CN117853986B - 一种基于油井设备的视频监控系统及方法 - Google Patents
一种基于油井设备的视频监控系统及方法 Download PDFInfo
- Publication number
- CN117853986B CN117853986B CN202410256072.6A CN202410256072A CN117853986B CN 117853986 B CN117853986 B CN 117853986B CN 202410256072 A CN202410256072 A CN 202410256072A CN 117853986 B CN117853986 B CN 117853986B
- Authority
- CN
- China
- Prior art keywords
- data
- anchor point
- oil well
- equipment
- well equipment
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 233
- 239000003129 oil well Substances 0.000 title claims abstract description 221
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000012545 processing Methods 0.000 claims abstract description 59
- 238000005520 cutting process Methods 0.000 claims abstract description 19
- 238000000605 extraction Methods 0.000 claims abstract description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 39
- 230000003595 spectral effect Effects 0.000 claims description 24
- 230000005540 biological transmission Effects 0.000 claims description 23
- 238000004458 analytical method Methods 0.000 claims description 22
- 238000001228 spectrum Methods 0.000 claims description 21
- 230000002159 abnormal effect Effects 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 238000004088 simulation Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 6
- 230000005457 Black-body radiation Effects 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 239000003550 marker Substances 0.000 claims description 2
- 230000008569 process Effects 0.000 description 12
- 238000001514 detection method Methods 0.000 description 9
- 230000000007 visual effect Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 238000007405 data analysis Methods 0.000 description 5
- 230000010354 integration Effects 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000003708 edge detection Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000003709 image segmentation Methods 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 230000002349 favourable effect Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000013478 data encryption standard Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000031700 light absorption Effects 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000000985 reflectance spectrum Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Landscapes
- Closed-Circuit Television Systems (AREA)
Abstract
本发明涉及视频监控技术领域，尤其涉及一种基于油井设备的视频监控系统及方法。所述方法包括以下步骤：获取实时工作视频监控数据；对实时工作视频监控数据进行迭代抽帧处理，得到视频帧监控数据；对视频帧监控数据进行油井设备锚点，得到油井设备锚点数据；基于预设的油井设备正常运行锚点数据对油井设备锚点数据进行锚点轨迹对比，得到油井设备锚点状态数据；本发明通过对油井设备锚点、状态判定、偏差区域图像切割和亮度重建，提高了油井设备监控的精确性和可靠性。
Description
技术领域
本发明涉及视频监控技术领域，尤其涉及一种基于油井设备的视频监控系统及方法。
背景技术
在油井行业，油井设备的监控数据通常以纸质形式记录，存档和检索都相对繁琐。然而，随着计算机技术的发展，勘察数据开始电子化记录。采用电子表格和数据库等工具，数据管理变得更为便捷。然而，仍然面临着存储容量受限和数据互操作性的挑战，随着油田勘探和生产的不断发展，油井设备的监控和维护变得至关重要。随着无线通信技术的发展，视频监控系统逐渐摆脱了对有线连接的依赖。通过使用无线传输技术，监控数据可以更便捷地传输到远程监控中心，操作人员可以随时随地监控设备状态。近年来，一种广泛应用于移动通信的蜂窝网络无线通信技术开始应用于这一领域，蜂窝网络基于基站和移动设备之间的无线连接。在油井设备监控中可以提供远程数据传输和实时监控的功能，使操作人员可以随时远程监测设备状态，然而通常缺乏通讯信号的稳定性，同时在视频监控系统在实时监控油井设备运行网络需求和检测异常方面存在一些限制。为了克服这些限制，研究人员通过改进视频监控系统在实时监控油井设备中的运行网络需求和检测异常方面的性能，旨在提供更准确和可靠的设备监控和异常检测。
发明内容
基于此，有必要提供一种基于油井设备的视频监控系统及方法，以解决至少一个上述技术问题。
为实现上述目的，一种基于油井设备的视频监控方法，包括以下步骤：步骤S1：获取实时工作视频监控数据；对实时工作视频监控数据进行迭代抽帧处理，得到视频帧监控数据；
步骤S2：对视频帧监控数据进行油井设备锚点，得到油井设备锚点数据；基于预设的油井设备正常运行锚点数据对油井设备锚点数据进行锚点轨迹对比，得到油井设备锚点状态数据；
步骤S3：当油井设备锚点状态数据为锚点契合数据时，对油井设备锚点数据进行动态密钥加密，得到加密设备锚点数据；当接受方获取加密设备锚点数据时，对加密设备锚点数据进行数据复原，得到解密设备锚点数据；对解密设备锚点数据进行设备运作图像重建，得到重建设备运作图像数据；
步骤S4：当油井设备锚点状态数据为锚点不契合数据时，基于锚点不契合数据对视频帧监控数据进行偏差区域图像切割，得到切割视频帧监控数据；对切割视频帧监控数据进行亮度重建，生成优化视频帧监控数据；对优化视频帧监控数据进行超像素拟合，得到清晰视频监控数据。
