CN115795067A - 一种用于温度测量数据的存储方法 - Google Patents

Abstract

本发明涉及数据处理技术领域，具体涉及一种用于温度测量数据的存储方法，该方法包括：在不同时刻获取设定场景内不同位置的温度值构建平面温度图像，根据图像中的信息进行数据处理，获得负担值、范围特征值以及调整系数，进而得到图像的无损必要程度；对无损必要程度大于第二阈值的图像信息进行数据存储；对无损必要程度小于等于第二阈值的图像进行数据处理，获得温度特征区域以及温度源点，计算影响程度值，进而构建单高斯模型；根据单高斯模型获得高斯混合模型，根据高斯混合模型的子高斯模型的概率值计算影响程度值，根据影响程度值构建霍夫曼树，进而根据霍夫曼树对像素值进行压缩存储。本发明保证了重要的温度数据进行压缩后再存储的安全性。

Description

一种用于温度测量数据的存储方法

技术领域

本发明涉及数据处理技术领域，具体涉及一种用于温度测量数据的存储方法。

背景技术

在很多场景下，例如数据处理中心的机房，即在机房的环境中，温度的过高、温度过低或者温度快速波动均会影响设备的性能，可能会出现运行故障。因此，对特定场景下的温度数据进行存储就显得尤为重要，能够方便相关工作人员进行温度异常检测，更加精确地对风机进行调控以控制环境温度。目前通过分布式光纤温度监测系统进行测温的方法，在测量时的测量点密度较大，且数据量较多，使得在对温度数据进行计算时的计算量以及存储时的数据量大大增加。一般情况下，将所有检测到的温度数据压缩后再进行数据存储，能够减少存储系统的存储空间。

在利用现有的霍夫曼编码对温度数据进行压缩时，仅根据温度数据出现的频率进行编码，但是在部分场景下，越重要的温度数据往往出现的频率较小，利用该算法进行数据压缩时，使得重要的温度数据的编码序列较长，进而在对压缩后的数据进行存储时，受客观因素影响容易出现重要的温度数据丢失的情况。

发明内容

为了解决仅根据温度数据出现的频率进行编码压缩，进而在对压缩后的数据进行存储时出现重要的温度数据丢失的技术问题，本发明的目的在于提供一种用于温度测量数据的存储方法，所采用的技术方案具体如下：

在不同时刻获取设定场景内不同位置的温度值，根据所述温度值构建不同时刻对应的平面温度图像；根据平面温度图像中像素点的像素值与第一阈值计算像素点对应的负担值，获取像素点的范围特征值，根据范围特征值计算调整系数，根据调整系数和负担值的乘积得到平面温度图像的无损必要程度；对无损必要程度大于第二阈值的图像中的像素值进行数据存储；

当图像的无损必要程度小于或等于第二阈值时，根据图像中像素点和其邻域像素点以及温度阈值获得温度特征区域；根据温度特征区域内像素点和其邻域像素点的像素值之间的大小关系确定温度源点；根据温度源点的像素值和温度阈值之间的差异得到温度源点影响程度值；

根据温度源点的影响程度值、温度特征区域内像素点与温度源点的位置关系构建温度源点对应的单高斯模型；根据温度特征区域内所有温度源点对应的单高斯模型获得高斯混合模型；

根据温度特征区域的高斯混合模型的每个子高斯模型的概率值以及温度源点的影响程度值之间的乘积得到像素点的影响程度值；根据影响程度值进行排序，根据排列顺序构建霍夫曼树，利用霍夫曼树进行编码进而进行数据存储。

优选地，所述根据影响程度值进行排序，根据排列顺序构建霍夫曼树，包括：

将像素点和温度源点的影响程度值按照从大到小的顺序进行排列，将排列顺序中第一个点的像素值置于霍夫曼树第一层，将排列顺序中第二个和第三个点的像素值置于霍夫曼树的第二层，按照排列顺序将第四个和第五个点的像素值置于霍夫曼树的第三层，以此类推，直到所有温度特征区域内所有像素点和温度源点的像素值均置于霍夫曼树中，生成霍夫曼树。

优选地，所述根据图像中像素点和其邻域像素点以及温度阈值获得温度特征区域具体为：

所述温度阈值包括第一温度阈值和第二温度阈值，所述第一温度阈值大于第二温度阈值；

选择任意一个像素值大于第一温度阈值的像素点作为第一种子点，将第一种子点的八邻域内像素值大于第一温度阈值的像素点与所述第一种子点归为同一类别；同时，将第一种子点的八邻域内像素值大于第一温度阈值的像素点记为第一过热种子点，将第一过热种子点的八邻域内像素值大于第一温度阈值的像素点与所述第一种子点归为同一类别；并将第一过热种子点的八邻域内像素值大于第一温度阈值的像素点记为第二过热种子点，将第二过热种子点的八邻域内像素值大于第一温度阈值的像素点与所述第一种子点归为同一类别，以此类推，直至不存在满足条件的像素点时停止生长，第一种子点所在类别内所有像素点构成的区域为过热区域；

选择任意一个像素值小于第二温度阈值的像素点作为第二种子点，将第二种子点的八邻域内像素值小于第二温度阈值的像素点与所述第二种子点归为同一类别；同时，将第二种子点八邻域内像素值小于第二温度阈值的像素点记为第一过冷种子点，将第一过冷种子点的八邻域内像素值小于第二温度阈值的像素点与所述第二种子点归为同一类别；并将第一过冷种子点的八邻域内像素值小于第二温度阈值的像素点记为第二过冷种子点，将第二过冷种子点的八邻域内像素值小于第二温度阈值的像素点与所述第二种子点归为同一类别，以此类推，直至不存在满足条件的像素点时停止生长，第二种子所在类别内所有像素点构成的区域为过冷区域；

所述过热区域和过冷区域为温度特征区域。

优选地，所述根据温度特征区域内像素点和其邻域像素点的像素值之间的大小关系确定温度源点具体为：

对于过热区域，若像素点的像素值为邻域内像素点的像素值的最大值，则该像素点为热源点；对于过冷区域，若像素点的像素值为邻域内像素点的像素值的最小值，则该像素点为冷源点；所述热源点与冷源点为温度源点。

优选地，所述温度源点对应的单高斯模型的获取方法具体为：

；

其中，

表示温度特征区域内第o个温度源点的单高斯模型的函数值，

表示温度特征区域内第o个温度源点对应的影响程度值，

表示温度特征区域内第d个像素点的坐标，

表示温度特征区域内第o个温度源点的坐标，

表示根据温度特征区域内所有像素点的横坐标值与第o个温度源点的横坐标值计算得到的方差，

表示根据温度特征区域内所有像素点的纵坐标值与第o个温度源点的纵坐标值计算得到的方差，exp()为以自然常数e为底的指数函数。

优选地，所述负担值的获取方法具体为：

对于平面温度图像中任意一个像素点，计算像素点的像素值与第一阈值的差值记为第一差值，对第一差值与预设系数之间的乘积进行正相关映射得到像素点的负担值。

优选地，所述范围特征值的获取方法具体为：

将任意一个像素值大于或等于第一阈值的像素点记为目标像素点，对目标像素点的邻域内像素值大于或等于第一阈值的像素点进行标记，进而也对被标记的像素点的邻域内像素值大于或等于第一阈值的像素点进行标记，以此类推，直至所有像素点的邻域内不存在像素值大于或等于第一阈值的像素点时停止，将所有被标记的像素点的数量记为目标像素点的范围特征值。

优选地，所述调整系数的获取方法具体为：

当像素点的像素值小于第一阈值时，像素点对应的调整系数的取值为设定数值；当像素点的像素值大于或等于第一阈值时，对预设系数和范围特征值之间的乘积进行正相关映射得到像素点对应的调整系数。

优选地，所述不同时刻对应的平面温度图像的获取方法具体为：

对于任意一个时刻，将设定场景内不同位置的温度值作为像素点的像素值，一个位置对应一个像素点，构成平面温度图像；进而获得不同时刻对应的平面温度图像。

优选地，所述根据温度源点的像素值和温度阈值之间的差异得到温度源点的影响程度值具体为：以温度源点的像素值与温度阈值之间的差值的绝对值作为温度源点的影响程度值。

本发明实施例至少具有如下有益效果：

本发明先获取设定场景内不同位置的温度值构成平面温度图像，将设定场景内的温度数据转换为图像，进而对图像中的数据进行分析，根据平面温度图像中像素点的像素值与第一阈值计算像素点对应的负担值，表征了像素点所在位置处进行降温处理的风机所承受的负担；获取像素点的范围特征值，根据范围特征值计算调整系数，考虑到了像素点对应的温度值对其周围像素点的温度值的影响范围大小，以该影响范围大小作为调整系数，对像素点对应的负担值进行调整，进而得到平面温度图像的无损必要程度，能够反映平面温度图像内是否出现部分位置温度过热导致的故障问题，将某一时刻的平面温度图像的无损必要程度大于第二阈值的平面温度图像直接进行存储，即说明此时平面温度图像中部分位置可能出现故障，此时的温度数据为非冗余数据，必须直接进行数据存储；进而对无损必要程度小于或等于第二阈值的平面温度图像进行处理，去除正常的温度数据，即冗余数据；先根据像素点对应的温度值与周围像素点对应的温度值之间的关系确定温度特征区域，找到温度发生变化的部分，并根据像素点与其周围像素点的像素值的变化确定温度源点，考虑到了温度源点会对其他像素点对应的温度产生影响，进而获得温度源点对应的影响程度值，反映了温度源点对其他像素点对应的温度值的影响大小；进一步的，综合考虑温度源点的影响程度值、温度特征区域内像素点与温度源点的位置关系构建单高斯模型，进而综合所有温度源点的单高斯模型获得高斯混合模型，能够综合获得所有温度源点对某一个位置的温度值同时产生的影响，以高斯混合模型中的子高斯模型的概率值作为温度源点对像素点的温度值的影响权重，进而获得像素点的影响程度值，能够反映像素点的重要程度，根据影响程度值的排列顺序确定霍夫曼树，在构建霍夫曼树时通过影响程度值考虑了不同温度数据的重要程度，保证了重要的温度数据进行压缩后再存储的安全性，防止重要的温度数据出现数据丢失的情况，比仅根据温度数据出现的频率确定霍夫曼树的方法要更加真实可靠。

同时，根据影响程度值对像素点对应的温度数据进行数据存储时，去掉了正常的温度数据，即去掉了冗余数据，减小了数据存储设备的负担。

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和优点，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的介绍，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它附图。

图1是本发明的一种用于温度测量数据的存储方法的方法流程图；

图2是本发明实施例中的霍夫曼树的示意图；

图3是本发明实施例中的机柜温度统计表。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种用于温度测量数据的存储方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种用于温度测量数据的存储方法的具体方案。

实施例：

请参阅图1，其示出了本发明一个实施例提供的一种用于温度测量数据的存储方法的方法流程图，该方法包括以下步骤：

步骤一，在不同时刻获取设定场景内不同位置的温度值，根据所述温度值构建不同时刻对应的平面温度图像；根据平面温度图像中像素点的像素值与第一阈值计算像素点对应的负担值，获取像素点的范围特征值，根据范围特征值计算调整系数，根据调整系数和负担值的乘积得到平面温度图像的无损必要程度；对无损必要程度大于第二阈值的图像中的像素值进行数据存储。

首先，在不同时刻获取设定场景内不同位置的温度值，其中设定场景实施者可根据具体实施情况进行选择，在本实施例中，设定场景为数据中心机房，数据中心机房内放置了至少两个机柜，同时，光纤盘绕敷设在机柜正反面门的内壁上，从机框底部的孔洞穿至机柜底座区域，再敷设至相邻机柜，并按照一定的路由规则在所有机柜内敷设光纤，对每个机柜指定的测量点进行实时精确的温度信息采集。

其中，需要说明的是，通过光纤作为传感器来测量温度的光学仪器叫做分布式光纤温度监测系统。该系统利用单根光纤同时实现温度检测和信号传输，综合利用光纤拉曼散射效应和光时域反射测量技术来获取空间温度分布信息。系统能够连续测量光纤沿线的温度分布情况，特别适用于长距离、大范围、高精度、多点的实时温度测量。且分布式光纤温度监测系统为公知技术，在此不再过多介绍。

作为一个示例，对于任意一个机柜，其平面尺寸为450mm*1700mm，在该机柜送风侧不同位置处进行温度的测量，且测量温度的各个位置在机柜的平面内均匀分布，如图3示出了机柜温度统计表，以机柜平面的左上角为原点，分别在水平方向上和垂直方向上距离该原点不同长度的位置处测得的温度，表中温度数据的单位为摄氏度。

需要说明的是，对于在数据中心机房中测得的温度，其中属于较为正常的温度数据可以根据温度的分布情况对温度数据进行一定程度的有损压缩存储，例如，数据中心机房的整体温度均处于标准温度范围内，或者较为接近标准温度范围，即略高于或者略低于标准温度范围，在本实施例标准温度范围为20℃到28℃，此时，温度数据属于可承受的程度，对这类温度数据可根据温度情况进行一定程度的有损压缩存储。

而对于有效温度数据需进行高精度压缩存储，例如，当数据中心机房的内的温度严重超过标准温度范围时，可能会造成机器损伤，不能对此时的温度数据进行有损压缩存储，采用常规的压缩技术直接对此时测得的温度数据进行压缩存储。

然后，为了方便对数据中心机房的温度分布情况进行分析，本实施例将数据中心机房的平面不同位置处测得的温度值转换为图像数据进行分析。具体地，对于任意一个时刻，将设定场景内不同位置的温度值作为像素点的像素值，一个位置对应一个像素点，构成平面温度图像；进而获得不同时刻对应的平面温度图像。即一个时刻对应一张平面温度图像，在任意一张平面温度图像中，每一个像素点均对应数据中心机房中的一个温度测量位置，且每一个像素点的像素值为对应位置测得的某一时刻温度值。

进而对每一个时刻对应的平面温度图像中像素点的像素值进行判断，是否需要对对应时刻的温度数据进行无损压缩存储。在本实施例中，以任意一个时刻对应的平面温度图像为例进行分析。

具体地，设置第一阈值，第一阈值表征温度过热临界值，实施者可根据具体实施场景进行设置，需保证第一阈值为当前设定场景内能够承受的最大温度值，当平面温度图像中像素点的像素值大于或等于第一阈值时，说明该像素点所在位置的温度值已经超过当前环境能够承受的最大温度值，故对于该像素点所在位置，需要较大功率的风机进行降温处理。当平面温度图像中像素点的像素值小于第一阈值时，说明该像素点所在位置的温度值并未超过当前环境能够承受的最大温度值，故对于该像素点所在位置，需要较小功率的风机进行降温处理。

基于此，对于平面温度图像中任意一个像素点，计算像素点的像素值与第一阈值的差值记为第一差值，对第一差值与预设系数之间的乘积进行正相关映射得到像素点的负担值。像素点的负担值表征了像素点所在位置处进行降温处理的风机所承受的负担。

所述像素点的负担值用公式表示为：

；

其中，

表示平面温度图像中第q个像素点的负担值，

表示平面温度图像中第q个像素点的像素值，

表示第一阈值，

表示预设系数，该系数是为了调整像素点的像素值与第一阈值的差值，防止该差值经过正相关映射后的取值较大，实施者可根据实际情况进行设置，在本实施例中预设系数的取值为0.1，exp()为以自然常数e为底的指数函数，

为第一差值。

表示像素点的像素值与第一阈值之间的差值，表征了像素点所在位置处的温度值与当前设定场景内能够承受的最大温度值之间的差异。当

时，该差异越大，说明像素点所在位置处的温度远远超过当前设定场景内能够承受的最大温度，则像素点对应的负担值的取值越大，说明在像素点所在位置处进行降温处理的风机承受的负担越大，也即风机对应的功率越大。

当

时，该差异越小，说明像素点所在位置处的温度并未超过当前设定场景内能够承受的最大温度，则像素点对应的负担值的取值越小，说明在像素点所在位置处进行降温处理的风机承受的负担越小，也即风机对应的功率越小。

进一步的，当像素点的像素值大于或等于第一阈值时，说明像素点当前所处位置的温度值处于非常高的状态，一般情况下，温度较高的位置处具有一定的影响范围，基于此，通过获取像素点的范围特征值，以表征像素点对应的温度较高的位置的影响范围。

具体地，将任意一个像素值大于或等于第一阈值的像素点记为目标像素点，对目标像素点的八邻域内像素值大于或等于第一阈值的像素点进行标记，进而也对被标记的像素点的八邻域内像素值大于或等于第一阈值的像素点进行标记，以此类推，直至所有像素点的八邻域内不存在像素值大于或等于第一阈值的像素点时停止，将所有被标记的像素点的数量记为目标像素点的范围特征值。

进而可以获得每一个像素值大于或等于第一阈值的像素点的范围特征值，像素点的范围特征值表征了像素点所在位置处的温度对其周围位置的影响范围大小，范围特征值的取值越大，说明该像素点所在位置处的温度较高，对周围位置的影响较大，故在对该像素点所在位置进行降温时需要更高功率的风机进行处理，也即增加了风机承受的负担，故可利用范围特征值对像素点的负担值进行调整。

同时，需要考虑到像素值小于第一阈值的像素点，这些像素点所在位置的温度较低，对其周围位置的影响较小，故在对这些像素点进行降温时不需要改变风机的功率，也即不会增加风机承受的负担，因此不需要对这些像素点的负担值进行调整。

基于此，当像素点的像素值小于第一阈值时，像素点对应的调整系数的取值为设定数值，由于当像素点的像素值小于第一阈值时，不需要对像素点的负担值进行调整，故在本实施例中设定数值的取值为1，实施者也可根据具体实施场景进行设置。

当像素点的像素值大于或等于第一阈值时，对预设系数和范围特征值之间的乘积进行正相关映射得到像素点对应的调整系数，表示为

，其中，

表示第q个像素点的调整系数，

表示第q个像素点的范围特征值，

表示预设系数，该系数是为了调整范围特征值，防止范围特征值经过正相关映射后的取值较大，实施者可根据实际情况进行设置，在本实施例中预设系数的取值为0.1，exp()为以自然常数e为底的指数函数。

像素点的范围特征值的取值越大，说明该像素点所在位置的温度值对应的影响范围越大，越需要对该像素点的负担值进行调整，通过调整系数增大像素点的负担值的幅度越大。

同时，像素点对应的调整系数表征了像素点的负担值需要调整的程度，调整系数的取值越大，说明需要对像素点的负担值进行调整的程度越大，调整系数的取值越小，说明需要对像素点的负担值进行调整的程度越小。

结合调整系数和负担值获得平面温度图像的无损必要程度，即计算每一个像素点的调整系数与负担值的乘积，平面温度图像中所有像素点的调整系数与负担值的乘积的和值即为平面温度图像的无损必要程度。像素点的调整系数与负担值的乘积反映了，对该像素点位置进行降温时风机承受的负担大小，综合平面温度图像中所有像素点对应的所有位置处风机需要承受的负担，当无损必要程度的取值较大时，说明有部分位置处风机对应的负担过大，在当前时刻平面温度图像对应的设定场景内可能存在部分位置处温度过热导致的故障问题。

需要说明的是，在本实施例的设定场景中，即对于数据中心机房内的风机所能承受的负担是有限的，当温度均处于正常范围内的过热时，可以通过系统调控对风机的功率进行调节以达到散热的目的，此时可以根据不同位置的温度情况对温度数据进行有损压缩存储。但是当机房内某一区域的温度并不属于正常的过热情况，而是出现烧毁等严重的温度变化情况，则此时并不能够通过调节风机的功率进行散热来解决问题，因此，需要对此时数据中心机房内的温度数据进行无损压缩存储，以便相关工作人员对机房内的设备进行故障排查。

设置第二阈值，第二阈值表征了平面温度图像对应的无损必要程度的临界值，其取值与设定场景的面积大小以及风机总功率等参数有关，需实施者根据具体实施场景进行设置。

当某一时刻的平面温度图像的无损必要程度大于第二阈值时，说明平面温度图像中存在像素点对应的位置处风机需要承受的负担过大，在该平面温度图像对应的设定场景内可能存在部分位置处温度过热导致的故障问题，需要对温度数据进行无损压缩存储，由于平面温度图像中像素点的像素值即为对应位置处的温度值，故对平面温度图像中像素点的像素值进行压缩存储即可。其中，在本实施例中选择对温度数据进行压缩后，再对压缩后的数据进行存储，以减小系统中数据的存储空间，同时，采用霍夫曼编码技术对平面温度图像中像素点的像素值对应的温度数据进行压缩，实施者可根据实际情况选择其他合适的压缩方法。

当某一时刻的平面温度图像的无损必要程度小于或等于第二阈值时，说明平面温度图像中所有像素点对应的位置处风机需要承受的负担均不存在过大的情况，在对应的设定场景中不存在温度过程导致设备故障的问题，只需要根据温度的分布情况进行有损压缩存储。

步骤二，当图像的无损必要程度小于或等于第二阈值时，根据图像中像素点和其邻域像素点以及温度阈值获得温度特征区域；根据温度特征区域内像素点和其邻域像素点的像素值之间的大小关系确定温度源点；根据温度源点的像素值和温度阈值得到温度源点的影响程度值。

需要说明的是，当平面温度图像的无损必要程度小于或等于第二阈值时，说明平面温度图像中所有像素点对应的位置处的温度均处于风机可以调控的范围内，因此，对于需要进行高精度压缩的数据，可以根据温度差异通过对风机的功率进行调节以达到降温的目的。其中，需要进行高精度压缩的温度数据为平面温度图像中局部热点区域或者局部冷点区域。局部热点区域是指以一个像素点为中心向周围呈辐射状，且温度值递减的区域，即位于中心的像素点的像素值最大，对应的温度值最高，则可将位于中心的像素点称作热源点。局部冷点区域是指以一个像素点为中心向周围呈辐射状，且温度值递增的区域，即位于中心的像素点的像素值最小，对应的温度值最低，则可将此时位于中心的像素点称作冷源点。热源点和冷源点均被称为温度源点。

在设定场景内，每一个测温位置处的温度过高或者过低的原因不仅仅是由于该位置处设备运行时产生的，还会受到其周围相邻位置设备的温度值的影响，因此，考虑到多个温度源点对某一位置的温度可能会同时产生影响，故本实施例基于高斯混合模型构建对应的影响程度模型，根据模型获得像素点对应的影响程度，进而对像素点的压缩程度进行分析。

首先，设置温度阈值，所述温度阈值包括第一温度阈值和第二温度阈值，第一温度阈值表征设定场景内的标准温度范围的上限，当像素点的像素值大于第一温度阈值时，表示像素点对应位置的温度值大于标准温度范围的上限，说明该像素点所在位置的温度超出标准温度范围，需要利用风机对该位置进行降温处理，即该像素点所在位置属于过热位置。

第二温度阈值表征设定场景内的节能温度，当像素点的像素值小于第二温度阈值时，表示像素点对应位置的温度值小于节能温度，说明该像素点所在位置进行降温的风机功率较大，使得该位置处的温度低于节能温度，即该像素点所在位置属于过冷位置。

其中，在本实施例中第一温度阈值的取值为28，第二温度阈值的取值为24，温度阈值的取值与设定场景内机器数量以及运行功率等参数有关，实施者可根据具体实施场景进行设置。

需要说明的是，标准温度范围为设定场景的最佳工作温度范围，在本实施例标准温度范围为20℃到28℃，当设定场景内各个位置的温度均处于标准温度范围内时，设定场景内的机器工作效率最高。但是，当温度超过标准温度范围的上限例时，对应位置的机器设备可能存在过热的情况，会降低机器运行的效率，故需对该位置处进行降温处理。当温度处于标准温度范围内，但是温度较低时，例如温度处于20℃到24℃之间，由于机器自身会产生热度，当对应位置温度过低时，说明此时风机对该位置进行降温的功率过大，出现过制冷的情况，则可能导致能源浪费的问题存在。

同时，分布式光纤进行测量的位置较为密集的原因在于，需要实时测量对应时刻是否出现局部过热或者局部过冷的位置，需要对这些位置进行降温处理的风机功率进行调节，使得这些位置处的温度均处于最佳工作温度，并且尽最大程度达到节能的效果。因此，对于需要进行压缩的温度数据中，只需对局部过热或者局部过冷的位置对应的温度值进行高精度的压缩。

然后，选择任意一个像素值大于第一温度阈值的像素点作为第一种子点，将第一种子点的八邻域内像素值大于第一温度阈值的像素点与所述第一种子点归为同一类别；同时，将第一种子点的八邻域内像素值大于第一温度阈值的像素点记为第一过热种子点，将第一过热种子点的八邻域内像素值大于第一温度阈值的像素点与所述第一种子点归为同一类别；并将第一过热种子点的八邻域内像素值大于第一温度阈值的像素点记为第二过热种子点，将第二过热种子点的八邻域内像素值大于第一温度阈值的像素点与所述第一种子点归为同一类别，以此类推，直至不存在满足条件的像素点时停止生长，第一种子点所在类别内所有像素点构成的区域为过热区域。

过热区域表征温度值均大于标准温度范围上限的位置对应的像素点构成的区域，对该区域内像素点对应的温度数据需要进行高精度的压缩处理。

选择任意一个像素值小于第二温度阈值的像素点作为第二种子点，将第二种子点的八邻域内像素值小于第二温度阈值的像素点与所述第二种子点归为同一类别；同时，将第二种子点八邻域内像素值小于第二温度阈值的像素点记为第一过冷种子点，将第一过冷种子点的八邻域内像素值小于第二温度阈值的像素点与所述第二种子点归为同一类别；并将第一过冷种子点的八邻域内像素值小于第二温度阈值的像素点记为第二过冷种子点，将第二过冷种子点的八邻域内像素值小于第二温度阈值的像素点与所述第二种子点归为同一类别，以此类推，直至不存在满足条件的像素点时停止生长，第二种子所在类别内所有像素点构成的区域为过冷区域。

过冷区域表征温度值均小于节能温度的位置对应的像素点构成的区域，对该区域内像素点对应的温度数据需要进行高精度的压缩处理。

同时，所述过热区域和过冷区域均为温度特征区域，也即对温度特征区域内像素点对应的温度数据需要进行高精度的压缩处理。

进一步的，在温度特征区域内，即过热区域或者过冷区域内，可能存在一个或者多个过热位置或者过冷位置的温度对其他位置的温度产生一定程度的影响，即可根据温度特征区域内像素点的像素值分布特征寻找过热区域内的过热位置，以及过冷区域内的过冷位置。

具体地，根据温度特征区域内像素点和其邻域像素点的像素值之间的大小关系确定温度源点，对于过热区域，若像素点的像素值为八邻域像素点的像素值的最大值，则该像素点为热源点，即热源点的像素值大于热源点的八邻域内所有像素点的像素值。对于过冷区域，若像素点的像素值为八邻域内像素点的像素值的最小值，则该像素点为冷源点，即冷源点的像素值小于冷源点的八邻域内所有像素点的像素值。需要说明的是，过热区域内的热源点存在的数量为一个或者多个，过冷区域内的冷源点存在的数量为一个或者多个。

同时，所述热源点与冷源点均为温度源点。热源点表示该点对应的温度值为局部最高，以热源点为源头导致周围像素点对应的温度值上升。冷源点表示该点对应的温度值局部最低，在该点对应的位置处进行降温的风机功率过大，导致过度制冷，同时影响周围位置的温度，导致周围像素点对应的温度值下降。

最后，热源点对应的温度值大于标准温度范围上限，热源点对应的较高的温度对其周围像素点对应的温度值产生了一定程度的影响，故可通过获取热源点过热的程度表征热源点对其周围像素点对应的温度值的影响程度。同理，冷源点对应的温度值小于节能温度，冷源点对应的较低温度对其周围像素点对应的温度值产生了一定程度的影响，故可通过获取冷源点过冷的程度表征冷源点对其周围像素点对应的温度值的影响程度。

基于此，根据温度源点的像素值和温度阈值之间的差异得到温度源点的影响程度值，即根据温度源点的像素值和温度阈值的差值的绝对值得到温度源点的影响程度值，具体地，对于热源点，计算热源点的像素值与第一温度阈值的差值的绝对值得到热源点对应的影响程度值；对于冷源点，计算冷源点的像素值与第二温度阈值的差值的绝对值得到冷源点对应的影响程度值，用公式表示为：

；

；

其中，

表示第m个热源点对应的影响程度值，

表示第b个冷源点对应的影响程度值，

表示第m个热源点的像素值，

表示第b个冷源点的像素值，

表示第一温度阈值，

表示第二温度阈值。

表示热源点对应的温度值与标准温度范围上限之间的差异，该差异反映了热源点过热的程度，即该差异越大，热源点的过热程度越大，对应的影响程度值就越大，说明热源点对其周围像素点对应的温度值的影响就越大。同理，

表示冷源点对应的温度值与节能温度之间的差异，该差异反映了冷源点过冷的程度，即该差异越大，冷源点的过冷程度越大，对应的影响程度值就越大，说明冷源点对其周围像素点对应的温度值的影响就越大。

步骤三，根据温度源点的影响程度值、温度特征区域内像素点与温度源点的位置关系构建温度源点对应的单高斯模型；根据温度特征区域内所有温度源点对应的单高斯模型获得高斯混合模型。

首先，按照步骤二的方法获取温度特征区域内所有温度源点对应的影响程度值，影响程度值表征了温度源点对其周围像素点对应的温度的影响程度的大小，考虑到多个温度源点对某一位置的温度可能会同时产生影响，故本实施例基于高斯混合模型构建对应的影响程度模型。

在构建高斯混合模型时，对于一个温度特征区域，综合考虑温度源点的影响程度值、温度特征区域内像素点与温度源点的位置关系，进而构建每个温度源点对应的单高斯模型，根据所有温度源点对应的单高斯模型获得高斯混合模型，作为温度特征区域对应的影响程度模型，将温度特征区域内每个像素点在不同子高斯模型中的参数对应作为每个温度源点对该像素点所在位置的影响权重。

具体地，温度源点对应的单高斯模型的函数表达式具体为：

；

其中，

表示温度特征区域内第o个温度源点的单高斯模型的函数值，

表示温度特征区域内第o个温度源点对应的影响程度值，

表示温度特征区域内第d个像素点的坐标，

表示温度特征区域内第o个温度源点的坐标，

表示根据温度特征区域内所有像素点的横坐标值与第o个温度源点的横坐标值计算得到的方差，

表示根据温度特征区域内所有像素点的纵坐标值与第o个温度源点的纵坐标值计算得到的方差，exp()为以自然常数e为底的指数函数，表示高斯模型的拟合模型。

同时，需要说明的是，图像中像素点的坐标的获取方法为公知技术，在此不再过多介绍。在计算方差

时，是将温度源点的横坐标作为均值，分别计算温度特征区域内其他所有像素点的横坐标与温度源点的横坐标的差值，进而计算获得横坐标对应的方差。基于此，方差

的计算方法与方差

的计算方法相同。方差

和方差

为构建单高斯模型所需要的参数。

温度源点对应的单高斯模型是考虑了像素点与温度源点的对应位置的横纵坐标值的二阶高斯模型，温度源点对应的单高斯模型的函数值表征了温度源点与温度特征区域内除温度源点外的其他像素点对应的温度值的影响大小，一方面考虑了温度源点自身对其他像素点对应的温度值的影响程度，另一方面考虑了温度源点与其他像素点之间的位置关系。

和

分别表示其他像素点与温度源点之间的横坐标的差值、以及纵坐标的差值，两个差值反映了其他像素点与温度源点之间的位置关系以及距离的远近，两个差值的取值越大时，说明其他像素点与温度源点之间的距离越远，对应的单高斯函数的取值越小，说明温度源点对该像素点对应的温度值的影响越小。

进一步的，按照上述方法构建温度特征区域内每一个温度源点对应的单高斯模型，进而根据温度特征区域内所有温度源点对应的单高斯模型构建温度特征区域对应的高斯混合模型。其中，根据多个单高斯模型获得高斯混合模型为公知技术，在此只做简单的介绍。

温度特征区域对应的高斯混合模型的函数表达式具体为：

；

其中，

表示温度特征区域内第d个像素点对应的高斯混合模型的函数值，

为高斯混合模型的模型参数，可通过EM算法获得，具体过程为公知技术不再赘述，

是第d个像素点属于第o个温度源点对应的子高斯模型的概率，

表示温度源点的总数量，

是第o个温度源点对应的子高斯模型的概率密度函数。参数

，

、

和

分别为第o个温度源点对应的子高斯模型的期望、方差以及对应在高斯混合模型中的概率值，

即是第o个温度源点对第d个像素点的影响权重，表征了第o个温度源点对第d个像素点对应的温度值的影响大小。

步骤四，根据温度特征区域的高斯混合模型的每个子高斯模型的概率值以及温度源点的影响程度值之间的乘积得到像素点的影响程度值；根据影响程度值进行排序，根据排列顺序构建霍夫曼树，利用霍夫曼树进行编码进而进行数据存储。

具体地，将温度特征区域内像素点的坐标带入温度特征区域对应的高斯混合模型中得到像素点在每一个子高斯模型中的概率值，每一个子高斯模型对应了一个温度源点，且子高斯模型的概率值表征对应温度源点对像素点的温度值的影响大小，即可将子高斯模型中的概率值作为对应温度源点对像素点的影响权重。

即根据温度特征区域的高斯混合模型的每个子高斯模型的概率值以及温度源点的影响程度值之间的乘积得到像素点的影响程度值，用公式表示为：

；

其中，

表示第d个像素点的影响程度值，

表示第d个像素点在第o个温度源点对应的子高斯模型中的概率值，

表示第o个温度源点对应的影响程度值，

表示温度源点的总数量。

表示第o个温度源点对第d个像素点的影响权重，表征了第o个温度源点对第d个像素点对应的温度值的影响大小。

利用第o个温度源点对第d个像素点的影响权重对第o个温度源点的影响程度值进行加权，表征了第o个温度源点对第d个像素点的温度值的综合影响，该乘积取值越大，说明第o个温度源点对第d个像素点的温度值的综合影响越大，则第d个像素点的影响程度值的取值越大，说明第d个像素点的重要程度越高，越需要对第d个像素点对应的温度数据进行高精度压缩。

进而对所有温度源点对第d个像素点的影响权重与影响程度指标的乘积进行加和处理，综合考虑了温度特征区域内所有温度源点对第d个像素点的影响情况，影响越大，影响程度值的取值越大，则说明像素点的重要程度越高，越需要对像素点对应的温度数据进行高精度压缩。

需要说明的是，对于不属于温度特征区域的像素点，说明这些像素点所在位置的温度值处于标准温度范围内，且具有一定的节能效果，故这些像素点对应的温度数据均属于正常的温度数据，因此，在对温度数据进行压缩存储时，不需要考虑正常的温度数据，即对不属于温度特征区域的像素点对应的温度数据不进行存储，仅对温度特征区域内像素点和温度源点对应的温度数据根据影响程度值的大小进行压缩存储。

具体地，获取平面温度图像中所有温度特征区域内所有像素点和温度源点的影响程度值，根据影响程度值对像素点和温度源点的像素值进行数据存储，即影响程度值表征了像素点和温度源点的重要程度，影响程度值越大，说明该影响程度值对应的像素点或者温度源点越重要，越需要保证对该点对应的温度数据进行存储时数据的无损程度，即利用影响程度值获得像素值对应的编码顺序比单纯的根据温度数据出现的频率获得编码顺序更加真实可靠。

在本实施例中，根据影响程度值利用霍夫曼编码技术首先对温度数据进行压缩处理，再将压缩后的数据进行存储，能够减少系统的存储空间。

所述对温度数据进行压缩处理的具体过程为：

将每个温度特征区域内所有像素点和温度源点的影响程度值按照从大到小的顺序进行排列，将排列顺序中第一个点的像素值置于霍夫曼树顶端，即将影响程度值的最大值对应的点的像素值置于霍夫曼树的第一层；将排列顺序中第二个和第三个点的像素值置于霍夫曼树的第二层，按照排列顺序将第四个和第五个点的像素值置于霍夫曼树的第三层，以此类推，直到所有温度特征区域内所有像素点和温度源点的像素值均置于霍夫曼树中，生成霍夫曼树。

其中，需要说明的是，在对影响程度值进行排序时，考虑到了温度特征区域内所有像素点和温度源点，点的像素值是指像素点或者温度源点的像素值，即在本实施例中点是像素点和温度源点的统称。

进一步的，对霍夫曼树进行编码，编码的规则为，将霍夫曼树中右边的路径编码为第一数值，将霍夫曼树中左边的路径编码为第二数值。在本实施例中，第一数值的取值为1，第二数值的取值为0，即将霍夫曼树中左边的路径编码为0，右边的路径编码为1。

例如，图2为本实施例中的霍夫曼树的示意图，圆圈中的数字表示点的排列顺序，根据霍夫曼树能够生成各点的像素值对应的霍夫曼编码，点的像素值即为点对应的温度数据，即完成了对温度数据进行压缩的操作。其中，需要说明的是，根据霍夫曼树生成霍夫曼编码为公知技术，在此不再过多介绍。

利用影响程度值对温度数据进行排序进而构建霍夫曼树，同时，影响程度值反映了点对应的温度数据的重要程度，将重要程度最大的温度数据置于霍夫曼树的顶端，该温度数据对应的编码序列的长度是最短的，进而在对该温度数据进行存储时，能够保证重要程度最大的温度数据的安全性，也即编码序列的长度越短越不容易丢失。而在较长的编码序列中，其中任何一个编码数值丢失都会导致对应的编码序列无法与原温度数据对应，使得解码时无法解码出原始的温度数据，进而出现温度数据丢失的情况。

将重要程度较小的温度数据置于霍夫曼树较为靠下的部分，则这些较不重要的温度数据对应的编码序列与重要的温度数据对应的编码序列相比长度较长，不重要的温度数据可能会出现数据丢失的情况，但是由于其重要程度较低，故在进行数据查找时的影响也较小。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种用于温度测量数据的存储方法，其特征在于，该方法包括以下步骤：

在不同时刻获取设定场景内不同位置的温度值，根据所述温度值构建不同时刻对应的平面温度图像；根据平面温度图像中像素点的像素值与第一阈值计算像素点对应的负担值，获取像素点的范围特征值，根据范围特征值计算调整系数，根据调整系数和负担值的乘积得到平面温度图像的无损必要程度；对无损必要程度大于第二阈值的图像中的像素值进行数据存储；

当图像的无损必要程度小于或等于第二阈值时，根据图像中像素点和其邻域像素点以及温度阈值获得温度特征区域；根据温度特征区域内像素点和其邻域像素点的像素值之间的大小关系确定温度源点；根据温度源点的像素值和温度阈值之间的差异得到温度源点的影响程度值；

根据温度源点的影响程度值、温度特征区域内像素点与温度源点的位置关系构建温度源点对应的单高斯模型；根据温度特征区域内所有温度源点对应的单高斯模型获得高斯混合模型；

根据温度特征区域的高斯混合模型的每个子高斯模型的概率值以及温度源点的影响程度值之间的乘积得到像素点的影响程度值；根据影响程度值进行排序，根据排列顺序构建霍夫曼树，利用霍夫曼树进行编码进而进行数据存储。

2.根据权利要求1所述的一种用于温度测量数据的存储方法，其特征在于，所述根据影响程度值进行排序，根据排列顺序构建霍夫曼树，包括：

将像素点和温度源点的影响程度值按照从大到小的顺序进行排列，将排列顺序中第一个点的像素值置于霍夫曼树第一层，将排列顺序中第二个和第三个点的像素值置于霍夫曼树的第二层，按照排列顺序将第四个和第五个点的像素值置于霍夫曼树的第三层，以此类推，直到所有温度特征区域内所有像素点和温度源点的像素值均置于霍夫曼树中，生成霍夫曼树。

3.根据权利要求1所述的一种用于温度测量数据的存储方法，其特征在于，所述根据图像中像素点和其邻域像素点以及温度阈值获得温度特征区域具体为：

所述温度阈值包括第一温度阈值和第二温度阈值，所述第一温度阈值大于第二温度阈值；

选择任意一个像素值大于第一温度阈值的像素点作为第一种子点，将第一种子点的八邻域内像素值大于第一温度阈值的像素点与所述第一种子点归为同一类别；同时，将第一种子点的八邻域内像素值大于第一温度阈值的像素点记为第一过热种子点，将第一过热种子点的八邻域内像素值大于第一温度阈值的像素点与所述第一种子点归为同一类别；并将第一过热种子点的八邻域内像素值大于第一温度阈值的像素点记为第二过热种子点，将第二过热种子点的八邻域内像素值大于第一温度阈值的像素点与所述第一种子点归为同一类别，以此类推，直至不存在满足条件的像素点时停止生长，第一种子点所在类别内所有像素点构成的区域为过热区域；

选择任意一个像素值小于第二温度阈值的像素点作为第二种子点，将第二种子点的八邻域内像素值小于第二温度阈值的像素点与所述第二种子点归为同一类别；同时，将第二种子点八邻域内像素值小于第二温度阈值的像素点记为第一过冷种子点，将第一过冷种子点的八邻域内像素值小于第二温度阈值的像素点与所述第二种子点归为同一类别；并将第一过冷种子点的八邻域内像素值小于第二温度阈值的像素点记为第二过冷种子点，将第二过冷种子点的八邻域内像素值小于第二温度阈值的像素点与所述第二种子点归为同一类别，以此类推，直至不存在满足条件的像素点时停止生长，第二种子所在类别内所有像素点构成的区域为过冷区域；

所述过热区域和过冷区域为温度特征区域。

4.根据权利要求3所述的一种用于温度测量数据的存储方法，其特征在于，所述根据温度特征区域内像素点和其邻域像素点的像素值之间的大小关系确定温度源点具体为：

对于过热区域，若像素点的像素值为邻域内像素点的像素值的最大值，则该像素点为热源点；对于过冷区域，若像素点的像素值为邻域内像素点的像素值的最小值，则该像素点为冷源点；所述热源点与冷源点为温度源点。

5.根据权利要求1所述的一种用于温度测量数据的存储方法，其特征在于，所述温度源点对应的单高斯模型的获取方法具体为：

；

其中，

表示温度特征区域内第o个温度源点的单高斯模型的函数值，

表示温度特征区域内第o个温度源点对应的影响程度值，

表示温度特征区域内第d个像素点的坐标，

表示温度特征区域内第o个温度源点的坐标，

表示根据温度特征区域内所有像素点的横坐标值与第o个温度源点的横坐标值计算得到的方差，

表示根据温度特征区域内所有像素点的纵坐标值与第o个温度源点的纵坐标值计算得到的方差，exp()为以自然常数e为底的指数函数。

6.根据权利要求1所述的一种用于温度测量数据的存储方法，其特征在于，所述负担值的获取方法具体为：

对于平面温度图像中任意一个像素点，计算像素点的像素值与第一阈值的差值记为第一差值，对第一差值与预设系数之间的乘积进行正相关映射得到像素点的负担值。

7.根据权利要求1所述的一种用于温度测量数据的存储方法，其特征在于，所述范围特征值的获取方法具体为：

将任意一个像素值大于或等于第一阈值的像素点记为目标像素点，对目标像素点的邻域内像素值大于或等于第一阈值的像素点进行标记，进而也对被标记的像素点的邻域内像素值大于或等于第一阈值的像素点进行标记，以此类推，直至所有像素点的邻域内不存在像素值大于或等于第一阈值的像素点时停止，将所有被标记的像素点的数量记为目标像素点的范围特征值。

8.根据权利要求1所述的一种用于温度测量数据的存储方法，其特征在于，所述调整系数的获取方法具体为：

当像素点的像素值小于第一阈值时，像素点对应的调整系数的取值为设定数值；当像素点的像素值大于或等于第一阈值时，对预设系数和范围特征值之间的乘积进行正相关映射得到像素点对应的调整系数。

9.根据权利要求1所述的一种用于温度测量数据的存储方法，其特征在于，所述不同时刻对应的平面温度图像的获取方法具体为：

对于任意一个时刻，将设定场景内不同位置的温度值作为像素点的像素值，一个位置对应一个像素点，构成平面温度图像；进而获得不同时刻对应的平面温度图像。

10.根据权利要求1所述的一种用于温度测量数据的存储方法，其特征在于，所述根据温度源点的像素值和温度阈值之间的差异得到温度源点的影响程度值具体为：以温度源点的像素值与温度阈值之间的差值的绝对值作为温度源点的影响程度值。

Images