[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

摘要

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。

主权项

1.一种基于视频监控的硬件系统状态监测方法，其特征在于：对图像提取时，进行以下步骤，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,...,Gm}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，提取的特征可表示为：V＝{V1,V2,...,Vm}然后，采用K‑means聚类算法对纹理特征进行聚类，聚类中心数为K；K‑means聚类算法不仅能够对这些高维数据进行聚类，而且能够降低特征维数，从而降低数据的复杂度；因此，每个网格Gj，j∈m都有一个所属的类别号l(Gj)，且l(Gj)∈K；其中，每个像素的所属的类别服从所属网格的类标号；即：表示第j个网格中的某个像素；表示该像素的类标号；l(Gj)表示Gj网格所属的类标号；这样，由Gabor纹理特征聚类得到的类标号，就形成了与原图尺寸相等的Texture‑map；步骤3，硬件系统状态视频图像特征相容：将纹理特征类标号和颜色特征类标号都相同的像素归为同一类，形成新的TC‑map；根据TC‑map分割硬件系统状态视频图像；步骤4，硬件系统状态视频图像显著目标提取：对分割图像进行锐化处理，获得锐化图像,进行灰度值进行提取，以硬件系统图像分割区域的几何中心点为基础，计算像素块sk的显著性值为S(sk)，按照如下公式计算Wn＝exp(‑δ×Ds(sk,VFn))其中，Ds(sk,VFn)表示像素块sk和新的视觉焦点VFn之间的空间距离；视觉焦点VFn的获得来自于显著性引力构成的一个引力合力Fall，其计算公式如下所示；Fi＝S(pi)exp(‑λ×D2(pi,VF))其中，S(pi)表示像素点pi的显著性值；D2(pi,VF)表示像素点pi到视觉焦点VF的距离；λ设置为1，用于控制空间权值的强度；步骤5，建立直角坐标系，得到硬件系统状态结构化数据库S_ij表示位于第i行第j列的系统设备状态数据；步骤6，建立状态预警模型如下其中是标准硬件系统状态显示数据，ε是预警误差控制参数，一般设为1。