一种可增强对比度的服务器机柜室的制作方法
【技术领域】
[0001 ]本发明设及通信领域，具体设及一种可增强对比度的服务器机柜室。
【背景技术】
[0002] 服务器机柜室，是用来存放服务器机柜的舱室。服务器机柜用来组合安装面板、插 件、插箱、电子元件、器件和机械零件与部件，使其构成一个整体的安装箱。服务器机柜由框 架和盖板组成，一般具有长方体的外形，落地放置。它为电子设备正常工作提供相适应的环 境和安全防护。运是仅次于系统级的一级组装。不具备封闭结构的机柜称为机架。服务器机 柜具有良好的技术性能。机柜的结构应具有良好的刚度和强度W及良好的电磁隔离、接地、 噪声隔离、通风散热等性能。
[0003] 服务器机柜作为一种重要的昂贵设备，其安全性尤为重要，必须能防止和监视恶 意破坏行为。
【发明内容】
[0004] 针对上述问题，本发明提供一种可增强对比度的服务器机柜室。
[0005] 本发明的目的采用W下技术方案来实现：
[0006] -种可增强对比度的服务器机柜室，包括服务器机柜室和安装在服务器机柜室墙 体上的监测装置，监测装置用于对服务器机柜室内的活动进行视频图像监测，监测装置包 括预处理模块、检测跟踪模块、识别输出模块；
[0007] (1)预处理模块，用于对接收到的图像进行预处理，具体包括图像转化子模块、图 像滤波子模块和图像增强子模块：
[000引图像转化子模块，用于将彩色图像转化为灰度图像：
[00091
min(/?(x, y), G(x, y),B{x, y)))
[0010] 其中，3^，7)、6^，7)、8^，7)分别代表像素^，7)处的红绿蓝强度值，化义，7)代表 坐标(X，y)处的像素灰度值;图像大小为m X n;
[0011] 图像滤波子模块，用于对灰度图像进行滤波：
[0012] 采用维纳滤波来进行一级滤除后，定义SVlm图像，记为MsvimU,y)，具体定义公式 为：13乂1111(义，7)=日1九口，7)+日212(义，7)+日3九（义，7)+日4九（义，7)，其中31、日2、日3、日4为可变权值，
i = l，2,3,4;J(x，y)为经滤波后的图像；
[0013] 图像增强子模块：
[0014] 当
其中，LU, y)为增强 后的灰度值;iKx，y)是包含有局部信息的伽马校正系数，此时
a 是范围为O到1的可变参数，
[0015] 兰
其中iKx,y) =iK(Msvim(x,y))，
皿是图像中灰度值高于128的所有 像素的均值，HiL是灰度值低于128的所有像素的均值，且此时m=min(mH，mL)，在a值已知的情 况下，计算出化6个4校正系数作为查找表，记为结其中i为索引值，利用MsvimU,y) 的灰度值作为索引，根据(6(x，y)=MMsvlm(x，y))快速获得图像中每个像素的伽马校正系数 iKx，y)
为模板修正系数；
[0016] (2)检测跟踪模块，具体包括构建子模块、丢失判别子模块和更新子模块：
[0017] 构建子模块，用于视觉字典的构建：
[0018] 在初始帖获取跟踪目标的位置和尺度，在其周围选取正负样本训练跟踪器，将跟 踪结果作为训练集X = Xi,X2,……xn}T;并对训练集中的每幅目标图像提取128维的SIFT特 征
，其中S康示训练集中第t幅目标图像中SIFT特征的个数;跟踪N帖W后，通过聚 类算法将运些特征划分为K个簇，每个簇的中屯、构成特征单词，记为{。巧=1:能够提取到的 特征总量
其中K<<机，且
；视觉字典构建好W后，每幅训练图像表 示为特征包的形式，用于表示视觉字典中特征单词出现的频率，用直方图Kxt)表示，h(xt) 通过W下方式获取:将一幅训练图像Xt中的每一个特征fsW向视觉字典投影，用投影距离最 短的特征单词表示该特征，对所有特征投影完毕后，统计每个特征单词的出现频率，并归一 化得到训练图像Xt的特征直方图h(xt);
[0019] 丢失判别子模块，用于判别目标的丢失与否：
[0020] 当新一帖图像到来时，从K个直方图柱中随机选取Z<K个直方图柱，且Z = 4,形成新 的大小为Z的子直方图hW(xt)，子直方图的个数最多式
^;计算候选目标区域和训 练集中某个目标区域对应子直方图的相似性。t_z，
其中t = l，2，…，N，z = l，2，…，Ns，然后计算总体相似性Ot=l-^za-。t_z);候选目标区域与目标 的相似性用〇=max{〇t，t}表示，则目标丢失判断式为：
其中 gs为人为设定的判失阀值;当U = I时目标被稳定跟踪，当U = O时，目标丢失；
[0021] 当目标丢失时，定义仿射变换模型：
，其 中（Xt，yt)和(Xt-I，yt-1)分别为当前帖目标中某个SITF特征点的位置坐标和前一个帖目标中 对应匹配特征点的位置坐标，两者均为已知量;S为尺度系数，0为旋转系数，e和f代表了平 移系数：
为溫度旋转修正系数
为溫度平移修正系数，山和化用于修正因为环境溫度偏差造成的图像旋转和平移误差，I'd为 人为设定的标准溫度，设为20度，T为由溫度传感器实时监测得到的溫度值;采用Ransac估 计算法求取仿射变换模型的参数，最后在新的尺度S和旋转系数0下采集正负样本，更新分 类器；
[0022] 更新子模块，用于视觉字典的更新：
[0023] 在每帖图像获得目标位置W后，根据仿射变换参数的计算结果，收集所有满足结 果参数的SIFT特征点漁点=1，经过F = 3帖W后，获得新的特征点I
其中St-F代表 了从F帖图像中得到的总特征点数；利用下式对新旧特征点重新进行K聚类：{C/成=
其中{^}f=i表示新的视觉字典，视觉字典的大小保 持不变；E巧，1}是遗忘因子，表明了旧字典所占的比重，奶搂小，新特征对目标丢失的判 断贡献越多，取巧二0.12;
[0024] (3)识别输出模块，用于图像的识别和输出：在待识别的图像序列中利用跟踪算法 获取目标区域，将目标区域映射到已知训练数据形成的子空间，计算子空间中目标区域与 训练数据之间的距离，获得相似性度量，判定目标类别，并输出识别结果。
[0025] 优选的，采用维纳滤波来进行一级滤除后，此时图像信息还包含有残余的噪音，采 用W下的二级滤波器进行二次滤波：
[0026]
[0027] 其中，J(x，y)为经过滤波后的图像;Pg(x+i，y+j)代表尺度为mXn的函数，且PgU+ i，y+j)=qXe邱(-(x2+y2)/w)，其中q是将函数归一化的系数，即 JJqXe邱(-(x2+y2)/w) dxdy = l〇
[0028] 本服务器机柜室的有益效果为:在图像预处理阶段，增强的图像能够根据模板的 大小自适应调整，提高增强效果，且在在不同模板大小时判断条件能自动修正，且考虑了视 觉习惯W及人眼对不同色彩的感知度同色彩强度的非线性关系;将MXN个幕指数运算降低 为256个，提高了计算效率;在目标检测和跟踪阶段，能够消除不同溫度导致图像的旋转和 平移造成的误差，提高识别率，经处理后的图像细节更加清晰，且计算量相对于传统方法大 幅度减少，能够有效适应目标尺度变化，并能够准确判定目标是否发生丢失，在目标重新回 到视场后能够被重新检测并稳定跟踪。此外，该服务器机柜室具有实时性好、定位准确和鲁 棒性强的优点，且在快速有遮挡的目标检测和跟踪方面取得了很好的效果。
【附图说明】
[0029] 利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限 审IJ，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可W根据W下附图获得 其它的附图。
[0030] 图I是一种可增强对比度的服务器机柜室的结构框图；
[0031] 图2是一种可增强对比度的服务器机柜室的外部示意图。
【具体实施方式】
[0032] 结合W下实施例对本发明作进一步描述。
[0033] 实施例1:如图1-2所示，一种可增强对比度的服务器机柜室，包括服务器机柜室5 和安装在服务器机柜室5墙体上的监测装置4,监测装置4用于对服务器机柜室5内的活动进 行视频图像监测，监测装置4包括预处理模块1、检测跟踪模块2、识别输出模块3。
[0034] (1)预处理模块1，用于对接收到的图像进行预处理，具体包括图像转化子模块11、 图像滤波子模块12和图像增强子模块13:
[0035] 图像转化子模块11，用于将彩色图像转化为灰度图像： 「00361
[0037] 其中，3^，7)、6^，7)、8^，7)分别代表像素^，7)处的红绿蓝强度值，化义，7)代表 坐标(x，y)处的像素灰度值;图像大小为mXn;
[0038] 图像滤波子模块12,用于对灰度图像进行滤波：
[0039] 采用维纳滤波来进行一级滤除后，定义SVlm图像，记为MsvimU,y)，具体定义公式 为：Msvim(x，y) = aiji(x，y)+a2j2(x，y)+a3j3(x，y)+a4j4(x，y)，其中曰1、日2、日3、日4为可变权值，
i = l，2,3,4;J(x，y)为经滤波后的图像；
[0040] 图像增强子模块13:
[0041] 当
，其中，LU, y)为增强 后的灰度值;iKx，y)是包含有局部信息的伽马校正系数，此时1
,a是 范围为0到1的可变参数
；
[0042] 当
其中iKx,y) =4a(Msvim(x,y))，
，mH是图像中灰度值高于128的所有 像素的均值，HiL是灰度值低于128的所有像素的均值，且此时m=min(mH，mL)，在a值已知的情 况下，计