本发明通过获取实时工作视频监控数据并进行迭代抽帧处理，能够及时捕获油井设备的运行状态。这有助于快速发现潜在问题并采取相应措施，对视频帧监控数据进行油井设备锚点处理，可以精确定位油井设备的关键部位，从而更准确地监测设备状态和运行情况，基于预设的正常运行锚点数据进行对比，能够及时发现油井设备的异常状态，包括锚点契合与不契合数据。这有助于预防设备故障、提高生产效率，在锚点契合数据情况下进行动态密钥加密，能够保护设备监控数据的安全性，防止数据泄露和未经授权的访问，针对锚点不契合数据，通过偏差区域图像切割、亮度重建和超像素拟合等处理步骤，可以优化监控数据质量，提高图像清晰度和信息准确性，使监控结果更加可靠，有助于及时采取维修措施提高了油井设备监测的实时性、准确性和安全性，同时也提高了对设备异常情况的识别和处理能力，有利于保障油井设备的正常运行。因此，本发明通过对监控数据进行锚点处理、数据加密和数据分析，提高了油井设备监控的效率和准确性，同时保证数据的安全性。
在本说明书中，提供了一种基于油井设备的视频监控系统，用于执行如上所述的基于油井设备的视频监控方法，包括：数据获取模块，用于获取实时工作视频监控数据；对实时工作视频监控数据进行迭代抽帧处理，得到视频帧监控数据；
状态获取模块，用于对视频帧监控数据进行油井设备锚点，得到油井设备锚点数据；基于预设的油井设备正常运行锚点数据对油井设备锚点数据进行锚点轨迹对比，得到油井设备锚点状态数据；
数据传输模块，用于当油井设备锚点状态数据为锚点契合数据时，对油井设备锚点数据进行动态密钥加密，得到加密设备锚点数据；当接受方获取加密设备锚点数据时，对加密设备锚点数据进行数据复原，得到解密设备锚点数据；对解密设备锚点数据进行设备运作图像重建，得到重建设备运作图像数据；
数据优化模块，用于当油井设备锚点状态数据为锚点不契合数据时，基于锚点不契合数据对视频帧监控数据进行偏差区域图像切割，得到切割视频帧监控数据；对切割视频帧监控数据进行亮度重建，生成优化视频帧监控数据；对优化视频帧监控数据进行超像素拟合，得到清晰视频监控数据。
本发明的有益效果在于通过迭代抽帧处理，可以降低视频数据量，减少数据传输和存储的需求，提高数据处理和传输的效率，通过对视频帧监控数据进行锚点处理，可以准确提取出油井设备的关键信息，为后续的状态分析和判断提供基础数据，通过与预设的油井设备正常运行锚点数据进行对比，可以判断油井设备的状态，包括契合与不契合的情况，从而及时发现设备异常或故障，对油井设备锚点数据进行动态密钥加密可以保护数据的安全性，在数据传输过程中防止未经授权的访问和篡改，通过对解密设备锚点数据进行图像重建，可以还原设备的运作图像，提供直观的可视化信息，帮助操作人员进行设备状态的判断和分析，对于锚点不契合的情况，通过对视频帧监控数据进行偏差区域的图像切割，可以将关注点集中在异常区域，提高对设备异常的敏感度，通过对切割视频帧监控数据进行亮度重建和超像素拟合，可以提高视频图像的清晰度和质量，使操作人员更容易观察和分析设备状态。因此，本发明通过对监控数据进行锚点处理、数据加密和数据分析，提高了油井设备监控的效率和准确性，同时保证数据的安全性。
附图说明
图1为一种基于油井设备的视频监控方法的步骤流程示意图；
图2为图1中步骤S2的详细实施步骤流程示意图；
图3为图1中步骤S3的详细实施步骤流程示意图；
图4为图1中步骤S4的详细实施步骤流程示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
下面结合附图对本发明的技术方法进行清楚、完整的描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域所属的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，都属于本发明保护的范围。
此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器方法和/或微控制器方法中实现这些功能实体。
应当理解的是，虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元，但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说，在不背离示例性实施例的范围的情况下，第一单元可以被称为第二单元，并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。
为实现上述目的，请参阅图1至图4，一种基于油井设备的视频监控方法，包括以下步骤：步骤S1：获取实时工作视频监控数据；对实时工作视频监控数据进行迭代抽帧处理，得到视频帧监控数据；
步骤S2：对视频帧监控数据进行油井设备锚点，得到油井设备锚点数据；基于预设的油井设备正常运行锚点数据对油井设备锚点数据进行锚点轨迹对比，得到油井设备锚点状态数据；
步骤S3：当油井设备锚点状态数据为锚点契合数据时，对油井设备锚点数据进行动态密钥加密，得到加密设备锚点数据；当接受方获取加密设备锚点数据时，对加密设备锚点数据进行数据复原，得到解密设备锚点数据；对解密设备锚点数据进行设备运作图像重建，得到重建设备运作图像数据；
步骤S4：当油井设备锚点状态数据为锚点不契合数据时，基于锚点不契合数据对视频帧监控数据进行偏差区域图像切割，得到切割视频帧监控数据；对切割视频帧监控数据进行亮度重建，生成优化视频帧监控数据；对优化视频帧监控数据进行超像素拟合，得到清晰视频监控数据。
本发明的有益效果在于通过迭代抽帧处理，可以降低视频数据量，减少数据传输和存储的需求，提高数据处理和传输的效率，通过对视频帧监控数据进行锚点处理，可以准确提取出油井设备的关键信息，为后续的状态分析和判断提供基础数据，通过与预设的油井设备正常运行锚点数据进行对比，可以判断油井设备的状态，包括契合与不契合的情况，从而及时发现设备异常或故障，对油井设备锚点数据进行动态密钥加密可以保护数据的安全性，在数据传输过程中防止未经授权的访问和篡改，通过对解密设备锚点数据进行图像重建，可以还原设备的运作图像，提供直观的可视化信息，帮助操作人员进行设备状态的判断和分析，对于锚点不契合的情况，通过对视频帧监控数据进行偏差区域的图像切割，可以将关注点集中在异常区域，提高对设备异常的敏感度，通过对切割视频帧监控数据进行亮度重建和超像素拟合，可以提高视频图像的清晰度和质量，使操作人员更容易观察和分析设备状态。因此，本发明通过对监控数据进行锚点处理、数据加密和数据分析，提高了油井设备监控的效率和准确性，同时保证数据的安全性。
本发明实施例中，参考图1所述，为本发明一种基于油井设备的视频监控方法的步骤流程示意图，在本实例中，所述一种基于油井设备的视频监控方法包括以下步骤：步骤S1：获取实时工作视频监控数据；对实时工作视频监控数据进行迭代抽帧处理，得到视频帧监控数据；
本发明实施例中，在油井或设备周围安装摄像头或其他监控设备。这些设备可以是固定摄像头、全景摄像头或移动式摄像头，建立一个视频监控系统来接收、存储和处理监控数据。这个系统可以是一个专用的监控中心，也可以是一个基于网络的远程监控平台，设置监控设备和监控系统之间的实时数据传输通道，其中涉及到配置网络连接或使用专用的数据传输协议，监控系统接收到实时监控数据后，开始进行迭代抽帧处理，将接收到的视频数据解码成图像帧，按照预设的抽帧频率，选择需要处理的图像帧。例如，每秒钟抽取一帧或每隔几秒抽取一帧。对选定的图像帧进行必要的处理，例如图像增强、去噪。
步骤S2：对视频帧监控数据进行油井设备锚点，得到油井设备锚点数据；基于预设的油井设备正常运行锚点数据对油井设备锚点数据进行锚点轨迹对比，得到油井设备锚点状态数据；
本发明实施例中，从视频帧监控数据中提取油井设备的锚点，其中涉及到目标检测、物体跟踪或图像分割等计算机视觉技术，对于油井设备，采用形状识别、颜色识别或运动检测等方法来提取其锚点。锚点可以是设备的特定部位或标志物，用于标识设备的位置和状态，在系统部署前，需要收集和记录油井设备在正常运行状态下的锚点数据。这些数据可以是油井设备在不同时间点的位置、角度、运动状态等信息，作为正常运行状态的参考，将实时提取的油井设备锚点数据与预设的正常运行锚点数据进行对比。这包括比较锚点的位置、角度、速度等参数，以确定设备是否处于正常运行状态。根据锚点轨迹对比的结果，将油井设备锚点数据划分为两类：锚点契合数据和锚点不契合数据，锚点契合数据表示油井设备的锚点与预设的正常运行锚点相匹配，表明设备处于正常状态，锚点不契合数据表示油井设备的锚点与预设的正常运行锚点不匹配，表明设备存在异常情况或故障。
