lighting System Via Analyzation of Satellite Images |
CN106909937A (zh) * | 2017-02-09 | 2017-06-30 | 北京汽车集团有限公司 | 交通信号灯识别方法、车辆控制方法、装置及车辆 |
CN107392116A (zh) * | 2017-06-30 | 2017-11-24 | 广州广电物业管理有限公司 | 一种指示灯识别方法和系统 |
CN109308447A (zh) * | 2018-07-29 | 2019-02-05 | 国网上海市电力公司 | 在电力远程监控中自动提取设备运行参数和运行状态的方法 |
CN109902592A (zh) * | 2019-01-30 | 2019-06-18 | 浙江大学 | 一种基于深度学习的盲人辅助行路方法 |
CN110991347A (zh) * | 2019-12-05 | 2020-04-10 | 华北电力大学 | 一种设备状态监控方法及系统 |
Non-Patent Citations (1)
Title |
---|
任勇;彭静玉;: "基于BP神经网络的交通信号数字指示灯识别", 计算机与现代化, no. 04, 15 April 2013 (2013-04-15), pages 77 - 79 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114359844A (zh) * | 2022-03-21 | 2022-04-15 | 广州银狐科技股份有限公司 | 一种基于色彩识别的aed设备状态监测方法及系统 |
CN114820676A (zh) * | 2022-05-30 | 2022-07-29 | 深圳市科荣软件股份有限公司 | 一种设备运行状态识别方法及装置 |
CN114821194A (zh) * | 2022-05-30 | 2022-07-29 | 深圳市科荣软件股份有限公司 | 一种设备运行状态识别方法及装置 |
CN114821194B (zh) * | 2022-05-30 | 2023-07-25 | 深圳市科荣软件股份有限公司 | 一种设备运行状态识别方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11380232B2 (en) | Display screen quality detection method, apparatus, electronic device and storage medium | |
KR102229594B1 (ko) | 디스플레이 스크린 품질 검출 방법, 장치, 전자기기 및 저장매체 | |
CN112926483A (zh) | 标准机柜状态指示灯识别监测方法、装置和系统 | |
CN110544258B (zh) | 图像分割的方法、装置、电子设备和存储介质 | |
CN109685075A (zh) | 一种基于图像的电力设备识别方法、装置及系统 | |
CN109084955A (zh) | 显示屏质量检测方法、装置、电子设备及存储介质 | |
CN110378227B (zh) | 修正样本标注数据的方法、装置、设备及存储介质 | |
CN111950543A (zh) | 一种目标检测方法和装置 | |
US20230049656A1 (en) | Method of processing image, electronic device, and medium | |
CN116167932A (zh) | 一种图像质量优化方法、装置、设备及存储介质 | |
CN111860324A (zh) | 基于小波变换的高频分量检测及色彩识别的火灾预警方法 | |
CN113705380A (zh) | 雾天的目标检测方法、装置、电子设备以及存储介质 | |
US20230048649A1 (en) | Method of processing image, electronic device, and medium | |
WO2018078582A1 (en) | Method for distinguishing fresh meat from meat subjected to freezing by means of analysis of images of muscle tissue and corresponding system arranged to execute said method | |
CN115601712B (zh) | 适用于现场安全措施的图像数据处理方法及系统 | |
Fernandez et al. | Device to evaluate cleanliness of fiber optic connectors using image processing and neural networks | |
CN112686162B (zh) | 仓库环境整洁状态的检测方法、装置、设备和存储介质 | |
CN116993654A (zh) | 摄像头模组缺陷检测方法、装置、设备、存储介质及产品 | |
CN111928944B (zh) | 激光光线检测方法、装置和系统 | |
CN113592789A (zh) | 暗光图像识别方法、装置、设备及存储介质 | |
CN108447107B (zh) | 用于生成视频的方法和装置 | |
CN112950504A (zh) | 一种输电线路巡检雾霾天气单目隐患物体测距方法及系统 | |
CN113191336A (zh) | 基于图像识别的电力隐患识别方法及系统 | |
CN112967224A (zh) | 一种基于人工智能的电子电路板检测系统、方法及介质 | |
CN113191997A (zh) | 一种基于机器视觉的卡簧测量方法 |
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 |