基于大数据分析的运维风险预警方法与流程

1.本发明涉及图像处理技术领域，具体涉及基于大数据分析的运维风险预警方法。


背景技术：

2.运维风险预警是指在运维过程中，通过监控、分析和评估运维环境中的各种风险因素，及时预警并采取相应措施来避免或降低风险对系统稳定性和安全性的影响。常规的运维风险预警除了应用于数据的监控预警以外，还可应用于图像的监控预警；在对图像的监控预警的过程中，由于网络延迟影响以及其他设备的干扰，导致监控视频内图像的部分像素点产生不同程度的失真，由于失真的像素点会对图像的部分内容不清楚，存在一定风险干扰，所以需要对失真的像素点识别优化处理。
3.现有的所有识别图像失真的方法对失真像素点的识别都存在一定的误差，可能出现部分正常的像素点被识别为失真的像素点的情况，也可能出现部分失真的像素点被识别为正常的像素点的情况。


技术实现要素：

4.本发明提供基于大数据分析的运维风险预警方法，以解决现有的问题：所有的识别图像失真的方法对失真像素点的识别都存在一定的误差，可能出现部分正常的像素点被识别为失真的像素点的情况，也可能出现部分失真的像素点被识别为正常的像素点的情况。
5.本发明的基于大数据分析的运维风险预警方法采用如下技术方案：本发明一个实施例提供了基于大数据分析的运维风险预警方法，该方法包括以下步骤：采集若干纺织监控灰度图像；根据纺织监控灰度图像中每个像素点在相邻时刻的灰度变化差异，得到每个像素点的初级失真程度；对纺织监控灰度图像进行边缘检测得到若干纺织监控边缘图像；根据纺织监控边缘图像得到若干边缘像素点；根据边缘像素点得到若干第二边缘像素点；根据第二边缘像素点得到每个像素点的失真边缘距离；根据失真边缘距离以及初级失真程度得到每个像素点的中级失真程度；根据中级失真程度得到每个像素点的失真程度；根据失真程度得到每张纺织监控灰度图像的若干失真像素点；根据失真像素点得到若干失真纺织监控灰度图像；对每张失真纺织监控灰度图像进行预警优化。
6.优选的，所述根据纺织监控灰度图像中每个像素点在相邻时刻的灰度变化差异，得到每个像素点的初级失真程度，对应计算公式为：；
式中，表示第张纺织监控灰度图像的第个像素点的初级失真程度；表示第张纺织监控灰度图像的第个像素点的灰度值；表示第张纺织监控灰度图像的第个像素点的灰度值；表示第张纺织监控灰度图像；表示第张纺织监控灰度图像的第个像素点的灰度值；表示第张纺织监控灰度图像的第个像素点的灰度值；表示取绝对值；表示超参数；获取每个像素点的初级失真程度。
7.优选的，所述根据纺织监控边缘图像得到若干边缘像素点，包括的具体方法为：将每张纺织监控边缘图像中灰度值不为0的像素点记为边缘像素点。
8.优选的，所述根据边缘像素点得到若干第二边缘像素点，包括的具体方法为：将每个边缘像素点在对应纺织监控边缘图像中处于相同图像位置的像素点记为第二边缘像素点。
9.优选的，所述根据第二边缘像素点得到每个像素点的失真边缘距离，包括的具体方法为：将任意一张纺织监控灰度图像的任意一个像素点记为目标像素点，获取目标像素点与每个第二边缘像素点的欧式距离，记为目标像素点的每个第一边缘距离；在目标像素点的所有第一边缘距离中，将最小的第一边缘距离记为目标像素点的失真边缘距离；获取每个像素点的失真边缘距离。
10.优选的，所述根据失真边缘距离以及初级失真程度得到每个像素点的中级失真程度，对应计算公式为：；式中，表示第张纺织监控灰度图像的第个像素点的中级失真程度；表示在第张纺织监控灰度图像的第个像素点的八邻域内像素点的数量；表示第张纺织监控灰度图像；表示第张纺织监控灰度图像的第个像素点的灰度值；表示第张纺织监控灰度图像的第个像素点的灰度值；表示在第张纺织监控灰度图像的第个像素点的八邻域内，第个像素点的灰度值；表示在第张纺织监控灰度图像的第个像素点的八邻域内，第个像素点的灰度值；表示第张纺织监控灰度图像的第个像素点的初级失真程度；表示第张纺织监控灰度图像的第个像素点的失真边缘距离；表示取绝对值。
11.优选的，所述根据中级失真程度得到每个像素点的失真程度，包括的具体方法为：将任意一张纺织监控灰度图像记为目标纺织监控灰度图像，对目标纺织监控灰度
图像中每个像素点的中级失真程度进行线性归一化，将归一化后的目标纺织监控灰度图像中每个像素点的中级失真程度记为失真程度；获取每张纺织监控灰度图像中每个像素点的失真程度。
12.优选的，所述根据失真程度得到每张纺织监控灰度图像的若干失真像素点，包括的具体方法为：将任意一张纺织监控灰度图像的任意一个像素点记为目标像素点，若目标像素点的失真程度大于预设失真程度阈值，将目标像素点记为失真像素点；若目标像素点的失真程度小于等于预设失真程度阈值，不对目标像素点做任何处理；获取每张纺织监控灰度图像的若干失真像素点。
13.优选的，所述根据失真像素点得到若干失真纺织监控灰度图像，包括的具体方法为：将任意一张纺织监控灰度图像记为目标纺织监控灰度图像，若目标纺织监控灰度图像存在失真像素点，将目标纺织监控灰度图像记为失真纺织监控灰度图像；若目标纺织监控灰度图像不存在失真像素点，不对目标纺织监控灰度图像作任何处理；获取若干失真纺织监控灰度图像。
14.优选的，所述对每张失真纺织监控灰度图像进行预警优化，包括的具体方法为：将任意一张失真纺织监控灰度图像记为目标失真纺织监控灰度图像，若目标失真纺织监控灰度图像中失真像素点的数量大于预设失真像素点数量阈值，对目标失真纺织监控灰度图像中的每个失真像素点进行预警显示；若目标失真纺织监控灰度图像中失真像素点的数量小于等于预设失真像素点数量阈值，对目标失真纺织监控灰度图像内的每个失真像素点进行双线性插值。
15.本发明的技术方案的有益效果是：对纺织监控灰度图像进行边缘检测得到纺织监控边缘图像，根据纺织监控边缘图像得到像素点的失真边缘距离；根据纺织监控灰度图像中像素点在相邻时刻的灰度变化差异得到像素点的初级失真程度，根据初级失真程度以及失真边缘距离得到像素点的失真程度，根据失真程度得到失真纺织监控灰度图像，对失真纺织监控灰度图像进行预警；相较于现有技术可能出现部分正常的像素点被识别为失真的像素点的情况，也可能出现部分失真的像素点被识别为正常的像素点的情况；降低了正常的像素点被错误识别的可能性，提高了识别失真的像素点的准确性，进而提高了风险预警的准确性。
附图说明
16.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
17.图1为本发明基于大数据分析的运维风险预警方法的步骤流程图。
具体实施方式
18.为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结
合附图及较佳实施例，对依据本发明提出的基于大数据分析的运维风险预警方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
19.除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
20.下面结合附图具体的说明本发明所提供的基于大数据分析的运维风险预警方法的具体方案。
21.请参阅图1，其示出了本发明一个实施例提供的基于大数据分析的运维风险预警方法的步骤流程图，该方法包括以下步骤：步骤s001：采集若干纺织监控灰度图像。
22.需要说明的是，现有的所有识别图像失真的方法对失真像素点的识别都存在一定的误差，可能出现部分正常的像素点被识别为失真的像素点的情况，也可能出现部分失真的像素点被识别为正常的像素点的情况。为此，本实施例提出了一种基于大数据分析的运维风险预警方法。
23.具体的，为了实现本实施例提出的基于大数据分析的运维风险预警方法，首先需要采集纺织监控图像，具体过程为：本实施例并不针对某一种监控视频，以纺织仓库监控视频这一监控视频为例进行叙述，获取纺织仓库近一天的监控视频，每隔一分钟输出一帧图像，记为纺织监控图像；将每张纺织监控图像进行灰度化处理得到若干灰度图像，记为纺织监控灰度图像；将纺织监控灰度图像按照获取时间排列构成的序列记为纺织监控灰度图像序列。
24.至此，通过上述方法得到若干纺织监控灰度图像序列。
25.步骤s002：根据纺织监控灰度图像中像素点在相邻时刻的灰度变化差异得到像素点的初级失真程度。
26.需要说明的是，由于纺织监控灰度图像的图像内容一直随着获取时间发生变化，导致同一个像素点在不同获取时间的纺织监控灰度图像中的灰度值会发生不同程度的变化，若同一个像素点开始出现失真的情况，则该像素点的灰度值会发生突变，那么与之前获取时间内的同一像素点的灰度值变化的差异量会较大。
27.具体的，以纺织监控灰度图像序列中第张纺织监控灰度图像的第个像素点为例，根据第张纺织监控灰度图像内第个像素点的像素点在相邻时刻的灰度变化差异，得到第张纺织监控灰度图像内第个像素点的初级失真程度。其中第张纺织监控灰度图像内第像素点的初级失真程度的计算公式为：；式中，表示第张纺织监控灰度图像的第个像素点的初级失真程度；表示第张纺织监控灰度图像的第个像素点的灰度值；表示第张纺织监控灰度图像的第
个像素点的灰度值；表示第张纺织监控灰度图像；表示第张纺织监控灰度图像的第个像素点的灰度值；表示第张纺织监控灰度图像的第个像素点的灰度值；表示取绝对值；表示超参数，本实施例预设；表示第张纺织监控灰度图像的第个像素点与第张纺织监控灰度图像的第个像素点的灰度值差异；表示在第张纺织监控灰度图像之前所有相邻纺织监控灰度图像中，第个像素点的灰度值变化的均值；表示第张纺织监控灰度图像的第个像素点的灰度变化的差异量。获取所有纺织监控灰度图像中所有像素点的初级失真程度。其中，若第张纺织监控灰度图像的第个像素点的初级失真程度越大，说明第张纺织监控灰度图像的第 个像素点与之前的纺织监控灰度图像内的同一个像素点相比，灰度值变化的差异程度越大，初步属于失真的概率越大。
28.至此，通过上述方法得到所有纺织监控灰度图像中所有像素点的初级失真程度。
29.步骤s003：对纺织监控灰度图像进行边缘检测得到若干纺织监控边缘图像；根据纺织监控边缘图像得到像素点的失真边缘距离；根据失真边缘距离以及初级失真程度得到像素点的中级失真程度；根据中级失真程度得到像素点的失真程度。
30.需要说明的是，在纺织监控灰度图像中，失真的像素点被错误识别数量往往较少，由于这些失真程度较低的失真的像素点的灰度值与周围正常的像素点的灰度值相近，并且一定程度地符合周围正常像素点的灰度变换规律，所以可以通过邻域内像素点的灰度差异得到每个像素点的失真程度。
31.具体的，以纺织监控灰度图像序列中任意一张纺织监控灰度图像为例，对该纺织监控灰度图像进行canny算子边缘检测得到边缘图像，记为纺织监控边缘图像；将该纺织监控边缘图像中灰度值不为0的像素点记为边缘像素点，将边缘像素点在纺织监控边缘图像中对应的像素点记为第二边缘像素点；以该纺织监控灰度图像中的任意一个像素点为例，获取该像素点与每个第二边缘像素点的欧式距离，记为该像素点的每个第一边缘距离；在该像素点的所有第一边缘距离中，将最小的第一边缘距离记为该像素点的失真边缘距离；获取所有像素点的失真边缘距离。其中canny算子边缘检测以及欧式距离的获取是公知技术，本实施例不进行叙述。
32.进一步的，以纺织监控灰度图像序列中第张纺织监控灰度图像的第个像素点为例，根据第张纺织监控灰度图像的第个像素点的失真边缘距离、初级失真程度以及邻域内的灰度值差异，得到第张纺织监控灰度图像的第个像素点的中级失真程度；其中第张纺织监控灰度图像的第个像素点的中级失真程度的计算公式为：；
式中，表示第张纺织监控灰度图像的第个像素点的中级失真程度；表示在第张纺织监控灰度图像的第个像素点的八邻域内像素点的数量，若八邻域存在部分区域超出图像区域，那么不考虑超出图像的区域；表示第张纺织监控灰度图像；表示第张纺织监控灰度图像的第个像素点的灰度值；表示第张纺织监控灰度图像的第个像素点的灰度值；表示在第张纺织监控灰度图像的第个像素点的八邻域内，第个像素点的灰度值；表示在第张纺织监控灰度图像的第个像素点的八邻域内，第个像素点的灰度值；表示第张纺织监控灰度图像的第个像素点的初级失真程度；表示第张纺织监控灰度图像的第个像素点的失真边缘距离；表示取绝对值；表示同一个像素点在相邻时刻的灰度差异；表示在同一个像素点的八邻域中，每个像素点在相邻时刻的灰度差异；表示同一个像素点的周围区域在相邻时刻的灰度差异。获取所有纺织监控灰度图像中所有像素点的中级失真程度。其中，若第张纺织监控灰度图像的第个像素点的中级失真程度越大，说明该像素点周围区域内的像素点灰度变化差异越大，变化规律越不符合常规像素点灰度变化的规律，反映该像素点与周围图像边缘距离越远。