步骤S3：当油井设备锚点状态数据为锚点契合数据时，对油井设备锚点数据进行动态密钥加密，得到加密设备锚点数据；当接受方获取加密设备锚点数据时，对加密设备锚点数据进行数据复原，得到解密设备锚点数据；对解密设备锚点数据进行设备运作图像重建，得到重建设备运作图像数据；
本发明实施例中，在锚点状态数据为锚点契合数据时，首先对油井设备的锚点数据进行动态密钥加密，使用一次性的动态密钥对数据进行加密，以增强安全性，在加密之前，需要基于时间生成一个动态密钥，当前时间或时间戳作为输入传递给选择的哈希算法，使用哈希算法计算输入数据的哈希值，截取哈希值的一部分或者将哈希值转换为二进制形式，作为最终的动态密钥，使用生成的动态密钥对油井设备的锚点数据进行加密。常用的加密算法包括AES（高级加密标准）、RSA（非对称加密算法），将加密后的设备锚点数据传输给接受方，接受方获取加密设备锚点数据后，需要进行数据复原，即解密操作。这需要使用相同的动态密钥对加密数据进行解密才能得到原始的设备锚点数据，接受方需要获取用于加密的动态密钥。这可以通过安全的通道传输，或者使用公钥加密等方式确保密钥的安全传输，使用接受方获取的动态密钥对加密设备锚点数据进行解密操作，以还原出原始的设备锚点数据，一旦接受方获取到解密的设备锚点数据，可以利用这些数据进行设备运作图像的重建。
步骤S4：当油井设备锚点状态数据为锚点不契合数据时，基于锚点不契合数据对视频帧监控数据进行偏差区域图像切割，得到切割视频帧监控数据；对切割视频帧监控数据进行亮度重建，生成优化视频帧监控数据；对优化视频帧监控数据进行超像素拟合，得到清晰视频监控数据。
本发明实施例中，当检测到锚点不契合数据时，根据这些数据，确定视频帧监控数据中受影响的区域。这可以通过图像处理技术中的图像分割或区域检测来实现，对切割出的受影响区域的视频帧监控数据进行亮度重建。这涉及到对该区域的像素值进行调整或修复，以改善图像的视觉质量和可读性，可以使用图像处理算法来实现，例如直方图均衡化、对比度增强。将修复过的受影响区域与原始监控帧的其他部分重新组合，生成优化的视频帧监控数据，对优化的视频帧监控数据进行超像素拟合。超像素是对图像进行紧凑表示的方法，将相邻的像素组合成更大的区域，结合超像素拟合的结果，得到最终的清晰视频监控数据。
优选的，步骤S1包括以下步骤：步骤S11：获取实时工作视频监控数据；
步骤S12：对实时工作视频监控数据进行迭代抽帧处理，得到视频帧图像数据；
步骤S13：对视频帧图像数据进行设备区域兴趣强化，生成强化视频帧图像数据；
步骤S14：对强化视频帧图像数据进行边缘增强处理，得到视频帧监控数据。
本发明实时获取视频监控数据可以确保系统具备及时的感知和响应能力。这对于实时监测设备运行状态、检测问题和采取及时措施非常重要，迭代抽帧处理有助于减少数据量，降低处理复杂度，同时仍然保留了足够的信息来捕捉设备运行中的关键瞬间。这可以在带宽和计算资源有限的情况下提高效率，设备区域兴趣的强化确保了对关键区域的更加专注和详细的监控。这有助于快速识别设备上可能存在的问题，提高检测的准确性，边缘增强处理有助于突出图像中的细节和边缘结构，提高图像的清晰度和可视性。这对于更容易检测到设备的微小变化或异常情况非常有益，优化了视频监控系统的数据处理流程，使其更加高效、精确和适应实时环境。通过迭代、关注关键区域、强化图像细节，系统能够更好地应对设备运行过程中的变化和问题，从而提高监测的效能和准确性。
本发明实施例中，部署适用于实时视频监控的摄像头或传感器设备，配置设备以实时传输视频监控数据到监控系统中，设置抽帧频率，确定从实时视频数据中抽取的帧数和间隔，从实时视频流中提取抽帧，确保适当的覆盖范围和信息量，将抽取的帧保存为图像文件或处理为适合后续步骤的格式，根据特定设备和应用场景，定义设备区域兴趣（ROI），使用图像处理技术（如图像分割、目标检测等）将ROI标识出来，对ROI内的图像区域进行增强处理，以提高其对比度、清晰度或其他视觉特征，使用边缘增强算法（如Sobel算子、Canny边缘检测等）对强化的视频帧图像数据进行处理，确保边缘增强处理不会影响图像中的其他细节或特征，生成最终的视频帧监控数据，其中包含边缘增强后的图像信息。
优选的，步骤S2包括以下步骤：步骤S21：对视频帧监控数据进行颜色通道分离，得到分离视频帧监控数据；
步骤S22：对分离视频帧监控数据进行设备边缘锚点，得到油井设备锚点数据；
步骤S23：对油井设备锚点数据进行运动轨迹模拟，得到油井设备锚点轨迹数据；
步骤S24：对预设的油井设备正常运行锚点数据和油井设备锚点轨迹数据进行轨迹差异运算，生成油井设备锚点状态数据。
本发明通过分离视频帧的颜色通道可以提取出不同的颜色信息。这对于后续的分析和处理可能是有用的，例如，可以突出特定颜色的目标或区域，有助于更准确地检测和识别设备， 通过识别设备的边缘锚点，可以更准确地定位设备的位置。这有助于后续的轨迹模拟和状态分析，提高了系统对设备位置的敏感性，通过模拟设备的运动轨迹，系统可以生成设备在监控区域内的预期位置信息。这对于检测异常运动或位置偏移非常有用，有助于早期发现潜在问题，通过比较实际锚点轨迹数据和预设的正常运行锚点数据，可以识别出轨迹上的差异。生成的锚点状态数据可以包括契合和不契合的信息，从而帮助系统判断设备是否处于正常状态，有助于提高监控系统的准确性和实时性，使其能够更有效地检测和响应油井设备的异常情况，从而提高设备的安全性和可靠性。
作为本发明的一个实例，参考图2所示，在本实例中所述步骤S2包括：步骤S21：对视频帧监控数据进行颜色通道分离，得到分离视频帧监控数据；
本发明实施例中，使用适当的库（如OpenCV）将监控数据转换为图像格式，将图像转换为RGB格式，对每个像素，提取其红色、绿色和蓝色通道的值，创建三个独立的图像，每个图像代表原始图像中的一个颜色通道，红色通道图像（R）：包含原始图像中的红色部分，绿色通道图像（G）：包含原始图像中的绿色部分，蓝色通道图像（B）：包含原始图像中的蓝色部分，对每个分离的颜色通道图像进行处理，例如应用进一步的图像处理算法，或将它们保存为独立的图像文件。
步骤S22：对分离视频帧监控数据进行设备边缘锚点，得到油井设备锚点数据；
本发明实施例中，使用边缘检测算法（如Canny边缘检测）对分离的视频帧监控数据进行处理，将检测到的边缘连接成完整的边缘线条，可以通过应用边缘连接算法或线段连接算法来实现。根据预定义的油井设备形状和尺寸，筛选出可能代表油井设备的边缘线条。这可以通过比较边缘的长度、宽度和形状来实现，对于筛选出的油井设备边缘，计算其边缘上的锚点位置。这可以通过确定边缘的端点或极值点来实现，将计算得到的油井设备锚点数据保存到适当的数据结构中。
步骤S23：对油井设备锚点数据进行运动轨迹模拟，得到油井设备锚点轨迹数据；
本发明实施例中，从油井设备锚点数据中获取每个设备的位置信息和时间戳，选择适合的轨迹模拟算法，根据设备的当前位置、速度、加速度等参数模拟设备的运动轨迹。常用的模拟算法包括线性插值、贝塞尔曲线、样条插值，根据设备的历史运动数据（如果有）或者根据预设的设备运动规律，确定模拟过程中所需的运动参数，如速度、加速度、运动方向，根据选择的模拟算法和确定的运动参数，对每个设备进行轨迹模拟。根据时间步长逐步计算设备的位置，并更新轨迹数据，将模拟得到的油井设备轨迹数据保存到适当的数据结构中。
步骤S24：对预设的油井设备正常运行锚点数据和油井设备锚点轨迹数据进行轨迹差异运算，生成油井设备锚点状态数据。
本发明实施例中，从油井设备正常运行情况下获得的锚点数据中获取位置信息和时间戳，从油井设备锚点轨迹数据中获取模拟的设备轨迹信息，包括位置信息和时间戳，将预设的正常运行锚点数据和油井设备锚点轨迹数据进行时间对齐，确保二者的时间戳能够对应，对每个时间步，计算正常运行锚点数据与模拟轨迹数据之间的差异。这可以通过计算位置之间的欧氏距离或其他适当的差异度量来实现，基于设备特性、环境条件以及轨迹模拟的精度等因素定义一个合适的阈值，用于区分锚点契合和不契合的情况。根据差异计算结果，将每个时间步的锚点状态分类为契合或不契合，并生成相应的锚点状态数据，其中锚点契合数据为包含正常运行锚点数据和模拟轨迹数据之间契合的时间步信息，锚点不契合数据为包含正常运行锚点数据和模拟轨迹数据之间不契合的时间步信息。
优选的，步骤S24包括以下步骤：步骤S241：对预设的油井设备正常运行锚点数据和油井设备锚点轨迹数据进行设备启动时间点定位，得到设备启动时间数据；
