摘要：傳統(tǒng)機房設(shè)備運維依靠人力，費時耗力，且無法實現(xiàn)全天24小時實時監(jiān)控。依靠大量傳感設(shè)備運行所實現(xiàn)的無人監(jiān)控系統(tǒng)能夠做到不間斷監(jiān)控，但建設(shè)和維護成本高?；趫D像處理的網(wǎng)絡(luò)設(shè)備安全監(jiān)控技術(shù)可以有效解決傳統(tǒng)監(jiān)控系統(tǒng)所帶來的上述問題，通過利用圖像預處理技術(shù)、顏色特征提取與識別、字符識別等技術(shù)，對設(shè)備指示燈狀態(tài)、數(shù)字信息進行讀取和識別，判斷設(shè)備運行情況，從而達到有效監(jiān)控的目的。

關(guān)鍵詞：圖像處理;監(jiān)控系統(tǒng);指示燈狀態(tài);顏色識別;數(shù)字識別

中圖分類號：TP317.4 文獻標識碼：A 文章編號：1006-8228（2020）08-37-05

0引言

校園中心機房設(shè)備運維及安全監(jiān)控工作日益重要。當前，很多機房依然采取傳統(tǒng)的人工監(jiān)控方式，費時耗力，且無法滿足全天候監(jiān)控的要求。另一種無人值守的監(jiān)控系統(tǒng)[1]依賴于在設(shè)備上加裝大量傳感器來實現(xiàn)無人全天候檢測，但其建設(shè)和維護成本很高。

本文利用數(shù)字圖像處理技術(shù)對設(shè)備指示燈狀態(tài)和數(shù)字信息進行識別來判斷設(shè)備運行狀態(tài)，從而實現(xiàn)24小時不間斷監(jiān)控效果。

1 系統(tǒng)設(shè)計

圖像處理技術(shù)是對的圖像中信息進行提取、識別和分析，通過對獲取信息的判斷.采取預設(shè)的處理方式來應(yīng)對。本文監(jiān)控對象為機房網(wǎng)絡(luò)設(shè)備，通過對設(shè)備的指示燈狀態(tài)和數(shù)字信息識別來判定設(shè)備運行狀態(tài)，發(fā)送不同的報警信號。系統(tǒng)框架如圖1所示。

2 預處理技術(shù)

通過攝像機獲取的圖像會由于拍攝的外部因素（如天氣、遮擋等）干擾，造成圖像效果不佳。因此，對原始圖像進行適當?shù)念A處理[2]是十分必要的。

2.1 圖像灰度化

圖像灰度化[3]可以有效降低彩色圖像中干擾因素對后期圖像處理的影響，灰度化處理后的圖像，既保留了原始圖像的清晰度，又排除了變化因素的干擾?；叶葓D像灰度級劃分為0至255級，其中每個像素點的R、G、B三個分量值均相等，0代表黑色，255代表白色，0-255代表從黑到白的漸變。常用的算法有：

（1）平均值法將R、G、B三個分量之和的平均值作為各分量的值，即：

（2）最大值法取R、G、B三個分量中的最大值作為各分量的值，即：

（3）加權(quán)平均值法為R、G、B三個分量賦予不同的權(quán)值，將三個分量加權(quán)后的和作為各分量的值，即：

2.2 圖像二值化

為了對圖像中感興趣區(qū)域內(nèi)信息進行提取和識別，需要對灰度化處理后的圖像進一步做二值化處理，二值化[，處理后，圖像只保留0和l兩個灰度級。

在公式（4）中，t為實驗閾值，（i j）代表任意一個像素點，f（ij）代表該像素點的灰度值，當f（ij）

3 顏色特征識別[5]

通過指示燈顏色來判斷設(shè)備運行狀態(tài)，是最為常用和可靠的一種方式。顏色特征相對于其他視覺特征更直觀，且不受變量因素影響。在提取顏色特征時，通常要用到不同的顏色空間模型，其中常用的是混合顏色空間，如CMY、RGB、XYZ等，RGB顏色模型使用最為廣泛。

