基于图像处理的在线监控设备运行异常检测方法技术

本发明专利技术涉及图像数据处理技术领域，具体涉及一种基于图像处理的在线监控设备运行异常检测方法，包括：根据实时获取的待检测在线监控设备的监控区域图像，确定待检测在线监控设备的色彩分析指标；获取待检测在线监控设备及其各相关在线监控设备对应的重叠背景区域图像，确定各重叠背景区域图像中的优选连通域，根据优选连通域确定待检测在线监控设备的关联分析指标；根据色彩分析指标和关联分析指标，确定待检测在线监控设备的异常程度指标，根据异常程度指标判断待检测在线监控设备是否发生异常。本发明专利技术实现了待检测在线监控设备的运行异常检测，主要应用于在线监控设备运行检测领域，其提高了在线监控设备的异常检测结果的准确度。果的准确度。果的准确度。

【技术实现步骤摘要】
基于图像处理的在线监控设备运行异常检测方法


[0001]本专利技术涉及图像数据处理
，具体涉及一种基于图像处理的在线监控设备运行异常检测方法。

技术介绍

[0002]在线监控设备在各行各业都有所涉及，在线监控设备的运行状态会影响着所采集的视频和图像的质量，如采集图像出现不清晰等问题，为了保证在线监控设备所采集的图像或视频质量，需要实时监测在线监控设备的运行状态。目前大多数的在线监控设备运行状态检测是通过人工来监测在线监控设备的状况，但是该方法的实时性较差，且人为检测存在较大的主观性，容易出现漏检或误检的情况，该方法的异常检测的准确度较低，同时，针对大规模的在线监控系统，其包含的在线监控设备的数量较多，人为检测的工作效率低下，容易消耗大量的人力资源。
[0003]随着图像数据处理技术的发展，现有提出了一种基于图像识别技术的机房设备在线识别方法，该方法通过对采集到的图像进行视觉增强处理，得到增强彩色图像，利用神经网络提取图像特征，根据图像特征对目标设备进行检测和识别，判断机房是否存在安全隐患和异常状态的设备。神经网络在进行特征提取时存在特征提取不完整的情况，其容易导致监控设备检测结果的准确性降低，且该方法需要人为大量标注，导致监控设备运行状态检测的工作量增大、精度降低。

技术实现思路

[0004]为了解决上述在线监控设备检测结果的准确性低的技术问题，本专利技术的目的在于提供一种基于图像处理的在线监控设备运行异常检测方法，所采用的技术方案具体如下：本专利技术一个实施例提供了一种基于图像处理的在线监控设备运行异常检测方法，该方法包括以下步骤：实时获取待检测在线监控设备对应的不少于两帧的监控区域图像；获取LAB色彩空间中的各帧监控区域图像内每个像素点的第一色度和第二色度，根据所述第一色度和第二色度确定各帧监控区域图像的色度因子，根据所述色度因子确定待检测在线监控设备的色彩分析指标；获取待检测在线监控设备及其各相关在线监控设备对应的当前时刻的监控区域图像，根据所述当前时刻的监控区域图像，确定待检测在线监控设备及其各相关在线监控设备对应的重叠背景区域图像；根据各重叠背景区域图像内每个像素点的灰度值和位置，确定各重叠背景区域图像内每个像素点的关键特征参数和梯度变化因子，根据所述每个像素点的关键特征参数和梯度变化因子，确定各重叠背景区域图像内每个像素点的描述子函数值；根据所述描述子函数值确定各重叠背景区域图像中的优选连通域；根据所述优选连通域，确定待检测在线监控设备的关联分析指标；
根据待检测在线监控设备的色彩分析指标和关联分析指标，确定待检测在线监控设备的异常程度指标，根据所述异常程度指标，判断待检测在线监控设备是否发生异常。
[0005]进一步的，根据所述第一色度和第二色度确定各帧监控区域图像的色度因子，包括：根据各帧监控区域图像中每个像素点的第一色度和第二色度，确定各帧监控区域图像对应的第一色度均值、第二色度均值、第一色度均方差以及第二色度均方差；根据各帧监控区域图像对应的第一色度均值和第二色度均值，确定各帧监控区域图像的色度均值指标；根据各帧监控区域图像对应的第一色度均方差和第二色度均方差，确定各帧监控区域图像的色度均方差指标；根据各帧监控区域图像的色度均值指标和色度均方差指标，确定各帧监控区域图像的色度因子。
[0006]进一步的，根据各重叠背景区域图像内每个像素点的灰度值和位置，确定各重叠背景区域图像内每个像素点的关键特征参数和梯度变化因子，包括：根据各重叠背景区域图像内每个像素点的灰度值，确定每个像素点对应的灰度共生矩阵；根据每个像素点对应的灰度共生矩阵，确定每个像素点对应的灰度共生矩阵的关键特征参数；根据各重叠背景区域图像内每个像素点的位置，确定每个像素点在x方向、y方向的二阶偏导数和混合偏导数；根据每个像素点在x方向、y方向的二阶偏导数和混合偏导数，确定每个像素点的海森矩阵，根据所述每个像素点的海森矩阵，确定每个像素点的海森矩阵对应的第一特征值和第二特征值；根据每个像素点的海森矩阵对应的第一特征值和第二特征值，确定每个像素点的梯度变化因子。
[0007]进一步的，所述描述子函数值的计算公式为：，其中，为各重叠背景区域图像内每个像素点的描述子函数值，Ent为各重叠背景区域图像内每个像素点的关键特征参数，TD为各重叠背景区域图像内每个像素点的梯度变化因子，exp( )为以自然常数为底的指数函数。
[0008]进一步的，根据所述优选连通域，确定待检测在线监控设备的关联分析指标，包括：根据各重叠背景区域图像中的优选连通域，确定各优选连通域的颜色直方图；计算待检测在线监控设备对应的优选连通域的颜色直方图与各相关在线监控设备对应的优选连通域的颜色直方图之间的距离值，根据所述距离值确定待检测在线监控设备的关联分析指标。
[0009]进一步的，所述关联分析指标的计算公式为：，其中，R
s
为待检测在线监控设备的关联分析指标，e为自然常数，J为待检测在线监控设备的相关在线监
控设备的数量，为待检测在线监控设备对应的优选连通域的颜色直方图与第j个相关在线监控设备对应的优选连通域的颜色直方图之间的距离值。
[0010]进一步的，根据所述色度因子确定待检测在线监控设备的色彩分析指标，包括：从各帧监控区域图像的色度因子中选取出最大色度因子和最小色度因子，将最大色度因子与最小色度因子之和作为比值的分母，将最大色度因子和最小色度因子的差值绝对值作为比值的分子，将所述比值作为待检测在线监控设备的色彩分析指标。
[0011]进一步的，所述相关在线监控设备为待检测在线监控设备的邻域范围内、与待检测在线监控设备的监控区域存在重叠区域的其他在线监控设备。
[0012]进一步的，根据所述描述子函数值确定各重叠背景区域图像中的优选连通域，包括：从各重叠背景区域图像中筛选出描述子函数值小于预设函数阈值的像素点，将该像素点作为优选像素点，获得各重叠背景区域图像中的各个优选像素点；根据各重叠背景区域图像中的各个优选像素点，确定各重叠背景区域图像中的待选连通域，将每个重叠背景区域图像中面积最大的待选连通域作为优选连通域。
[0013]进一步的，根据所述异常程度指标，判断待检测在线监控设备是否发生异常，包括：若待检测在线监控设备的异常程度指标大于预设检测阈值，则判定待检测在线监控设备发生异常，否则，判定待检测在线监控设备没有发生异常。
[0014]本专利技术具有如下有益效果：本专利技术提供了一种基于图像处理的在线监控设备运行异常检测方法，该方法基于图像数据处理技术进行分析，适用于大规模的在线监控系统，鲁棒性较强，对实时获得的待检测在线监控设备对应的不少于两帧的监控区域图像进行分析处理，得到待检测在线监控设备的色彩分析指标，利用多帧图像所确定的色彩分析指标的参考性更高，且有助于提高在线监控设备运行异常检测的效率，该色彩分析指标是后续确定异常程度指标的关键指标；对待检测在线监控设备及其各相关在线监控设备对应的当前时刻的监控区域图像的图像特征进行分析，得到待检测在线监控设备及其各相关在线本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像处理的在线监控设备运行异常检测方法，其特征在于，包括以下步骤：实时获取待检测在线监控设备对应的不少于两帧的监控区域图像；获取LAB色彩空间中的各帧监控区域图像内每个像素点的第一色度和第二色度，根据所述第一色度和第二色度确定各帧监控区域图像的色度因子，根据所述色度因子确定待检测在线监控设备的色彩分析指标；获取待检测在线监控设备及其各相关在线监控设备对应的当前时刻的监控区域图像，根据所述当前时刻的监控区域图像，确定待检测在线监控设备及其各相关在线监控设备对应的重叠背景区域图像；根据各重叠背景区域图像内每个像素点的灰度值和位置，确定各重叠背景区域图像内每个像素点的关键特征参数和梯度变化因子，根据所述每个像素点的关键特征参数和梯度变化因子，确定各重叠背景区域图像内每个像素点的描述子函数值；根据所述描述子函数值确定各重叠背景区域图像中的优选连通域；根据所述优选连通域，确定待检测在线监控设备的关联分析指标；根据待检测在线监控设备的色彩分析指标和关联分析指标，确定待检测在线监控设备的异常程度指标，根据所述异常程度指标，判断待检测在线监控设备是否发生异常。2.根据权利要求1所述的一种基于图像处理的在线监控设备运行异常检测方法，其特征在于，根据所述第一色度和第二色度确定各帧监控区域图像的色度因子，包括：根据各帧监控区域图像中每个像素点的第一色度和第二色度，确定各帧监控区域图像对应的第一色度均值、第二色度均值、第一色度均方差以及第二色度均方差；根据各帧监控区域图像对应的第一色度均值和第二色度均值，确定各帧监控区域图像的色度均值指标；根据各帧监控区域图像对应的第一色度均方差和第二色度均方差，确定各帧监控区域图像的色度均方差指标；根据各帧监控区域图像的色度均值指标和色度均方差指标，确定各帧监控区域图像的色度因子。3.根据权利要求1所述的一种基于图像处理的在线监控设备运行异常检测方法，其特征在于，根据各重叠背景区域图像内每个像素点的灰度值和位置，确定各重叠背景区域图像内每个像素点的关键特征参数和梯度变化因子，包括：根据各重叠背景区域图像内每个像素点的灰度值，确定每个像素点对应的灰度共生矩阵；根据每个像素点对应的灰度共生矩阵，确定每个像素点对应的灰度共生矩阵的关键特征参数；根据各重叠背景区域图像内每个像素点的位置，确定每个像素点在x方向、y方向的二阶偏导数和混合偏导数；根据每个像素点在x方向、y方向的二阶偏导数和混合偏导数，确定每个像素点的海森矩阵，根据所述每个像素点的海森矩阵，确定每个像素点的海森矩阵对应的第一特征值和第二特征值；根据每个像素点的海森矩阵对应的第一特征值和第二特征值，确定每个像素点的梯度变化因子。
4.根据权利要求1所述的一种基于图像处理...

【专利技术属性】
技术研发人员：程凯，周亚斌，吴用，褚巍，
申请(专利权)人：安徽皖欣环境科技有限公司，
类型：发明
国别省市：