CN106850291B - 一种网络监控管理系统及方法 - Google Patents

一种网络监控管理系统及方法 Download PDF

Info

Publication number
CN106850291B
CN106850291B CN201710057981.7A CN201710057981A CN106850291B CN 106850291 B CN106850291 B CN 106850291B CN 201710057981 A CN201710057981 A CN 201710057981A CN 106850291 B CN106850291 B CN 106850291B
Authority
CN
China
Prior art keywords
center
facet
normal
light
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710057981.7A
Other languages
English (en)
Other versions
CN106850291A (zh
Inventor
刘占波
周雪
王晓丽
闫实
刘畅
刘芳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mudanjiang Medical University
Original Assignee
Mudanjiang Medical University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Mudanjiang Medical University filed Critical Mudanjiang Medical University
Priority to CN201710057981.7A priority Critical patent/CN106850291B/zh
Publication of CN106850291A publication Critical patent/CN106850291A/zh
Application granted granted Critical
Publication of CN106850291B publication Critical patent/CN106850291B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00Arrangements for maintenance or administration or management of packet switching networks
    • H04L41/04Architectural aspects of network management arrangements
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00Arrangements for monitoring or testing packet switching networks
    • H04L43/50Testing arrangements

Abstract

本发明提出了一种网络监控管理的系统和方法。该系统包括:信号接收单元,数据智能选择单元,外部环境判断单元,对象修正单元,识别显示单元。该方法包括:信号接收步骤,数据智能选择步骤,外部环境判断步骤,对象修正步骤,识别显示步骤。通过该系统和方法,能够提高网络监控管理的效率以及准确度、抗干扰性。

