机房鼠类图像识别方法、系统和存储介质

技术领域

本申请涉及图像识别技术领域，尤其涉及一种机房鼠类图像识别方法、系统和存储介质。

背景技术

随着互联网和大数据的发展，很多企业开始建设自己的机房用于存储数据和运行系统等。机房的安全和高效运行可以保障网络和通信的安全畅通，因此，机房安全在机房维护中起到至关重要的作用。机房鼠类会对机房设备造成损害，导致机房设备无法正常运行。目前，机房鼠类的监测方法需要实时采集机房地面的图像，并对采集到的每一帧图像进行分析，基于老鼠像素检测模型判断图像中是否有老鼠；当判断图像中存在老鼠，会获取老鼠在图像中的坐标，基于若干图像中的坐标得到老鼠的运动轨迹，从而标记出老鼠的出现点和消失点，发出告警并生成分析报告。机房鼠类的监测方法需要对每一帧图都基于老鼠像素检测模型判断图像中是否有老鼠，导致机房鼠类识别的运算效率较低。

发明内容

有鉴于此，本申请的目的是提供一种机房鼠类图像识别方法、系统和存储介质，以提高机房鼠类的识别效率。

本申请所采用的第一技术方案是：

一种机房鼠类图像识别方法，包括：

获取待测区域视频流，提取所述待测区域视频流中的待测区域图像；

采用移动侦测识别所述待测区域图像中的移动物体；

获取所述移动物体的最小外接矩形区域；

计算所述最小外接矩形区域的区域面积；

确定所述区域面积处于预设鼠类面积范围内，将所述最小外接矩形区域的待识别图像输入到机房鼠类识别模型中，获取待测区域图像分值并根据所述待测区域图像分值生成报警信息。

进一步，所述根据所述待测区域图像分值生成报警信息这一步骤，具体包括：

筛选所述待测区域图像中待测区域图像分值大于等于第一分值阈值的老鼠区域图像；

获取所述老鼠区域图像的老鼠区域图像拍摄时间；

根据所述老鼠区域图像拍摄时间对所述老鼠区域图像进行排序，获取老鼠图像序列；

根据所述老鼠图像序列获取的老鼠运动轨迹；

根据所述老鼠运动轨迹生成报警信息。

进一步，所述根据所述待测区域图像分值生成报警信息这一步骤，还包括：

筛选所述待测区域图像中待测区域图像分值小于第一分值阈值且大于等于第二分值阈值的疑似区域图像；

获取所述疑似区域图像的疑似区域图像拍摄时间；

筛选所述待测区域图像中与所述疑似区域图像拍摄时间的时间间隔小于时间间隔阈值的对比区域图像；

确定对比图像分值大于等于第一分值阈值，将疑似图像分值修改为第一分值阈值；

其中，所述对比图像分值为所述对比区域图像对应的待测区域图像分值，所述疑似图像分值为所述疑似区域图像对应的待测区域图像分值。

进一步，所述机房鼠类图像识别方法还包括：

根据所述待测区域图像，获取所述待测区域图像对应的待测图像标签；

将所述待测区域图像和所述待测图像标签输入到所述机房鼠类识别模型中进行训练。

进一步，所述机房鼠类图像识别方法还包括：

获取摄像机的摄像机型号；

根据所述摄像机型号获取所述摄像机的拍摄像素；

获取实际鼠类面积范围；

根据所述拍摄像素和所述实际鼠类面积范围计算所述预设鼠类面积范围；

其中，所述摄像机用于采集所述待测区域视频流。

进一步，所述机房鼠类图像识别方法还包括：

获取摄像机的拍摄高度和拍摄角度；

根据所述拍摄高度和所述拍摄角度计算最大拍摄距离和最小拍摄距离；

获取实际鼠类面积范围；

根据所述实际鼠类面积范围、所述最大拍摄距离和所述最小拍摄距离，计算所述预设鼠类面积范围；

其中，所述摄像机用于采集所述待测区域视频流。

进一步，所述机房鼠类识别模型为Darknet53网络结构。

本申请所采用的第二技术方案是：

一种机房鼠类图像识别系统，包括：

图像提取模块，用于获取待测区域视频流，提取所述待测区域视频流中的待测区域图像；

移动侦测模块，用于采用移动侦测识别所述待测区域图像中的移动物体；

矩形区域模块，用于获取所述移动物体的最小外接矩形区域；

面积计算模块，用于计算所述最小外接矩形区域的区域面积；

报警信息模块，用于确定所述区域面积处于预设鼠类面积范围内，将所述最小外接矩形区域的待识别图像输入到机房鼠类识别模型中，获取待测区域图像分值并根据所述待测区域图像分值生成报警信息。