3.1 混合型顏色空間

●RGB顏色空間模型[6]

RGB顏色空間模型利用R、G、B三種基色相加混合的原理，通過調(diào)整各基色混合比例，產(chǎn)生任意色光F：

F=r[R]+g[G]+b[B]（5）

RGB顏色空間模型可以用一個三維立方體來表示，R、G、B三個分量分別映射到是三個不同坐標軸，如圖3所示。

從RGB顏色空間模型中可以看出，不同比例的R、G、B_基色混合產(chǎn)生不同的色光F。RGB顏色空間雖然應(yīng)用廣泛，但它并不符合人眼對色彩的感知。因此，本文采用更加符合視覺感知的基于色調(diào)胞和度/亮度型顏色空間。

3.2 基于色調(diào)，飽和度/亮度型顏色空間

這種顏色空間用色調(diào)、飽和度、亮度來做作為其三個分量來表示不同的顏色信息，避免了不同光線強度下對顏色信息識別所帶來的影響，降低了識別難度。

●HSV顏色空間模型

H（Hue）代表色相，S（Saturation）代表飽和度，V（Value）代表明亮程度。通常用一個圓錐空間模型來描述HSV顏色空間[7]，圓錐中軸線表示亮度V，其取值范圍[0，255]，顏色由黑色到白色漸變。H和S兩個變量位于圓形坐標系中，其中H繞縱軸線逆時針旋轉(zhuǎn)，不同角度值代表不同色相，如0°、120°、240°分別表示紅、綠、藍。s取值為[0.0，1.0]，是圓錐每個橫截面中心點到面上任意像素點的距離。如圖4所示。

3.3 顏色特征提取與識別

使用顏色特征進行指示燈顏色識別時，需要先提取各指示燈的顏色信息。本文采用灰度直方圖方法來提取顏色特征信息。

灰度直方圖用概率密度函數(shù)表示，直方圖的累計和用概率分布函數(shù)表示。采用概率分布函數(shù)如下：其中，m=0，0，2，…，g-1，h[m]表示灰度級為m的像素個數(shù)。因為這種灰度直方圖是基于RGB顏色空間模型建立的，該模型下所得直方圖維度高，存儲計算量大，且易產(chǎn)生非線性變化，不利于量化與分類。HSV顏色空間可以很好的解決以上問題，所以，實驗中需要先將RGB顏色空間轉(zhuǎn)化到HSV顏色空間。

為進一步簡化計算，可以對所得顏色直方圖矢量進行降維操作，由于人眼對色相（H）敏感度高于飽和度（S）和亮度（V），因此，實驗中將H降至16級，S和V降至4級，具體操作如下：

利用量化后的h，s，v三個顏色分量所獲得顏色特征矢量為：

通過公式（17）便可以得到基于HSV顏色空間的顏色直方圖。具體量化處理并不是固定的，應(yīng)根據(jù)實驗條件和要求進行相應(yīng)的調(diào)整。

實驗中，通過對指示燈顏色信息進行識別，獲得當前設(shè)備的運行狀態(tài)。如圖5所示。

經(jīng)過對顏色信息的讀取和識別后，獲得一組服務(wù)器指示燈的狀態(tài)信息，用一個二維數(shù)組進行表示為：

4 數(shù)字識別

4.1 字符分割

圖像經(jīng)預處理后，需要先對字符進行分割[8]，再逐一識別。本文采用一種基于圖像投影的分割算法，將字符圖像水平和垂直投影作為分割的依據(jù)進行字符分割。

使用基于圖像投影的字符分割算法進行字符分割時，分別引入垂直分割閾值α和水平分割閾值β，用于判定垂直和水平方向的分割是否有效，這避免了一些特殊字符（如“川”、“U”等）對試驗的干擾，提高了分割的準確度。

