本发明属于安监计量仪表预警技术领域，尤其是涉及一种基于图像识别的指针式仪表预警方法。
背景技术：
目前生产企业安装的安监计量仪表大部分是机械式指针仪表，在进行安全生产物联网改造的时候，很难直接接入物联网预警系统。现在市场上比较主流的处理方式是摄像直读表的方式，即通过摄像头拍摄仪表盘的照片，然后通过图像识别技术读出仪表指针处显示的数值，根据数值判断是否触发预警事件。但是这种方式的识别率相对较低，而且通用性也较差。
具体表现如下：1、同一型号的仪表，对摄像头拍摄的角度的一致性有很高的要求，拍摄角度变化稍微大一些，仪表指针指向的数据就识别不了了，因为图像变了，需要重新做图像的模型识别库，而且这将耗费较长的时间做图像的模型训练。2、不同型号或样式的仪表，需要分别做不同的图像识别库。但是生产企业的安监计量仪表有很多种型号和样式，分布在不同的区域位置，受安装环境和业务的影响，无法保证摄像头拍摄仪表角度的一致性。所以基于目前摄像头直读表的方式很难满足企业安全生产的业务需求。
技术实现要素：
有鉴于此，本发明旨在提出一种基于图像识别的指针式仪表预警方法，能够很好的解决不同型号和样式的指针式仪表的预警判断问题，对摄像头拍摄角度不同的问题也能很好的解决。
为达到上述目的，本发明的技术方案是这样实现的：
一种基于图像识别的指针式仪表预警方法，包括如下步骤：
1)标注仪表预警时指针的针尖在图像中可能会出现的预警区域，并将其存储在配置数据里；
2)通过摄像头采集仪表的实时监控视频数据，定时从采集的实时监控视频数据里提取一帧图像；
3)通过图像识别算法找到采集的图像中指针针尖的位置，并判断该位置是否在配置数据的预警区域内，进而实现仪表的预警判断。
进一步的，步骤1包括如下内容：
11)调整安装摄像头的角度拍摄仪表，从摄像头采集的视频中提取出任意一帧的图像；
12)在提取的图像上标注出两个区域，分别为仪表指针的支撑轴所在的中心区域和在出现预警的情况下仪表指针的针尖可能会出现的预警区域；
13)分别提取中心区域、预警区域的坐标值，并分别保存到配置数据里。
进一步的，步骤3包括如下内容：
31)对步骤2中提取的图像进行二值化处理，得到二值化图像；
32)根据配置数据的中心区域的坐标值，通过图像识别算法，找到仪表指针，进而找到针尖位置的坐标值；
33)判断该坐标值是否在配置数据的预警区域的坐标值内，若在，则说明仪表指针已经进入预警区域，立即生成预警事件；若否，则说明仪表指针没有进入预警区域，无需生成预警事件。
进一步的，步骤32中，所述图像识别算法包括如下内容：
321)通过图像边缘检测技术从二值化图像中检测出所有物体的边缘轮廓，得出边缘轮廓图，本实施例使用的是canny边缘检测算法；
322)使用霍夫变换特征检测算法中的直线检测算法，从边缘轮廓图中找出所有的直线；
323)根据约束条件从得到的直线中过滤找出仪表的指针，其中，约束条件包括判断直线是否穿过配置数据的中心区域。
相对于现有技术，本发明具有以下优势：
(1)本发明方法对指针式仪表的预警判断有很好的通用性，适用于各种型号和样式的指针式仪表的预警识别。
(2)对更换计量仪表、变换摄像头拍摄角度或位置等情况，只需要重新配置一次仪表预警识别需要的相关信息即可，配置操作简单快捷，而且配置后立即生效，没有图像模型训练的时间。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
一种基于图像识别的指针式仪表预警方法，包括如下步骤：
1)标注仪表预警时指针的针尖在图像中可能会出现的预警区域，并将其存储在配置数据里；
2)通过摄像头采集仪表的实时监控视频数据，定时从采集的实时监控视频数据里提取一帧图像；
其中，提取图像的时间间隔是可配置的，配置的依据是图像预警事件识别的灵敏度和图像预警识别系统的处理速度；
3)通过图像识别算法找到采集的图像中指针针尖的位置，并判断该位置是否在配置数据的预警区域内，进而实现仪表的预警判断。
具体的，步骤1包括如下内容：
11)根据业务需求调整好摄像头拍摄仪表的位置，调整摄像头的角度拍摄仪表，从摄像头采集的视频中提取出任意一帧的图像；
12)在提取的图像上标注出两个区域，分别为仪表指针的支撑轴所在的中心区域和在出现预警的情况下仪表指针的针尖可能会出现的预警区域；
标注中心区域是便于在仪表图像识别的时候，能够快速准确的定位到仪表的指针；标注预警区域是为识别采集到的图像里是否有预警事件做判断依据；
13)分别提取中心区域、预警区域的坐标值，并分别保存到配置数据里。
具体的，步骤3包括如下内容：
31)对步骤2中提取的图像进行二值化处理，得到二值化图像；
32)根据配置数据的中心区域的坐标值，通过图像识别算法，找到仪表指针，进而找到针尖位置的坐标值；
33)判断该坐标值是否在配置数据的预警区域的坐标值内，若在，则说明仪表指针已经进入预警区域，立即生成预警事件；若否，则说明仪表指针没有进入预警区域，无需生成预警事件。
步骤32中，所述图像识别算法包括如下内容：
321)通过图像边缘检测技术从二值化图像中检测出所有物体的边缘轮廓，得出边缘轮廓图，本实施例使用的是canny边缘检测算法；
322)使用霍夫变换特征检测算法中的直线检测算法，从边缘轮廓图中找出所有的直线；
323)根据约束条件从得到的直线中过滤找出仪表的指针，其中，约束条件主要包括判断直线是否穿过配置数据的中心区域。
如果计量仪表更换，或者摄像头拍摄的角度或位置发生改变，则按照上述的方法重新配置一次仪表预警识别需要的配置数据信息，及步骤1即可。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。