CN114581949A - 一种机房人员监控方法、装置、计算机设备以及存储介质 - Google Patents
一种机房人员监控方法、装置、计算机设备以及存储介质 Download PDFInfo
- Publication number
- CN114581949A CN114581949A CN202210213513.5A CN202210213513A CN114581949A CN 114581949 A CN114581949 A CN 114581949A CN 202210213513 A CN202210213513 A CN 202210213513A CN 114581949 A CN114581949 A CN 114581949A
- Authority
- CN
- China
- Prior art keywords
- personnel
- machine room
- data
- equipment
- information
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000007689 inspection Methods 0.000 claims description 86
- 238000001514 detection method Methods 0.000 claims description 64
- 230000002159 abnormal effect Effects 0.000 claims description 30
- 238000012549 training Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 13
- 238000013461 design Methods 0.000 claims description 13
- 238000012806 monitoring device Methods 0.000 claims description 12
- 230000005856 abnormality Effects 0.000 claims description 8
- 230000000694 effects Effects 0.000 abstract description 3
- 230000001815 facial effect Effects 0.000 description 8
- 238000007726 management method Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000005265 energy consumption Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000005057 refrigeration Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
- G07C1/20—Checking timed patrols, e.g. of watchman
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及机房监控的技术领域,尤其是涉及一种机房人员监控方法、装置、计算机设备以及存储介质,机房人员监控方法包括:获取机房进入请求,从所述机房进入请求中获取机房进入目的数据和与所述机房进入目的数据对应的人员标识信息;根据所述机房进入目的数据生成至少一个机房路径信息;当获取到与所述人员标识信息对应的机房进入消息时,获取与所述人员标识信息对应的人员定位特征,并实时根据所述人员定位特征生成人员轨迹信息;将所述人员轨迹信息与所述机房路径信息进行异常比对,根据比对结果生成机房人员监控数据。本申请具有提升对机房内人员进行监控的效果。
Description
技术领域
本发明涉及机房监控的技术领域,尤其是涉及一种机房人员监控方法、装置、计算机设备以及存储介质。
背景技术
目前,中心信息评测机房作为平台业务的开发、测试、仿真提供了必备的基础环境,是设备运行、设备监控和测试作业场所,是信息化建设的基础设施项目之一。在对中心信息评测机房搭建的过程中,对机房的面积以及功能都需要满足对数据高可靠性以及完整性的要求。
基于中心信息评测机房的重要性,因此中心信息评测机房数据的安全性以及场地的安全性的管控尤为重要,其中对机房的安全管控中,包括进入机房内的人员情况进行管控。
发明内容
为了提升对机房内人员进行监控的效果,本申请提供一种机房人员监控方法、装置、计算机设备以及存储介质。
本申请的上述发明目的一是通过以下技术方案得以实现的:
一种机房人员监控方法,其特征在于,所述机房人员监控方法包括:
获取机房进入请求,从所述机房进入请求中获取机房进入目的数据和与所述机房进入目的数据对应的人员标识信息;
根据所述机房进入目的数据生成至少一个机房路径信息;
当获取到与所述人员标识信息对应的机房进入消息时,获取与所述人员标识信息对应的人员定位特征,并实时根据所述人员定位特征生成人员轨迹信息;
将所述人员轨迹信息与所述机房路径信息进行异常比对,根据比对结果生成机房人员监控数据。
通过采用上述技术方案,在对机房内的人员进行监控时,通过将机房进入请求中的机房进入目的数据和人员标识信息生成对应的机房路径信息,能够为进入机房的人员制定出合理的巡检路线,便于该人员进行巡检,提升巡检效率;同时,在获取到机房进入消息时,根据对应的人员定位特征,生成人员轨迹信息,并与该机房路径信息进行比对,能够通过异常比对,检验该人员是否按照预定的路线进行巡检,能够在出现设备异常时,尤其是人为导致的设备异常时,能够将异常比对结果作为数据支持;将机房进入目的与对应的人员轨迹信息进行关联,在存储时,能够将人员巡检的记录进行分类存储,便于后续的查看。
本申请在一较佳示例中可以进一步配置为:所述根据所述机房进入目的数据生成至少一个机房路径信息,具体包括:
获取机房设计平面图,并对所述机房进入目的数据进行分析,得到目标设备标识;
从所述机房设计平面图中获取所述目标设备标识对应的目标设备位置;
根据每个所述目标设备标识对应的所述目标设备位置生成所述机房路径信息。
通过采用上述技术方案,通过对机房进入目的数据进行分析,能够自动分析出人员需要巡检的设备,即目标设备标识,从而精确了人员巡检的目标,提升了巡检的智能性,以及巡检的效率,根据机房设计平面图获取对应的目标设备位置,并生成对应的机房路径信息,从而能够为巡检人员提供对应的巡检路线,进一步提升了巡检的效率。
本申请在一较佳示例中可以进一步配置为:所述当获取到与所述人员标识信息对应的机房进入消息时,获取与所述人员标识信息对应的人员定位特征,并实时根据所述人员定位特征生成人员轨迹信息,具体包括:
在获取到所述机房进入消息时,获取与每个所述人员标识信息对应的定位标签标识以及人员特征数据;
根据所述定位标签标识和所述人员特征数据实时获取标签位置数据和特征位置数据,将所述标签位置数据和所述特征位置数据绑定生成所述人员定位特征。
通过采用上述技术方案,由于在机房内对人员进行定位时,采用的如UWB技术的室内定位算法,机房内的设备运行可能会导致影响室内定位的不够精确,从而影响对机房内的人员位置的监控,因此在人员进入机房时,在获取人员的定位标签标识的同时,获取人员特征数据,并分别获取对应的标签位置数据和特征位置数据,即将定位标签标识与人员特征数据同时作为该人员在机房内进行定位的标签,丰富了获取人员位置时的数据维度,在定位标签数据无法精确获取的时候,能够通过获取人员特征数据获取人员定位特征,提升了定位的精度。
本申请在一较佳示例中可以进一步配置为:所述根据所述定位标签标识和所述人员特征数据实时获取标签位置数据和特征位置数据,将所述标签位置数据和所述特征位置数据绑定生成所述人员定位特征,具体包括:
从所述人员特征数据中提取对应的人员外貌特征数据;
根据所述标签位置数据获取机房监控数据,根据所述人员外貌特征数据从所述机房监控数据中识别人员位置数据;
根据所述机房监控数据和所述人员位置数据计算所述特征位置数据。
通过采用上述技术方案,通过在机房监控数据中获取人员外貌特征数据,并根据该机房监控数据中识别出人员位置数据,进而能够计算出特征位置数据,便于对机房内的人员进行精确定位。
本申请在一较佳示例中可以进一步配置为:在生成人员轨迹信息之后,所述机房人员监控方法还包括:
从所述人员轨迹信息中获取每个目标设备标识对应的设备巡检数据,其中所述设备巡检数据包括人员停留时间;
将所述设备巡检数据输入至预设的设备异常检测模型中进行检测,将对应的检测结果发送至所述人员标识信息对应的设备管理客户端。
通过采用上述技术方案,将设备巡检数据输入至对应的异常检测模型中进行检测,能够快速定位该设备是否出现异常。
本申请在一较佳示例中可以进一步配置为:在所述将所述人员轨迹信息与所述机房路径信息进行异常比对,根据比对结果生成机房人员监控数据的步骤之后,所述机房人员监控方法还包括:
根据所述人员轨迹信息对应的巡检路径的顺序,逐个获取每个所述目标设备标识对应的所述检测结果;
将所述检测结果和所述人员轨迹信息关联后,得到人员巡检记录,使用对应的时间戳对所述人员巡检记录进行标记后,存储至机房巡检数据库中。
通过采用上述技术方案,通过根据巡检路径的顺序,将对应的检测结果关联存储至机房巡检数据库,便于后续查看时,提升查看的结果的清晰度,能够查看到每一次人员巡检时,设备的情况。
本申请在一较佳示例中可以进一步配置为:训练所述设备异常检测模型具体包括:
从所述机房巡检数据库中的所述人员巡检记录中获取所述检测结果;
获取所述检测结果为异常的人员历史轨迹信息,从所述人员历史轨迹信息中获取每个目标设备标识对应的人员历史停留时间;
将所述人员历史停留时间超过预设时间阈值的所述设备巡检数据作为待训练设备数据,并将所述待训练设备数据训练得到所述设备异常检测模型。
通过采用上述技术方案,由于人员在机房内的设备处停留时间过长,则说明该设备出现异常的可能性较大,因此将设备出现异常,且人员停留时间过长的设备巡检数据和人员历史停留时间训练得到设备检测模型,能够在训练设备检测模型时,精确筛选出对应的训练集,从而使得训练得到的设备检测模型更加精确,同时,在实际巡检时,若人员停留时间过长,且未确定该设备是否异常时,则可通过设备巡检模型自动判断该设备的运行数据是否异常,为巡检人员提供参考。
本申请的上述发明目的二是通过以下技术方案得以实现的:
一种机房人员监控装置,所述机房人员监控装置包括:
请求获取模块,用于获取机房进入请求,从所述机房进入请求中获取机房进入目的数据和与所述机房进入目的数据对应的人员标识信息;
路径生成模块,用于根据所述机房进入目的数据生成至少一个机房路径信息;
轨迹生成模块,用于当获取到与所述人员标识信息对应的机房进入消息时,获取与所述人员标识信息对应的人员定位特征,并实时根据所述人员定位特征生成人员轨迹信息;
异常检测模块,用于将所述人员轨迹信息与所述机房路径信息进行异常比对,根据比对结果生成机房人员监控数据。
通过采用上述技术方案,在对机房内的人员进行监控时,通过将机房进入请求中的机房进入目的数据和人员标识信息生成对应的机房路径信息,能够为进入机房的人员制定出合理的巡检路线,便于该人员进行巡检,提升巡检效率;同时,在获取到机房进入消息时,根据对应的人员定位特征,生成人员轨迹信息,并与该机房路径信息进行比对,能够通过异常比对,检验该人员是否按照预定的路线进行巡检,能够在出现设备异常时,尤其是人为导致的设备异常时,能够将异常比对结果作为数据支持;将机房进入目的与对应的人员轨迹信息进行关联,在存储时,能够将人员巡检的记录进行分类存储,便于后续的查看。
本申请的上述目的三是通过以下技术方案得以实现的:
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述机房人员监控方法的步骤。
本申请的上述目的四是通过以下技术方案得以实现的:
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述机房人员监控方法的步骤。
综上所述,本申请包括以下至少一种有益技术效果:
1、在对机房内的人员进行监控时,通过将机房进入请求中的机房进入目的数据和人员标识信息生成对应的机房路径信息,能够为进入机房的人员制定出合理的巡检路线,便于该人员进行巡检,提升巡检效率;同时,在获取到机房进入消息时,根据对应的人员定位特征,生成人员轨迹信息,并与该机房路径信息进行比对,能够通过异常比对,检验该人员是否按照预定的路线进行巡检,能够在出现设备异常时,尤其是人为导致的设备异常时,能够将异常比对结果作为数据支持;将机房进入目的与对应的人员轨迹信息进行关联,在存储时,能够将人员巡检的记录进行分类存储,便于后续的查看;
2、在人员进入机房时,在获取人员的定位标签标识的同时,获取人员特征数据,并分别获取对应的标签位置数据和特征位置数据,即将定位标签标识与人员特征数据同时作为该人员在机房内进行定位的标签,丰富了获取人员位置时的数据维度,在定位标签数据无法精确获取的时候,能够通过获取人员特征数据获取人员定位特征,提升了定位的精度;
3、通过根据巡检路径的顺序,将对应的检测结果关联存储至机房巡检数据库,便于后续查看时,提升查看的结果的清晰度,能够查看到每一次人员巡检时,设备的情况;
4、因此将设备出现异常,且人员停留时间过长的设备巡检数据和人员历史停留时间训练得到设备检测模型,能够在训练设备检测模型时,精确筛选出对应的训练集,从而使得训练得到的设备检测模型更加精确,同时,在实际巡检时,若人员停留时间过长,且未确定该设备是否异常时,则可通过设备巡检模型自动判断该设备的运行数据是否异常,为巡检人员提供参考
附图说明
图1是本申请一实施例中机房人员监控方法的一流程图;
图2是本申请一实施例中机房人员监控方法中步骤S20的实现流程图;
图3是本申请一实施例中机房人员监控方法中步骤S30的实现流程图;
图4是本申请一实施例中机房人员监控方法中步骤S32的实现流程图;
图5是本申请一实施例中机房人员监控方法中另一实现流程图;
图6是本申请一实施例中机房人员监控方法中另一实现流程图;
图7是本申请一实施例中机房人员监控方法中另一实现流程图;
图8是本申请一实施例中机房人员监控装置的一原理框图;
图9是本申请一实施例中的设备示意图。
具体实施方式
以下结合附图对本申请作进一步详细说明。
在一实施例中,如图1所示,本申请公开了一种机房人员监控方法,具体包括如下步骤:
S10:获取机房进入请求,从机房进入请求中获取机房进入目的数据和与机房进入目的数据对应的人员标识信息。
在本实施例中,机房进入请求是指由相关人员触发,请求进入机房中进行巡检时触发的消息。机房进入目的是指记录有具体进入机房内需要巡检的内容以及设备的数据。人员标识信息是指用于区分本次进入机房的人员的唯一标识。
具体地,在有相关人员需要进入机房内,并对机房内的设备进行巡检时,例如对机房内的供电设备、温湿度监控设备、温控设备以及其他设备等进行巡检时,将需要巡检的具体内容以及本次进入机房进行巡检的人员作为对应的机房进入目的数据和人员标识信息,进一步地,将该机房进入目的数据和对应的人员标识信息组成机房进入请求。
S20:根据机房进入目的数据生成至少一个机房路径信息。
具体地,从机房进入目的数据中获取本次进入机房所涉及的设备的具体清单,采用预设的路径规划算法,生成至少一个机房路径信息。其中,生成的机房路径信息的数量可以是根据该机房的入口的数量进行设置,从不同的入口进入该机房,所生成的机房路径信息也不相同,需要进入该机房的人员可根据生成的对应的机房路径信息,根据实际情况选择不同的入口进入该机房,从而能够根据实际情况提升工作人员巡检的效率。
S30:当获取到与人员标识信息对应的机房进入消息时,获取与人员标识信息对应的人员定位特征,并实时根据人员定位特征生成人员轨迹信息。
在本实施例中,机房进入消息是指相关人员在机房入口处触发的进入机房的消息。人员定位特征是指标识每个进入机房的人员的位置的特征。人员轨迹信息是指人员在机房内走动时记录的走动路线。
具体地,在人员进入机房时,可通过在机房门口设置相应的门禁装置扫描门禁卡或者二维码等方式进行身份的鉴权,确定具体的人员请求进入机房,在鉴权通过后,允许人员进入机房。其中,该二维码可以是生成机房进入请求时,根据机房进入请求生成对应的二维码。
在对人员进行身份的鉴权时,在获取到第一个人员的身份鉴权信息,例如该人员的门禁卡信息,则从该身份鉴权信息中提取出该人员的人员标识信息,根据该人员标识信息识别出对应的机房进入目的以及全部需要进入机房的人员,若区别于该第一个人员,还存在有其他的人员需要同时进入机房,则将其他人员的人员标识信息作为待匹配信息,在其他人员进行身份鉴权时,可以将其他人员的身份鉴权信息与该待匹配信息进行匹配,以提升人员进入机房时的身份鉴权效率。
进一步地,在现有技术当中,对于室内人员的定位,通常会采用定位标签进行室内定位,例如UWB技术,但是机房内的设备在工作时,有可能会对定位标签的信号造成干扰,从而影响定位的精度,因此,人员在进入机房时,通过佩戴在人员身上的定位标签,采用室内定位算法获取人员的标签定位,以及通过安装在机房内的监控摄像头实时获取人员的图像,以获取人员相对于监控摄像装置的位置,将标签定位和相对于监控摄像装置的位置关联作为人员定位特征。在获取到人员定位特征后,实时识别每个人员的人员定位特征,进而组成对应的人员轨迹信息。
S40:将人员轨迹信息与机房路径信息进行异常比对,根据比对结果生成机房人员监控数据。
具体地,在人员巡检结束后,获取每一个人员的人员轨迹信息,并将该人员轨迹信息与步骤S20中生成的机房路径信息进行一一异常比对,获取人员轨迹信息与每个机房路径信息的差异值,即计算人员轨迹信息与每个机房路径信息每个位置之间的平均距离值,若该数值最小的平均距离值超过阈值,则对应的机房人员监控数据为异常,否则为正常,可对该机房人员监控数据进行记录存储,若机房内出现由人为造成的异常,则可提供追溯的基础数据。
在本实施例中,在对机房内的人员进行监控时,通过将机房进入请求中的机房进入目的数据和人员标识信息生成对应的机房路径信息,能够为进入机房的人员制定出合理的巡检路线,便于该人员进行巡检,提升巡检效率;同时,在获取到机房进入消息时,根据对应的人员定位特征,生成人员轨迹信息,并与该机房路径信息进行比对,能够通过异常比对,检验该人员是否按照预定的路线进行巡检,能够在出现设备异常时,尤其是人为导致的设备异常时,能够将异常比对结果作为数据支持;将机房进入目的与对应的人员轨迹信息进行关联,在存储时,能够将人员巡检的记录进行分类存储,便于后续的查看。
在一实施例中,如图2所示,在步骤S20中,即根据机房进入目的数据生成至少一个机房路径信息,具体包括:
S21:获取机房设计平面图,并对机房进入目的数据进行分析,得到目标设备标识。
在本实施例中,机房设计平面图是指记录有该机房内每个设备的种类以及安装位置的建筑设计图。目标设备标识是指用于区分在本次进入机房内需要巡检的每个设备的标识。
具体地,对该机房进入目的进行分析,获取需要进行巡检的设备的唯一标识,作为该目标设备标识。例如,该机房进入目的对机房内的制冷设备进行巡检,则从机房设计平面图中获取该机房内制冷设备的标识,作为该目标设备标识。可选的,若机房进入目的为对某一个数据进行巡检,例如对机房能耗值进行巡检,则对机房进入目的进行分析时,可根据实际情况,获取机房内各个设备标识的能耗数据,将该能耗数据输入至预设的能耗模型中进行检测,得到可能导致能耗过高的设备,将其设备标识作为目标设备标识。
S22:从机房设计平面图中获取目标设备标识对应的目标设备位置。
在本实施例中,目标设备位置是指机房进入目的对应的设备在机房中的具体位置。
具体地,获取该机房的机房设计平面图,从该机房设计平面图中获取机房内的空间布局以及每一个目标设备标识对应的安装的位置,作为该目标设备位置。
S23:根据每个目标设备标识对应的目标设备位置生成机房路径信息。
具体地,从机房设计平面图中获取进入该机房的入口的位置,将各入口的位置作为机房路径信息的起点,根据入口位置和对应的目标设备位置,采用对应的路径规划算法,计算得到该机房路径信息。
在一实施例中,如图3所示,在步骤S30中,即当获取到与人员标识信息对应的机房进入消息时,获取与人员标识信息对应的人员定位特征,并实时根据人员定位特征生成人员轨迹信息,具体包括:
S31:在获取到机房进入消息时,获取与每个人员标识信息对应的定位标签标识以及人员特征数据。
在本实施例中,定位标签标识是指每个人员携带或者佩戴的定位标签的唯一标识。人员特征数据是指进入机房的人员的外貌的特征。
具体地,可通过在人员的门禁卡中嵌入定位标签的方式,在获取到机房进入消息时,即在对进入的人员的身份鉴权通过后,从门禁卡中获取该人员的的定位标签标识。进一步地,可以通过门禁设备的人脸识别功能识别该人员的面部特征,以及通过安装于入口处的监控摄像装置,获取该人员区别于面部的外貌的特征,将人员的面部特征和外貌的特征作为人员特征数据。
S32:根据定位标签标识和人员特征数据实时获取标签位置数据和特征位置数据,将标签位置数据和特征位置数据绑定生成人员定位特征。
具体地,在人员进入机房内,需要获取该人员的位置时,通过室内定位算法,实时获取定位标签标识的位置,作为该标签位置数据,并通过安装于机房内的监控设备识别机房内的人员的面部以及外貌的特征,并根据识别出该特征的监控设备的位置,获取特征位置数据后,将人员的标签位置数据和特征位置数据绑定生成该人员定位特征,可以将标签位置数据或特征位置数据作为该人员在机房内中的具体位置,减少对人员定位时,由于信号干扰或者面部被遮挡导致无法精确获取人员的位置的情况。
在一实施例中,如图4所示,在步骤S32中,即根据定位标签标识和人员特征数据实时获取标签位置数据和特征位置数据,将标签位置数据和特征位置数据绑定生成人员定位特征,具体包括:
S321:从人员特征数据中提取对应的人员外貌特征数据。
在本实施例中,人员外貌特征数据是指用于识别该人员的外貌的特征。
具体地,采用图像识别技术,从人员特征数据中分别获取人员的面部特征和区别与面部的外貌特征,例如衣着、身材以及其他外貌的特征,作为该人员外貌特诊数据。
S322:根据标签位置数据获取机房监控数据,根据人员外貌特征数据从机房监控数据中识别人员位置数据。
具体地,在获取特征位置数据时,通过该标签位置数据,获取该位置处的机房监控数据,若此时由于信号异常或者其他原因,导致无法精确获取此时的标签位置数据,则获取最近一次的标签位置数据预设范围内的机房监控数据,从该机房监控数据中出现的人员的画面中识别出该人员在监控画面的位置
S323:根据机房监控数据和人员位置数据计算特征位置数据。
具体地,根据拍摄到该画面的摄像装置安装的位置和人员位置数据,计算出该特征位置数据。
进一步地,如图5所示,在步骤S30之后,机房人员监控方法还包括:
S301:从人员轨迹信息中获取每个目标设备标识对应的设备巡检数据,其中设备巡检数据包括人员停留时间。
在本实施例中,设备巡检数据是指人员在机房内,对设备进行巡检时记录时数据。人员停留时间是指人员在某个设备处停留的时间。
具体地,在人员对某个设备进行检测或者其他操作时,记录该人员对设备的操作的数据以及当前设备的运行数据。进一步地,当从人员定位特征中获取到该人员开始停留在该设备处时开始计时,在人员离开该设备时停止计时,将对应的时间段作为该人员停留时间。
S302:将设备巡检数据输入至预设的设备异常检测模型中进行检测,将对应的检测结果发送至人员标识信息对应的设备管理客户端。
在本实施例中,设备异常检测模型是指用于检测设备的运行是否出现异常的模型。
具体地,将设备巡检数据输入至预设的设备异常检测模型中进行检测,将对应的检测结果发送至人员标识信息对应的设备管理客户端。
在一实施例中,如图6所示,在步骤S40之后,机房人员监控方法还包括:
S50:根据人员轨迹信息对应的巡检路径的顺序,逐个获取每个目标设备标识对应的检测结果。
具体地,在人员完成本次机房进入目的对应的巡检任务时,从该人员轨迹信息中获取人员行径的巡检路径,按照巡检路径的顺序逐个获取目标设备标识对应的检测结果。
S60:将检测结果和人员轨迹信息关联后,得到人员巡检记录,使用对应的时间戳对人员巡检记录进行标记后,存储至机房巡检数据库中。
具体地,将该检测结果与人员轨迹信息中每个目标设备标识进行关联后,得到该人员巡检记录,并根据获取到机房进入消息时的具体时间,计算对应的时间戳,使用该时间戳对人员巡检记录进行标记后,存储至该机房巡检数据库中。当获取到查看消息时,即有相关用户希望查看某一时间的机房情况,则可以输入对应的时间或者时间段,根据该时间或者时间段内提取出对应的一个或者多个人员巡检记录,并通过在机房平面图中,以人员轨迹的形式进行展现。
在一实施例中,如图7所示,在步骤S301中,即训练设备异常检测模型具体包括:
S70:从机房巡检数据库中的人员巡检记录中获取检测结果。
具体地,在训练该设备异常检测模型时,需要获取设备异常时的数据作为训练样本,因此,从该机房新建数据库中获取对应的检测结果。
S80:获取检测结果为异常的人员历史轨迹信息,从人员历史轨迹信息中获取每个目标设备标识对应的人员历史停留时间。
具体地,提取出检测结果为异常对应的设备巡检数据以及对应的人员历史轨迹信息,从该人员历史轨迹信息中获取每个目标设备标识对应的人员停留时间,作为该人员历史停留时间。
S90:将人员历史停留时间超过预设时间阈值的设备巡检数据作为待训练设备数据,并将待训练设备数据训练得到设备异常检测模型。
具体地,将检测结果为异常的设备巡检数据作为第一训练集,通过第一训练集训练得到第一检测模型,能够根据设备巡检数据中的设备运行数据检测出是否设备是否出现异常。进一步地,获取将检测结果为异常的人员历史停留时间,若该人员历史停留时间超过预设的时间阈值,则说明该人员在巡检时发现了设备出现异常,并在现场进行处理,因此,通过该人员历史停留时间和设备训练数据作为第二训练集,通过第二训练集训练得到第二检测模型,将第一检测模型和第二检测模型作为设备异常检测模型,使得人员在对设备进行巡检时,可以通过人员停留时间与设备异常之间的关联,丰富设备异常检测模型的训练集,同时能够使得该训练集更加精确。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
在一实施例中,提供一种机房人员监控装置,该机房人员监控装置与上述实施例中机房人员监控方法一一对应。如图8所示,该机房人员监控装置包括请求获取模块、路径生成模块、轨迹生成模块和异常检测模块。各功能模块详细说明如下:
请求获取模块,用于获取机房进入请求,从机房进入请求中获取机房进入目的数据和与机房进入目的数据对应的人员标识信息;
路径生成模块,用于根据机房进入目的数据生成至少一个机房路径信息;
轨迹生成模块,用于当获取到与人员标识信息对应的机房进入消息时,获取与人员标识信息对应的人员定位特征,并实时根据人员定位特征生成人员轨迹信息;
异常检测模块,用于将人员轨迹信息与机房路径信息进行异常比对,根据比对结果生成机房人员监控数据。
可选的,路径生成模块包括:
标识解析子模块,用于获取机房设计平面图,并对机房进入目的数据进行分析,得到目标设备标识;
设备位置获取子模块,用于从机房设计平面图中获取目标设备标识对应的目标设备位置;
路径生成子模块,用于根据每个目标设备标识对应的目标设备位置生成机房路径信息。
可选的,轨迹生成模块包括:
特征获取子模块,用于在获取到机房进入消息时,获取与每个人员标识信息对应的定位标签标识以及人员特征数据;
定位特征生成子模块,用于根据定位标签标识和人员特征数据实时获取标签位置数据和特征位置数据,将标签位置数据和特征位置数据绑定生成人员定位特征。
可选的,定位特征生成子模块包括:
外貌特征获取单元,用于从人员特征数据中提取对应的人员外貌特征数据;
位置数据获取单元,用于根据标签位置数据获取机房监控数据,根据人员外貌特征数据从机房监控数据中识别人员位置数据;
特征位置获取单元,用于根据机房监控数据和人员位置数据计算特征位置数据。
可选的,机房人员监控装置还包括:
停留时间获取模块,用于从人员轨迹信息中获取每个目标设备标识对应的设备巡检数据,其中设备巡检数据包括人员停留时间;
设备检测模块,用于将设备巡检数据输入至预设的设备异常检测模型中进行检测,将对应的检测结果发送至人员标识信息对应的设备管理客户端。
可选的,机房人员监控装置还包括:
检测结果获取模块,用于根据人员轨迹信息对应的巡检路径的顺序,逐个获取每个目标设备标识对应的检测结果;
关联存储模块,用于将检测结果和人员轨迹信息关联后,得到人员巡检记录,使用对应的时间戳对人员巡检记录进行标记后,存储至机房巡检数据库中。
可选的,机房人员监控装置还包括:
检测结果获取模块,用于从机房巡检数据库中的人员巡检记录中获取检测结果;
训练集筛选条件获取模块,用于获取检测结果为异常的人员历史轨迹信息,从人员历史轨迹信息中获取每个目标设备标识对应的人员历史停留时间;
模型训练模块,用于将人员历史停留时间超过预设时间阈值的设备巡检数据作为待训练设备数据,并将待训练设备数据训练得到设备异常检测模型。
关于机房人员监控装置的具体限定可以参见上文中对于机房人员监控方法的限定,在此不再赘述。上述机房人员监控装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储人员巡检记录。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种机房人员监控方法。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:
获取机房进入请求,从机房进入请求中获取机房进入目的数据和与机房进入目的数据对应的人员标识信息;
根据机房进入目的数据生成至少一个机房路径信息;
当获取到与人员标识信息对应的机房进入消息时,获取与人员标识信息对应的人员定位特征,并实时根据人员定位特征生成人员轨迹信息;
将人员轨迹信息与机房路径信息进行异常比对,根据比对结果生成机房人员监控数据。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取机房进入请求,从机房进入请求中获取机房进入目的数据和与机房进入目的数据对应的人员标识信息;
根据机房进入目的数据生成至少一个机房路径信息;
当获取到与人员标识信息对应的机房进入消息时,获取与人员标识信息对应的人员定位特征,并实时根据人员定位特征生成人员轨迹信息;
将人员轨迹信息与机房路径信息进行异常比对,根据比对结果生成机房人员监控数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种机房人员监控方法,其特征在于,所述机房人员监控方法包括:
获取机房进入请求,从所述机房进入请求中获取机房进入目的数据和与所述机房进入目的数据对应的人员标识信息;
根据所述机房进入目的数据生成至少一个机房路径信息;
当获取到与所述人员标识信息对应的机房进入消息时,获取与所述人员标识信息对应的人员定位特征,并实时根据所述人员定位特征生成人员轨迹信息;
将所述人员轨迹信息与所述机房路径信息进行异常比对,根据比对结果生成机房人员监控数据。
2.根据权利要求1所述的机房人员监控方法,其特征在于,所述根据所述机房进入目的数据生成至少一个机房路径信息,具体包括:
获取机房设计平面图,并对所述机房进入目的数据进行分析,得到目标设备标识;
从所述机房设计平面图中获取所述目标设备标识对应的目标设备位置;
根据每个所述目标设备标识对应的所述目标设备位置生成所述机房路径信息。
3.根据权利要求2所述的机房人员监控方法,其特征在于,所述当获取到与所述人员标识信息对应的机房进入消息时,获取与所述人员标识信息对应的人员定位特征,并实时根据所述人员定位特征生成人员轨迹信息,具体包括:
在获取到所述机房进入消息时,获取与每个所述人员标识信息对应的定位标签标识以及人员特征数据;
根据所述定位标签标识和所述人员特征数据实时获取标签位置数据和特征位置数据,将所述标签位置数据和所述特征位置数据绑定生成所述人员定位特征。
4.根据权利要求3所述的机房人员监控方法,其特征在于,所述根据所述定位标签标识和所述人员特征数据实时获取标签位置数据和特征位置数据,将所述标签位置数据和所述特征位置数据绑定生成所述人员定位特征,具体包括:
从所述人员特征数据中提取对应的人员外貌特征数据;
根据所述标签位置数据获取机房监控数据,根据所述人员外貌特征数据从所述机房监控数据中识别人员位置数据;
根据所述机房监控数据和所述人员位置数据计算所述特征位置数据。
5.根据权利要求2所述的机房人员监控方法,其特征在于,在生成人员轨迹信息之后,所述机房人员监控方法还包括:
从所述人员轨迹信息中获取每个目标设备标识对应的设备巡检数据,其中所述设备巡检数据包括人员停留时间;
将所述设备巡检数据输入至预设的设备异常检测模型中进行检测,将对应的检测结果发送至所述人员标识信息对应的设备管理客户端。
6.根据权利要求5所述的机房人员监控方法,其特征在于,在所述将所述人员轨迹信息与所述机房路径信息进行异常比对,根据比对结果生成机房人员监控数据的步骤之后,所述机房人员监控方法还包括:
根据所述人员轨迹信息对应的巡检路径的顺序,逐个获取每个所述目标设备标识对应的所述检测结果;
将所述检测结果和所述人员轨迹信息关联后,得到人员巡检记录,使用对应的时间戳对所述人员巡检记录进行标记后,存储至机房巡检数据库中。
7.根据权利要求6所述的机房人员监控方法,其特征在于,训练所述设备异常检测模型具体包括:
从所述机房巡检数据库中的所述人员巡检记录中获取所述检测结果;
获取所述检测结果为异常的人员历史轨迹信息,从所述人员历史轨迹信息中获取每个目标设备标识对应的人员历史停留时间;
将所述人员历史停留时间超过预设时间阈值的所述设备巡检数据作为待训练设备数据,并将所述待训练设备数据训练得到所述设备异常检测模型。
8.一种机房人员监控装置,其特征在于,所述机房人员监控装置包括:
请求获取模块,用于获取机房进入请求,从所述机房进入请求中获取机房进入目的数据和与所述机房进入目的数据对应的人员标识信息;
路径生成模块,用于根据所述机房进入目的数据生成至少一个机房路径信息;
轨迹生成模块,用于当获取到与所述人员标识信息对应的机房进入消息时,获取与所述人员标识信息对应的人员定位特征,并实时根据所述人员定位特征生成人员轨迹信息;
异常检测模块,用于将所述人员轨迹信息与所述机房路径信息进行异常比对,根据比对结果生成机房人员监控数据。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述机房人员监控方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述机房人员监控方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210213513.5A CN114581949A (zh) | 2022-03-04 | 2022-03-04 | 一种机房人员监控方法、装置、计算机设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210213513.5A CN114581949A (zh) | 2022-03-04 | 2022-03-04 | 一种机房人员监控方法、装置、计算机设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114581949A true CN114581949A (zh) | 2022-06-03 |
Family
ID=81772765
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210213513.5A Pending CN114581949A (zh) | 2022-03-04 | 2022-03-04 | 一种机房人员监控方法、装置、计算机设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114581949A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117076259A (zh) * | 2023-10-16 | 2023-11-17 | 辽宁牧龙科技有限公司 | 数字化设备智能管理系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108062539A (zh) * | 2017-12-30 | 2018-05-22 | 广州供电局有限公司 | 配电房安全管理方法和系统、计算机设备和存储介质 |
CN110188617A (zh) * | 2019-05-05 | 2019-08-30 | 深圳供电局有限公司 | 一种机房智能监控方法及系统 |
CN110245699A (zh) * | 2019-06-04 | 2019-09-17 | 南京天溯自动化控制系统有限公司 | 一种针对室内巡检服务质量的智能监控方法和系统 |
-
2022
- 2022-03-04 CN CN202210213513.5A patent/CN114581949A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108062539A (zh) * | 2017-12-30 | 2018-05-22 | 广州供电局有限公司 | 配电房安全管理方法和系统、计算机设备和存储介质 |
CN110188617A (zh) * | 2019-05-05 | 2019-08-30 | 深圳供电局有限公司 | 一种机房智能监控方法及系统 |
CN110245699A (zh) * | 2019-06-04 | 2019-09-17 | 南京天溯自动化控制系统有限公司 | 一种针对室内巡检服务质量的智能监控方法和系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117076259A (zh) * | 2023-10-16 | 2023-11-17 | 辽宁牧龙科技有限公司 | 数字化设备智能管理系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110751022B (zh) | 基于图像识别的城市宠物活动轨迹监测方法及相关设备 | |
CN110751675B (zh) | 基于图像识别的城市宠物活动轨迹监测方法及相关设备 | |
CN106295788B (zh) | 客流量的统计方法及装置 | |
KR20180042802A (ko) | 정의된 영역 내의 객체를 추적하기 위한 방법 및 시스템 | |
CN113095132B (zh) | 基于神经网络燃气现场识别方法、系统、终端及存储介质 | |
CN106991395A (zh) | 信息处理方法、装置及电子设备 | |
CN110866515B (zh) | 厂房内对象行为识别方法、装置以及电子设备 | |
RU2713876C1 (ru) | Способ и система выявления тревожных событий при взаимодействии с устройством самообслуживания | |
CN111126153A (zh) | 基于深度学习的安全监测方法、系统、服务器及存储介质 | |
CN111860152A (zh) | 人员状态检测的方法、系统、设备和计算机设备 | |
CN110717449A (zh) | 车辆年检人员的行为检测方法、装置和计算机设备 | |
CN114581949A (zh) | 一种机房人员监控方法、装置、计算机设备以及存储介质 | |
CN112686322A (zh) | 零件差异识别方法、装置、设备及存储介质 | |
CN110163084A (zh) | 操作员动作监督方法、装置及电子设备 | |
CN115169602A (zh) | 电力设备的维护方法、装置、存储介质及计算机设备 | |
CN110750603B (zh) | 楼宇服务预测方法、装置、系统、计算机设备和存储介质 | |
CN112802252B (zh) | 基于物联网的智能楼宇安全管理方法、系统和存储介质 | |
CN113569676A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN117291430A (zh) | 一种基于机器视觉的安全生产检测方法及装置 | |
CN116645530A (zh) | 基于图像比对的施工检测方法、装置、设备及存储介质 | |
CN112153341B (zh) | 一种任务监督方法、装置、系统、电子设备及存储介质 | |
CN109815921A (zh) | 加氢站中活动类别的预测方法及装置 | |
CN118172711B (zh) | 一种ai大数据智能管理方法及系统 | |
CN115577379B (zh) | 一种分级保护安全分析方法、系统及设备 | |
CN118505167A (zh) | 一种监控视频的管理方法及系统 |
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 |