振动智能检测方法及相关产品论文和设计-高风波

全文摘要

本申请实施例公开了一种振动智能检测方法及相关产品,所述方法应用于振动检测服务器,所述振动检测服务器与摄像监控系统通信连接,方法包括接收来自所述摄像监控系统采集的待测物体的原始监控视频,获取所述原始监控视频中的多帧图像,确定待测物体的影像形状特征、影像完整度和影像亮度属性,再根据多帧图像、影像形状特征、影像完整度和影像亮度属性,确定待提取的特征点的目标类型以及目标类型对应的目标数量,进一步确定待测物体的振动信息,最后确定待测物体的运行状态,并将运行状态发送给安全运行中心。可见,本申请有利于提高振动智能检测的高效性、准确性和便捷性。

主设计要求

1.一种振动智能检测方法,其特征在于,应用于振动检测服务器,所述振动检测服务器与摄像监控系统通信连接;所述方法包括:接收来自所述摄像监控系统采集的待测物体的原始监控视频;获取所述原始监控视频中的多帧图像,确定所述待测物体的影像形状特征、影像完整度和影像亮度属性;根据所述多帧图像、所述影像形状特征、所述影像完整度和所述影像亮度属性,确定待提取的特征点的目标类型以及所述目标类型对应的目标数量,包括:根据所述原始监控视频确定所述待测物体为待测天然气管道,根据所述影像形状特征确定所述待测天然气管道的拐点数量X,获取所述影像完整度Y和所述影像亮度属性Z,其中,所述影像完整度包括所述待测天然气管道的影像占所述待测天然气管道整体的比例,所述影像完整度从0到1随面积占比的增加而升高,X为非负整数,Y大于0且小于1,Z为正整数;确定所述多帧图像中的特征点的目标类型,统计每个目标类型分别包括的特征点数量;确定需要提取的所述多帧图像的初始特征点数量为M,其中,M为正整数,且M小于或等于所述多帧图像中每个参考类型的特征点数量,所述参考类型为所述目标类型中特征点数量不为零的目标类型;根据参数组合(X,Y,Z)查询预设的映射关系表,获取所述参数组合(X,Y,Z)对应的特征点数量影响因子组合(S1,S2,S3,S4),其中,S1表示角点数量影响因子,S2表示边缘点数量影响因子,S3表示亮区暗点数量影响因子,S4表示暗区亮点数量影响因子;根据如下特征点数量计算公式确定需要从多个所述特征点中提取的所述目标类型为角点的特征点数量A、所述目标类型为边缘点的特征点数量B、所述目标类型为亮区暗点的特征点数量C、所述目标类型为暗区亮点的特征点数量D,A=(0.25+S1)×M,B=(0.25+S2)×M,C=(0.25+S3)×M,D=(0.25+S4)×M,其中,-0.25≦Si≦0.75,i=1,2,3,4,S1+S2+S3+S4=0,A、B、C、D为正整数;根据确定出的所述待提取的特征点的目标类型及所述目标类型对应的目标数量,确定所述待测物体的振动信息;根据所述振动信息确定所述待测物体的运行状态,并将所述运行状态发送给安全运行中心。

设计方案

1.一种振动智能检测方法,其特征在于,应用于振动检测服务器,所述振动检测服务器与摄像监控系统通信连接;所述方法包括:

接收来自所述摄像监控系统采集的待测物体的原始监控视频;

获取所述原始监控视频中的多帧图像,确定所述待测物体的影像形状特征、影像完整度和影像亮度属性;

根据所述多帧图像、所述影像形状特征、所述影像完整度和所述影像亮度属性,确定待提取的特征点的目标类型以及所述目标类型对应的目标数量,包括:

根据所述原始监控视频确定所述待测物体为待测天然气管道,根据所述影像形状特征确定所述待测天然气管道的拐点数量X,获取所述影像完整度Y和所述影像亮度属性Z,其中,所述影像完整度包括所述待测天然气管道的影像占所述待测天然气管道整体的比例,所述影像完整度从0到1随面积占比的增加而升高,X为非负整数,Y大于0且小于1,Z为正整数;

确定所述多帧图像中的特征点的目标类型,统计每个目标类型分别包括的特征点数量;