步骤S242：基于设备启动时间数据对预设的油井设备正常运行锚点数据和油井设备锚点轨迹数据进行时间序列转换，生成油井设备正常运行锚点时间序列数据和油井设备锚点轨迹时间序列数据；
步骤S243：利用锚点动态时间规整算法对油井设备正常运行锚点时间序列数据和油井设备锚点轨迹时间序列数据进行时间序列相似度量，生成油井设备锚点状态数据；
本发明通过准确地确定设备启动时间点，可以有效地对正常运行锚点数据和锚点轨迹数据进行后续处理。这有助于排除设备启动过程中的噪音或不稳定因素，提高后续数据处理的准确性和可靠性，将锚点数据和轨迹数据转换为时间序列形式，使得数据能够更方便地进行时间序列分析和处理。这种转换可以使数据更易于理解和比较，并为后续的相似度量和规整算法提供了基础，利用锚点动态时间规整算法进行时间序列相似度量，能够有效地比较设备正常运行锚点数据和锚点轨迹数据之间的差异。通过生成锚点状态数据，可以清晰地了解设备运行过程中锚点的契合程度，从而及时发现设备运行异常或存在的问题。这有助于提高设备的可靠性和运行效率，减少故障发生和维修成本，提供了一套完整的数据处理流程，能够从设备启动到状态监测和分析，为油井设备的运行管理提供了有效的支持。
在本实例中所述步骤S24包括：步骤S241：对预设的油井设备正常运行锚点数据和油井设备锚点轨迹数据进行设备启动时间点定位，得到设备启动时间数据；
本发明实施例中，获取预设的油井设备正常运行锚点数据，包括油井设备在正常运行期间的各种参数、状态、传感器读数等信息，根据预设的油井设备正常运行锚点数据，以及油井设备锚点轨迹数据，通过算法或模型确定设备启动的时间点，可以通过识别设备状态的变化或特定事件的发生来确定，比如设备开始运转、产生特定的信号或数据模式，对于确定的设备启动时间点，进行验证和调整，包括与实际场景的对比、与其他数据源的比对。
步骤S242：基于设备启动时间数据对预设的油井设备正常运行锚点数据和油井设备锚点轨迹数据进行时间序列转换，生成油井设备正常运行锚点时间序列数据和油井设备锚点轨迹时间序列数据；
本发明实施例中，将启动时间数据与预设的锚点数据和轨迹数据进行时间序列转换，包括对数据进行插值或截断，以保持时间的一致性，确保设备启动时间与锚点数据和轨迹数据的时间轴对齐，根据设备启动时间，将预设的油井设备正常运行锚点数据转换为时间序列数据，这涉及到记录每个时间点上的锚点状态或位置信息，根据设备启动时间，将预设的油井设备锚点轨迹数据转换为时间序列数据。包括记录设备在不同时间点上的轨迹信息。将生成的油井设备正常运行锚点时间序列数据和油井设备锚点轨迹时间序列数据存储在适当的数据库或文件中。进行验证步骤，确保生成的时间序列数据与预期结果一致。
步骤S243：利用锚点动态时间规整算法对油井设备正常运行锚点时间序列数据和油井设备锚点轨迹时间序列数据进行时间序列相似度量，生成油井设备锚点状态数据。
本发明实施例中，使用锚点动态时间规整算法对正常运行锚点时间序列数据和锚点轨迹时间序列数据进行相似度量，根据相似度量的结果，将正常运行锚点时间序列数据和锚点轨迹时间序列数据中的锚点划分为两类：契合数据和不契合数据，其中契合数据表示设备在正常运行时，锚点的状态和轨迹与预期相符合；不契合数据表示设备在某些时间段内，锚点的状态和轨迹与预期不符合，可能存在异常情况，将生成的油井设备锚点状态数据（包括契合数据和不契合数据）存储在适当的数据库或文件中。
优选的，步骤S243中的锚点动态时间规整算法如下所示：；
其中，为油井设备描点状态阈值，为油井设备正常运行锚点时间序列数据的样
本数量，为油井设备描点轨迹时间序列数据的样本数量，为时间处的锚点状态数值，为时间时油井设备状态数值，为第个锚点和第个描点之间的时间偏移
量，为第个锚点和第个描点之间的距离度量，第个锚点和第个描点之间的权重值，为积分项的缩放参数，为限制积分范围的时间窗口，为第个锚点和第个描点之间的
时间值，为锚点状态在时间时的阶变化率，为阶数，为时间偏移量。
本发明构建了一种锚点动态时间规整算法，其中，当为0时，油井设备锚点状态
数据为锚点契合数据；当不为0时，油井设备锚点状态数据为锚点不契合数据，第一部分为在时间窗口到内，锚点状态数值和设备状态数
值的乘积的积分。用于捕捉锚点状态和设备状态之间的动态变化，第二部分中表示锚点状态在时间段[0, ]内的阶变化率的平方和的积分。用于保
持锚点状态的平滑性和连续性。表示要对公式中的整个表达式进行最小化操作，即
找到使表达式取得最小值的参数和，为两个嵌套的求和符号，用于对下面的
项进行求和。外层求和是从到，内层求和是从到。
公式中，通过最小化目标函数来求解最优的参数组合。该目标函数包含两部分：第一部分是关于锚点状态数值和设备状态数值之间的差异的平方和加权求和，第二部分是关于锚点状态数值的变化率的平方和的积分，综合考虑了锚点状态数值、设备状态数值、时间偏移量和距离度量等多个因素。通过引入权重值和缩放参数，可以调整不同因素对目标函数的贡献程度，从而灵活地调整优化的方向，通过最小化目标函数，可以找到最优的参数组合，使得锚点状态数值与设备状态数值之间的差异最小化，同时保持锚点状态数值的变化率平滑，过对锚点状态数值和设备状态数值进行建模和优化，可以得到更准确的设备状态预测、异常检测和故障诊断结果，有助于提高设备的可靠性和效率，因此，通过应用本发明提供的锚点动态时间规整算法，能够更好地控制对锚点状态数值的变化率的约束，从而更好地适应实际问题的需求。
优选的，步骤S3包括以下步骤：步骤S31：当油井设备锚点状态数据为锚点契合数据时，对油井设备锚点数据进行动态密钥加密，得到加密设备锚点数据；
步骤S32：对加密设备锚点数据进行二进制转换，生成加密设备锚点文本数据；
步骤S33：当接受方获取加密设备锚点文本数据时，对加密设备锚点文本数据进行数据复原，得到解密设备锚点数据；
步骤S34：对解密设备锚点数据进行设备运作图像重建，生成重建设备运作图像数据。
本发明通过动态密钥加密，对油井设备锚点数据进行加密处理，使得数据在传输和存储过程中更难以被未授权的第三方访问或窃取，从而增强了数据的安全性，通过加密处理，油井设备锚点数据的具体内容对于未授权的用户或系统是不可见的，有助于保护设备操作和相关数据的隐私，将加密的设备锚点数据进行二进制转换，可以有效地减少数据的大小，提高数据传输的效率，并且便于在网络上进行传输和存储，接受方可以使用相应的密钥对加密设备锚点文本数据进行解密，将其复原为原始的设备锚点数据，从而实现数据的还原和恢复，通过对解密的设备锚点数据进行处理和分析，可以进行设备运作图像的重建，即根据设备运行数据生成相应的运作图像，这有助于监控设备的运行状态、诊断设备故障，并支持相关的决策和控制，有助于提高油井设备数据的安全性、隐私保护以及数据传输的效率，并且提供了对设备运行状态进行监控和诊断的能力，从而为油井设备的运行管理提供了重要的支持和保障。
作为本发明的一个实例，参考图3所示，在本实例中所述步骤S3包括：步骤S31：当油井设备锚点状态数据为锚点契合数据时，对油井设备锚点数据进行动态密钥加密，得到加密设备锚点数据；
本发明实施例中，使用加密算法如AES（高级加密标准）、DES（数据加密标准），对油井设备的锚点数据进行动态密钥加密，使用一次性的动态密钥对数据进行加密，以增强安全性，在加密之前，需要基于时间生成一个动态密钥，当前时间或时间戳作为输入传递给选择的哈希算法，使用哈希算法计算输入数据的哈希值，截取哈希值的一部分或者将哈希值转换为二进制形式，作为最终的动态密钥，使用生成的动态密钥对油井设备的锚点数据进行加密。
步骤S32：对加密设备锚点数据进行二进制转换，生成加密设备锚点文本数据；
本发明实施例中，使用适当的编程语言或工具，将加密设备锚点数据转换为二进制形式。这通常涉及将数据中的每个字符或字节转换为其对应的二进制表示形式，确定要使用的二进制编码格式，包括ASCII、UTF-8，针对每个字符或字节，将其转换为相应的二进制形式。例如，对于ASCII字符，可以使用ASCII码表将每个字符映射到其8位二进制表示，将每个字符或字节的二进制表示形式组合在一起，形成完整的二进制数据序列，将二进制数据转换回文本格式。这可以通过将每个字节或一组字节转换为对应的字符来完成。这通常涉及将每8位二进制数据转换为一个字符。
步骤S33：当接受方获取加密设备锚点文本数据时，对加密设备锚点文本数据进行数据复原，得到解密设备锚点数据；
本发明实施例中，按照预设的协议或格式对二进制数据进行解析和重构，将二进制数据解析为原始的加密设备锚点数据格式，在进行解析和重构过程中，验证数据的完整性以确保其未被篡改或损坏。这可以通过校验和、哈希值或其他方法来实现，经过解析和验证后，得到的数据即为解密设备锚点数据。
