[發明專利]互聯網數據中心的目標對象檢測方法、裝置和電子設備

有效

• 申請號: 202011312657.3
• 申請日: 2020-11-20
• 公開（公告）號: CN112258507B
• 公開（公告）日: 2021-07-23
• 發明（設計）人: 謝云昭;魏峰
• 申請（專利權）人: 財拓云計算（上海）有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62;G01J5/00
• 代理公司: 北京知果之信知識產權代理有限公司 11541
• 代理人: 卜榮麗

1.一種互聯網數據中心的目標對象檢測方法，其特征在于，包括：

獲取巡檢區域的可見光圖像和紅外圖像；

將所述可見光圖像和所述紅外圖像輸出至訓練好的網絡模型，得到熱故障區域和參照物，所述參照物為所述可見光圖像和所述紅外圖像中相似度大于預設值目標對象；

其中，所述網絡模型是采用IDC設備的可見光圖像和紅外圖像預先訓練好的深度學習圖像識別模型，所述網絡模型用于對可見光圖像中的設備進行識別、對紅外圖像中的熱故障區域進行識別、對紅外圖像中的非熱故障區域的設備進行識別作為參照物，所述參照物的選取包括發熱量或溫度小于預設值的物體，

所述訓練好的網絡模型包括第一網絡模型和第二網絡模型以及與所述第一網絡模型和所述第二網絡模型級聯的第三網絡模型，

所述第一網絡模型用于識別可見光圖像中的目標對象，包括IDC設備或設備部件，

所述第二網絡模型采用紅外圖像進行訓練，在訓練樣本中對紅外光圖像中的大于預設溫度的區域進行標記，

在溫度檢測時根據溫度標尺目標區域的位置分別確定溫度最大值區域和溫度最小值區域，通過光學識別程序讀取溫度最大值區域，獲取該紅外圖像中的溫度最大值區域，將最大溫度值區域作為熱故障區域進行標記，將其他溫度值區域作為紅外目標對象的識別區域，對紅外目標對象識別區域中的紅外目標對象進行標記，

所述第三網絡模型的輸入為第一網絡模型和第二網絡模型的輸出，在第一網絡模型識別到可見光目標對象之后，第二網絡模型識別到紅外目標對象，通過第三網絡模型對可見光目標對象和紅外光目標對象的相似度進行識別，在相似度大于預設值時，即認為可見光目標對象與紅外目標對象為同一目標對象，并將該目標對象確定為參照物，

基于所述熱故障區域與所述參照物的位置關系在所述可見光圖像中確定發生熱故障的可見光目標對象。

2.如權利要求1所述的互聯網數據中心的目標對象檢測方法，其特征在于，所述訓練好的網絡模型包括第一網絡模型和第二網絡模型以及與所述第一網絡模型和所述第二網絡模型級聯的第三網絡模型；

所述將所述可見光圖像和所述紅外圖像輸出至訓練好的網絡模型，得到熱故障區域和參照物包括：

將所述可見光圖像輸入至第一網絡模型識別可見光目標對象；

將所述紅外圖像輸入至第二網絡模型識別紅外目標對象和熱故障區域；

將所述可見光目標對象和所述紅外目標對象輸入至第三網絡模型預測所述可見光目標對象和所述紅外目標的相似度，得到所述參照物。

3.如權利要求2所述的互聯網數據中心的目標對象檢測方法，其特征在于，基于所述熱故障區域與所述參照物的位置關系在所述可見光圖像中確定發生熱故障的可見光目標對象包括：

計算熱故障區域的中心坐標和所述參照物的參照物坐標；

基于所述中心坐標和所述參照物坐標確定所述熱故障區域與所述參照物的位置關系；

將所述位置關系和所述參照物坐標映射至所述可見光圖像中，得到與所述熱故障區域對應的可見光目標對象。

4.如權利要求2所述的互聯網數據中心的目標對象檢測方法，其特征在于，所述將所述紅外圖像輸入至第二網絡模型識別紅外目標對象和熱故障區域包括：

基于所述第二網絡模型對所述紅外圖像按照熱力分布進行分類，得到熱故障區域和正常區域；

基于所述第二網絡模型識別所述正常區域內的紅外目標對象。

5.如權利要求1所述的互聯網數據中心的目標對象檢測方法，其特征在于，在將所述可見光圖像和所述紅外圖像輸出至訓練好的網絡模型之前包括：

獲取可見光圖像與紅外圖像的相機參數；

基于所述相機參數確定所述可見光圖像與所述紅外圖像的偏移量；

根據所述偏移量調整所述可見光圖像或所述紅外圖像，將所述可見光圖像與所述紅外圖像對齊。

6.如權利要求1所述的互聯網數據中心的目標對象檢測方法，其特征在于，獲取巡檢區域的可見光圖像和紅外圖像包括：

獲取可見光視頻和紅外視頻；

識別所述紅外視頻中存在發熱區域的紅外關鍵幀作為所述紅外圖像；

將與所述紅外關鍵幀同步的可見光視頻中的可見光關鍵幀作為可見光圖像。