Description

一种网络监控管理系统及方法
技术领域
本发明涉及信息安全技术领域,特别涉及一种网络监控管理系统及方法。
背景技术
网络监控管理在现实生活中具有重要的意义。现有技术中有利用人脸识别进行认证监控管理的系统及方法,也有通过指纹、瞳孔进行认证监控的系统及方法。然而目前基于上述手段对身份进行识别,通常会受到外界环境的影响,例如光线、识别的位置、色差等都会影响识别结果,从而影响到网络监控管理的准确率和效率。如何提高监控的效率、精确度和抗干扰性,是网络监控管理面临的主要问题。
发明内容
为了解决上述问题,本发明的目的在于提供一种网络监控管理系统及方法,能够根据数据统计结果对状态好的设备进行选择,针对捕捉的对象受外部环境影响度的分析,以及对显示效果进行处理,从而提高监控管理的效率和精确度,增强抗干扰性能。
发明采用的技术方案如下:
一种网络监控管理系统,包括:信号接收单元,数据智能选择单元,外部环境判断单元,对象修正单元,识别显示单元;
信号接收单元,包括获取对象,搜集对象形状、大小、颜色、光线、位置信息;
数据智能选择单元,针对当前网络状态、服务器状态数据进行分析,获得网络和服务器资源数据反馈,根据反馈结果自动选择网络和服务器;
外部环境判断单元,计算光线因子数据Q;
对象修正单元,将计算得到的光线因子数据和设定的阈值进行比较,如果低于该阈值,则自动进行补光操作;
识别显示单元,计算图像显示参数并显示图像,将图像和先验数据库进行比对监控。
优选的,获取监控对象图像,将监控对象图像分为N个面,计算光线因子数据Q。
优选的,补光操作为对图像全局或局部进行增强。
优选的,计算图像显示参数。
本发明还公开了一种网络监控管理方法,包括:信号接收步骤,数据智能选择步骤,外部环境判断步骤,对象修正步骤,识别显示步骤;
信号接收步骤,包括获取对象,搜集对象形状、大小、颜色、光线、位置信息;
数据智能选择步骤,针对当前网络状态、服务器状态数据进行分析,获得网络和服务器资源数据反馈,根据反馈结果自动选择网络和服务器;
外部环境判断步骤,计算光线因子数据Q;
对象修正步骤,将计算得到的光线因子数据和设定的阈值进行比较,如果低于该阈值,则自动进行补光操作;
识别显示步骤,计算图像显示参数并显示图像,将图像和先验数据库进行比对监控。
优选的,获取监控对象图像,将监控对象图像分为N个面,计算光线因子数据Q。
优选的,补光操作为对图像全局或局部进行增强。
优选的,计算图像显示参数。
附图说明
下面结合图1-6附图及实施方式对本发明作进一步详细的说明:
图1为网络监控管理系统的示意图;
图2为网络监控管理方法的流程图;
图3为网络监控管理方法的实施例1;
图4为网络监控管理方法的实施例2;
图5为网络监控管理方法的实施例3;
图6为网络监控管理方法的实施例4。
具体实施方式
本发明公开了一种网络监控管理系统,包括:信号接收单元,数据智能选择单元,外部环境判断单元,对象修正单元,识别显示单元;
信号接收单元,包括获取对象,搜集对象形状、大小、颜色、光线、位置信息;
数据智能选择单元,针对当前网络状态、服务器状态数据进行分析,获得网络和服务器资源数据反馈,根据反馈结果自动选择网络和服务器;
外部环境判断单元,计算光线因子数据Q;
对象修正单元,将计算得到的光线因子数据和设定的阈值进行比较,如果低于该阈值,则自动进行补光操作;
识别显示单元,计算图像显示参数并显示图像,将图像和先验数据库进行比对监控。
进一步地,获取监控对象图像,将监控对象图像分为N个面,计算光线因子数据Q。
进一步地,补光操作为对图像全局或局部进行增强。
进一步地,计算图像显示参数。
进一步地,计算光线因子数据Q具体为:获取监控对象图像,将监控对象图像分为N个面,计算如下:
其中,Ai和Aj是第i和j个面的面积;Bi和Bj是第i和j个面的通量密度;Ei是从第i个面发出的通量密度;ρi是第i个面的反射系数;Fji是光线到达第i个面的通量分量。
进一步地,Fji是光线离开第j个面而到达第i个面的通量分量,Fji计算如下:
其中,r是面元dAi中心到面元dAj中心的距离;将dAi和dAj中心连线,θi是面元dAi的法线和该中心连线之间的夹角,θj是面元dAj的法线和该中心连线之间的夹角。