步骤S34：对解密设备锚点数据进行设备运作图像重建，生成重建设备运作图像数据。
本发明实施例中，对解析出的设备锚点数据进行预处理。包括数据清洗、去噪、数据格式转换等操作，根据设备的特性和需要重建的图像类型，选择合适的图像重建算法。选择时序数据处理方法，重建时间序列图像，根据特点和数据的性质，选择适当的时序数据处理方法。常见的方法包括时间序列分析、机器学习方法（如循环神经网络、长短期记忆网络等）、统计方法（如ARIMA模型）、频域分析，使用选定的图像重建算法对处理后的数据进行处理，以生成设备运作图像数据。这可能涉及到数学建模、信号处理、机器学习等技术，将重建的设备运作图像数据进行可视化处理，包括生成图表、图形、热力图等可视化形式。
优选的，步骤S4包括以下步骤：步骤S41：当油井设备锚点状态数据为锚点不契合数据时，基于锚点不契合数据对油井设备锚点轨迹数据进行锚点偏差定位，得到锚点偏差区域数据；
步骤S42：根据锚点偏差区域数据对视频帧监控数据进行偏差区域图像切割，得到切割视频帧监控数据；
步骤S43：对切割视频帧监控数据进行亮度重建，生成优化视频帧监控数据；
步骤S44：对优化视频帧监控数据进行超像素拟合，得到清晰视频监控数据。
本发明通过对锚点不契合的数据进行偏差定位，可以确定设备的具体位置偏差。这有助于及早发现设备运行中的问题，提前采取措施进行修复和维护，从而减少潜在故障的发生，将锚点偏差区域应用于视频帧监控数据的切割，使得针对问题区域的监控更为专注。这有助于提高监控系统的效率，减少不必要的数据处理和分析，从而更迅速地响应和处理异常情况，通过对切割后的视频帧监控数据进行亮度重建，可以改善图像质量。这对于在低光条件下或者存在光照变化的情况下保持图像清晰度很有帮助，提高了对异常情况的敏感性，使用超像素拟合技术对优化视频帧监控数据进行处理，可以进一步提高图像的清晰度和细节还原。这有助于更准确地识别设备状态，以及监测环境中的变化，为决策提供更可靠的信息，整个处理流程综合应用了多个步骤，形成一个完整的处理链条，从而可以更全面地监测和优化油井设备的状态。通过有机结合不同的技术步骤，提高了系统的鲁棒性和适应性，使其更适用于复杂多变的工业环境。通过多层次、多角度的处理步骤，能够更全面、精准地监测和处理油井设备的异常情况，提高了设备管理的效率和可靠性。
作为本发明的一个实例，参考图4所示，在本实例中所述步骤S4包括：步骤S41：当油井设备锚点状态数据为锚点不契合数据时，基于锚点不契合数据对油井设备锚点轨迹数据进行锚点偏差定位，得到锚点偏差区域数据；
本发明实施例中，对获取的锚点状态数据进行分析和处理，以检测是否存在锚点不契合的情况。这涉及比较实际测量值与预期值之间的差异，或者通过模型或算法检测异常情况，一旦检测到锚点不契合的数据，就需要对油井设备的锚点轨迹数据进行定位，找出具体的锚点偏差位置。这可以通过测量锚点位置与预期位置之间的差异来实现，定位后，需要对锚点偏差区域进行进一步的分析，以确定其大小、形状和影响范围。这需要使用图像处理或数据分析技术来识别和量化偏差区域，将分析得到的锚点偏差区域信息转化为可用的数据格式，以便后续步骤使用。这包括将偏差区域的位置坐标、大小、形状等信息整合到数据结构中，将生成的锚点偏差区域数据保存并记录下来。
步骤S42：根据锚点偏差区域数据对视频帧监控数据进行偏差区域图像切割，得到切割视频帧监控数据；
本发明实施例中，使用锚点偏差区域数据来识别视频帧中的偏差区域。这可以通过图像处理技术，如边缘检测、颜色分割、形状识别等来实现，根据识别到的偏差区域，对视频帧进行切割，将视频帧中与偏差区域相对应的部分提取出来，形成新的图像或视频片段。切割可以是基于像素位置的操作，也可以是基于图像区域的操作，将切割后得到的视频帧或图像片段保存下来。
步骤S43：对切割视频帧监控数据进行亮度重建，生成优化视频帧监控数据；
本发明实施例中，将切割视频帧监控数据作为输入，对每个切割后的视频帧进行亮度分析，基于亮度分析结果，确定亮度重建的策略。重建策略涉及增加或减少亮度，调整亮度分布曲线，或者采用其他图像增强技术来优化视频帧的亮度，根据确定的重建策略，对每个切割后的视频帧进行亮度重建处理。这涉及到调整像素的亮度值、应用滤镜、应用增强算法等操作，以提高图像的视觉质量和可读性，对重建后的视频帧进行评估，检查亮度重建的效果，通过人工观察或使用图像质量评价指标来完成，可以调整重建参数以获得更好的效果，将经过亮度重建处理的视频帧保存为优化视频帧监控数据。
步骤S44：对优化视频帧监控数据进行超像素拟合，得到清晰视频监控数据。
本发明实施例中，对每个优化视频帧进行超像素分割，将图像分成相对均匀的区域，每个区域称为一个超像素。超像素分割可以采用现有的算法，如SLIC (Simple LinearIterative Clustering) 或者 Felzenszwalb算法，对每个超像素进行拟合，将其内部像素进行重新组合或平滑，以得到更清晰的图像。这可以通过图像处理技术，如均值滤波、高斯滤波、双边滤波等来实现，将拟合后的超像素重新组合成图像，得到清晰的视频监控数据。这可以通过将处理后的超像素重新组合成图像，或者在超像素级别上进行图像重建来实现，对拟合后的图像进行评估，检查拟合的效果。这可以通过人工观察或者使用图像质量评价指标来完成，将经过超像素拟合处理的视频帧保存为清晰视频监控数据。
优选的，步骤S43包括以下步骤：步骤S431：对切割视频帧监控数据进行非接触反射光分析，得到反射光谱数据；
步骤S432：利用反射光亮度计算公式基于反射光谱数据对切割视频帧监控数据进行区域亮度值计算，得到视频帧区域亮度数据；
步骤S433：对视频帧区域亮度数据进行动态亮度调整，得到亮度重建视频帧监控数据；
步骤S434：对亮度重建视频帧监控数据进行色彩再映射，生成优化视频帧监控数据。
本发明通过对切割视频帧监控数据进行反射光分析，可以获取反射光谱数据。这有助于理解监控场景中的光照情况，为后续步骤提供基础数据，利用反射光谱数据计算切割视频帧监控数据中每个区域的亮度值。这样做可以更准确地评估监控场景中不同区域的光照情况，为后续步骤提供必要的信息，对视频帧区域亮度数据进行动态调整，可以根据实际需求对监控图像的亮度进行优化。这有助于改善监控图像的可视性，使其更适合不同环境下的观察和分析，通过对亮度重建视频帧监控数据进行色彩再映射，可以进一步优化监控图像的视觉效果。这有助于增强图像的对比度、色彩饱和度等，提高图像的清晰度和可辨识度。
在本实例中所述步骤S43包括：步骤S431：对切割视频帧监控数据进行非接触反射光分析，得到反射光谱数据；
本发明实施例中，基于具体的监控需求选择在切割视频帧中的感兴趣区域，这涉及包含目标物体或关键区域的部分，部署非接触反射光分析装置，这可以是光谱仪、反射光传感器，启动反射光分析装置，对选定的ROI进行光谱数据的采集，记录不同波长的光在监控场景中的反射情况，形成反射光谱数据，对采集到的反射光谱数据进行处理，包括去除噪声、标定波长等操作，根据反射光谱数据，分析光谱特征，可能涉及识别不同光谱峰值、确定光谱范围，记录采集到的反射光谱信息，包括光谱曲线、波长范围。
步骤S432：利用反射光亮度计算公式基于反射光谱数据对切割视频帧监控数据进行区域亮度值计算，得到视频帧区域亮度数据；
本发明实施例中，在切割视频帧监控数据中，确定每个区域的边界。这可以通过预定义的区域，或者采用图像分割算法（如区域增长、阈值分割等）来实现，对于每个确定的区域，根据制定的亮度计算公式，计算该区域的亮度值。这涉及将反射光谱数据代入计算公式中，并考虑到每个波长的权重，对切割视频帧中的每个区域重复进行区域亮度值的计算，直到所有区域都被处理完毕，将计算得到的视频帧区域亮度数据保存下来，得到视频帧区域亮度数据。
步骤S433：对视频帧区域亮度数据进行动态亮度调整，得到亮度重建视频帧监控数据；
本发明实施例中，选择适当的亮度调整算法，包括线性调整、非线性调整、自适应调整，根据实际需求和算法的选择，制定调整规则，包括设定亮度调整的范围、阈值、变化速率等参数，对每个区域的亮度值根据设定的规则进行动态调整，可以通过加减一个偏移量、应用一个数学函数等方式来实现，处理可能出现的边缘情况，确保亮度调整后的值在合理范围内。这可以通过设定亮度的上下限、使用平滑算法等方式来处理，对视频帧中的每个区域重复进行动态亮度调整，直到所有区域都被处理完毕，将动态亮度调整后的视频帧区域亮度数据保存下来，得到亮度重建视频帧监控数据。