4.2 光學字符識別（OCR）

在利用分割出的字符與模板圖像進行匹配[9]前，需要對字符大小和線條進行歸一化[10]處理，并提取處理后的字符特征，利用提取特征信息與模板字符特征進行比較，最后利用最小二乘法完成字符識別。

主要提取兩類特征信息。一個是網(wǎng)格特征，將所要識別的字符圖像按4 x4的方式進行16等分，分別統(tǒng)計出每個等分區(qū)域中黑色像素點的個數(shù)及黑色像素點的總和，獲得一組17維的特征向量。另一個是邊界特征，分別統(tǒng)計8條區(qū)域分割線與待識別字符的相交次數(shù)，將得到的8組數(shù)值與17維網(wǎng)格特征共同組成該字符的25維特征矢量：T=（t1，t2，t3，∧，t25）。最后，通過計算待識別字符特征矢量與模板字符特征矢量

其中，Ai為權(quán)重，i為模板字符個數(shù)，i=（1，2，3，…，n），j為模板字符特征維數(shù)j=（1，2，3，…，25），i，j均為自然數(shù)。將值最小的d1所對應(yīng)的字符作為識別結(jié)果。

5 結(jié)束語

基于圖像處理技術(shù)的機房網(wǎng)絡(luò)設(shè)備安全監(jiān)控系統(tǒng)較好的達到了預期的監(jiān)控效果。實驗中，由于光線等因素不斷變化，所以在圖像處理算法的設(shè)計和選擇上很重要，直接影響最終實驗結(jié)果。下一步，將繼續(xù)優(yōu)化算法，提高系統(tǒng)的適用性，提升識別的準確率。

參考文獻（References）：

[1]湯軍，劉昕.無人值守機房動環(huán)監(jiān)控系統(tǒng)的建設(shè)和運維[J].有線電視技術(shù)，2018.345（9）：84-87

[2]張世輝.漢字圖像預處理算法的研究及實現(xiàn)[J].計算機技術(shù)與發(fā)展，2003.4.

[3]周金和，彭福堂等.一種有選擇的圖像灰度化方法[J].計算機工程，2006.32（20）：198-200

[4]WEI Yuxi， WU Yueqing， TAO Pan. Left ventriclesegmentation in transesophageal echocardiography basedon supervised descent method[J]. Journal of ComputerApplications，2018.

[5]徐春梅，王春耀，劉躍等.基于機器視覺系統(tǒng)的顏色識別[J].機械設(shè)計與制造，2011.8：262-263

[6]劉國奇，鄧銘，李晨靜.融合RGB顏色空間的植物圖像分割模型[J].鄭州大學學報（理學版），2019.51（1）：21-26

[7]王紅雨，尹午榮，汪梁等.基于HSV顏色空間的快速邊緣提取算法[J].上海交通大學學報，2019.7：765-772

[8]朱麟.字符分割技術(shù)的研究與應(yīng)用[J].科技展望，2016.26（34）：123

[9] Vincent T， Laganiere R. Matching feature points fortelerobotics[C]//Haptic Virtual Environments and TheirApplications，IEEE Intemational Workshop 2002 HAVE.IEEE.2002.

[10]王景中，胡貝貝.歸一化算法在文字識別系統(tǒng)中的應(yīng)用研究[J].計算機應(yīng)用與軟件，2011.28（3）：95-97

★基金項目：安徽省教育廳自然科學基金項目“基于圖像處理的小型機動車輛檢索關(guān)鍵技術(shù)研究”（KJ2018A0687）;安徽廣播電視大學青年教師科研基金項目“基于數(shù)字圖像處理技術(shù)的網(wǎng)絡(luò)設(shè)備運維監(jiān)控系統(tǒng)研究”（qn15-30）

作者簡介：王正玉（1985-），男，宿州蕭縣人，碩士研究生，工程師，主要研究方向：圖像處理。