基于大数据的高性能红外图像实时处理系统

本发明属于图像处理领域，涉及高性能红外图像的实时处理技术，具体是基于大数据的高性能红外图像实时处理系统。

背景技术：

1、所有高于绝对零度的物体都会散发出红外辐射，红外探测器可感知并将其转换为电信号，在经过灰度变换之后获取红外图像。这种被动成像的方式，均有隐蔽性强、高抗干扰性等优点，广泛应用于目标识别、特征提取等领域。

2、目前在对红外图像进行处理时，主要是根据红外图像中的温度数据来识别目标，并对红外图像中目标温度的分布情况进行特征提取，来完成目标识别和目标状态分析。现有技术仅根据温度数据来进行目标识别，难以消除其他物体的影响，而且仅根据单一红外图像来识别目标状态，也难以保证状态的准确性；因此，亟须一种基于大数据的高性能红外图像实时处理系统。

技术实现思路

1、本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了基于大数据的高性能红外图像实时处理系统，用于解决现有技术根据少数红外图像来进行目标识别或状态分析时，难以保证结果准确性和可靠性的技术问题。

2、为实现上述目的，本发明的第一方面提供了基于大数据的高性能红外图像实时处理系统，包括中枢控制模块，以及与之相连接的数据交互模块；数据交互模块分别与数据库和图像采集设备相连接；中枢控制模块通过数据库获取各标准物体和对应的模拟数据；基于模拟数据提取标准物体在各工作状态下的温度分布特征；基于温度分布特征获取温度分布序列，并构建目标轮廓模型；同时基于若干温度分布序列训练人工智能模型，获取状态识别模型；中枢控制模块通过图像采集设备连续获取红外图像；基于红外图像提取温度分布序列，基于温度分布序列匹配目标轮廓模型，确定目标物体；基于目标物体连续红外图像获取若干温度分布特征，结合状态识别模型识别目标物体状态。

3、目前针对红外图像的处理主要是根据图像中的温度数据变化识别到目标物体，或者识别到目标物体的温度变化情况，以便进行后续的跟进处理。这种方式进行目标物体识别时无法保证精度，在存在多个相似物体时会影响识别准确性；而且针对目标物体进行温度变化分析时，也仅能分析变化的大致趋势，难以根据温度变化趋势识别出其工作状态。本发明适用于尺寸轮廓固定，且在不同工作状态下其温度变化存在差异的物体，如电力设备、施工机械等；当然，在一些情况下还可以对生物以及体征进行监测。

4、本发明的主要思路是先确定标准物体，模拟标准物体在各种工作状态下其红外图像中温度分布特征，对温度分布特征进行处理来构建目标轮廓模型，这样可以根据应用场景建立合适的数据库。当然，在经验数据足够的情况下也可根据经验数据来构建目标轮廓模型。目标轮廓模型可以理解为标准物体在各种工作状态下的温度分布特征集合；而标准物体是根据本发明应用范围而确定的，若应用于电力设备的工作状态监测，则标准物体即为各种电力设备。

5、接着通过图像采集设备采集未知物体的红外图像，根据某时刻的温度分布特征可以在目标轮廓模型中匹配确定该未知物体具体为何种标准物体。然后根据连续获取的红外图像来获取温度变化趋势，结合状态识别模型可以确定该未知物体的工作状态，这样能够对适用范围内的未知物体进行准确识别，并对其异常状态进行识别预警。本发明中的工作状态包括正常工作状态和异常工作状态。

6、优选的，所述基于模拟数据提取标准物体在各工作状态下的温度分布特征，包括：提取标准物体在各工作状态下对应的模拟数据；提取任意工作状态下的模拟数据，将模拟数据中的温度极点作为参考点；以参考点为圆心，以间隔值为半径确定圆形区域或者环形区域，标记为目标区域；计算目标区域的温度系数，将若干温度系数整合成对应的温度分布特征。

7、本发明从数据库中提取模拟数据(或者符合要求的历史经验数据)，这些模拟数据标准物体在各种工作状态下采集的红外图像，这些红外图像在一定程度上工作状态在温度数据上的体现。在这些模拟数据中肯定存在温度极点，即温度最大值或者温度最小值，以温度极点作为参考点，在间隔值的基础上划分出若干区域，这些区域中至少存在一个圆形区域和至少一个环形区域。本发明中的目标区域是包括圆形区域和环形区域的；间隔值根据实际情况来设置，如间隔值为2，则得到的圆形区域的半径为2，第一个环形区域对应的半径为4，第二个环形区域对应的半径为6，…。

8、本发明中的温度系数可以是温度均值，如各目标区域中所有像素点对应的温度均值；也可以是温度分布比例，如各目标区域中各温度范围对应像素点的占比；还可以是该目标区域相对其他目标区域的温度变化幅度，如当前目标区域的温度均值与相邻目标区域温度均值的比值。

9、优选的，所述计算目标区域的温度系数，将若干温度系数整合成对应的温度分布特征，包括：以参考点作为端点，均匀生成若干标准射线；若干目标区域将每条标准射线划分成若干线段，计算若干线段对应的温度均值；基于目标区域中若干线段对应的温度均值生成温度分布特征。

10、本发明还可以以标准射线为参考来确定目标区域的温度分布特征，具体是以参考点为端点发射若干射线，可以将若干射线与各目标区域相交点的温度值作为温度系数，还可以将目标区域中射线段对应的温度均值作为温度系数。以参考点作为基准，依次拼接若干温度系数可生成温度分布特征。

11、优选的，所述基于温度分布特征获取温度分布序列，并构建目标轮廓模型，包括：提取标准物体在各工作状态下的温度分布特征和标准物体尺寸；对温度分布特征中的温度系数进行串联拼接处理，获取各工作状态对应的温度分布序列；基于任意温度分布序列和标准物体尺寸确定原始轮廓；通过其他温度分布序列验证和调整原始轮廓，并与若干温度分布序列关联生成目标轮廓模型。

12、本发明中的温度分布特征和温度分布序列所包含内容一致，不过温度分布特征直接用温度系数生成，而温度分布序列则是在应用需求上对温度分布特征进一步处理得到的，这里的应用需求主要是指后续的模型训练或者数据比对，因此可以是归一化处理、赋值处理等。

13、优选的，所述基于若干温度分布序列训练人工智能模型，获取状态识别模型，包括：为工作状态设置状态标识，以该工作状态对应温度分布序列的获取时刻为时间界限，提取时间界限以及之前的温度分布序列；将提取的各温度分布序列整合成标准输入数据，将对应的状态标识作为标准输出数据；通过标准输入数据和标准输出数据训练人工智能模型，获取状态识别模型。

14、本发明在识别目标物体的工作状态时，可以通过单一时刻的温度分布序列来确定，这样方式适合进行是否故障的确定，难以确定具体故障类型；本发明将当前时刻以及当前时刻之前的所有温度分布序列均作为参考，纳入到标准输入数据中，根据模拟情况或者实际情况为标准输入数据中的各温度分布序列设置状态标识，在对人工智能模型进行基础搭建之后，可通过标准输入数据和标准输出数据来对人工智能模型进行训练或者更新，获取状态识别模型。

15、优选的，所述基于红外图像提取温度分布序列，基于温度分布序列匹配目标轮廓模型，确定目标物体，包括：连续获取的红外图像，并获取对应的温度分布序列；比较温度分布序列与若干目标轮廓模型对应的温度分布序列是否一致；是，则将目标轮廓模型对应的标准物体作为目标物体；否，则持续进行比对。

16、本发明在采集获取未知物体的红外图像之后，首先从红外图像中提取温度分布序列，将提取的温度分布序列与目标轮廓模型中各标准物体对应的温度分布序列逐一比较，来确定该未知物体属于何种标准物体，将其标记为目标物体，这里也就实现了对未知物体的识别。

17、优选的，所述基于目标物体连续红外图像获取若干温度分布特征，结合状态识别模型识别目标物体状态，包括：基于确定的目标物体的连续红外图像获取若干温度分布特征；将若干温度分布特征整合成状态识别序列，输入至状态识别模型获取对应的状态标识，并根据状态标识进行预警。

18、本发明在识别到未知物体之后，通过连续(这里的连续包括根据设定间隔不间断采集红外图像)采集的红外图像提取若干温度分布特征，将若干温度分布特征整合成状态识别序列。状态识别序列与标准输入数据的内容属性一致，结合状态识别模型可以获取状态识别序列对应的状态标识，根据状态标识可以对目标物体的工作状态进行监控和预警。

19、优选的，所述中枢控制模块与所述数据交互模块通信和/或电气连接；且所述中枢控制模块和所述数据交互模块基于云技术构建；所述数据交互模块分别与数据库和图像采集设备通信和/或电气连接；所述数据库用于存储数据，所述图像采集设备用于采集红外图像。

20、与现有技术相比，本发明的有益效果是：

21、1.本发明通过数据库获取各标准物体和对应的模拟数据；基于模拟数据提取标准物体在各工作状态下的温度分布特征；基于温度分布特征获取温度分布序列，并构建目标轮廓模型；本发明对大量数据进行特征提取构建目标轮廓模型，有利于根据红外图像快速进行目标识别，提高识别结果的可靠性。

22、2.本发明基于标准物体的若干温度分布序列训练人工智能模型，获取状态识别模型；基于目标物体连续红外图像获取若干温度分布特征，结合状态识别模型识别目标物体状态；本发明通过获取连续的温度分布特征，能够准确识别出目标物体的工作状态，大大消除了红外图像质量对状态识别的影响。