步骤S434：对亮度重建视频帧监控数据进行色彩再映射，生成优化视频帧监控数据。
本发明实施例中，将亮度重建视频帧监控数据作为输入，选择合适的色彩再映射算法，以提高监控图像的色彩表现和视觉质量。包括直方图均衡化、伽马校正、色彩空间转换，制定色彩再映射的规则。这包括调整像素的亮度、对比度、色调。根据映射规则调整像素的色彩值，对亮度重建视频帧监控数据中的每个像素应用色彩再映射算法。处理可能出现的边缘情况，确保色彩再映射后的像素值在合理范围内，避免出现过度增强或失真。根据需要，对色彩再映射算法的参数进行调整，将色彩再映射后的视频帧监控数据保存下来，得到优化视频帧监控数据。
优选的，步骤S432中的反射光亮度计算公式如下所示：；
其中，为在坐标（）处的视频帧区域亮度值，为光谱范围的上限，指定
积分的波长范围，为光谱范围的下限，为积分的波长变量，为入射光谱辐射度，为物体的反射系数，为在坐标（）处的物体表面的反射光谱吸收率，为
光源光谱能量分布，为光谱检测器的相对光谱响应值，为黑体辐射谱，为入
射光线的入射角度的余弦值，为观察角度与物体法线之间的夹角的余弦值。
本发明构建了一种反射光亮度计算公式，其中，首先考虑入射光的能量。入射光谱
辐射度表示入射光在不同波长处的能量强度，物体表面反射系数表示物体在不
同波长处反射光的比例，表示在坐标（）处的物体表面对不同波长的光的反射
光谱吸收率。描述了物体对不同波长光的吸收程度，表示光源的光谱能量分布，即光源
在不同波长处的能量强度，表示光谱检测器的相对光谱响应值，即检测器在不同波长处对光的响应程度，表示黑体辐射谱，描述了黑体在不同波长处的辐射能量，和是参与积分的波长范围的下限和上限，表示入射光线的入射角度的余弦值，表示观察角度与物体法线之间的夹角的余弦值，通过乘以、、、和
除以，将反射光亮度计算转化为对每个波长进行积分的形式，通过平方项，对反射光强度进行加权，乘以是为了考虑光线的入射角
度和观察角度对亮度的影响。通过对不同波长进行积分并考虑入射光、反射系数、光谱吸
收率、光源能量分布、检测器响应、黑体辐射谱以及入射角度和观察角度的影响，可以计算
出在给定坐标（）处的视频帧区域亮度值。
本公式综合考虑了多个影响因素，包括入射光谱辐射度、物体反射系数、物体表面
反射光谱吸收率、光源光谱能量分布、光谱检测器响应值、黑体辐射谱以及入射角度和观察
角度的余弦值。通过综合考虑这些因素，可以更准确地计算出给定坐标处的反射光亮度，公
式中的为和参数允许指定积分的波长范围。这使得可以根据需求选择特定的波长
范围，从而适应不同的应用场景，公式中的各个项对应于物理过程和量化参数，如入射光能
量、反射系数、光谱吸收率、光源能量分布、检测器响应等。这样，公式提供了一种物理可解
释的方式来计算反射光亮度，使得结果更具可信度和解释性，提供了一种综合考虑多个因
素的方法来计算反射光亮度，具有准确性、波长范围控制、物理可解释性和灵活性等有益之
处。这使得公式在光学和视觉相关领域的研究和应用中具有重要作用。因此，通过应用本发
明提供的反射光亮度计算公式，能够更好地评估和理解数据之间的依赖关系，优化数据处
理流程，提高数据质量和可靠性。
在本说明书中，提供了一种基于油井设备的视频监控系统，用于执行如上所述的基于油井设备的视频监控方法，包括：数据获取模块，用于获取实时工作视频监控数据；对实时工作视频监控数据进行迭代抽帧处理，得到视频帧监控数据；
状态获取模块，用于对视频帧监控数据进行油井设备锚点，得到油井设备锚点数据；基于预设的油井设备正常运行锚点数据对油井设备锚点数据进行锚点轨迹对比，得到油井设备锚点状态数据；
数据传输模块，用于当油井设备锚点状态数据为锚点契合数据时，对油井设备锚点数据进行动态密钥加密，得到加密设备锚点数据；当接受方获取加密设备锚点数据时，对加密设备锚点数据进行数据复原，得到解密设备锚点数据；对解密设备锚点数据进行设备运作图像重建，得到重建设备运作图像数据；
数据优化模块，用于当油井设备锚点状态数据为锚点不契合数据时，基于锚点不契合数据对视频帧监控数据进行偏差区域图像切割，得到切割视频帧监控数据；对切割视频帧监控数据进行亮度重建，生成优化视频帧监控数据；对优化视频帧监控数据进行超像素拟合，得到清晰视频监控数据。
本发明的有益效果在于通过迭代抽帧处理，可以降低视频数据量，减少数据传输和存储的需求，提高数据处理和传输的效率，通过对视频帧监控数据进行锚点处理，可以准确提取出油井设备的关键信息，为后续的状态分析和判断提供基础数据，通过与预设的油井设备正常运行锚点数据进行对比，可以判断油井设备的状态，包括契合与不契合的情况，从而及时发现设备异常或故障，对油井设备锚点数据进行动态密钥加密可以保护数据的安全性，在数据传输过程中防止未经授权的访问和篡改，通过对解密设备锚点数据进行图像重建，可以还原设备的运作图像，提供直观的可视化信息，帮助操作人员进行设备状态的判断和分析，对于锚点不契合的情况，通过对视频帧监控数据进行偏差区域的图像切割，可以将关注点集中在异常区域，提高对设备异常的敏感度，通过对切割视频帧监控数据进行亮度重建和超像素拟合，可以提高视频图像的清晰度和质量，使操作人员更容易观察和分析设备状态。因此，本发明通过对监控数据进行锚点处理、数据加密和数据分析，提高了油井设备监控的效率和准确性，同时保证数据的安全性。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在申请文件的等同要件的含义和范围内的所有变化涵括在本发明内。
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。
Claims (7)
1.一种基于油井设备的视频监控方法，其特征在于，包括以下步骤：
步骤S1：获取实时工作视频监控数据；对实时工作视频监控数据进行迭代抽帧处理，得到视频帧监控数据；
步骤S2：对视频帧监控数据进行油井设备锚点，得到油井设备锚点数据；基于预设的油井设备正常运行锚点数据对油井设备锚点数据进行锚点轨迹对比，得到油井设备锚点状态数据；其中，锚点是设备的特定部位或标志物，用于标识设备的位置和状态；步骤S2包括以下步骤：
步骤S21：对视频帧监控数据进行颜色通道分离，得到分离视频帧监控数据；
步骤S22：对分离视频帧监控数据进行设备边缘锚点，得到油井设备锚点数据；
步骤S23：对油井设备锚点数据进行运动轨迹模拟，得到油井设备锚点轨迹数据；
步骤S24：对预设的油井设备正常运行锚点数据和油井设备锚点轨迹数据进行轨迹差异运算，生成油井设备锚点状态数据；步骤S24包括以下步骤：
步骤S241：对预设的油井设备正常运行锚点数据和油井设备锚点轨迹数据进行设备启动时间点定位，得到设备启动时间数据；
步骤S242：基于设备启动时间数据对预设的油井设备正常运行锚点数据和油井设备锚点轨迹数据进行时间序列转换，生成油井设备正常运行锚点时间序列数据和油井设备锚点轨迹时间序列数据；
步骤S243：利用锚点动态时间规整算法对油井设备正常运行锚点时间序列数据和油井设备锚点轨迹时间序列数据进行时间序列相似度量，生成油井设备锚点状态数据；步骤S243中的锚点动态时间规整算法如下所示：
其中,Y为油井设备锚点状态阈值，当Y为0时，油井设备锚点状态数据为锚点契合数据，当Y不为0时，油井设备锚点状态数据为锚点不契合数据；N为油井设备正常运行锚点时间序列数据的样本数量，M为油井设备锚点轨迹时间序列数据的样本数量，A(t)为时间t处的锚点状态数值，X(t-Tij)为时间t-Tij时油井设备状态数值，Tij为第i个锚点和第j个锚点之间的时间偏移量，Dij为第i个锚点和第j个锚点之间的距离度量，wij为第i个锚点和第j个锚点之间的权重值，θ为积分项的缩放参数，Δ为限制积分范围的时间窗口，tij为第i个锚点和第j个锚点之间的时间值，为锚点状态A(t)在时间t时的n阶变化率，n为阶数，T为时间偏移量；
步骤S3：当油井设备锚点状态数据为锚点契合数据时，对油井设备锚点数据进行动态密钥加密，得到加密设备锚点数据；当接受方获取加密设备锚点数据时，对加密设备锚点数据进行数据复原，得到解密设备锚点数据；对解密设备锚点数据进行设备运作图像重建，得到重建设备运作图像数据；其中，锚点契合数据表明设备处于正常状态；
步骤S4：当油井设备锚点状态数据为锚点不契合数据时，基于锚点不契合数据对视频帧监控数据进行偏差区域图像切割，得到切割视频帧监控数据；对切割视频帧监控数据进行亮度重建，生成优化视频帧监控数据；对优化视频帧监控数据进行超像素拟合，得到清晰视频监控数据；其中，锚点不契合数据表明设备存在异常情况或故障。
