[发明专利]一种基于监控视频的硬件系统状态监测和预警方法

说明书

本专利提出了一种基于视频监控的硬件系统状态监测和预警方法。首先在检测的硬件系统对应位置安装视频监控，采集硬件系统状态视频数据。然后采用视频图像内容分割、区域显著性目标检测等技术,建立硬件系统状态结构化视觉数据，建立坐标体系给出每个系统硬件的运行状态数据。方法采用精确的颜色和纹理相容的图像分割技术、基于区域显著性目标提取技术，有效保证了硬件状态监测结果的精度和效率，并能接入深度学习系统，从历史硬件状态视频数据中辅助判断硬件故障，并实时预警。本专利成果可直接使用于大型数据中心服务器、大规模石油石化装备等复杂系统的运行状态监测和预警。

技术领域

本发明一种基于监控视频的硬件系统状态的监测和预警方法，涉及领域是计算机视觉。

背景技术

随着自动化检测技术的不断发展，我们可以看到越来越多的基于图像处理技术来实现的硬件系统状态的自动化检测解决方案也层出不穷。通过计算机视觉技术所提出来的解决方案，是指利用计算机视觉采集设备将被被测对象通过处理和转换，形成计算机系统可识别的图像信息，然后发送给专用算法的图像处理系统，在依据专业算法将不同指标属性转换成数字化的信号并运算出检测目标的特征量，从而实现对被测产品状态的判断，甚至复杂情况下的精准判断。目前，针对设备控制面板上多数量硬件系统状态测试的自动化视觉检测还是个空白领域，硬件系统的多状态和亮度检测的复杂性，对计算机视觉检测的可靠性和准确性提出了更高的要求，导致目前自动化生产线上对多量硬件系统的检测还是通过人工结合机器的判断方法，存在很多漏洞，需要进一步的提升。本专利提出了一种基于机器视觉检测技术以实现大规模硬件系统状态群高速测试的创新解决方案。其硬件系统自动化检测系统更加的模块化，更加的定制化，也更加灵活的满足不同测试场景的要求。满足检测的灵活性，可靠性，和可扩展性，易于部署和实施，检测精确。

发明内容

本发明提出了一种基于机器视觉检测技术以实现大规模硬件系统状态群高速测试的创新解决方案，我们称之为鹰眼检测系统。针对硬件系统的位置偏移，亮度缺陷，色度缺陷等多种指标,鹰眼检测系统将会通过四象限的方法评估硬件系统的整体的成像效果，在每个1/4象限的范围内通过图像匹配技术在ROI范围内检测出硬件系统阴影和光强变化。鹰眼检测系统是通过3D modeling的方法来实现对一组硬件系统状态群的检测。通过提前设定的测试机架信息，硬件系统的类型信息，硬件系统的检测指标的配置信息，系统可以快速的规划出最佳的扫描检测方案，对特殊位置的硬件系统还可以确定最佳的检测角度以避免检测过程中的部分遮挡。另外对颜色准确性和一致性的检测精度和效率也有提升，并能和历史检测数据进行对比，适应大数据分析，有效地解决了目前行业中硬件系统检测的难点，使相关自动化检测效率大幅提升。我们已经进行了大量的实验并且运用鹰眼检测系统在实际的工业检测中，检测精度能够得到很好的提升，硬件系统自动化检测效率大幅提升。

本发明的技术方案如下：

步骤1，硬件系统状态视频图像颜色分割：颜色量化是将图像量化为具有代表性的10-20种颜色，将像素用类标签代替，得到一张Color-map。将图像的颜色空间由RGB转化为HSV，然后，算法采用PGF(Peer Group Filter)对图像进行预处理，消除图像的噪声，并采用GLA(Generalized Lloyd Algorithm)算法实现像素聚类，提取一些具有代表性的颜色来区别相邻的区域。在不同的尺度下，对Color-map的每个像素计算区域色彩差异值，根据该值分割硬件状态视频图像。

步骤2，硬件系统状态视频图像颜色分割：首先，将图像I均匀分割为尺寸为N×N的网格{G1,G2,…,Gm}，因此，分割后的数据变为：

I＝{G₁,G₂,...,G_m}

其中，m为每张图像中网格的总数。

接着，提取每个网格的纹理特征，本文采用Gabor纹理特征，提取的特征可以表示为：