进一步地,Fji是光线离开第j个及相邻面而到达第i个面的通量分量,Fji还可以计算如下:
其中,r是面元dAi中心到面元dAj中心的距离;将dAi和dAj中心连线,θi是面元dAi的法线和该中心连线之间的夹角,θj是面元dAj的法线和该中心连线之间的夹角;
r1是面元dAi中心到面元dAj+1中心的距离;将dAi和dAj+1中心连线,θi'是面元dAi的法线和该中心连线之间的夹角,θj+1是面元dAj+1的法线和该中心连线之间的夹角;
r2是面元dAi中心到面元dAj-1中心的距离;将dAi和dAj-1中心连线,θi″是面元dAi的法线和该中心连线之间的夹角,θj-1是面元dAj-1的法线和该中心连线之间的夹角。
进一步地,图像显示参数计算如下:
其中,Nv为图像集v中的像素,q为索引,c(xq+2,yq)为坐标为(xq+2,yq)的像素值的颜色分量,c(xq+1,yq)为坐标为(xq+1,yq)的像素值的颜色分量,c(xq,yq)为坐标为(xq,yq)的像素值的颜色分量,Pc为图像中在x方向上从一个像素到下一个像素的平均水平颜色变化;根据颜色变化对色彩进行整体或局部调节。
本发明还公开了一种网络监控管理方法,包括:信号接收步骤,数据智能选择步骤,外部环境判断步骤,对象修正步骤,识别显示步骤;
信号接收步骤,包括获取对象,搜集对象形状、大小、颜色、光线、位置信息;
数据智能选择步骤,针对当前网络状态、服务器状态数据进行分析,获得网络和服务器资源数据反馈,根据反馈结果自动选择网络和服务器;
外部环境判断步骤,计算光线因子数据Q;
对象修正步骤,将计算得到的光线因子数据和设定的阈值进行比较,如果低于该阈值,则自动进行补光操作;
识别显示步骤,计算图像显示参数,将图像和先验数据库进行比对监控。
进一步地,获取监控对象图像,将监控对象图像分为N个面,计算光线因子数据Q。
进一步地,补光操作为对图像全局或局部进行增强。
进一步地,计算图像显示参数。
进一步地,计算光线因子数据Q具体为:获取监控对象图像,将监控对象图像分为N个面,计算如下:
其中,Ai和Aj是第i和j个面的面积;Bi和Bj是第i和j个面的通量密度;Ei是从第i个面发出的通量密度;ρi是第i个面的反射系数;Fji是光线到达第i个面的通量分量。
进一步地,Fji是光线离开第j个面而到达第i个面的通量分量,Fji计算如下:
其中,r是面元dAi中心到面元dAj中心的距离;将dAi和dAj中心连线,θi是面元dAi的法线和该中心连线之间的夹角,θj是面元dAj的法线和该中心连线之间的夹角。
进一步地,Fji是光线离开第j个及相邻面而到达第i个面的通量分量,Fji还可以计算如下:
其中,r是面元dAi中心到面元dAj中心的距离;将dAi和dAj中心连线,θi是面元dAi的法线和该中心连线之间的夹角,θj是面元dAj的法线和该中心连线之间的夹角;
r1是面元dAi中心到面元dAj+1中心的距离;将dAi和dAj+1中心连线,θi'是面元dAi的法线和该中心连线之间的夹角,θj+1是面元dAj+1的法线和该中心连线之间的夹角;
r2是面元dAi中心到面元dAj-1中心的距离;将dAi和dAj-1中心连线,θi″是面元dAi的法线和该中心连线之间的夹角,θj-1是面元dAj-1的法线和该中心连线之间的夹角。
进一步地,图像显示参数计算如下:
其中,Nv为图像集v中的像素,q为索引,c(xq+2,yq)为坐标为(xq+2,yq)的像素值的颜色分量,c(xq+1,yq)为坐标为(xq+1,yq)的像素值的颜色分量,c(xq,yq)为坐标为(xq,yq)的像素值的颜色分量,Pc为图像中在x方向上从一个像素到下一个像素的平均水平颜色变化;根据颜色变化对色彩进行整体或局部调节。
通过本发明对网络监控管理的系统和方法,能够根据数据统计结果对状态好的设备进行选择,针对捕捉的对象受外部环境影响度的分析,以及对显示效果进行处理,从而提高了监控管理的效率和精确度,增强了抗干扰性能。
上述实施例阐明的内容应当理解为这些实施例仅用于更清楚地说明本发明,而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