2.根据权利要求1所述的基于油井设备的视频监控方法，其特征在于，步骤S1包括以下步骤：
步骤S11：获取实时工作视频监控数据；
步骤S12：对实时工作视频监控数据进行迭代抽帧处理，得到视频帧图像数据；
步骤S13：对视频帧图像数据进行设备区域兴趣强化，生成强化视频帧图像数据；
步骤S14：对强化视频帧图像数据进行边缘增强处理，得到视频帧监控数据。
3.根据权利要求1所述的基于油井设备的视频监控方法，其特征在于，步骤S3包括以下步骤：
步骤S31：当油井设备锚点状态数据为锚点契合数据时，对油井设备锚点数据进行动态密钥加密，得到加密设备锚点数据；
步骤S32：对加密设备锚点数据进行二进制转换，生成加密设备锚点文本数据；
步骤S33：当接受方获取加密设备锚点文本数据时，对加密设备锚点文本数据进行数据复原，得到解密设备锚点数据；
步骤S34：对解密设备锚点数据进行设备运作图像重建，生成重建设备运作图像数据。
4.根据权利要求1所述的基于油井设备的视频监控方法，其特征在于，步骤S4包括以下步骤：
步骤S41：当油井设备锚点状态数据为锚点不契合数据时，基于锚点不契合数据对油井设备锚点轨迹数据进行锚点偏差定位，得到锚点偏差区域数据；
步骤S42：根据锚点偏差区域数据对视频帧监控数据进行偏差区域图像切割，得到切割视频帧监控数据；
步骤S43：对切割视频帧监控数据进行亮度重建，生成优化视频帧监控数据；
步骤S44：对优化视频帧监控数据进行超像素拟合，得到清晰视频监控数据。
5.根据权利要求4所述的基于油井设备的视频监控方法，其特征在于，步骤S43包括以下步骤：
步骤S431：对切割视频帧监控数据进行非接触反射光分析，得到反射光谱数据；
步骤S432：利用反射光亮度计算公式基于反射光谱数据对切割视频帧监控数据进行区域亮度值计算，得到视频帧区域亮度数据；
步骤S433：对视频帧区域亮度数据进行动态亮度调整，得到亮度重建视频帧监控数据；
步骤S434：对亮度重建视频帧监控数据进行色彩再映射，生成优化视频帧监控数据。
6.根据权利要求5所述的基于油井设备的视频监控方法，其特征在于，步骤S432中的反射光亮度计算公式如下所示：
其中，L(x,y)为在坐标(x,y)处的视频帧区域亮度值，λmax为光谱范围的上限值，λmin为光谱范围的下限，λ为积分的波长变量，E(λ)为入射光谱辐射度，R(λ)为物体的反射系数，F(x,y,λ)为在坐标(x,y)处的物体表面的反射光谱吸收率，C(λ)为光源光谱能量分布，G(λ)为光谱检测器的相对光谱响应值，B(λ)为黑体辐射谱，cos(θ)为入射光线的入射角度的余弦值，cos(φ)为观察角度与物体法线之间的夹角的余弦值。
7.一种基于油井设备的视频监控系统，其特征在于，用于执行如权利要求1所述的基于油井设备的视频监控方法，该基于油井设备的视频监控系统包括：
数据获取模块，用于获取实时工作视频监控数据；对实时工作视频监控数据进行迭代抽帧处理，得到视频帧监控数据；
状态获取模块，用于对视频帧监控数据进行油井设备锚点，得到油井设备锚点数据；基于预设的油井设备正常运行锚点数据对油井设备锚点数据进行锚点轨迹对比，得到油井设备锚点状态数据；
数据传输模块，用于当油井设备锚点状态数据为锚点契合数据时，对油井设备锚点数据进行动态密钥加密，得到加密设备锚点数据；当接受方获取加密设备锚点数据时，对加密设备锚点数据进行数据复原，得到解密设备锚点数据；对解密设备锚点数据进行设备运作图像重建，得到重建设备运作图像数据；
数据优化模块，用于当油井设备锚点状态数据为锚点不契合数据时，基于锚点不契合数据对视频帧监控数据进行偏差区域图像切割，得到切割视频帧监控数据；对切割视频帧监控数据进行亮度重建，生成优化视频帧监控数据；对优化视频帧监控数据进行超像素拟合，得到清晰视频监控数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410256072.6A CN117853986B (zh) | 2024-03-06 | 2024-03-06 | 一种基于油井设备的视频监控系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410256072.6A CN117853986B (zh) | 2024-03-06 | 2024-03-06 | 一种基于油井设备的视频监控系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117853986A CN117853986A (zh) | 2024-04-09 |
| CN117853986B true CN117853986B (zh) | 2024-05-28 |
Family
ID=90540304
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410256072.6A Active CN117853986B (zh) | 2024-03-06 | 2024-03-06 | 一种基于油井设备的视频监控系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117853986B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118394792B (zh) * | 2024-06-28 | 2024-09-24 | 西安众望能源科技有限公司 | 一种油气田数据存储方法及系统 |
| CN118552458A (zh) * | 2024-07-30 | 2024-08-27 | 深圳市旭景数字技术有限公司 | 高清视频监控系统中图像质量自适应调整方法及系统 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109525194A (zh) * | 2018-10-15 | 2019-03-26 | 上海交通大学 | 光伏板故障光斑检测识别方法和系统 |
| CN110246157A (zh) * | 2019-06-21 | 2019-09-17 | 大庆安瑞达科技开发有限公司 | 基于大数据监控的油气田设备生产状态判别系统与方法 |
| CN110422586A (zh) * | 2019-07-30 | 2019-11-08 | 精英数智科技股份有限公司 | 一种皮带运输机工作状态监测方法、装置及设备 |
| CN110889395A (zh) * | 2019-12-12 | 2020-03-17 | 广州中科永信科技有限公司 | 基于机器学习的机械运动识别方法及系统 |
| CN113095225A (zh) * | 2021-04-13 | 2021-07-09 | 大庆安瑞达科技开发有限公司 | 一种红外周视的人工智能检测抽油机运行状态系统、方法、设备及存储介质 |
| CN114693739A (zh) * | 2022-04-11 | 2022-07-01 | 中国矿业大学 | 基于视觉跟踪算法的井下钻杆计数方法和装置 |
| CN115022590A (zh) * | 2022-05-31 | 2022-09-06 | 浪潮工业互联网股份有限公司 | 一种基于视频分析的油井安全监控方法、设备及存储介质 |
| CN115564733A (zh) * | 2022-10-08 | 2023-01-03 | 浙江大华技术股份有限公司 | 设备工作状态的检测方法、装置、存储介质和电子装置 |
| CN115953419A (zh) * | 2023-03-09 | 2023-04-11 | 天津艾思科尔科技有限公司 | 一种基于超像素分析的动态视频检测预处理方法 |
| CN117151675A (zh) * | 2023-03-16 | 2023-12-01 | 杭州水务数智科技股份有限公司 | 一种基于视频监控和加密的远程运维方法及系统 |
| CN117274380A (zh) * | 2023-09-20 | 2023-12-22 | 青岛高重信息科技有限公司 | 飞机廊桥靠接状态实时检测方法以及相关设备 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9900404B2 (en) * | 2016-05-06 | 2018-02-20 | Verizon Patent And Licensing Inc. | Smart device-assisted diagnosis of operating statuses of consumer devices |
| US12034967B2 (en) * | 2021-04-05 | 2024-07-09 | Nvidia Corporation | Superpixel generation and use |
-
2024
- 2024-03-06 CN CN202410256072.6A patent/CN117853986B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109525194A (zh) * | 2018-10-15 | 2019-03-26 | 上海交通大学 | 光伏板故障光斑检测识别方法和系统 |
| CN110246157A (zh) * | 2019-06-21 | 2019-09-17 | 大庆安瑞达科技开发有限公司 | 基于大数据监控的油气田设备生产状态判别系统与方法 |
| CN110422586A (zh) * | 2019-07-30 | 2019-11-08 | 精英数智科技股份有限公司 | 一种皮带运输机工作状态监测方法、装置及设备 |
| CN110889395A (zh) * | 2019-12-12 | 2020-03-17 | 广州中科永信科技有限公司 | 基于机器学习的机械运动识别方法及系统 |
| CN113095225A (zh) * | 2021-04-13 | 2021-07-09 | 大庆安瑞达科技开发有限公司 | 一种红外周视的人工智能检测抽油机运行状态系统、方法、设备及存储介质 |
| CN114693739A (zh) * | 2022-04-11 | 2022-07-01 | 中国矿业大学 | 基于视觉跟踪算法的井下钻杆计数方法和装置 |
| CN115022590A (zh) * | 2022-05-31 | 2022-09-06 | 浪潮工业互联网股份有限公司 | 一种基于视频分析的油井安全监控方法、设备及存储介质 |
| CN115564733A (zh) * | 2022-10-08 | 2023-01-03 | 浙江大华技术股份有限公司 | 设备工作状态的检测方法、装置、存储介质和电子装置 |
| CN115953419A (zh) * | 2023-03-09 | 2023-04-11 | 天津艾思科尔科技有限公司 | 一种基于超像素分析的动态视频检测预处理方法 |
| CN117151675A (zh) * | 2023-03-16 | 2023-12-01 | 杭州水务数智科技股份有限公司 | 一种基于视频监控和加密的远程运维方法及系统 |
| CN117274380A (zh) * | 2023-09-20 | 2023-12-22 | 青岛高重信息科技有限公司 | 飞机廊桥靠接状态实时检测方法以及相关设备 |
Non-Patent Citations (2)
| Title |
|---|
| 基于本地视频处理的抽油机状态监测;丁国栋 等;《电子设计工程》;20230630;第31卷(第11期);全文 * |
| 基于目标跟踪的抽油机运行状态监测;岳寒冰;《中国优秀硕士学位论文全文数据库 工程科技I辑(月刊)》;20230215(第02期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117853986A (zh) | 2024-04-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117853986B (zh) | 一种基于油井设备的视频监控系统及方法 | |
| US11810272B2 (en) | Image dehazing and restoration | |
| Ferrara et al. | Image forgery localization via fine-grained analysis of CFA artifacts | |
| CN109902633B (zh) | 基于固定位摄像机监控视频的异常事件检测方法及装置 | |
| Lin et al. | A passive approach for effective detection and localization of region-level video forgery with spatio-temporal coherence analysis | |
| CN102707340A (zh) | 一种基于视频图像的降雨量测量方法 | |
| CN106897653B (zh) | 基于红外和可见光视频融合的林区烟火检测方法及其检测系统 | |
| Vega et al. | Image tampering detection by estimating interpolation patterns | |
| CN116996665B (zh) | 基于物联网的智能监控方法、装置、设备及存储介质 | |
| CN112883836B (zh) | 一种煤矿井下巷道形变视频检测方法 | |
| WO2007004864A1 (en) | Method and apparatus for visual object recognition | |
| Erener et al. | A methodology for land use change detection of high resolution pan images based on texture analysis | |
| LU501796B1 (en) | Intelligent calculation method of multi-camera earthwork coverage based on blockchain technology | |
| US20230057340A1 (en) | Systems, methods, and devices for automated meter reading for smart field patrol | |
| Ahmed et al. | Automated intruder detection from image sequences using minimum volume sets | |
| Liu et al. | Splicing forgery localization via noise fingerprint incorporated with CFA configuration | |
| JP2007199750A (ja) | 画素群パラメータ算出方法及び目標物検出方法並びに画素群パラメータ算出装置及び目標物検出装置 | |
| CN113191423A (zh) | 一种基于slam的用于土地监管的穿戴设备 | |
| CN117830032B (zh) | 一种输电线网监控抓拍及风险评估方法及系统 | |
| Jakovčević et al. | A stereo approach to wildfire smoke detection: the improvement of the existing methods by adding a new dimension | |
| Körting et al. | How to effectively obtain metadata from remote sensing big data? | |
| Alam et al. | A Literature study on Image forgery | |
| Lin et al. | Towards automated remote sizing and hot steel manufacturing with image registration and fusion | |
| Wei et al. | A survey of passive image forensics | |
| CN113469043B (zh) | 安全帽佩戴状态检测方法、装置、计算机设备和存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |