CN114895609A - 机房监控方法、装置、设备及介质 - Google Patents
机房监控方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN114895609A CN114895609A CN202210744228.6A CN202210744228A CN114895609A CN 114895609 A CN114895609 A CN 114895609A CN 202210744228 A CN202210744228 A CN 202210744228A CN 114895609 A CN114895609 A CN 114895609A
- Authority
- CN
- China
- Prior art keywords
- csi
- intrusion
- monitoring
- machine room
- monitoring system
- 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 269
- 238000000034 method Methods 0.000 title claims abstract description 75
- 238000004422 calculation algorithm Methods 0.000 claims description 38
- 238000012545 processing Methods 0.000 claims description 16
- 230000008859 change Effects 0.000 claims description 6
- 238000007635 classification algorithm Methods 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 3
- 230000009545 invasion Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 abstract description 5
- 238000012423 maintenance Methods 0.000 abstract description 5
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000012706 support-vector machine Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 7
- 238000000513 principal component analysis Methods 0.000 description 6
- 230000009467 reduction Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 239000002699 waste material Substances 0.000 description 4
- 239000000969 carrier Substances 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004134 energy conservation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0428—Safety, monitoring
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24024—Safety, surveillance
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Alarm Systems (AREA)
Abstract
本公开提供了一种机房监控方法、装置、设备及介质,涉及通信设施维护技术领域。该方法包括:应用CSI入侵监测系统对机房环境进行入侵监测,机房环境包括机房内部环境及机房入口处环境;当监测到入侵时,开启视频监控系统。根据本公开实施例,能够节约视频监控系统消耗的存储资源和算力资源。
Description
技术领域
本公开涉及通信设施维护技术领域,尤其涉及一种机房监控方法、装置、设备及介质。
背景技术
机房智能化维护方案中,监控系统主要由环境监控、动力监控以及安防监控三大子系统构成。视频监控系统是安防系统的重要组成部分。
相关技术中,视频监控系统每天24小时均需处于运行的状态。但是,对于大部分时间而言,视频监控系统的开启仅仅采集到了无效信息,造成资源的浪费。
发明内容
发明人通过研究发现,视频监控系统每天24小时均处于运行状态,资源浪费严重。如何在保障监控效果的同时,进一步节约资源,是需要解决的问题。
针对上述问题,本公开提供了一种机房监控方法、装置、设备及介质。
本公开的特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本公开的第一方面,提供了一种机房监控方法,包括:
应用CSI入侵监测系统对机房环境进行入侵监测,机房环境包括机房内部环境及机房入口处环境;
当监测到入侵时,开启视频监控系统。
在本公开的一个实施例中,在未检测到入侵时,视频监控系统处于休眠状态。
在本公开的一个实施例中,在视频监控系统的状态为开启的阶段,方法还包括:
通过CSI入侵监测系统,辅助视频监控系统进行盲区监测。
在本公开的一个实施例中,通过CSI入侵监测系统,辅助视频监控系统进行盲区监测,包括:
调用CSI入侵监测系统的位置识别算法,辅助视频监控系统进行盲区监测。
在本公开的一个实施例中,在视频监控系统处于休眠状态时,不调用CSI入侵监测系统的位置识别算法。
在本公开的一个实施例中,应用CSI入侵监测系统对机房环境进行入侵监测,包括:
采集信道状态信息CSI数据;
将CSI数据输入到预先训练的CSI监测模型,以使CSI监测模型调用CSI入侵监测系统应用SVM分类算法判断是否有入侵。
需要说明的是,在不冲突的情况下,本公开的实施例和实施例中的特征可以任意相互组合。
根据本公开的第二方面,提供一种机房监控装置,包括:
入侵监测模块,用于应用CSI入侵监测系统对机房环境进行入侵监测,机房环境包括机房内部环境及机房入口处环境;
判断模块,用于当监测到入侵时,开启视频监控系统。
根据本公开的第三方面,提供一种电子设备,包括:存储器,用于存储指令;处理器,用于调用所述存储器中存储的指令,实现上述的机房监控方法。
根据本公开的第四方面,提供一种计算机可读存储介质,其上存储有计算机指令,所述计算机指令被处理器执行时实现上述的机房监控方法。
根据本公开的第五方面,提供一种计算机程序产品,计算机程序产品存储有指令,所述指令在由计算机执行时,使得计算机实施上述的机房监控方法。
根据本公开的第六方面,提供一种芯片,包括至少一个处理器和接口;
接口,用于为至少一个处理器提供程序指令或者数据;
至少一个处理器用于执行程序指令,以实现上述的机房监控方法。
本公开实施例所提供的机房监控方法、装置、设备及介质,应用CSI入侵监测系统对机房环境进行入侵监测,当监测到入侵时,才开启视频监控系统,而在未检测到入侵时,视频监控系统处于休眠状态,能够节约视频监控系统消耗的存储资源和算力资源。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
显而易见地,下面描述中的附图仅仅是本公开的一些实施例,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。
图1示出本公开实施例中一种机房监控方法流程示意图;
图2示出本公开实施例中一种视频监控系统的架构示意图;
图3示出本公开实施例中一种入侵监测的流程示意图;
图4示出本公开实施例中CSI监测算法的流程示意图;
图5示出本公开实施例中CSI监测模块的离线部分功能示意图;
图6示出本公开实施例中另一种机房监控方法流程示意图;
图7示出本公开实施例中一种机房监控装置示意图;
图8示出本公开实施例中一种电子设备的结构框图。
具体实施方式
下面将参考附图更全面地描述示例实施方式。
需要说明的是,示例实施方式能够以多种形式实施,不应被理解为限于在此阐述的范例。
节能减排是目前各行业致力实现的目标之一。在电信行业中,数据中心和机房是重要的基础设施,数量庞大。
智慧机房是目前电信机房智能化维护的主要解决方案,其监控系统主要由环境监控、动力监控以及安防监控三大子系统构成。视频监控系统是安防系统的重要组成部分。随着云计算、AI等新技术的不断发展,视频监控中的图像处理、图像识别等AI智能算法已经可以集成到云端完成。
发明人发现,相关技术中机房视频监控系统基本仍处于每天24小时运行的状态。对于很多机房而言,除了进行巡检、维护等业务的情况下,大部分时间处于无人值守的状态。因此,对于大部分时间而言,视频监控系统的开启仅仅采集到了无效信息,这样一方面造成了云资源和算力的浪费,另一方面,视频监控系统的24小时运行也造成了电能的浪费。
此外,由于机房内机架及设备较多,还容易产生盲区从而影响监控质量。
本公开提供了一种机房监控方法、装置、设备及介质,在现有机房视频监控系统的背景下,无需增加新的设备,在不影响正常机房监控使用的情况下,通过采集机房内无线信道状态信息,应用CSI入侵监测系统对机房环境进行入侵监测;然后,基于是否监测到入侵来判断是否开启视频监控系统,能够有效的节约资源,实现节能减排的同时提升了监控质量。
本公开实施例中机房监控,包括但不限于如下监控对象:
动力设备:高,低压配电屏,整流设备,开关电源,UPS,油机,蓄电池组等;
空调机:智能空调机,非智能空调要,空调新风机等;
环境:温度,湿度,漏水等;
图像:图像和灯光控制等;
消防:烟雾,控制器等;
安防:门禁,玻璃破碎,红外探测等。
本公开实施例中的机房可以是大型机房,例如数据中心,也可以是小型机房,例如企业机房。
下面结合附图及实施例对本示例实施方式进行详细说明。
首先,本公开实施例中提供了一种机房监控方法,该方法可以由任意具备计算处理能力的电子设备执行。
图1示出本公开实施例中一种机房监控方法流程图,如图1所示,本公开实施例中提供的机房监控方法包括如下步骤:
S102,应用CSI入侵监测系统对机房环境进行入侵监测。
这里,机房环境包括机房内部环境及机房入口处环境。
机房入侵这一行为具有突发性,发明人考虑到视频监控模块由休眠到正常工作的状态的转变时延,将机房环境定义为机房内部环境及机房可能遭到入侵的入口附近处环境,可以保障识别的效率。
CSI入侵监测系统,是一种基于无线局域网中的CSI(Channel StateInformation,信道状态信息)数据的入侵检测系统。作为一个示例,该监测系统能够检测到是否有人体入侵到机房所在的环境中。
本公开中,CSI入侵监测系统能够根据CSI数据,监测是否有外界物体入侵机房内部环境和/或机房入口处环境。关于本公开中CSI入侵监测系统的具体介绍参见下文中的具体示例。
需要说明的是,本公开中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
S104,当监测到入侵时,开启视频监控系统。
视频监控系统,用于对机房环境进行拍照和/或视频留痕。
作为一个示例,视频监控系统可以包括多个摄像头,摄像头用于采集机房环境的图像和/或视频,例如,采集机房内部环境的视频和机房入口处环境的视频。
需要说明的是,在未检测到入侵时,本公开实施例中视频监控系统处于休眠状态。
在一些实施例中,视频监控系统可以包括本地采集设备和云端处理设备。
如图2所示,该视频监控系统包括本地采集设备201和云端202。
本地采集设备201,可以是部署在机房的摄像头等设备,主要功能为对机房环境的图像、视频信息进行采集。
本地采集设备201采集到的数据,可以通过机房内的通信模块传输到云端202。随后,可以利用部署在云端的图像识别等算法对采集到的图片、视频数据进行分析处理,提取出有效信息。
本实施例所提供的机房监控方法,在保障监控效果的同时,相比相关技术中的监控方法节能效果更好。具体地,相对目前的安防监控而言,CSI入侵监测系统的引入可以大幅度的减小视频监控系统的开启时间,减少视频监控系统中本地采集设备长时间启用的电能消耗。
此外,更少的视频监控系统开启时间也意味着更少的图像和视频数据需要上传到云端进行图像处理,可以一定程度的节约通信和算力资源。
在一些实施例中,在视频监控系统的状态为开启的阶段,上述方法还可以包括如下步骤:
通过CSI入侵监测系统,辅助视频监控系统进行盲区监测。
辅助视频监控系统进行盲区监测,可以是调用CSI入侵监测系统的位置识别算法,辅助视频监控系统进行盲区监测。
视频监控系统的状态,可以包括开启和休眠。在视频监控系统处于休眠状态时,不调用CSI入侵监测系统的位置识别算法。
本公开实施例中,在未检测到入侵时,视频监控系统处于休眠状态。当监测到入侵时,开启视频监控系统,视频监控系统由休眠状态转换为开启状态。
需要说明的是,在机房环境恢复正常后,视频监控系统可以由开启状态转换为休眠状态。
作为一个示例,视频监控系统可以在机房环境恢复正常,且在第四时长内,CSI入侵监测系统和视频监控系统均未监测到异常情况,例如,未监测到入侵,这时,视频监控系统由开启状态转换为休眠状态。
在一些实施例中,当监测到入侵时,还可以通过预设方法进行告警。
这里的预设方法可以包括声音告警、光线变化形式的告警以及其组合形式的报警等。
上述实施例中,在机房环境恢复至预设状态后,当视频监控系统和CSI入侵监测系统的监测结果均显示,机房环境在第一时长内始终处在预设状态,则消除告警。
若在第二时长内,告警仍未消除,则通知人工检查。
在告警消除后的第三时长内,若没有重新告警,则视频监控系统进入休眠状态,CSI入侵监测系统仅进行入侵监测。
在本公开实施例中,术语“第一”、“第二”、“第三”、“第四”和“第五”等仅用于描述目的,而不能理解为指示或暗示相对重要性。
此外,本领域技术人员可以理解,前文中“第一时长”、“第二时长”和“第三时长”的值可以相同,也可以不同。
在一些实施例中,视频监控系统的状态可以和告警的状态对应。例如,在告警期间,视频监控系统处于开启状态,而在告警结束时视频监控系统由开启状态转换为休眠状态。
在一些实施例中,视频监控系统由开启状态转换为休眠状态,也可以延后于告警,也就是说,在告警结束后的第五时长内没有新的告警时,视频监控系统由开启状态转换为休眠状态。
在一些实施例中,如图3所示,上述实施例中的S102,可以包括:
S1021,采集信道状态信息CSI数据。
这里,可以从WIFI设备中采集信息。
作为一个示例,可以利用机房内的无线网卡设备采集到CSI数据信息。
作为另一个示例,可以通过CSI采集工具CSI Tool进行数据的采集。
S1022,将CSI数据输入到预先训练的CSI监测模型,以使CSI监测模型调用CSI入侵监测系统应用SVM(Support Vector Machine,支持向量机)分类算法判断是否有入侵。
机房的设备中通常具有无线模块,进而,S1021中采集CSI数据,无需新增设备。因此,本公开实施例将CSI数据利用在机房安防系统中是一种有效节约成本和资源的方式。
本公开实施例,利用机房内的无线网卡设备采集到的CSI数据信息,利用优化的CSI检测算法,首先对机房环境进行入侵检测判断,根据判断结果确定视频监控系统的开启与否,最小化视频监控系统的开启时间,节约设备用电和视频传输、处理和识别占用的资源;
如前文实施例所述,在视频监控系统开启阶段,通过CSI入侵监测系统,可以辅助视频监控系统进行盲区监测,提升监控系统的效果。也就是说,当监测到入侵时,CSI监测模型还可以用于应用SVM分类判断归属点位置,并输出位置信息和入侵的状态信息。
其中,入侵的状态信息,可以包括“检测到入侵”和“未检测到入侵”。
在一些实施例中,在机房环境发生改变后,上述方法还可以包括如下步骤:
采集机房环境信息;
应用采集的机房环境信息重新对CSI监测模型进行训练,并更新CSI监测模型。
在机房环境发生改变时,CSI入侵监测系统能够监测到入侵,因此,视频监控系统会开启。相应地,在监测到入侵时,也会进行告警。
而在更新CSI监测模型后,可以消除告警。
在一些实施例中,在告警消除后的第三时长内,若没有重新告警,则视频监控系统进入休眠状态,CSI入侵监测系统仅进行入侵监测。
此外,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。
在一些实施例中,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
本公开实施例中的CSI监测模型可以部署于CSI监测模块中。
CSI监测模块的主要功能为CSI数据的提取、处理及分析,以及控制视频监控系统的开启和关闭(休眠)。
CSI监测模块的具体实施过程可以分为离线部分和在线部分。离线部分的主要功能是进行算法模型的训练,在线部分则是将算法部署实施进行实时监测。
本公开实施例中的CSI入侵监测系统主要用于执行CSI监测算法,用于减少资源占用。
本公开实施例中辅助视频监控系统进行盲区监测的CSI位置识别算法可以有效的帮助视频监控系统进行辅助的安防监控。
需要说明的是,正常环境下CSI入侵监测系统只做环境入侵监测,只当检测到有入侵情况时,才进一步进行位置识别,以节约资源的使用。
本公开实施例中,可以首先基于CSI入侵检测算法建立模型,将CSI位置识别算法进行模块化处理,灵活调用。CSI监测算法在未检测到机房环境发生改变时,仅做入侵检测,而不进行定位算法的运算;当检测到机房环境发生改变时,调用CSI位置识别算法,进一步精确判断人或物在机房内的位置,辅助视频监控系统进行盲区监测。
图4示出本公开实施例CSI入侵监测系统中CSI监测算法的流程图。如图4所示,CSI监测算法的流程包括如下步骤:
S401,输入预处理的多个参考点采集的CSI数据;
S402,计算多个载波的CSI数据均值;
S403,PCA降维;
S404,SVW分类算法判断是否有入侵;有入侵,则继续执行S405;无入侵,则直接执行S407;
S405,对每个CSI数据进行PCA降维;
S406,SVM分类判断归属参考点位置;
S407,输出状态信息Status和位置信息Location。
PCA(Principal Component Analysis,主成分分析),是一种统计方法。该方法通过正交变换将原来众多具有一定相关性的指标,重新组合成一组新的互相无关的综合指标来代替原来的指标。其过程主要包含数据标准化,指标相关性判定,确定主成分个数、表达式、命名。通过PCA对CSI数据进行处理,可以减小计算维度,显小算法消耗,加快算法的效率,也就是前文中的PCA降维。
SVM(Support Vector Machine,支持向量机)是一种监督学习算法,主要作用是对数据进行二元线性分类,其决策边界是对学习样本求解的最大边距超平面。
本公开中SVM可以通过核方法进行非线性分类,其决策平面为:
ωTφ(X)+b=0 (1)
其中,ω表示决策平面的法向量,T表示矩阵的转置,X表示输入数据,b表示决策平面的截距。
因此非线性SVM可转化为如下优化问题从而进一步通过编程进行代码运算:
s.t.yi[ωTφ(Xi)+b]≥1-ξi,ξi>0 (3)
其中,ω表示决策平面的法向量,T表示矩阵的转置,X表示输入数据,b表示决策平面的截距,ξi表示松弛变量,yi表示学习目标。
本公开提出的CSI监测算法中使用了径向基(RBF)核函数的SVM分类算法。RBF核函数K(Xi,Xj)的公式为:
其中,K表示核函数kernel function;σ为核的宽度;Xi、Xj为输入数据。
如图4所示,在未检测到入侵情况下,为尽量减小算法消耗,算法对采集到的不同载波的CSI数据取平均值,然后进一步通过SVM算法判断机房内是否存在人员入侵,这样虽然舍弃了精确的位置信息,但最小化算法的消耗。当判断有入侵情况时,算法不再通过平均的CSI数据进行判断,而是进一步利用各个参考点的全部载波的CSI数据,通过SVM算法进行判断,从而得到位置信息。
下面详细介绍本公开实施例CSI监测模块的离线部分。离线部分的主要功能是CSI监测模型的训练,具体流程图如图5所示:
模型建立:根据前文介绍的CSI监测算法和位置识别算法建立模型。
CSI信息采集:从WIFI设备中采集信息,其中发射端设置2根天线发送信号,接收端设置3根天线接受信号。利用具有Intel 5300网卡的主机,通过CSI采集工具CSI Tool进行数据的采集,每个子载波上的CSI可以表示为:
其中i表示第i个载波,|CSIi|为第i个CSI的幅值,∠CSIi为第i个CSI的相位。
为了实现定位,可以将机房环境平均划分为n个小区域,每个区域设置一个参考点,共n个参考点。对每一个参考点j分别进行CSI数据采集,得到CSIi,j。
数据预处理:将采集到的各子载波的CSI通过巴特沃斯低通滤波器进行处理。巴特沃斯低通滤波器可过滤掉载波信号中包含的高频环境噪声,从而凸显出CSI信号中包含的有效信息。
巴特沃斯低通滤波器公式如下:
其中,n为滤波器的阶数;ωc为截止频率,H表示振幅。
模型训练:带入对n个参考点位的采集的到的静态数据,对模型进行训练。
输出模型:输出离线状态下训练好的模型。
模型更新:由于机房静态环境可能会发生改变,如机架位置变更或新增机架等,导致采集到的机房内CSI信息会产生较大的变化,此时,需要采集信息对CSI监测模型进行更新,模型更新的流程参考前文中CSI信息采集、数据预处理、模型训练和输出模型的步骤。
图6示出本公开实施例中一种机房监控方法示意图,下面结合图6,说明本公开实施例提供的机房监控方法。
如图6所示,当机房内部环境未检测到入侵时,CSI监测模块仅进行入侵检测,同时视频监控模块处于休眠状态;而当监测到入侵时,立即上报告警。
上报告警的同时立即启动视频监控模块,对机房内部环境进行拍照或视频留痕,同时,CSI监测模块调用位置识别算法,辅助视频监控系统进行盲区监测。
一段时间后,当视频监控模块和CSI监测模块均检测机房环境恢复原始状态,则告警消除。如若告警长时间未消除,则进一步通知人工检查。若发生机房环境改变(如新设备入场、设备布放位置改变等),采集信息对CSI监测模型进行更新,模型更新后,告警消除。
当告警消除一段时间后(默认为1min,可自定义),视频监控模块进入休眠状态,CSI监测模块不再调用位置识别算法,仅进行入侵监测。
相对目前的安防监控而言,本公开实施例中CSI监测模块的引入可以大幅度的减小视频监控模块的开启时间,减少视频监控系统长时间启用的电能消耗。
基于同一发明构思,本公开实施例中还提供了一种机房监控装置,如下面的实施例所述。由于该装置实施例解决问题的原理与上述方法实施例相似,因此该装置实施例的实施可以参见上述方法实施例的实施,重复之处不再赘述。
图7示出本公开实施例中一种机房监控装置示意图,如图7所示,该机房监控装置700,包括:
入侵监测模块702,用于应用CSI入侵监测系统对机房环境进行入侵监测,机房环境包括机房内部环境及机房入口处环境;
判断模块704,用于当监测到入侵时,开启视频监控系统。
在一些实施例中,在未检测到入侵时,视频监控系统处于休眠状态。
在一些实施例中,该机房监控装置700,还可以包括:
告警模块,用于当监测到入侵时,通过预设方法进行告警。
在一些实施例中,告警模块,还可以用于在机房环境恢复至预设状态后,当视频监控系统和CSI入侵监测系统的监测结果均显示,机房环境在第一时长内始终处在预设状态,则消除告警。
在一些实施例中,告警模块,还可以用于若在第二时长内,告警仍未消除,则通知人工检查。
在一些实施例中,该机房监控装置700,还可以包括:
辅助监测模块,用于在视频监控系统的状态为开启的阶段,通过CSI入侵监测系统,辅助视频监控系统进行盲区监测。
在一些实施例中,辅助监测模块,可以用于调用CSI入侵监测系统的位置识别算法,辅助视频监控系统进行盲区监测。
在一些实施例中,辅助监测模块在视频监控系统处于休眠状态时,不调用CSI入侵监测系统的位置识别算法。
在一些实施例中,入侵监测模块702,可以具体用于:
采集信道状态信息CSI数据;
将CSI数据输入到预先训练的CSI监测模型,以使CSI监测模型调用CSI入侵监测系统应用SVM分类算法判断是否有入侵。
在一些实施例中,当监测到入侵时,CSI监测模型还用于应用SVM分类判断归属点位置,并输出位置信息和入侵的状态信息。
在一些实施例中,该机房监控装置700,还可以包括:
信息采集模块,用于在机房环境发生改变后,采集机房环境信息;
模型更新模块,用于应用采集的机房环境信息重新对CSI监测模型进行训练,并更新CSI监测模型。
在一些实施例中,在更新CSI监测模型后,消除告警。
在一些实施例中,在告警消除后的第三时长内,若没有重新告警,则视频监控系统进入休眠状态,CSI入侵监测系统仅进行入侵监测。
本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
关于上述实施例中的机房监控装置,其中各个模块执行操作的具体方式已经在有关该机房监控方法的实施例中进行了详细描述,此处将不做详细阐述说明。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。
实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
下面参照图8来描述本公开实施例提供的电子设备。图8显示的电子设备800仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
图8示出本本公实施例提供的一种电子设备800的架构示意图。如图8所示,该电子设备800包括但不限于:至少一个处理器810、至少一个存储器820。
存储器820,用于存储指令。
在一些实施例中,存储器820可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)8201和/或高速缓存存储单元8202,还可以进一步包括只读存储单元(ROM)8203。
在一些实施例中,存储器820还可以包括具有一组(至少一个)程序模块8205的程序/实用工具8204,这样的程序模块8205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
在一些实施例中,存储器820可存储操作系统。该操作系统可以是实时操作系统(Real Time eXecutive,RTX)、LINUX、UNIX、WINDOWS或OS X之类的操作系统。
在一些实施例中,存储器820中还可以存储有数据。
作为一个示例,处理器810可以读取存储器820中存储的数据,该数据可以与指令存储在相同的存储地址,该数据也可以与指令存储在不同的存储地址。
处理器810,用于调用存储器820中存储的指令,实现本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如,所述处理器810可以执行上述方法实施例的如下步骤:
应用CSI入侵监测系统对机房环境进行入侵监测,机房环境包括机房内部环境及机房入口处环境;
当监测到入侵时,开启视频监控系统。
需要说明的是,上述处理器810可以是通用处理器或者专用处理器。处理器810可以包括一个或者一个以上处理核心,处理器810通过运行指令执行各种功能应用以及数据处理。
在一些实施例中,处理器810可以包括中央处理器(central processing unit,CPU)和/或基带处理器。
在一些实施例中,处理器810可以根据各个控制指令中携带的优先级标识和/或功能类别信息确定一个指令。
本公开中,处理器810和存储器820可以单独设置,也可以集成在一起。
作为一个示例,处理器810和存储器820可以集成在单板或者系统级芯片(systemon chip,SOC)上。
如图8所示,电子设备800以通用计算设备的形式表现。电子设备800还可以包括总线830。
总线830可以为表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器、外围总线、图形加速端口、处理器或者使用多种总线结构中的任意总线结构的局域总线。
电子设备800也可以与一个或多个外部设备840(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备800交互的设备通信,和/或与使得该电子设备800能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口850进行。
并且,电子设备800还可以通过网络适配器860与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。
如图8所示,网络适配器860通过总线830与电子设备800的其它模块通信。
应当明白,尽管图中未示出,可以结合电子设备800使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
可以理解的是,本公开实施例示意的结构并不构成对电子设备800的具体限定。在本公开另一些实施例中,电子设备800可以包括比图8所示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图8所示的部件可以以硬件,软件或软件和硬件的组合实现。
本公开还提供了一种计算机可读存储介质,其上存储有计算机指令,计算机指令被处理器执行时实现上述方法实施例描述的机房监控方法。
本公开实施例中计算机可读存储介质,为可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的计算机指令。
作为一个示例,计算机可读存储介质是非易失性存储介质。
在一些实施例中,本公开中的计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、U盘、移动硬盘或者上述的任意合适的组合。
本公开实施例中,计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机指令(可读程序代码)。
这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。
可读存储介质以外的任何可读介质,该可读介质
在一些示例中,计算机可读存储介质上包含的计算指令可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
本公开实施例还提供一种计算机程序产品,计算机程序产品存储有指令,指令在由计算机执行时,使得计算机实施上述方法实施例描述的机房监控方法。
上述指令可以是程序代码。在具体实施时,程序代码可以由一种或多种程序设计语言的任意组合来编写。
程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。
程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
本公开实施例还提供了一种芯片,包括至少一个处理器和接口;
接口,用于为至少一个处理器提供程序指令或者数据;
至少一个处理器用于执行程序指令,以实现上述方法实施例描述的机房监控方法。
在一些实施例中,该芯片还可以包括存储器,该存储器,用于保存程序指令和数据,存储器位于处理器之内或处理器之外。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。
本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由所附的权利要求指出。
Claims (16)
1.一种机房监控方法,其特征在于,包括:
应用CSI入侵监测系统对机房环境进行入侵监测,所述机房环境包括机房内部环境及机房入口处环境;
当监测到入侵时,开启视频监控系统。
2.根据权利要求1所述的方法,其特征在于,在未检测到入侵时,视频监控系统处于休眠状态。
3.根据权利要求1所述的方法,其特征在于,当监测到入侵时,所述方法还包括:
通过预设方法进行告警。
4.根据权利要求3所述的方法,其特征在于,在机房环境恢复至预设状态后,所述方法还包括:
当视频监控系统和CSI入侵监测系统的监测结果均显示,机房环境在第一时长内始终处在预设状态,则消除告警。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
若在第二时长内,告警仍未消除,则通知人工检查。
6.根据权利要求1所述的方法,其特征在于,在视频监控系统的状态为开启的阶段,所述方法还包括:
通过CSI入侵监测系统,辅助视频监控系统进行盲区监测。
7.根据权利要求6所述的方法,其特征在于,通过CSI入侵监测系统,辅助视频监控系统进行盲区监测,包括:
调用CSI入侵监测系统的位置识别算法,辅助视频监控系统进行盲区监测。
8.根据权利要求7所述的方法,其特征在于,在视频监控系统处于休眠状态时,不调用CSI入侵监测系统的位置识别算法。
9.根据权利要求1所述的方法,其特征在于,应用CSI入侵监测系统对机房环境进行入侵监测,包括:
采集信道状态信息CSI数据;
将所述CSI数据输入到预先训练的CSI监测模型,以使所述CSI监测模型调用CSI入侵监测系统应用SVM分类算法判断是否有入侵。
10.根据权利要求9所述的方法,其特征在于,当监测到入侵时,所述CSI监测模型还用于应用SVM分类判断归属点位置,并输出位置信息和入侵的状态信息。
11.根据权利要求9所述的方法,其特征在于,在机房环境发生改变后,所述方法还包括:
采集机房环境信息;
应用采集的机房环境信息重新对所述CSI监测模型进行训练,并更新CSI监测模型。
12.根据权利要求11所述的方法,其特征在于,在机房环境发生改变后,所述方法还包括:
在更新CSI监测模型后,消除告警。
13.根据权利要求5或12所述的方法,其特征在于,所述方法还包括:
在告警消除后的第三时长内,若没有重新告警,则视频监控系统进入休眠状态,CSI入侵监测系统仅进行入侵监测。
14.一种机房监控装置,其特征在于,包括:
入侵监测模块,用于应用CSI入侵监测系统对机房环境进行入侵监测,所述机房环境包括机房内部环境及机房入口处环境;
判断模块,用于当监测到入侵时,开启视频监控系统。
15.一种电子设备,其特征在于,包括:
存储器,用于存储指令;
处理器,用于调用所述存储器中存储的指令,实现如权利要求1-13任一项所述的机房监控方法。
16.一种计算机可读存储介质,其上存储有计算机指令,其特征在于,所述计算机指令被处理器执行时实现权利要求1-13中任意一项所述的机房监控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210744228.6A CN114895609A (zh) | 2022-06-27 | 2022-06-27 | 机房监控方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210744228.6A CN114895609A (zh) | 2022-06-27 | 2022-06-27 | 机房监控方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114895609A true CN114895609A (zh) | 2022-08-12 |
Family
ID=82729330
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210744228.6A Pending CN114895609A (zh) | 2022-06-27 | 2022-06-27 | 机房监控方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114895609A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116841301A (zh) * | 2023-09-01 | 2023-10-03 | 杭州义益钛迪信息技术有限公司 | 巡检机器人巡检模型训练方法、装置、设备及介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104766427A (zh) * | 2015-04-27 | 2015-07-08 | 太原理工大学 | 一种基于Wi-Fi的房屋非法入侵检测方法 |
CN104951775A (zh) * | 2015-07-15 | 2015-09-30 | 攀钢集团攀枝花钢钒有限公司 | 基于视频技术的铁路道口防护区域安全智能识别方法 |
CN106658590A (zh) * | 2016-12-28 | 2017-05-10 | 南京航空航天大学 | 基于WiFi信道状态信息多人室内环境状态监控系统的设计与实现 |
CN206649322U (zh) * | 2017-04-11 | 2017-11-17 | 郑州云海信息技术有限公司 | 一种基于树莓派的机房环境监测和安防监控系统 |
CN107480699A (zh) * | 2017-07-13 | 2017-12-15 | 电子科技大学 | 一种基于信道状态信息和支持向量机的入侵检测方法 |
CN108810910A (zh) * | 2018-05-23 | 2018-11-13 | 浙江工业大学 | 一种基于信道状态信息构建可视图网络的入侵检测方法 |
CN109961100A (zh) * | 2019-03-26 | 2019-07-02 | 北京邮电大学 | 基于主成分分析法的wifi室内人员入侵检测方法 |
US20190371139A1 (en) * | 2018-05-30 | 2019-12-05 | Hewlett Packard Enterprise Development Lp | Intrustion detection and notification device |
CN110706463A (zh) * | 2019-06-11 | 2020-01-17 | 南京信息工程大学 | 适于摔倒监测的wifi无源感知方法和系统 |
CN211209824U (zh) * | 2019-12-31 | 2020-08-07 | 日照安泰科技发展有限公司 | 社区智能安防监控系统 |
CN113242366A (zh) * | 2021-04-21 | 2021-08-10 | 深圳市沃特沃德信息有限公司 | 安防设备的控制方法、装置、电子设备及存储介质 |
CN113723361A (zh) * | 2021-09-18 | 2021-11-30 | 西安邮电大学 | 一种基于深度学习的视频监测方法及设备 |
-
2022
- 2022-06-27 CN CN202210744228.6A patent/CN114895609A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104766427A (zh) * | 2015-04-27 | 2015-07-08 | 太原理工大学 | 一种基于Wi-Fi的房屋非法入侵检测方法 |
CN104951775A (zh) * | 2015-07-15 | 2015-09-30 | 攀钢集团攀枝花钢钒有限公司 | 基于视频技术的铁路道口防护区域安全智能识别方法 |
CN106658590A (zh) * | 2016-12-28 | 2017-05-10 | 南京航空航天大学 | 基于WiFi信道状态信息多人室内环境状态监控系统的设计与实现 |
CN206649322U (zh) * | 2017-04-11 | 2017-11-17 | 郑州云海信息技术有限公司 | 一种基于树莓派的机房环境监测和安防监控系统 |
CN107480699A (zh) * | 2017-07-13 | 2017-12-15 | 电子科技大学 | 一种基于信道状态信息和支持向量机的入侵检测方法 |
CN108810910A (zh) * | 2018-05-23 | 2018-11-13 | 浙江工业大学 | 一种基于信道状态信息构建可视图网络的入侵检测方法 |
US20190371139A1 (en) * | 2018-05-30 | 2019-12-05 | Hewlett Packard Enterprise Development Lp | Intrustion detection and notification device |
CN109961100A (zh) * | 2019-03-26 | 2019-07-02 | 北京邮电大学 | 基于主成分分析法的wifi室内人员入侵检测方法 |
CN110706463A (zh) * | 2019-06-11 | 2020-01-17 | 南京信息工程大学 | 适于摔倒监测的wifi无源感知方法和系统 |
CN211209824U (zh) * | 2019-12-31 | 2020-08-07 | 日照安泰科技发展有限公司 | 社区智能安防监控系统 |
CN113242366A (zh) * | 2021-04-21 | 2021-08-10 | 深圳市沃特沃德信息有限公司 | 安防设备的控制方法、装置、电子设备及存储介质 |
CN113723361A (zh) * | 2021-09-18 | 2021-11-30 | 西安邮电大学 | 一种基于深度学习的视频监测方法及设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116841301A (zh) * | 2023-09-01 | 2023-10-03 | 杭州义益钛迪信息技术有限公司 | 巡检机器人巡检模型训练方法、装置、设备及介质 |
CN116841301B (zh) * | 2023-09-01 | 2024-01-09 | 杭州义益钛迪信息技术有限公司 | 巡检机器人巡检模型训练方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105424395A (zh) | 设备故障的确定方法和装置 | |
CN110730327A (zh) | 一种对输电线路监控的方法及采集前端 | |
CN110084158B (zh) | 一种基于智能算法的用电设备识别方法 | |
CN116980958B (zh) | 一种基于数据识别的无线设备电故障监测方法及系统 | |
CN110602488A (zh) | 一种日夜型摄像装置切换异常检测方法、装置及摄像装置 | |
CN113670434B (zh) | 变电站设备声音异常识别方法、装置和计算机设备 | |
CN110738289A (zh) | 电力作业标准化的多维联动综合研判装置及其使用方法 | |
CN111582165B (zh) | 一种电力配电站房监控系统 | |
CN116112341B (zh) | 网络设备的检测方法、装置、电子设备及存储介质 | |
CN114895609A (zh) | 机房监控方法、装置、设备及介质 | |
CN107943570A (zh) | 应用管理方法、装置、存储介质及电子设备 | |
CN113723184A (zh) | 基于智能网关的场景识别系统、方法、装置和智能网关 | |
CN112803581A (zh) | 低压联络柜的智能供电控制方法、系统及装置 | |
CN112907911A (zh) | 一种基于设备工艺数据的智能异常识别与报警算法 | |
CN110197289B (zh) | 一种基于大数据的节能设备管理系统 | |
CN112651273A (zh) | 一种ai智能摄像跟踪的方法 | |
CN112418062A (zh) | 人脸识别方法、系统、电子设备及存储介质 | |
CN206696678U (zh) | 楼宇监控装置及系统 | |
CN115964935A (zh) | 数据中心机房it设备管理方法、装置、服务端及介质 | |
CN114979214A (zh) | 一种输电线路的智能协同告警系统、方法及装置 | |
CN212723697U (zh) | 智能微模块数据中心监控系统 | |
CN107968820A (zh) | 基于地产开发建设的监控管理系统 | |
CN113792477A (zh) | 一种用电异常识别方法、系统、装置和火灾预警系统 | |
CN112711508A (zh) | 面向大规模客户端系统的智能运维服务系统 | |
CN114708557B (zh) | 一种基于空地通信的电力施工监控方法及系统 |
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 |