33.进一步的，以任意一张纺织监控灰度图像为例，对该纺织监控灰度图像中所有像素点的中级失真程度进行线性归一化处理，将处理后的该纺织监控灰度图像中所有像素点的中级失真程度记为失真程度；获取所有纺织监控灰度图像中所有像素点的失真程度。
34.至此，通过上述方法得到所有纺织监控灰度图像中所有像素点的失真程度。
35.步骤s004：根据失真程度得到失真像素点；根据失真像素点得到失真纺织监控灰度图像；对失真纺织监控灰度图像进行预警。
36.具体的，预设一个失真程度阈值t1，其中本实施例以t1=0.8为例进行叙述，本实施例不进行具体限定，其中t1可根据具体实施情况而定；以任意一张纺织监控灰度图像的任意一个像素点为例，若该像素点的失真程度大于失真程度阈值t1，则将该像素点记为失真像素点；若该像素点的失真程度小于等于失真程度阈值t1，则不对该像素点做任何处理；获取该纺织监控灰度图像中所有失真像素点。
37.进一步的，以任意一张纺织监控灰度图像为例，若该纺织监控灰度图像存在失真像素点，则将该纺织监控灰度图像记为失真纺织监控灰度图像；若该纺织监控灰度图像不存在失真像素点，则不对该纺织监控灰度图像作任何处理；获取所有失真纺织监控灰度图像。
38.进一步的，预设一个失真像素点数量阈值t2，其中本实施例以t2=20为例进行叙
述，本实施例不进行具体限定，其中t2可根据具体实施情况而定；以任意一张失真纺织监控灰度图像为例，若该失真纺织监控灰度图像中失真像素点的数量大于失真像素点数量阈值t2，对该失真纺织监控灰度图像中的每个失真像素点进行预警显示；若该失真纺织监控灰度图像中失真像素点的数量小于等于失真像素点数量阈值t2，对该失真纺织监控灰度图像内的每个失真像素点进行双线性插值；以此类推，对每张失真纺织监控灰度图像中的失真像素点进行预警显示判断。其中双线性插值是公知技术，本实施例不进行叙述。
39.至此，本实施例完成。
40.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。

技术特征：
1.基于大数据分析的运维风险预警方法，其特征在于，该方法包括以下步骤：采集若干纺织监控灰度图像；根据纺织监控灰度图像中每个像素点在相邻时刻的灰度变化差异，得到每个像素点的初级失真程度；对纺织监控灰度图像进行边缘检测得到若干纺织监控边缘图像；根据纺织监控边缘图像得到若干边缘像素点；根据边缘像素点得到若干第二边缘像素点；根据第二边缘像素点得到每个像素点的失真边缘距离；根据失真边缘距离以及初级失真程度得到每个像素点的中级失真程度；根据中级失真程度得到每个像素点的失真程度；根据失真程度得到每张纺织监控灰度图像的若干失真像素点；根据失真像素点得到若干失真纺织监控灰度图像；对每张失真纺织监控灰度图像进行预警优化。2.根据权利要求1所述基于大数据分析的运维风险预警方法，其特征在于，所述根据纺织监控灰度图像中每个像素点在相邻时刻的灰度变化差异，得到每个像素点的初级失真程度，对应计算公式为：；式中，表示第张纺织监控灰度图像的第个像素点的初级失真程度；表示第张纺织监控灰度图像的第个像素点的灰度值；表示第张纺织监控灰度图像的第个像素点的灰度值；表示第张纺织监控灰度图像；表示第张纺织监控灰度图像的第个像素点的灰度值；表示第张纺织监控灰度图像的第个像素点的灰度值；表示取绝对值；表示超参数；获取每个像素点的初级失真程度。3.根据权利要求1所述基于大数据分析的运维风险预警方法，其特征在于，所述根据纺织监控边缘图像得到若干边缘像素点，包括的具体方法为：将每张纺织监控边缘图像中灰度值不为0的像素点记为边缘像素点。4.根据权利要求1所述基于大数据分析的运维风险预警方法，其特征在于，所述根据边缘像素点得到若干第二边缘像素点，包括的具体方法为：将每个边缘像素点在对应纺织监控边缘图像中处于相同图像位置的像素点记为第二边缘像素点。5.根据权利要求1所述基于大数据分析的运维风险预警方法，其特征在于，所述根据第二边缘像素点得到每个像素点的失真边缘距离，包括的具体方法为：将任意一张纺织监控灰度图像的任意一个像素点记为目标像素点，获取目标像素点与每个第二边缘像素点的欧式距离，记为目标像素点的每个第一边缘距离；在目标像素点的所有第一边缘距离中，将最小的第一边缘距离记为目标像素点的失真边缘距离；获取每个像素点的失真边缘距离。6.根据权利要求1所述基于大数据分析的运维风险预警方法，其特征在于，所述根据失
真边缘距离以及初级失真程度得到每个像素点的中级失真程度，对应计算公式为：；式中，表示第张纺织监控灰度图像的第个像素点的中级失真程度；表示在第张纺织监控灰度图像的第个像素点的八邻域内像素点的数量；表示第张纺织监控灰度图像；示第张纺织监控灰度图像的第个像素点的灰度值；表示第张纺织监控灰度图像的第个像素点的灰度值；表示在第张纺织监控灰度图像的第个像素点的八邻域内，第个像素点的灰度值；表示在第张纺织监控灰度图像的第个像素点的八邻域内，第个像素点的灰度值；表示第张纺织监控灰度图像的第个像素点的初级失真程度；表示第张纺织监控灰度图像的第个像素点的失真边缘距离；示取绝对值。7.根据权利要求1所述基于大数据分析的运维风险预警方法，其特征在于，所述根据中级失真程度得到每个像素点的失真程度，包括的具体方法为：将任意一张纺织监控灰度图像记为目标纺织监控灰度图像，对目标纺织监控灰度图像中每个像素点的中级失真程度进行线性归一化，将归一化后的目标纺织监控灰度图像中每个像素点的中级失真程度记为失真程度；获取每张纺织监控灰度图像中每个像素点的失真程度。8.根据权利要求1所述基于大数据分析的运维风险预警方法，其特征在于，所述根据失真程度得到每张纺织监控灰度图像的若干失真像素点，包括的具体方法为：将任意一张纺织监控灰度图像的任意一个像素点记为目标像素点，若目标像素点的失真程度大于预设失真程度阈值，将目标像素点记为失真像素点；若目标像素点的失真程度小于等于预设失真程度阈值，不对目标像素点做任何处理；获取每张纺织监控灰度图像的若干失真像素点。9.根据权利要求1所述基于大数据分析的运维风险预警方法，其特征在于，所述根据失真像素点得到若干失真纺织监控灰度图像，包括的具体方法为：将任意一张纺织监控灰度图像记为目标纺织监控灰度图像，若目标纺织监控灰度图像存在失真像素点，将目标纺织监控灰度图像记为失真纺织监控灰度图像；若目标纺织监控灰度图像不存在失真像素点，不对目标纺织监控灰度图像作任何处理；获取若干失真纺织监控灰度图像。10.根据权利要求1所述基于大数据分析的运维风险预警方法，其特征在于，所述对每张失真纺织监控灰度图像进行预警优化，包括的具体方法为：将任意一张失真纺织监控灰度图像记为目标失真纺织监控灰度图像，若目标失真纺织监控灰度图像中失真像素点的数量大于预设失真像素点数量阈值，对目标失真纺织监控灰度图像中的每个失真像素点进行预警显示；若目标失真纺织监控灰度图像中失真像素点的
数量小于等于预设失真像素点数量阈值，对目标失真纺织监控灰度图像内的每个失真像素点进行双线性插值。

技术总结
本发明涉及图像处理技术领域，具体涉及基于大数据分析的运维风险预警方法，包括：采集若干纺织监控灰度图像；根据纺织监控灰度图像中像素点在相邻时刻的灰度变化差异，得到像素点的初级失真程度；获取纺织监控边缘图像；根据纺织监控边缘图像得到像素点的失真边缘距离；根据失真边缘距离以及初级失真程度得到像素点的失真程度；根据失真程度得到每张纺织监控灰度图像的若干失真像素点；根据失真像素点得到若干失真纺织监控灰度图像；对每张失真纺织监控灰度图像进行预警优化。本发明降低了正常的像素点被错误识别的可能性，提高了识别失真的像素点的准确性，进而提高了风险预警的准确性。确性。确性。


技术研发人员：韩红斌 许大为 刘启超 巩宇龙 李韵 周胜 蔡志飞
受保护的技术使用者：光谷技术有限公司
技术研发日：2023.09.05
技术公布日：2023/10/11