本申请所采用的第三技术方案是：

一种机房鼠类图像识别系统，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现所述的机房鼠类图像识别方法。

本申请所采用的第四技术方案是：

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的机房鼠类图像识别方法。

本申请实施例提取机房待测区域图像，并采用移动侦测识别待测区域图像中的移动物体，计算移动物体的最小外接矩形区域面积，当最小外接矩形区域的区域面积处于预设鼠类面积范围内时，将最小外接矩形区域的待识别图像输入到机房鼠类识别模型中实现对于机房鼠类的识别。相较于现有的机房鼠类识别方法，本申请通过筛选出符合要求的图像输入到机房鼠类识别模型中，减少了系统的识别运算量，提高了机房鼠类的识别效率。

附图说明

图1为本申请实施例机房鼠类图像识别方法的流程图。

具体实施方式

以下将结合实施例和附图对本申请的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本申请的目的、方案和效果。

下面结合附图和具体实施例对本申请做进一步的详细说明。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。此外，对于以下实施例中所述的若干个，其表示为至少一个。

应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种元件，但这些元件不应限于这些术语。这些术语仅用来将同一类型的元件彼此区分开。例如，在不脱离本公开范围的情况下，第一元件也可以被称为第二元件，类似地，第二元件也可以被称为第一元件。本文所提供的任何以及所有实例或示例性语言(“例如”、“如”等)的使用仅意图更好地说明本申请的实施例，并且除非另外要求，否则不会对本申请的范围施加限制。

现有机房在建设中会非常强调密封设计，避免老鼠进入。然而旧机房时常老鼠出没，电缆被老鼠咬断的事情也时常发生，使得机房中的设备无法正常运行，从而给用户造成严重的损失。由于早期机房的很多摄像机并不是带有智能芯片算法的摄像机，所以需要设计能够兼容此情况并且能够准确地识别出机房鼠类的系统。

如图1所示，本申请实施例提供了一种机房鼠类图像识别方法，包括：

S110、获取待测区域视频流，提取所述待测区域视频流中的待测区域图像；

S120、采用移动侦测识别所述待测区域图像中的移动物体；

S130、获取所述移动物体的最小外接矩形区域；

S140、计算所述最小外接矩形区域的区域面积；

S150、确定所述区域面积处于预设鼠类面积范围内，将所述最小外接矩形区域的待识别图像输入到机房鼠类识别模型中，获取待测区域图像分值并根据所述待测区域图像分值生成报警信息。

具体地，在机房鼠类图像识别的过程中，首先需要确定预设鼠类面积范围和训练机房鼠类识别模型。

预设鼠类面积范围的确定主要通过摄像机的拍摄像素、拍摄角度和拍摄高度计算得到，由于摄像机的型号不同，拍摄图片中的像素会有差异，不同的拍摄角度和拍摄高度也会导致拍摄图片的差异，例如摄像机的拍摄角度为30度或45度，那么它拍摄到的相同位置相同的物体在这两种角度拍摄的图片中呈现的大小是有差别的；一个摄像机的拍摄高度为3米和5米，那么它拍摄到的相同位置相同的物体在这两种高度拍摄的图片中呈现的大小是有差别的。通过确定摄像机的型号可以确定摄像机的拍摄像素，根据摄像机的拍摄像素、拍摄角度和拍摄高度可以计算得到合理的预设鼠类面积范围。

由于机房摄像机一般安装的位置在房子顶部或者靠近房子顶部的位置，老鼠占图像的大小与摄像机所在机房的视场角度和拍摄范围是息息相关的，需将摄像机的焦距大小、视场角和推荐监控距离的信息提前录入，参照表1。

表1

在计算预设鼠类面积范围的过程中，需要获取实际鼠类面积范围，实际鼠类面积范围是需要预先设定的老鼠的自身范围大小。算法在获取到实际鼠类面积范围后，还需要获取摄像机的拍摄像素、拍摄高度和拍摄角度。拍摄像素决定了摄像机拍摄的清晰度，即决定了拍摄得到的图片的大小，由于本算法根据拍摄像素来计算预设鼠类面积范围，因此本算法可以兼容不同清晰度的摄像机，摄像机的拍摄像素越高，得到的图片会越大，而计算得到的预设鼠类面积范围会越大；拍摄角度和拍摄高度共同决定了拍摄距离，拍摄距离包括最大拍摄距离和最小拍摄距离，拍摄距离会决定拍摄物体在拍摄图片上的大小，因此根据拍摄距离可以计算鼠类在拍摄图片上的预设鼠类面积范围。

在一些实施例中，采用标准的拍摄高度和拍摄角度，通过获取摄像机的型号获取得到摄像机的拍摄像素，根据拍摄像素计算预设鼠类面积范围。

在一些实施例中，采用标准的拍摄像素，通过获取拍摄高度和拍摄角度来计算最大拍摄距离和最小拍摄距离，最大拍摄距离和最小拍摄距离可以以地面为基准线进行计算，根据最大拍摄距离和最小拍摄距离可以对预设鼠类面积范围进行比例变换。

在一些实施例中，通过获取摄像机的型号获取得到摄像机的拍摄像素，通过获取拍摄高度和拍摄角度来计算最大拍摄距离和最小拍摄距离，最大拍摄距离和最小拍摄距离可以以地面为基准线进行计算，根据拍摄像素、最大拍摄距离和最小拍摄距离可以对预设鼠类面积范围进行比例变换。

机房鼠类识别模型的输入为图像，输出为一个基本的分值，可以将机房鼠类识别模型的输出分值等比例变换为0-100，分值越大则判定为机房鼠类的概率越高。第一分值阈值可以设定为90，第二分值阈值可以设置为70。在机房鼠类识别模型的训练过程中，首先需要将标注了老鼠所在区域的图像样本放入yolov3算法模型中训练，yolov3算法采用了Darknet-53的网络结构，即含有53个卷积层，层与层之间会存在差异，有一些层之间设置了快捷链路。机房鼠类识别模型的训练样本可以采用模拟的方式获取，例如利用可移动的老鼠模型在机房中进行运动并拍摄其运动的视频片段，再通过opencv将视频片段转换成一帧一帧图像，使用移动侦测算法先标注出移动老鼠所在的区域，区域形状为矩形框，这些图像作为训练样本。在模型训练完成并投入使用后，可以选择真实场景中人工确认后的样本对模型进行调整优化训练，例如，可以将模型设定为设定周期进行学习优化，形成新的模型。

获取得到预设鼠类面积范围并预先训练好机房鼠类识别模型后，可以进行机房鼠类的识别。摄像机被设置在机房中，会实时采集机房中的视频流，即待测区域的视频流，并通过opencv将视频流转换为一帧一帧的图像，即待测区域图像。得到待测区域图像后，可以使用移动侦测算法对比前一帧图像和后一帧图像的区别，从而识别出待测区域视频流中的移动物体，采用矩形图形标注出移动物体所在区域，同时存储移动物体出现在此图像上的时间和坐标。提取得到移动物体的最小外接矩形区域后，可以计算最小外接矩形区域的区域面积，并判断标注的矩形区域面积，即最小外接矩形区域的区域面积是否在此图像拍摄的摄像机成像的预设鼠类面积范围内，若最小外接矩形区域的区域面积在预设鼠类面积范围内，则将最小外接矩形区域的待识别图像输入到机房鼠类识别模型中，获取一个输出分值。若最小外接矩形区域的区域面积不在预设鼠类面积范围内，则不对图片进行处理。通过对移动物体进行面积筛选，可以筛选掉一部分不符合机房鼠类的图片，减少机房鼠类识别模型的运算量，提高机房鼠类识别的效率。可以利用输出分值对输入的待识别图像进行分类，例如当输出分值大于等于第一分值阈值，则将待识别图像标注为机房鼠类，即待测区域图像为老鼠区域图像；若输出分值小于第一分值阈值且大于等于第二分值阈值，则将待识别图像标注为疑似机房鼠类，即待测区域图像为疑似区域图像；若输出分值小于第二分值阈值，则将待识别图像标注为非机房鼠类。对于标注为机房鼠类和非机房鼠类的图像，不进行输出分值的处理；对于标注为疑似机房鼠类的图像，需要进行分析处理，系统会从待测区域图像中筛选与疑似区域图像的拍摄时间相近的同一房间的对比区域图像，并获取对比区域图像的对比图像分值，当对比图像分值大于等于第一分值阈值，则说明在与疑似区域图像的拍摄时间相近的对比区域图像中出现了机房鼠类，即与疑似区域图像的拍摄时间相近的时间内出现了机房鼠类，从而可以推导出疑似区域图像中有大概率出现机房鼠类，因此可以将疑似区域图像的输出分值设置为大于等于第一分值阈值的分值，从而将疑似区域图像修正为老鼠区域图像。

在一些实施例中，对于系统识别为老鼠区域图像的待测区域图像，可以根据老鼠区域图像中的老鼠所在区域的变化情况推导出老鼠的运动轨迹。具体做法为获取老鼠区域图像的图像拍摄时间，并根据图像拍摄时间对老鼠区域图像进行排序，得到老鼠图像序列，由于老鼠图像序列中包括移动物体的最小外接矩形，因此可以获取最小外接矩形的坐标中心，并根据最小外接矩形的坐标中心，在选取的老鼠区域图像上根据时间顺序连接坐标中心，从而获取得到老鼠的运动轨迹。

在一些实施例中，在待测区域图像中被判定出现了机房鼠类时，可以通过短信、声光和电话等方式通知用户，用户可通过系统查看原始图像和老鼠运动轨迹，从而分析判断机房鼠类的出现原因。

在一些实施例中，如果发现是出现了误判或漏判，用户可以对标注的待测区域图像进行修正标注，被修正标注的待测区域图像会回传到机房鼠类识别模型中，对机房鼠类识别模型进行再次训练，从而提升机房鼠类识别模型的识别准确率。

本发明实施例还提供了一种机房鼠类图像识别系统，包括：

图像提取模块，用于获取待测区域视频流，提取所述待测区域视频流中的待测区域图像；

移动侦测模块，用于采用移动侦测识别所述待测区域图像中的移动物体；

矩形区域模块，用于获取所述移动物体的最小外接矩形区域；

面积计算模块，用于计算所述最小外接矩形区域的区域面积；

报警信息模块，用于确定所述区域面积处于预设鼠类面积范围内，将所述最小外接矩形区域的待识别图像输入到机房鼠类识别模型中，获取待测区域图像分值并根据所述待测区域图像分值生成报警信息。

上述方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。

本发明实施例还提供了一种机房鼠类图像识别系统，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现所述的机房鼠类图像识别方法。

上述方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。

此外，本申请实施例还提供了一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于执行上述方法实施例中任一个技术方案所述的一种交互信息处理方法步骤。对于所述存储介质，其可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。可见，上述方法实施例中的内容均适用于本存储介质实施例中，本存储介质实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。

应当认识到，本申请的实施例系统中所包含的层、模块、单元和/或平台等可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。

此外，本申请实施例系统中所包含的层、模块、单元和/或平台所对应执行的数据处理流程，其可按任何合适的顺序来执行，除非本文另外指示或以其他方式明显地与上下文矛盾。本申请实施例系统中所包含的层、模块、单元和/或平台所对应执行的数据处理流程可在配置有可执行指令的一个或多个计算机系统的控制下执行，并且可作为共同地在一个或多个处理器上执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。

进一步，所述系统可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本申请系统中所包含的层、模块、单元和/或平台所对应执行的数据处理流程可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、RAM、ROM等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时，本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本申请所述的方法和技术编程时，本申请还包括计算机本身。

以上所述，只是本申请的较佳实施例而已，本申请并不局限于上述实施方式，只要其以相同的手段达到本申请的技术效果，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。在本申请的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。