确定需要提取的所述多帧图像的初始特征点数量为M,其中,M为正整数,且M小于或等于所述多帧图像中每个参考类型的特征点数量,所述参考类型为所述目标类型中特征点数量不为零的目标类型;

根据参数组合(X,Y,Z)查询预设的映射关系表,获取所述参数组合(X,Y,Z)对应的特征点数量影响因子组合(S1,S2,S3,S4),其中,S1表示角点数量影响因子,S2表示边缘点数量影响因子,S3表示亮区暗点数量影响因子,S4表示暗区亮点数量影响因子;

根据如下特征点数量计算公式确定需要从多个所述特征点中提取的所述目标类型为角点的特征点数量A、所述目标类型为边缘点的特征点数量B、所述目标类型为亮区暗点的特征点数量C、所述目标类型为暗区亮点的特征点数量D,

A=(0.25+S1)×M,B=(0.25+S2)×M,

C=(0.25+S3)×M,D=(0.25+S4)×M,

其中,-0.25≦Si≦0.75,i=1,2,3,4,S1+S2+S3+S4=0,A、B、C、D为正整数;

根据确定出的所述待提取的特征点的目标类型及所述目标类型对应的目标数量,确定所述待测物体的振动信息;

根据所述振动信息确定所述待测物体的运行状态,并将所述运行状态发送给安全运行中心。

2.根据权利要求1所述的方法,其特征在于,所述预设的映射关系表包括如下对应关系:

参数组合(X1,Y1,Z1)与特征点数量影响因子组合(0.25,-0.05,-0.1,-0.1)之间的映射关系,X1取值范围是3≦X1≦6,Y1取值范围是0.7≦Y1≦1,Z1取值范围是4≦Z1≦5;

以及参数组合(X2,Y2,Z2)与特征点数量影响因子组合(-0.15,0,-0.05,0.2)之间的映射关系,X2取值范围是0≦X2≦3,Y2取值范围是0.7≦Y2≦1,Z2取值范围是1≦Z2≦3;

以及参数组合(X3,Y3,Z3)与特征点数量影响因子组合(-0.25,-0.1,0,0.35)之间的映射关系,X2取值范围是0≦X2≦2,Y2取值范围是0.2≦Y2≦0.6,Z2取值范围是1≦Z2≦3。

3.根据权利要求1所述的方法,其特征在于,所述根据确定出的所述待提取的特征点的目标类型及所述目标类型对应的目标数量,确定所述待测物体的振动信息,包括:

根据确定出的所述待提取的特征点的目标类型及所述目标类型对应的目标数量,确定稳定的多个运动特征点;

对所述多个运动特征点进行跟踪,获得所述多个运动特征点的轨迹向量;

根据所述多个运动特征点的轨迹向量确定所述待测物体的振动信息。

4.根据权利要求3所述的方法,其特征在于,所述根据确定出的所述待提取的特征点的目标类型及所述目标类型对应的目标数量,确定稳定的多个运动特征点,包括:

根据确定出的所述待提取的特征点的目标类型及所述目标类型对应的目标数量,提取所述待提取的特征点作为初始特征点;

将所述初始特征点基于最小差值平方和SSD匹配,计算所述初始特征点的流向量;

根据所述流向量计算所述初始特征点的偏移距离;

确定所述偏移距离在第一阈值范围内的初始特征点为稳定的运动特征点。

5.根据权利要求3或4任一项所述的方法,其特征在于,所述对所述多个运动特征点进行跟踪,获得所述多个运动特征点的轨迹向量,包括:

根据所述多帧图像中的第一帧图像确定所述多个运动特征点中的每个运动特征点的跟踪窗格的大小和位置,所述跟踪窗格用于在所述多帧图像之间对所述运动特征点进行跟踪,所述第一帧图像中的跟踪窗格包含所述运动特征点;

在所述多帧图像之间利用所述跟踪窗格对确定的每个所述运动特征点进行跟踪,得到所述多个运动特征点的运动轨迹;

根据所述多个运动特征点的运动轨迹,获取所述多个运动特征点的轨迹向量。

6.根据权利要求1所述的方法,其特征在于,所述根据所述振动信息确定所述待测物体的运行状态,并将所述运行状态发送给安全运行中心,包括:

获取所述待测物体的材质、体积、形状、运行时长、运行环境和运行数据,生成所述待测物体的预设振动信息;

根据所述振动信息获取所述待测物体的振动幅度和振动频率;

根据所述多帧图像,获取所述待测物体的周围环境状态;

检测所述振动幅度和\/或所述振动频率的变化情况,根据获取到的所述周围环境状态,将所述振动幅度和\/或所述振动频率的变化情况与相应的所述预设振动信息进行比对,生成比对结果;

根据所述比对结果,确定所述待测物体的运行状态,并将所述运行状态发送给安全运行中心。

7.一种振动智能检测装置,其特征在于,应用于振动检测服务器,所述振动检测服务器与摄像监控系统通信连接;所述振动智能检测装置包括处理单元、通信单元和存储单元,其中,

所述处理单元,用于调用所述通信单元接收来自所述摄像监控系统采集的待测物体的原始监控视频;以及用于获取所述原始监控视频中的多帧图像,确定所述待测物体的影像形状特征、影像完整度和影像亮度属性;以及用于根据所述多帧图像、所述影像形状特征、所述影像完整度和所述影像亮度属性,确定待提取的特征点的目标类型以及所述目标类型对应的目标数量,包括:根据所述原始监控视频确定所述待测物体为待测天然气管道,根据所述影像形状特征确定所述待测天然气管道的拐点数量X,获取所述影像完整度Y和所述影像亮度属性Z,其中,所述影像完整度包括所述待测天然气管道的影像占所述待测天然气管道整体的比例,所述影像完整度从0到1随面积占比的增加而升高,X为非负整数,Y大于0且小于1,Z为正整数;确定所述多帧图像中的特征点的目标类型,统计每个目标类型分别包括的特征点数量;确定需要提取的所述多帧图像的初始特征点数量为M,其中,M为正整数,且M小于或等于所述多帧图像中每个参考类型的特征点数量,所述参考类型为所述目标类型中特征点数量不为零的目标类型;根据参数组合(X,Y,Z)查询预设的映射关系表,获取所述参数组合(X,Y,Z)对应的特征点数量影响因子组合(S1,S2,S3,S4),其中,S1表示角点数量影响因子,S2表示边缘点数量影响因子,S3表示亮区暗点数量影响因子,S4表示暗区亮点数量影响因子;根据如下特征点数量计算公式确定需要从多个所述特征点中提取的所述目标类型为角点的特征点数量A、所述目标类型为边缘点的特征点数量B、所述目标类型为亮区暗点的特征点数量C、所述目标类型为暗区亮点的特征点数量D,A=(0.25+S1)×M,B=(0.25+S2)×M,C=(0.25+S3)×M,D=(0.25+S4)×M,其中,-0.25≦Si≦0.75,i=1,2,3,4,S1+S2+S3+S4=0,A、B、C、D为正整数;以及用于根据确定出的所述待提取的特征点的目标类型及所述目标类型对应的目标数量,确定所述待测物体的振动信息;以及用于根据所述振动信息确定所述待测物体的运行状态,并调用所述通信单元将所述运行状态发送给安全运行中心。

8.一种振动检测服务器,其特征在于,包括处理器、存储器、通信接口,以及一个或多个程序,所述一个或多个程序被存储在所述存储器中,并且被配置由所述处理器执行,所述程序包括用于执行如权利要求1-6任一项所述的方法中的步骤的指令。

9.一种计算机可读存储介质,其特征在于,存储用于电子数据交换的计算机程序,其中,所述计算机程序使得计算机执行如权利要求1-6任一项所述的方法。

设计说明书

技术领域

本申请涉及互联网技术领域,具体涉及一种振动智能检测方法及相关产品。

背景技术

互联网Internet属于传媒领域,又称国际网络,是网络与网络之间所串连成的庞大网络,这些网络以一组通用的协议相连,形成逻辑上的单一巨大国际网络。“互联网+”利用信息通信技术以及互联网平台,让互联网与传统行业进行深度融合,创造新的发展生态。

以天然气管道检测行业为例,现如今天然气管道日益增多,天然气管道安全性至关重要,发生事故时危害性大,波及范围广。目前针对天然气管道的检测方法多采用本地化检测设备或人员现场检测,存在耗时耗力,使用环境受限,测试区小、难以实现远程监控等缺点,难以满足日益增多的天然气管道的智能化检测需求。

发明内容

本申请实施例提供了一种振动智能检测方法及相关产品,以期提高振动智能检测的高效性和便捷性。

具体的,本申请实施例所公开的振动检测方法中的数据传输流程可以基于互联网+技术,形成本地+云端或服务器的分布式智能化振动检测系统,一方面本地可以通过采集装置进行精确的原始影像采集和预处理,另一方面云端或服务器可以基于获取到的分布式数据,结合通过大数据技术统计分析得到的各类专用故障检测模型,预测被检测目标的故障,实现互联网与传统故障监测行业的深度融合,提高故障监测的智能性和准确度,满足天然气管道场景中的智能化的振动检测需求。

第一方面,本申请实施例提供一种振动智能检测方法,应用于振动检测服务器,所述振动检测服务器与摄像监控系统通信连接;所述方法包括:

接收来自所述摄像监控系统采集的待测物体的原始监控视频;

获取所述原始监控视频中的多帧图像,确定所述待测物体的影像形状特征、影像完整度和影像亮度属性;

根据所述多帧图像、所述影像形状特征、所述影像完整度和所述影像亮度属性以及预设的特征点类型组合策略,确定待提取的特征点的目标类型以及所述目标类型对应的目标数量;

根据确定出的所述待提取的特征点的目标类型及所述目标类型对应的目标数量,确定所述待测物体的振动信息;

根据所述振动信息确定所述待测物体的运行状态,并将所述运行状态发送给安全运行中心。

第二方面,本申请实施例提供一种振动智能检测装置,应用于振动检测服务器,所述振动检测服务器与摄像监控系统通信连接;所述振动智能检测装置包括处理单元、通信单元和存储单元,其中,

所述处理单元,用于调用所述通信单元接收来自所述摄像监控系统采集的待测物体的原始监控视频;以及用于获取所述原始监控视频中的多帧图像,确定所述待测物体的影像形状特征、影像完整度和影像亮度属性;以及用于根据所述多帧图像、所述影像形状特征、所述影像完整度和所述影像亮度属性,确定待提取的特征点的目标类型以及所述目标类型对应的目标数量;以及用于根据确定出的所述待提取的特征点的目标类型及所述目标类型对应的目标数量,确定所述待测物体的振动信息;以及用于根据所述振动信息确定所述待测物体的运行状态,并调用所述通信单元将所述运行状态发送给安全运行中心。

第三方面,本申请实施例提供一种振动检测服务器,包括处理器、存储器、通信接口以及一个或多个程序,其中,上述一个或多个程序被存储在上述存储器中,并且被配置由上述处理器执行,上述程序包括用于执行本申请实施例第一方面任一方法中的步骤的指令。

第四方面,本申请实施例提供了一种计算机可读存储介质,其中,上述计算机可读存储介质存储用于电子数据交换的计算机程序,其中,上述计算机程序使得计算机执行如本申请实施例第二方面任一方法中所描述的部分或全部步骤。

第五方面,本申请实施例提供了一种计算机程序产品,其中,上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,上述计算机程序可操作来使计算机执行如本申请实施例第二方面任一方法中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。

可以看出,本申请实施例中,提供了一种振动智能检测方法及相关产品,所述方法应用于振动检测服务器,所述振动检测服务器与摄像监控系统通信连接,包括:接收来自所述摄像监控系统采集的待测物体的原始监控视频,获取所述原始监控视频中的多帧图像,确定所述待测物体的影像形状特征、影像完整度和影像亮度属性,再根据所述多帧图像、所述影像形状特征、所述影像完整度和所述影像亮度属性,确定待提取的特征点的目标类型以及所述目标类型对应的目标数量,进一步确定所述待测物体的振动信息,最后确定所述待测物体的运行状态,并将所述运行状态发送给安全运行中心。可见,本申请通过振动分析,精准便捷的获取待测物体的运行状态,融合预设振动信息进行故障预测,有利于提高振动检测的有效性、便捷性和通用性;同时,所述振动智能检测装置不需要在被测物体上进行安装、随用随测并且能保存和分析大量振动物体使用时历史测试数据,有利于提高振动智能检测的高效性、准确性和便捷性。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的振动检测服务器的示意图;

图2A是本申请实施例提供的一种振动智能检测方法的流程示意图;

图2B是本申请实施例提供的一种运动特征点跟踪的示意图;

图3是本申请实施例提供的一种振动检测服务器的结构示意图;

图4是本申请实施例提供的一种振动智能检测装置的功能单元组成框图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。

在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。

下面对本申请实施例进行详细介绍。

该振动智能检测方法属于非接触式的振动检测方法,如图1所示,待测物体130,一种振动检测服务器110与摄像监控系统120通信连接。其可以避免因特殊情况无法接触被测物体时而导致的无法获取测点数据的问题。

请参阅图2A,图2A是本申请实施例提供了一种振动智能检测方法的流程示意图,应用于振动检测服务器,所述振动检测服务器与摄像监控系统通信连接;如图所示,本振动智能检测方法包括:

S201,振动检测服务器接收来自所述摄像监控系统采集的待测物体的原始监控视频;

其中,所述原始监控视频包括多帧图像,所述多帧图像包括所述待测物体的影像和\/或周围环境影像。

S202,所述振动检测服务器获取所述原始监控视频中的多帧图像,确定所述待测物体的影像形状特征、影像完整度和影像亮度属性;

S203,所述振动检测服务器根据所述多帧图像、所述影像形状特征、所述影像完整度和所述影像亮度属性,确定待提取的特征点的目标类型以及所述目标类型对应的目标数量;

其中,所述目标类型包括角点、边缘点、亮区暗点和暗区亮点。

S204,所述振动检测服务器根据确定出的所述目标类型及所述目标类型对应的目标数量,确定所述待测物体的振动信息;

其中,所述待测物体的振动信息包括所述待测物体的振动幅度和振动频率。

S205,所述振动检测服务器根据所述振动信息确定所述待测物体的运行状态,并将所述运行状态发送给安全运行中心。

其中,所述将所述运行状态发送给安全运行中心包括所述待测物体的画面信息和提示声音信息,确保将所述待测物体的运行状态及时告知所述管理人员,所述运行状态用于指示所述安全运行中心的管理人员对所述待测物体及时进行管理检修工作。

可以看出,本申请实施例中,提供了一种振动智能检测方法及相关产品,所述方法应用于振动检测服务器,所述振动检测服务器与摄像监控系统通信连接,包括:接收来自所述摄像监控系统采集的待测物体的原始监控视频,获取所述原始监控视频中的多帧图像,确定所述待测物体的影像形状特征、影像完整度和影像亮度属性,再根据所述多帧图像、所述影像形状特征、所述影像完整度和所述影像亮度属性,确定待提取的特征点的目标类型以及所述目标类型对应的目标数量,进一步确定所述待测物体的振动信息,最后确定所述待测物体的运行状态,并将所述运行状态发送给安全运行中心。可见,本申请通过振动分析,精准便捷的获取待测物体的运行状态,融合预设振动信息进行故障预测,有利于提高振动检测的有效性、便捷性和通用性;同时,所述振动智能检测装置不需要在被测物体上进行安装、随用随测并且能保存和分析大量振动物体使用时历史测试数据,有利于提高振动智能检测的高效性、准确性和便捷性。

在一个可能的示例中,所述振动检测服务器根据所述多帧图像、所述影像形状特征、所述影像完整度和所述影像亮度属性,确定待提取的特征点的目标类型以及所述目标类型对应的目标数量,包括:振动检测服务器根据所述原始监控视频确定所述待测物体为待测天然气管道,根据所述影像形状特征确定所述待测天然气管道的拐点数量X,获取所述影像完整度Y和所述影像亮度属性Z,其中,X为非负整数,Y大于0且小于1,Z为正整数;所述振动检测服务器确定所述多帧图像中的特征点的目标类型,统计每个目标类型分别包括的特征点数量;所述振动检测服务器确定需要提取的所述多帧图像的初始特征点数量为M,其中,M为正整数,且M小于或等于所述多帧图像中每个参考类型的特征点数量,所述参考类型为所述目标类型中特征点数量不为零的目标类型;所述振动检测服务器根据参数组合(X,Y,Z)查询预设的映射关系表,获取所述参数组合(X,Y,Z)对应的特征点数量影响因子组合(S1,S2,S3,S4),其中,S1表示角点数量影响因子,S2表示边缘点数量影响因子,S3表示亮区暗点数量影响因子,S4表示暗区亮点数量影响因子;所述振动检测服务器根据如下特征点数量计算公式确定需要从所述多个特征点中提取的所述目标类型为角点的特征点数量A、所述目标类型为边缘点的特征点数量B、所述目标类型为亮区暗点的特征点数量C、所述目标类型为暗区亮点的特征点数量D,

A=(0.25+S1)×M,B=(0.25+S2)×M,

C=(0.25+S3)×M,D=(0.25+S4)×M,

其中,-0.25≦Si≦0.75,i=1,2,3,4,S1+S2+S3+S4=0,A、B、C、D为正整数。

其中,所述影像形状特征包括所述待测天然气管道的拐角区域特征,和\/或所述待测天然气管道的直管区域特征。

其中,所述影像完整度包括所述待测天然气管道的影像占所述待测天然气管道整体的比例,所述影像完整度从0到1随面积占比的增加而升高。

其中,所述影像亮度属性包括根据所述多帧图像的亮度由低到高分为1到5级。

具体实现中,振动检测服务器根据所述影像形状特征确定所述多帧图像中待测天然气管道的拐点数量2,获取所述影像完整度1和所述影像亮度属性3,根据所述多帧图像中的特征点的目标类型,统计每个目标类型分别包括的特征点数量为角点320个,边缘点300个,亮区暗点120个,暗区亮点105个;根据每个目标类型分别包括的特征点数量,为了合理的减小运算量,先确定需要获取提取的所述多帧图像的初始特征点数量为100个,,根据参数组合(2,1,3)查询预设的映射关系表,获取所述参数组合(2,1,3)对应的特征点数量影响因子组合(0.15,0.15,-0.1,-0.2),通过下述计算得到需要从所述多个特征点中提取的目标类型为角点的特征点数量、目标类型为边缘点的特征点数量、目标类型为亮区暗点的特征点数量和目标类型为暗区亮点的特征点数量,

所述需要从所述多个特征点中提取的目标类型为角点的特征点数量=(0.25+0.15)×100=40,

所述需要从所述多个特征点中提取的目标类型为边缘点的特征点数量=(0.25+0.15)×100=40,

所述需要从所述多个特征点中提取的目标类型为亮区暗点的特征点数量=[0.25+(-0.1)]×100=15,

所述需要从所述多个特征点中提取的目标类型为暗区亮点的特征点数量=[0.25+(-0.2)]×100=5。

具体实现中,振动检测服务器根据所述影像形状特征确定所述多帧图像中待测天然气管道的拐点数量0,获取所述影像完整度1和所述影像亮度属性1,根据所述多帧图像中的特征点的目标类型,统计每个目标类型分别包括的特征点数量为为角点0个,边缘点500个,亮区暗点270个,暗区亮点120个;根据每个目标类型分别包括的特征点数量,为了合理的减小运算量,先确定需要获取提取的所述多帧图像的初始特征点数量为100个,根据参数组合(0,1,4)查询预设的映射关系表,获取所述参数组合(0,1,4)对应的特征点数量影响因子组合(-0.25,0.35,0.05,-0.15),通过下述计算得到需要从所述多个特征点中提取的目标类型为角点的特征点数量、目标类型为边缘点的特征点数量、目标类型为亮区暗点的特征点数量和目标类型为暗区亮点的特征点数量,

所述需要从所述多个特征点中提取的目标类型为角点的特征点数量=[0.25+(-0.25)]×100=0,

所述需要从所述多个特征点中提取的目标类型为边缘点的特征点数量=(0.25+0.35)×100=60,

所述需要从所述多个特征点中提取的目标类型为亮区暗点的特征点数量=(0.25+0.05)×100=30,

所述需要从所述多个特征点中提取的目标类型为暗区亮点的特征点数量=[0.25+(-0.15)]×100=10。

可见,本示例中,振动检测服务器根据所述多帧图像、所述影像形状特征、所述影像完整度和所述影像亮度属性,确定待提取的特征点的目标类型以及所述目标类型对应的目标数量,根据获取到的待检测天然气管道的不同影像确定不同的提取方法,有利于针对图像中不同形状、大小天然气管道进行智能检测,优化了现有的振动智能检测方法,根据待检测天然气管道的多样性场景化,进一步确定待测天然气管道的振动状态,有利于提高了待测振动智能检测的准确性、高效性和便捷性。

在一个可能的示例中,所述振动检测服务器预设的映射关系表包括如下对应关系:参数组合(X1,Y1,Z1)与特征点数量影响因子组合(0.25,-0.05,-0.1,-0.1)之间的映射关系,X1取值范围是3≦X1≦6,Y1取值范围是0.7≦Y1≦1,Z1取值范围是4≦Z1≦5;以及参数组合(X2,Y2,Z2)与特征点数量影响因子组合(-0.15,0,-0.05,0.2)之间的映射关系,X2取值范围是0≦X2≦3,Y2取值范围是0.7≦Y2≦1,Z2取值范围是1≦Z2≦3;以及参数组合(X3,Y3,Z3)与特征点数量影响因子组合(-0.25,-0.1,0,0.35)之间的映射关系,X2取值范围是0≦X2≦2,Y2取值范围是0.2≦Y2≦0.6,Z2取值范围是1≦Z2≦3。

其中,所述参数组合与特征点数量影响因子组合存在多对多的映射关系。

其中,所述预设的映射关系表获取过程如下:获取大量的历史检测数据,根据随机提取策略和参数组合,确定相对应的特征点数量影响因子组合;通过大量的数据收集,记录多组参数组合与其对应的多组特征点数量影响因子组合,形成预设的映射关系表。

其中,获取大量的历史检测数据,根据随机提取策略和参数组合,确定相对应的特征点数量影响因子组合包括:根据所述待测天然气管道的历史检测数据,确定所述待测天然气管道的实际振动信息;根据随机提取策略,随机提取多组不同目标类型和数量的特征点组合,所述多组特征点组合均包括角点、边缘点、亮区暗点和暗区亮点;根据所述多组特征点组合中的特征点,确定所述待测天然气管道的多个测试振动信息,将所述多个测试振动信息与实际振动信息进行比对,确定至少一个测试振动信息与实际振动信息最为接近,记录该测试振动信息对应的特征点组合;根据所述待测天然气管道的多帧图像,确定所述待测天然气管道的拐点数量、影像完整度和影像亮度属性,即参数组合;根据记录的特征点组合与参数组合,得到相对应特征点数量影响因子组合。

在一个可能的示例中,所述振动检测服务器根据确定出的所述待提取的特征点的目标类型及所述目标类型对应的目标数量,确定所述待测物体的振动信息,包括:振动检测服务器根据确定出的所述待提取的特征点的目标类型及所述目标类型对应的目标数量,确定稳定的多个运动特征点;所述振动检测服务器对所述多个运动特征点进行跟踪,获得所述多个运动特征点的轨迹向量;所述振动检测服务器根据所述多个运动特征点的轨迹向量确定所述待测物体的振动信息。

其中,所述根据所述多个运动特征点的轨迹向量确定所述待测物体的振动信息包括:根据所述多个运动特征点的轨迹向量对应的帧序列,采用相位相关算法计算帧序列间的交叉互功率谱;对所述交叉互功率谱进行反傅立叶变换,获得所述目标视频中像素的振动信息。所述相位相关算法采用如下的公式计算交叉互功率谱:

设计图

振动智能检测方法及相关产品论文和设计

相关信息详情

申请码:申请号:CN201910735972.8

申请日:2019-08-09

公开号:CN110245650A

公开日:2019-09-17

国家:CN

国家/省市:94(深圳)

授权编号:CN110245650B

授权时间:20191203

主分类号:G06K 9/00

专利分类号:G06K9/00;H04L29/08;H04N7/18

范畴分类:40B;

申请人:深圳市广宁股份有限公司;深圳市豪视智能科技有限公司

第一申请人:深圳市广宁股份有限公司

申请人地址:518000 广东省深圳市南山区粤海街道软件园二期九栋七楼

发明人:高风波

第一发明人:高风波

当前权利人:深圳市广宁股份有限公司;深圳市豪视智能科技有限公司

代理人:郝传鑫;熊永强

代理机构:44202

代理机构编号:广州三环专利商标代理有限公司

优先权:关键词:当前状态:审核中

类型名称:外观设计

标签:;  ;  ;  ;  ;  

振动智能检测方法及相关产品论文和设计-高风波
下载Doc文档

猜你喜欢