Claims (2)

1.一种网络监控管理系统,其特征在于,该系统包括:信号接收单元,数据智能选择单元,
外部环境判断单元,对象修正单元,识别显示单元;
所述信号接收单元,包括获取对象,搜集对象形状、大小、颜色、光线、位置信息;
所述数据智能选择单元,针对当前网络状态、服务器状态数据进行分析,获得网络和服务器资源数据反馈,根据反馈结果自动选择网络和服务器;
所述外部环境判断单元,计算光线因子数据Q;
所述对象修正单元,将计算得到的光线因子数据和设定的阈值进行比较,如果低于该阈值,则自动进行补光操作;
所述识别显示单元,计算图像显示参数并显示图像,将图像和先验数据库进行比对监控;
所述计算光线因子数据Q具体为:获取监控对象图像,将监控对象图像分为N个面,计算如下:
其中,Ai和Aj是第i和j个面的面积;Bi和Bj是第i和j个面的通量密度;Ei是从第i个面发出的通量密度;ρi是第i个面的反射系数;Fji是光线到达第i个面的通量分量;
其中,Fji是光线离开第j个面而到达第i个面的通量分量时,所述Fji计算如下:
其中,r是面元dAi中心到面元dAj中心的距离;将dAi和dAj中心连线,θi是面元dAi的法线和该中心连线之间的夹角,θj是面元dAj的法线和该中心连线之间的夹角;
其中,Fji是光线离开第j个及相邻面而到达第i个面的通量分量时,所述Fji计算如下:
其中,r是面元dAi中心到面元dAj中心的距离;将dAi和dAj中心连线,θi是面元dAi的法线和该中心连线之间的夹角,θi是面元dAj的法线和该中心连线之间的夹角;
r1是面元dAi中心到面元dAj+1中心的距离;将dAi和dAj+1中心连线,θ′i是面元dAi的法线和该中心连线之间的夹角,θj+1是面元dAj+1的法线和该中心连线之间的夹角;
r2是面元dAi中心到面元dAi-1中心的距离;将dAi和dAj-1中心连线,θ″i是面元dAi的法线和该中心连线之间的夹角,θj-1是面元dAj-1的法线和该中心连线之间的夹角;
所述识别显示单元计算图像显示参数计算如下:
其中,Nv为图像集v中的像素,c(xq,yq)为坐标为(xq,yq)的像素值的颜色分量,q为索引,Pc为图像中在x方向上从一个像素到下一个像素的平均水平颜色变化;根据颜色变化对色彩进行整体或局部调节,提高显示效果;
所述补光操作为对图像全局或局部进行增强;
该网络监控管理系统能够根据数据统计结果对状态好的设备进行选择,针对捕捉的对象受外部环境影响度的分析,以及对显示效果进行处理,从而提高监控管理的效率和精确度,增强抗干扰性能。
2.一种网络监控管理方法,其特征在于,该方法包括:信号接收步骤,数据智能选择步骤,外部环境判断步骤,对象修正步骤,识别显示步骤;
所述信号接收步骤,包括获取对象,搜集对象形状、大小、颜色、光线、位置信息;
所述数据智能选择步骤,针对当前网络状态、服务器状态数据进行分析,获得网络和服务器资源数据反馈,根据反馈结果自动选择网络和服务器;
所述外部环境判断步骤,计算光线因子数据Q;
所述对象修正步骤,将计算得到的光线因子数据和设定的阈值进行比较,如果低于该阈值,则自动进行补光操作;
所述识别显示步骤,计算图像显示参数并显示图像,将图像和先验数据库进行比对监控;
所述计算光线因子数据Q具体为:获取监控对象图像,将监控对象图像分为N个面,计算如下:
其中,Ai和Aj是第i和j个面的面积;Bi和Bj是第i和j个面的通量密度;Ei是从第i个面发出的通量密度;ρi是第i个面的反射系数;Fji是光线到达第i个面的通量分量;其中,Fji是光线离开第j个面而到达第i个面的通量分量时,所述Fji计算如下:
其中,r是面元dAi中心到面元dAj中心的距离;将dAi和dAj中心连线,θi是面元dAi的法线和该中心连线之间的夹角,θj是面元dAj的法线和该中心连线之间的夹角;
其中,Fji是光线离开第j个及相邻面而到达第i个面的通量分量时,所述Fji计算如下:
其中,r是面元dAi中心到面元dAj中心的距离;将dAi和dAj中心连线,θi是面元dAi的法线和该中心连线之间的夹角,θj是面元dAj的法线和该中心连线之间的夹角;
r1是面元dAi中心到面元dAj+1中心的距离;将dAi和dAj+1中心连线,θ′i是面元dAi的法线和该中心连线之间的夹角,θj+1是面元dAj+1的法线和该中心连线之间的夹角;
r2是面元dAi中心到面元dAj-1中心的距离;将dAi和dAj-1中心连线,θ″i是面元dAi的法线和该中心连线之间的夹角,θj-1是面元dAj-1的法线和该中心连线之间的夹角;
所述识别显示单元计算图像显示参数计算如下:
其中,Nv为图像集v中的像素,c(xq,yq)为坐标为(xq,yq)的像素值的颜色分量,q为索引,Pc为图像中在x方向上从一个像素到下一个像素的平均水平颜色变化;
根据颜色变化对色彩进行整体或局部调节,提高显示效果;
所述补光操作为对图像全局或局部进行增强;
该网络监控管理方法能够根据数据统计结果对状态好的设备进行选择,针对捕捉的对象受外部环境影响度的分析,以及对显示效果进行处理,从而提高监控管理的效率和精确度,增强抗干扰性能。
CN201710057981.7A 2017-01-23 2017-01-23 一种网络监控管理系统及方法 Active CN106850291B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710057981.7A CN106850291B (zh) 2017-01-23 2017-01-23 一种网络监控管理系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710057981.7A CN106850291B (zh) 2017-01-23 2017-01-23 一种网络监控管理系统及方法

