CN117255193A - 一种5g网络监控器的远程终端状态检测方法及系统 - Google Patents
一种5g网络监控器的远程终端状态检测方法及系统 Download PDFInfo
- Publication number
- CN117255193A CN117255193A CN202311532983.9A CN202311532983A CN117255193A CN 117255193 A CN117255193 A CN 117255193A CN 202311532983 A CN202311532983 A CN 202311532983A CN 117255193 A CN117255193 A CN 117255193A
- Authority
- CN
- China
- Prior art keywords
- remote terminal
- data
- layer
- actual
- vector
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 18
- 206010048669 Terminal state Diseases 0.000 title description 11
- 230000005856 abnormality Effects 0.000 claims abstract description 31
- 230000002159 abnormal effect Effects 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000007405 data analysis Methods 0.000 claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 19
- 230000008439 repair process Effects 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 239000013598 vector Substances 0.000 claims description 124
- 238000012544 monitoring process Methods 0.000 claims description 93
- 238000013528 artificial neural network Methods 0.000 claims description 12
- 230000005236 sound signal Effects 0.000 claims description 10
- 230000004931 aggregating effect Effects 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 230000036632 reaction speed Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/002—Diagnosis, testing or measuring for television systems or their details for television cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Biophysics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种5G网络监控器的远程终端状态检测方法及系统，涉及智能物件技术领域，包括：获取远程终端的样本状态数据，样本状态数据均为合格的检测数据，建立数据分析模型；获取远程终端的实际状态数据，根据数据分析模型对远程终端的实际状态数据进行分析，判断远程终端的实际状态数据是否存在异常，若否，则不作任何处理，若是，则判断远程终端的实际状态数据异常的原因；根据远程终端的实际状态数据异常的原因，发出预警，进行针对性修复。通过设置模型建立模块、处理分析模块、智能识别模块和判断构建模块，从多个维度对远程终端的状态进行检测，能及时发现远程终端状态的异常，从而及时调整。
Description
技术领域
本发明涉及智能物件技术领域，具体是涉及一种5G网络监控器的远程终端状态检测方法及系统。
背景技术
监控系统又称之为闭路电视监控系统，典型的监控系统主要由前端音视频采集设备、音视频传输设备、后端存储、控制及显示设备这五大部分组成，其中后端设备可进一步分为中心控制设备和分控制设备。前、后端设备有多种构成方式，它们之间的联系可通过同轴电缆、双绞线、光纤、微波、无线等多种方式来实现。网络监视器是通过网络监视器软件来对网络中1个或多个网络监视终端行为控制的装置。
现有的网络监控器的远程终端主要由操作员直接控制调整，欠缺对其工作状态的检测，网络监控器的远程终端运行复杂，牵涉多种数据的识别和反应，通过人眼识别，容易出现遗漏，无法在第一时间察觉到问题，因而会造成监控出现疏漏。
发明内容
为解决上述技术问题，提供一种5G网络监控器的远程终端状态检测方法及系统，本技术方案解决了上述背景技术中提出的现有的网络监控器的远程终端主要由操作员直接控制调整，欠缺对其工作状态的检测，网络监控器的远程终端运行复杂，牵涉多种数据的识别和反应，通过人眼识别，容易出现遗漏，无法在第一时间察觉到问题，因而会造成监控出现疏漏的问题。
为达到以上目的，本发明采用的技术方案为：
一种5G网络监控器的远程终端状态检测方法，包括：
获取远程终端的样本状态数据，样本状态数据均为合格的检测数据，样本状态数据包括网络接入层样本数据、采集层样本数据、控制层样本数据和操作显示层样本数据，建立数据分析模型；
获取远程终端的实际状态数据，实际状态数据包括网络接入层实际数据、采集层实际数据、控制层实际数据和操作显示层实际数据，根据数据分析模型对远程终端的实际状态数据进行分析，判断远程终端的实际状态数据是否存在异常，若否，则不作任何处理，若是，则判断远程终端的实际状态数据异常的原因；
根据远程终端的实际状态数据异常的原因，发出预警，进行针对性修复。
优选的，所述获取远程终端的样本状态数据包括以下步骤：
获取网络接入层样本数据时，获取通过三层交换机VLAN的方式连接进入的不同网段信息，获取各监控服务器的地址信息和监控终端的地址信息，获取同一监控服务器在同一时间登录的操作人员数量，获取监控终端的登录验证权；
获取采集层样本数据时，获取各监控服务器采集生成的监控画面，并获取各监控服务器采集生成监控画面的时间；
获取控制层样本数据时，分别获取视频音频切换数据、视频图像处理数据和矩阵切换控制数据，视频音频切换数据包括监控器图像和相应的音频信号进行切换的时间差距，视频图像处理数据包括多幅图像和单幅图像在一个监视器屏幕的切换显示情况，矩阵切换控制数据包括管理报警的输入和输出信号的反应速度；
获取操作显示层样本数据时，获取监控终端为操作人员提供登录的集成监控画面数据；
获取远程终端的实际状态数据与获取远程终端的样本状态数据的步骤一致。
优选的，所述建立数据分析模型包括以下步骤：
通过神经网络建立关键词智能识别模型，使用关键词智能识别模型对输入数据分析模型的信息进行归类识别；
根据获取的远程终端的样本状态数据，构建网络接入层判断向量，其中，/>为允许接入的网段范围，/>为各监控服务器的地址信息集合，/>为监控终端的地址信息集合，/>为同一监控服务器在同一时间登录的操作人员人数阙值，/>为监控终端允许登录的访问权限集合；
构建采集层判断向量，其中，/>为各监控服务器采集生成的监控画面的清晰度范围值，/>为各监控服务器采集生成监控画面的时间范围；
构建控制层判断向量，其中，/>为监控器图像和相应的音频信号进行切换的时间差距范围，/>为多幅图像和单幅图像在一个监视器屏幕的切换流畅度范围，/>为管理报警的输入和输出信号的反应速度范围；
构建操作显示层判断向量，其中，/>为集成监控画面清晰度范围。
优选的，所述通过神经网络建立关键词智能识别模型包括以下步骤：
设置输入层、处理层和输出层，输入层、处理层和输出层构成关键词智能识别模型；
输入层由多个并列的关键词构成，关键词提取于样本状态数据；
处理层存储关键词对应的信息归类识别的路径，所述路径将关键词映射至分类；
输出层存储关键词的分类；
使用样本状态数据输入关键词智能识别模型，关键词智能识别模型进行分类识别，计算识别的正确度，若识别的正确度大于预设值，则关键词智能识别模型建立完成，若识别的正确度不超过预设值，则修改处理层存储的关键词对应的信息归类识别的路径，继续测试关键词智能识别模型。
优选的，所述构建网络接入层判断向量包括以下步骤：
在样本状态数据中，得到允许接入的网段的最大值和最小值，组合为区间得到；
聚合样本状态数据中所有监控服务器的地址信息，得到；
聚合样本状态数据中所有监控终端的地址信息，得到；
选取同一监控服务器在同一时间登录的操作人员人数的最大值，得到；
聚合样本状态数据中所有监控终端允许登录的人员类别，得到。
优选的，所述构建采集层判断向量包括以下步骤：
在样本状态数据中，得到各监控服务器采集生成的监控画面的清晰度的最大值和最小值，组合为区间得到；
得到各监控服务器采集生成监控画面的时间的最大值和最小值，组合为区间得到。
优选的，所述构建控制层判断向量包括以下步骤：
在样本状态数据中，得到监控器图像和相应的音频信号进行切换的时间差距的最大值和最小值，组合为区间得到；
得到多幅图像和单幅图像在一个监视器屏幕的切换流畅度的最大值和最小值，组合为区间得到；
得到管理报警的输入和输出信号的反应速度的最大值和最小值，组合为区间得到。
优选的，所述判断远程终端的实际状态数据是否存在异常包括以下步骤：
将远程终端的实际状态数据输入数据分析模型中，关键词智能识别模型对远程终端的实际状态数据进行关键词提取；
关键词智能识别模型将与关键词对应的数据进行分类，形成网络接入层实际向量、采集层实际向量、控制层实际向量和操作显示层实际向量；
判断网络接入层实际向量、采集层实际向量、控制层实际向量和操作显示层实际向量的取值是否分别在网络接入层判断向量、采集层判断向量、控制层判断向量和操作显示层判断向量的取值范围内；
若是，则远程终端的实际状态数据不存在异常，若否，则远程终端的实际状态数据存在异常。
优选的，所述判断远程终端的实际状态数据异常的原因包括以下步骤：
获取网络接入层实际向量、采集层实际向量、控制层实际向量和操作显示层实际向量中存在异常的向量，将其记为异常实际向量；
获取异常实际向量中存在异常的向量元素的位置，获取存在异常的向量元素的位置所对应的指标，将指标输出，作为异常的原因。
一种5G网络监控器的远程终端状态检测系统，用于实现上述的5G网络监控器的远程终端状态检测方法，包括：
数据获取模块，所述数据获取模块获取远程终端的样本状态数据，并获取远程终端的实际状态数据；
模型建立模块，所述模型建立模块建立数据分析模型；
处理分析模块，所述处理分析模块判断远程终端的实际状态数据是否存在异常，并判断远程终端的实际状态数据异常的原因；
智能识别模块，所述智能识别模块通过神经网络建立关键词智能识别模型；
判断构建模块，所述判断构建模块构建网络接入层判断向量、构建采集层判断向量、构建控制层判断向量和构建操作显示层判断向量；
预警修复模块，所述预警修复模块根据远程终端的实际状态数据异常的原因，发出预警，进行针对性修复。
与现有技术相比，本发明的有益效果在于：
通过设置模型建立模块、处理分析模块、智能识别模块和判断构建模块，使用样本状态数据建立数据分析模型，从多个维度对远程终端的状态进行检测，能及时发现远程终端状态的异常，从而及时调整，避免因为监测出现遗漏，无法在第一时间察觉到问题，造成监控出现疏漏。
附图说明
图1为本发明的5G网络监控器的远程终端状态检测方法流程示意图；
图2为本发明的获取远程终端的样本状态数据流程示意图；
图3为本发明的建立数据分析模型流程示意图；
图4为本发明的通过神经网络建立关键词智能识别模型流程示意图；
图5为本发明的判断远程终端的实际状态数据是否存在异常流程示意图；
图6为本发明的判断远程终端的实际状态数据异常的原因流程示意图。
具体实施方式
以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例，本领域技术人员可以想到其他显而易见的变型。
参照图1所示，一种5G网络监控器的远程终端状态检测方法，包括：
获取远程终端的样本状态数据，样本状态数据均为合格的检测数据，样本状态数据包括网络接入层样本数据、采集层样本数据、控制层样本数据和操作显示层样本数据，建立数据分析模型；
获取远程终端的实际状态数据，实际状态数据包括网络接入层实际数据、采集层实际数据、控制层实际数据和操作显示层实际数据，根据数据分析模型对远程终端的实际状态数据进行分析，判断远程终端的实际状态数据是否存在异常，若否，则不作任何处理，若是，则判断远程终端的实际状态数据异常的原因；
根据远程终端的实际状态数据异常的原因，发出预警，进行针对性修复。
参照图2所示，获取远程终端的样本状态数据包括以下步骤：
获取网络接入层样本数据时，获取通过三层交换机VLAN的方式连接进入的不同网段信息，获取各监控服务器的地址信息和监控终端的地址信息，获取同一监控服务器在同一时间登录的操作人员数量，获取监控终端的登录验证权；
获取采集层样本数据时，获取各监控服务器采集生成的监控画面，并获取各监控服务器采集生成监控画面的时间；
获取控制层样本数据时，分别获取视频音频切换数据、视频图像处理数据和矩阵切换控制数据，视频音频切换数据包括监控器图像和相应的音频信号进行切换的时间差距，视频图像处理数据包括多幅图像和单幅图像在一个监视器屏幕的切换显示情况，矩阵切换控制数据包括管理报警的输入和输出信号的反应速度；
获取操作显示层样本数据时，获取监控终端为操作人员提供登录的集成监控画面数据；
获取远程终端的实际状态数据与获取远程终端的样本状态数据的步骤一致；
从多维度获取远程终端的样本状态数据，检测网络接入层样本数据，确保接入网络、各监控服务器和监控终端的可靠性，确定操作人员人数阙值及监控终端的访问权限，避免监控视频泄漏，检测采集层样本数据，保证检测画面的质量及采集传输画面的时间，检测控制层样本数据，确保监控器图像和相应的音频信号的匹配度，防止出现明显时间差，导致音画不同步，检测操作显示层样本数据，确保对登陆监控终端的人员的集成监控画面的清晰度。
参照图3所示，建立数据分析模型包括以下步骤：
通过神经网络建立关键词智能识别模型，使用关键词智能识别模型对输入数据分析模型的信息进行归类识别；
根据获取的远程终端的样本状态数据，构建网络接入层判断向量，其中，/>为允许接入的网段范围，/>为各监控服务器的地址信息集合，/>为监控终端的地址信息集合，/>为同一监控服务器在同一时间登录的操作人员人数阙值，/>为监控终端允许登录的访问权限集合；
构建采集层判断向量，其中，/>为各监控服务器采集生成的监控画面的清晰度范围值，/>为各监控服务器采集生成监控画面的时间范围；
构建控制层判断向量，其中，/>为监控器图像和相应的音频信号进行切换的时间差距范围，/>为多幅图像和单幅图像在一个监视器屏幕的切换流畅度范围，/>为管理报警的输入和输出信号的反应速度范围；
构建操作显示层判断向量，其中，/>为集成监控画面清晰度范围；
建立数据分析模型是为了智能对远程终端的实际状态数据进行处理，将远程终端的实际状态数据进行分类，并提供对远程终端的实际状态数据的判断依据。
参照图4所示，通过神经网络建立关键词智能识别模型包括以下步骤：
设置输入层、处理层和输出层，输入层、处理层和输出层构成关键词智能识别模型；
输入层由多个并列的关键词构成，关键词提取于样本状态数据；
处理层存储关键词对应的信息归类识别的路径，所述路径将关键词映射至分类；
输出层存储关键词的分类；
使用样本状态数据输入关键词智能识别模型，关键词智能识别模型进行分类识别，计算识别的正确度，若识别的正确度大于预设值，则关键词智能识别模型建立完成，若识别的正确度不超过预设值，则修改处理层存储的关键词对应的信息归类识别的路径，继续测试关键词智能识别模型；
使用神经网络训练关键词智能识别模型，可以对输入数据分析模型的信息进行识别分类。
构建网络接入层判断向量包括以下步骤：
在样本状态数据中，得到允许接入的网段的最大值和最小值，组合为区间得到；
聚合样本状态数据中所有监控服务器的地址信息，得到；
聚合样本状态数据中所有监控终端的地址信息，得到；
选取同一监控服务器在同一时间登录的操作人员人数的最大值，得到；
聚合样本状态数据中所有监控终端允许登录的人员类别，得到。
构建采集层判断向量包括以下步骤：
在样本状态数据中，得到各监控服务器采集生成的监控画面的清晰度的最大值和最小值，组合为区间得到；
得到各监控服务器采集生成监控画面的时间的最大值和最小值，组合为区间得到。
构建控制层判断向量包括以下步骤：
在样本状态数据中，得到监控器图像和相应的音频信号进行切换的时间差距的最大值和最小值，组合为区间得到；
得到多幅图像和单幅图像在一个监视器屏幕的切换流畅度的最大值和最小值，组合为区间得到；
得到管理报警的输入和输出信号的反应速度的最大值和最小值，组合为区间得到。
参照图5所示，判断远程终端的实际状态数据是否存在异常包括以下步骤：
将远程终端的实际状态数据输入数据分析模型中，关键词智能识别模型对远程终端的实际状态数据进行关键词提取；
关键词智能识别模型将与关键词对应的数据进行分类，形成网络接入层实际向量、采集层实际向量、控制层实际向量和操作显示层实际向量；
判断网络接入层实际向量、采集层实际向量、控制层实际向量和操作显示层实际向量的取值是否分别在网络接入层判断向量、采集层判断向量、控制层判断向量和操作显示层判断向量的取值范围内；
若是，则远程终端的实际状态数据不存在异常，若否，则远程终端的实际状态数据存在异常；
判断远程终端的状态数据时，当网络接入层实际向量、采集层实际向量、控制层实际向量和操作显示层实际向量其中任意一个的取值不在网络接入层判断向量、采集层判断向量、控制层判断向量和操作显示层判断向量的取值范围内，则判断为异常。
参照图6所示，判断远程终端的实际状态数据异常的原因包括以下步骤：
获取网络接入层实际向量、采集层实际向量、控制层实际向量和操作显示层实际向量中存在异常的向量，将其记为异常实际向量；
获取异常实际向量中存在异常的向量元素的位置，异常实际向量对应网络接入层实际向量、采集层实际向量、控制层实际向量和操作显示层实际向量中的任意一个或多个，以异常实际向量对应网络接入层实际向量为例，则若异常实际向量中首位元素与网络接入层判断向量中的首位元素/>比较，若不在/>的范围内，则将/>位置对应的指标输出，作为异常的原因，对于异常实际向量中的其余元素按照同样的方法操作。
一种5G网络监控器的远程终端状态检测系统，用于实现上述的5G网络监控器的远程终端状态检测方法，包括：
数据获取模块，所述数据获取模块获取远程终端的样本状态数据，并获取远程终端的实际状态数据；
模型建立模块，所述模型建立模块建立数据分析模型；
处理分析模块，所述处理分析模块判断远程终端的实际状态数据是否存在异常，并判断远程终端的实际状态数据异常的原因；
智能识别模块，所述智能识别模块通过神经网络建立关键词智能识别模型；
判断构建模块，所述判断构建模块构建网络接入层判断向量、构建采集层判断向量、构建控制层判断向量和构建操作显示层判断向量；
预警修复模块，所述预警修复模块根据远程终端的实际状态数据异常的原因，发出预警，进行针对性修复。
上述5G网络监控器的远程终端状态检测系统的工作过程如下：
步骤一：数据获取模块获取远程终端的样本状态数据，智能识别模块通过神经网络建立关键词智能识别模型；
步骤二：判断构建模块构建网络接入层判断向量、构建采集层判断向量、构建控制层判断向量和构建操作显示层判断向量；
步骤三：模型建立模块汇总关键词智能识别模型、网络接入层判断向量、采集层判断向量、控制层判断向量和操作显示层判断向量，建立模块建立数据分析模型；
步骤四：数据获取模块获取远程终端的实际状态数据，输入数据分析模型中，处理分析模块判断远程终端的实际状态数据是否存在异常，并判断远程终端的实际状态数据异常的原因；
步骤五：预警修复模块根据远程终端的实际状态数据异常的原因，发出预警，进行针对性修复。
再进一步的，本方案还提出一种存储介质，其上存储有计算机可读程序，计算机可读程序被调用时执行上述的5G网络监控器的远程终端状态检测方法。
可以理解的是，存储介质可以是磁性介质，例如，软盘、硬盘、磁带；光介质例如，DVD；或者半导体介质例如固态硬盘SolidStateDisk，SSD等。
综上所述，本发明的优点在于：通过设置模型建立模块、处理分析模块、智能识别模块和判断构建模块，使用样本状态数据建立数据分析模型，从多个维度对远程终端的状态进行检测，能及时发现远程终端状态的异常，从而及时调整，避免因为监测出现遗漏，无法在第一时间察觉到问题，造成监控出现疏漏。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。
Claims (10)
1.一种5G网络监控器的远程终端状态检测方法，其特征在于，包括：
获取远程终端的样本状态数据，样本状态数据均为合格的检测数据，样本状态数据包括网络接入层样本数据、采集层样本数据、控制层样本数据和操作显示层样本数据，建立数据分析模型；
获取远程终端的实际状态数据，实际状态数据包括网络接入层实际数据、采集层实际数据、控制层实际数据和操作显示层实际数据，根据数据分析模型对远程终端的实际状态数据进行分析，判断远程终端的实际状态数据是否存在异常，若否，则不作任何处理，若是，则判断远程终端的实际状态数据异常的原因；
根据远程终端的实际状态数据异常的原因，发出预警，进行针对性修复。
2.根据权利要求1所述的一种5G网络监控器的远程终端状态检测方法，其特征在于，所述获取远程终端的样本状态数据包括以下步骤：
获取网络接入层样本数据时，获取通过三层交换机VLAN的方式连接进入的不同网段信息，获取各监控服务器的地址信息和监控终端的地址信息，获取同一监控服务器在同一时间登录的操作人员数量，获取监控终端的登录验证权；
获取采集层样本数据时，获取各监控服务器采集生成的监控画面，并获取各监控服务器采集生成监控画面的时间；
获取控制层样本数据时，分别获取视频音频切换数据、视频图像处理数据和矩阵切换控制数据，视频音频切换数据包括监控器图像和相应的音频信号进行切换的时间差距，视频图像处理数据包括多幅图像和单幅图像在一个监视器屏幕的切换显示情况，矩阵切换控制数据包括管理报警的输入和输出信号的反应速度；
获取操作显示层样本数据时，获取监控终端为操作人员提供登录的集成监控画面数据；
获取远程终端的实际状态数据与获取远程终端的样本状态数据的步骤一致。
3.根据权利要求2所述的一种5G网络监控器的远程终端状态检测方法，其特征在于，所述建立数据分析模型包括以下步骤：
通过神经网络建立关键词智能识别模型，使用关键词智能识别模型对输入数据分析模型的信息进行归类识别；
根据获取的远程终端的样本状态数据，构建网络接入层判断向量，其中，/>为允许接入的网段范围，/>为各监控服务器的地址信息集合，/>为监控终端的地址信息集合，/>为同一监控服务器在同一时间登录的操作人员人数阙值，/>为监控终端允许登录的访问权限集合；
构建采集层判断向量，其中，/>为各监控服务器采集生成的监控画面的清晰度范围值，/>为各监控服务器采集生成监控画面的时间范围；
构建控制层判断向量，其中，/>为监控器图像和相应的音频信号进行切换的时间差距范围，/>为多幅图像和单幅图像在一个监视器屏幕的切换流畅度范围，/>为管理报警的输入和输出信号的反应速度范围；
构建操作显示层判断向量，其中，/>为集成监控画面清晰度范围。
4.根据权利要求3所述的一种5G网络监控器的远程终端状态检测方法，其特征在于，所述通过神经网络建立关键词智能识别模型包括以下步骤：
设置输入层、处理层和输出层，输入层、处理层和输出层构成关键词智能识别模型；
输入层由多个并列的关键词构成，关键词提取于样本状态数据；
处理层存储关键词对应的信息归类识别的路径，所述路径将关键词映射至分类；
输出层存储关键词的分类；
使用样本状态数据输入关键词智能识别模型，关键词智能识别模型进行分类识别，计算识别的正确度，若识别的正确度大于预设值，则关键词智能识别模型建立完成，若识别的正确度不超过预设值，则修改处理层存储的关键词对应的信息归类识别的路径，继续测试关键词智能识别模型。
5.根据权利要求4所述的一种5G网络监控器的远程终端状态检测方法，其特征在于，所述构建网络接入层判断向量包括以下步骤：
在样本状态数据中，得到允许接入的网段的最大值和最小值，组合为区间得到；
聚合样本状态数据中所有监控服务器的地址信息，得到；
聚合样本状态数据中所有监控终端的地址信息，得到；
选取同一监控服务器在同一时间登录的操作人员人数的最大值，得到；
聚合样本状态数据中所有监控终端允许登录的人员类别，得到。
6.根据权利要求5所述的一种5G网络监控器的远程终端状态检测方法，其特征在于，所述构建采集层判断向量包括以下步骤：
在样本状态数据中，得到各监控服务器采集生成的监控画面的清晰度的最大值和最小值，组合为区间得到；
得到各监控服务器采集生成监控画面的时间的最大值和最小值，组合为区间得到。
7.根据权利要求6所述的一种5G网络监控器的远程终端状态检测方法，其特征在于，所述构建控制层判断向量包括以下步骤：
在样本状态数据中，得到监控器图像和相应的音频信号进行切换的时间差距的最大值和最小值，组合为区间得到；
得到多幅图像和单幅图像在一个监视器屏幕的切换流畅度的最大值和最小值，组合为区间得到；
得到管理报警的输入和输出信号的反应速度的最大值和最小值，组合为区间得到。
8.根据权利要求7所述的一种5G网络监控器的远程终端状态检测方法，其特征在于，所述判断远程终端的实际状态数据是否存在异常包括以下步骤：
将远程终端的实际状态数据输入数据分析模型中，关键词智能识别模型对远程终端的实际状态数据进行关键词提取；
关键词智能识别模型将与关键词对应的数据进行分类，形成网络接入层实际向量、采集层实际向量、控制层实际向量和操作显示层实际向量；
判断网络接入层实际向量、采集层实际向量、控制层实际向量和操作显示层实际向量的取值是否分别在网络接入层判断向量、采集层判断向量、控制层判断向量和操作显示层判断向量的取值范围内；
若是，则远程终端的实际状态数据不存在异常，若否，则远程终端的实际状态数据存在异常。
9.根据权利要求8所述的一种5G网络监控器的远程终端状态检测方法，其特征在于，所述判断远程终端的实际状态数据异常的原因包括以下步骤：
获取网络接入层实际向量、采集层实际向量、控制层实际向量和操作显示层实际向量中存在异常的向量，将其记为异常实际向量；
获取异常实际向量中存在异常的向量元素的位置，获取存在异常的向量元素的位置所对应的指标，将指标输出，作为异常的原因。
10.一种5G网络监控器的远程终端状态检测系统，用于实现如权利要求1-9任一项所述的5G网络监控器的远程终端状态检测方法，其特征在于，包括：
数据获取模块，所述数据获取模块获取远程终端的样本状态数据，并获取远程终端的实际状态数据；
模型建立模块，所述模型建立模块建立数据分析模型；
处理分析模块，所述处理分析模块判断远程终端的实际状态数据是否存在异常，并判断远程终端的实际状态数据异常的原因；
智能识别模块，所述智能识别模块通过神经网络建立关键词智能识别模型；
判断构建模块，所述判断构建模块构建网络接入层判断向量、构建采集层判断向量、构建控制层判断向量和构建操作显示层判断向量；
预警修复模块，所述预警修复模块根据远程终端的实际状态数据异常的原因，发出预警，进行针对性修复。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311532983.9A CN117255193B (zh) | 2023-11-17 | 2023-11-17 | 一种5g网络监控器的远程终端状态检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311532983.9A CN117255193B (zh) | 2023-11-17 | 2023-11-17 | 一种5g网络监控器的远程终端状态检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117255193A true CN117255193A (zh) | 2023-12-19 |
| CN117255193B CN117255193B (zh) | 2024-03-26 |
Family
ID=89131730
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311532983.9A Active CN117255193B (zh) | 2023-11-17 | 2023-11-17 | 一种5g网络监控器的远程终端状态检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117255193B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118019037A (zh) * | 2024-04-09 | 2024-05-10 | 深圳百沃彰世科技有限公司 | 一种基于移动通讯设备的故障检测方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106909974A (zh) * | 2015-12-22 | 2017-06-30 | 中国电信股份有限公司 | 用于分析多终端状态的方法、数据分析器和系统 |
| CN110365703A (zh) * | 2019-07-30 | 2019-10-22 | 国家电网有限公司 | 物联网终端异常状态检测方法、装置及终端设备 |
| CN116091901A (zh) * | 2023-01-31 | 2023-05-09 | 中煤科工集团重庆智慧城市科技研究院有限公司 | 一种基于监控设备故障诊断分析的运维管理平台 |
| CN116192888A (zh) * | 2022-12-19 | 2023-05-30 | 深圳市星火电子工程公司 | 一种基于物联网的网络状态监控管理方法及系统 |
-
2023
- 2023-11-17 CN CN202311532983.9A patent/CN117255193B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106909974A (zh) * | 2015-12-22 | 2017-06-30 | 中国电信股份有限公司 | 用于分析多终端状态的方法、数据分析器和系统 |
| CN110365703A (zh) * | 2019-07-30 | 2019-10-22 | 国家电网有限公司 | 物联网终端异常状态检测方法、装置及终端设备 |
| CN116192888A (zh) * | 2022-12-19 | 2023-05-30 | 深圳市星火电子工程公司 | 一种基于物联网的网络状态监控管理方法及系统 |
| CN116091901A (zh) * | 2023-01-31 | 2023-05-09 | 中煤科工集团重庆智慧城市科技研究院有限公司 | 一种基于监控设备故障诊断分析的运维管理平台 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118019037A (zh) * | 2024-04-09 | 2024-05-10 | 深圳百沃彰世科技有限公司 | 一种基于移动通讯设备的故障检测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117255193B (zh) | 2024-03-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110428522A (zh) | 一种智慧新城的智能安防系统 | |
| CN117255193B (zh) | 一种5g网络监控器的远程终端状态检测方法及系统 | |
| CN110808945B (zh) | 一种基于元学习的小样本场景下网络入侵检测方法 | |
| CN113645232B (zh) | 一种面向工业互联网的智能化流量监测方法、系统及存储介质 | |
| CN111782484B (zh) | 一种异常检测方法及装置 | |
| CN112989977A (zh) | 一种基于跨模态注意力机制的视听事件定位方法及装置 | |
| CN112671767B (zh) | 一种基于告警数据分析的安全事件预警方法及装置 | |
| CN113642474A (zh) | 一种基于yolov5的危险区域人员监控方法 | |
| KR20200052418A (ko) | 딥러닝 기반의 자동 폭력 감지 시스템 | |
| CN115457446A (zh) | 一种基于视频分析的异常行为监管系统 | |
| CN111370113A (zh) | 一种基于物联云的远程心理辅导系统及方法 | |
| CN116302809A (zh) | 边缘端数据分析计算装置 | |
| CN114743089A (zh) | 一种基于ssa-svm的图像识别gis故障诊断装置及方法 | |
| CN113112038A (zh) | 智能监测与诊断分析系统、装置、电子设备及存储介质 | |
| CN111416960A (zh) | 一种基于云服务的视频监控系统 | |
| CN116823233A (zh) | 一种基于全周期运维的用户数据处理方法及系统 | |
| CN111209057B (zh) | 一种快速调整感知终端的方法以及装置 | |
| CN112949490A (zh) | 设备动作检测方法、装置、电子设备及可读存储介质 | |
| CN113434730A (zh) | 一种基于物联网的户外led媒体监测系统 | |
| US11320809B2 (en) | Factory management system and control system | |
| CN114418036B (zh) | 神经网络的性能测试和训练方法、设备和存储介质 | |
| TWI784718B (zh) | 廠區告警事件處理方法與系統 | |
| KR102648377B1 (ko) | 네트워크 케이블 품질 모니터링이 가능한 ai 통합배선반 및 이를 이용한 방법 | |
| CN114205667B (zh) | 一种广播电视播出异态画面识别和故障分析系统 | |
| KR102448096B1 (ko) | Ptp를 이용한 지능형 cctv 동기화 시스템 및 방법 |
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 |