热红外图像的服务器设备检测研究范文

摘要:数据中心能耗巨大，文中基于热成像技术，自动监测每个服务器的表面温度分布，并提取机柜中服务器的轮廓区域，为下一步的服务器状态诊断提供数据支持，从而更好地推进数据中心节能工作。文中采用方向边缘可控滤波器求得待检测服务器横竖边缘在红外图像中的最优角度，然后利用Hough直线检测和线性拟合方法，完成红外图像中的服务器设备自动检测。实验结果表明:相比于传统的Hough直线检测，在相同的拍摄角度下，文中提出的方法可以更准确地提取服务器所在区域的温度分布。

关键词:热红外图像;数据中心;方向可控边缘滤波

0引言

随着全球网络化、信息化的推进，数据中心作为信息载体，其规模也快速扩大，随之而来的能耗问题日益凸显。2015年我国数据中心的能耗达到1000亿kWh左右，这相当于三峡电站一年的发电量，并预计在2020年将超过2500亿kWh［1－2］。除了正常的IT耗能之外，其中有近40%的能耗用于维持服务器正常运行的空调系统［3］。服务器负荷变化和热点的存在降低了数据中心的制冷效率。如果数据中心温度的变化从10℃～2℃，空调系统的能耗可降低约25%［4］。因此，对数据中心的温度场进行感知和分析是寻找热点原因的关键。数据中心的任务管理和冷却系统较为复杂，热点的位置可能会发生动态变化，这将给数据中心温度监测带来难度。传统的解决方案是使用温度传感器监测服务器的热状态，然而温度传感器提供的是点信息，如果传感器未被部署到合适的位置，我们无法确定热点的具体位置或大小［5］。远程机器人的移动测量系统克服了温度传感器的缺点，然而数据中心的热分布可能随着时间的推移而改变，机器人采集到的温度数据存在时间延迟，这并不适合热点的进一步分析［6］。热成像摄像头的优点是可以实时获取更直观的二维热分布图像，利用图像处理技术能够进一步地分析热点的成因以及进行故障诊断。相比于人脸识别或是车道线检测，本文采用的数据中心机柜热红外图像(机柜中有数台服务器)具有边缘信息密度低的特点，不能利用阈值分割算法分离图像中的前景和背景，并且现有算法不能有效检测出数据中心服务器热红外图像中的边界特征，完成服务器子单元的提取工作［7］。针对此问题，本文首先采用方向可控滤波算法寻找最优滤波角度，其次，考虑到服务器送风方式，本文结合Hough直线检测及线性拟合算法提取服务器边缘，完成红外图像中的服务器设备自动检测，进而可以根据服务器单元温度分布图像来分析产生热点的原因，以及采取针对性处理措施推进数据中心节能工作［8］。实验结果表明，本文提出的算法能够较为准确地提取正向拍摄的红外图像中服务器子单元区域。

1方向可控边缘滤波器

方向可控边缘滤波器［9］可以检测特征点的主要方向和局部能量，能真正实现任意方向的特征检测。它是由一系列“基滤波器”进行线性组合所合成的滤波器。

2算法描述

在机柜热红外图像中，机柜与其中的服务器边缘之间存在水平与竖直方向的平行关系，但由于拍摄角度会导致图像的几何畸变［10］，红外图像中服务器的边界直线(待检测直线)的角度也会随之改变。本文提出一种利用方向可控边缘滤波器与Hough直线检测算法相结合的方法来准确定位图像中的直线，具体的算法流程如下:①利用方向可控边缘滤波器对图像I在θ(θ=1，2，…，360)方向滤波，得到每个滤波方向的极值集合Rθ。Rθ中的两个极大值对应的角度为待检测直线的竖直最优滤波角度θ1和水平最优滤波角度θ2。取最优角度的滤波结果Iθ1，Iθ2作为候选直线所在区域。②Iθ1中服务器单元上边沿和下边沿的判定。③Hough直线检测，剔除干扰直线，得到最终结果。

2．1最优滤波角度的计算采用方向边缘滤波算法的目的是检测特征点的主要方向和局部能量，即找到图像中待检测直线的方向和局部位置。利用方向可控边缘滤波器对图像I经过θ度(θ=0，1，2，…，360)滤波后将得到每个方向的滤波子图集合Iθ。取各方向极值集合Rθ中的两个极大值θ1，θ2作为服务器横竖边待检测直线的角度。根据极值方向滤波得到滤波子图，将其作为该方向直线段的特征量。

2．2服务器上下边沿的判定本文拍摄的数据中心服务器机柜采用的是地板下送风方式，由下而上机柜中的服务器环境温度会逐渐升高，这会导致所拍摄的热红外图像中服务器的上边沿没有下边沿明显，因此在直线检测的时候上边沿的阈值要小于下边沿的阈值。另外正常工作的服务器表面温度要高于其边沿温度，因此单个服务器上下边沿梯度的大小不同且方向相反，对应特征图Iθ1位置的数据正好正负相反。据此可以快速区分数据中心热红外图像中服务器的上下边沿。

2．3剔除干扰直线Hough直线检测原理是将图像空间y=a*x+b上的点映射到参数空间b=－x*a+y上相交于一点的多条线的点线对偶关系［11］。在得到水平和竖直方向的滤波图像后，本文采用Hough直线检测算法获取服务器单元的边缘。由于滤波后显示的是水平和竖直方向服务器边缘直线所在位置的区域，直接对其进行Hough直线检测会存在干扰直线。因此本文引入一个补偿角度Dn用于直线校准，即仅保留与最优角度相近的直线。候选直线区域内的像素点分布随机且不连续，Dn的大小会直接影响到检测直线的准确性。本文采用方向滤波算法已经获取待检测水平和竖直直线的最优角度，因此只要保证检测到的直线角度接近于最优角度即可，那么Dn的影响也就相对变弱。文中补偿角度Dn的值取5。

2．4竖直直线检测本文拍摄的机柜热红外图像中服务器与机柜的竖直边界的梯度差异小，导致直线检测的效果差，所以利用横线端点进行拟合。即根据服务器单元上下边沿线的左右端点，利用最小二乘法拟合出两条直线线作为服务器的竖直边界。拟合直线的准确性依赖于检测到的上下边沿的完整性。

3实验结果与分析本方法

应用于某小型数据中心。采用FLIR红外摄像仪拍摄不同环境温度及不同角度下的机柜服务器。数据中心环境温度为19℃～23℃。

3．1服务器温度不同图6为最高温度不同的三组服务器热红外图像及其边界检测结果。其中图6(b)为图像经过Can-ny算子边缘检测后，利用Hough变换直线检测的结果;图6(c)为文中算法直线检测结果。传统的Hough变换直线检测的准确性较大程度依赖于边缘检测算子，而大部分边缘检测算子例如prewitt，Log，Canny，sobel，roberts算子等都只对边缘明显无干扰的图像具有较好的效果［12］。服务器热红外图像的低分辨率，背景复杂度高，传统的边缘检测算子很难获得完整的服务器边缘，Hough直线检测的结果也就不言而喻［13－14］。图6(b)未能检测大部分低对比度的直线。本文算法的创新点在于结合服务器热红外图像的特点，通过方向边缘滤波获取待检测直线的最优角度，从待检测直线的角度入手，准确得到候选直线所在的位置区域。另一方面，在进行方向边缘滤波之前并未进行任何图像增强处理，避免检测过程中引入噪声，从而更加精确地计算出直线最优方向。

3．2服务器拍摄角度不同相对于服务器进风口正向拍摄的红外图像而言，倾斜拍摄的服务器热红外图像中的直线检测更具困难。然而在现实使用过程中拍摄到的图像不可避免地会发生倾斜。斜拍会使服务器和机柜边缘产生几何形变，且边缘对比度降低。针对这种情况，本文采用调整方向边缘滤波器的参数的方法确保最优方向和直线检测的准确性。对于正拍和斜拍的图像各用不同参数的滤波器对其进行滤波，然后利用Hough直线检测和线性拟合方法，完成红外图像中的服务器设备自动检测。

4结束语

本文针对数据中心热红外图像，提出了基于方向滤波的最佳滤波角估计方法，并结合Hough直线检测及线性拟合算法，自动地提取了机柜中服务器的轮廓区域，为后续的服务器状态诊断提供数据支持。在获取最佳滤波角度的基础上，考虑到送风方向及热传导的影响，本文提出了分别检测服务器上下边沿的方法，提高了服务器区域提取的准确性。实验结果表明，相比于传统Hough直线检测算法，在相同拍摄角度下，本文提出的方法可以更准确地提取服务器所在区域的温度分布。另外倾斜拍摄的红外图像边缘检测结果显示，拍摄角度在一定程度上会影响检测结果的准确性。

参考文献:

［1］谷立静，周伏秋，孟辉．我国数据中心能耗及能效水平研究［J］．中国能源，2010，32(11):42－45．

［2］康晓艳．BIM技术与绿色数据中心建设［J］．城市建设理论研究:电子版，2014(13):2998.

［7］董立菊．图像阈值化技术的综述、分类及评价［J］．沈阳大学学报:自然科学版，2004，16(4):8－11．

作者：刘航1；谢婷1；冉建1；宋先霖2；王维娜2 单位：1.大连理工大学电子科学与技术学院，2.吉林寰球和创机械制造清洗有限公司