Publications (2)

Publication Number Publication Date
CN106850291A CN106850291A (zh) 2017-06-13
CN106850291B true CN106850291B (zh) 2020-08-11

Family

ID=59122517

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710057981.7A Active CN106850291B (zh) 2017-01-23 2017-01-23 一种网络监控管理系统及方法

Country Status (1)

Country Link
CN (1) CN106850291B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103297512A (zh) * 2013-05-15 2013-09-11 吴玉平 一种基于云技术的人脸识别区域网络智能监控系统及方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100558044C (zh) * 2005-12-22 2009-11-04 华为技术有限公司 监测网元间网络性能的方法、设备及系统
CN203911977U (zh) * 2014-01-07 2014-10-29 湖南省烟草公司长沙市公司 一种跨网络信息设备监控系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103297512A (zh) * 2013-05-15 2013-09-11 吴玉平 一种基于云技术的人脸识别区域网络智能监控系统及方法

Also Published As

Publication number Publication date
CN106850291A (zh) 2017-06-13

Similar Documents

Publication Publication Date Title
Eisenbach et al. How to get pavement distress detection ready for deep learning? A systematic approach
RU2708422C1 (ru) Способ и система управления банкоматами
Huang et al. A pavement crack detection method combining 2D with 3D information based on Dempster‐Shafer theory
CN102348128B (zh) 具有摄像机异常检测装置的监视用摄像机系统
CN105913093B (zh) 一种用于文字识别处理的模板匹配方法
Peng et al. An online defects inspection method for float glass fabrication based on machine vision
CN104303193B (zh) 基于聚类的目标分类
US9530045B2 (en) Method, system and non-transitory computer storage medium for face detection
Min et al. Real time detection system for rail surface defects based on machine vision
TWI431559B (zh) 車牌偵測辨識方法及其系統
DE102013207484A1 (de) Nummernschildzeichensegmentierung unter Verwendung von Wahrscheinlichkeitsmaximierung
CN102163290B (zh) 基于时空关联信息的多视角视频监控中异常事件建模方法
CN107153817B (zh) 行人重识别数据标注方法和装置
Wang et al. iVAT and aVAT: enhanced visual analysis for cluster tendency assessment
CN105894036B (zh) 一种应用于手机屏幕缺陷检测的图像特征模板匹配方法
US10430951B2 (en) Method and device for straight line detection and image processing
CN105913037A (zh) 基于人脸识别与射频识别的监控跟踪系统
CN106228137A (zh) 一种基于关键点定位的atm机异常人脸检测方法
CN102103698B (zh) 图像处理装置及图像处理方法
CN105469105A (zh) 一种基于视频监控的香烟烟雾检测方法
CN101193317B (zh) 对图像进行自动白平衡处理的方法和装置
CN107229930B (zh) 一种指针式仪表数值智能识别方法
US8532414B2 (en) Region-of-interest video quality enhancement for object recognition
CN101510258B (zh) 一种证件验证方法、系统及一种证件验证终端
Shih et al. A convenient vision-based system for automatic detection of parking spaces in indoor parking lots using wide-angle cameras

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant