信息机房人员违规活动识别方法及系统与流程

本发明涉及电力领域的，特别是涉及信息机房人员违规活动识别方法及系统。

背景技术：

1、在电力领域，信息机房具有重要的作用，主要涉及到监控、管理和支持电力系统的信息化和自动化运行。以下是信息机房在电力领域的一些主要作用：监控与控制电力设备、数据采集与分析、通信与联网、安全与防护、运维与管理，总体而言，信息机房在电力领域起到了重要的监控、管理和支持作用，使得电力系统能够更加智能化、自动化，并提高了系统的可靠性、安全性和效率。

2、信息机房在保障业务连续性、数据安全性方面起着至关重要的作用。然而，信息机房的安全管理面临着诸多挑战，其中就包括了如何有效识别和预防人员在机房内部发生的各类违规活动。这些违规活动可能涉及未授权访问、操作规程违反、设备误触碰等多个方面，不仅直接威胁到机房运行的稳定性，还可能造成严重的安全隐患和经济损失。

3、传统的视频监控手段虽能记录下人员活动，但在实际应用中往往因环境复杂、光照条件多变、监控角度限制等因素，导致监控数据的质量参差不齐，进而影响到违规行为的准确识别。此外，缺乏高效的自动化分析与预警机制也是制约现有安全管理效能的关键瓶颈。

技术实现思路

1、为解决上述技术问题，本发明提供一种信息机房人员违规活动识别方法及系统。

2、第一方面，本发明提供了信息机房人员违规活动识别方法，包括以下步骤：

3、定义并分类信息机房人员违规活动的行为类别；

4、构建可视化标注平台，对包含信息机房人员活动的视频片段进行标注，获得人员行为标注集合，所述人员行为标注集合包括合规行为和违规行为；

5、将人员行为标注集合作为训练数据上传至机器学习平台进行训练，获得信息机房人员行为识别模型；所述信息机房人员行为识别模型的输入为信息机房内人员活动视频数据，输出为信息机房人员行为是否违规；

6、实时获取信息机房内人员活动视频数据和信息机房内的实时环境；

7、根据信息机房内的实时环境，对信息机房内人员活动视频数据进行图像增强优化，获得优化后的信息机房内人员活动视频数据；

8、将优化后的信息机房内人员活动视频数据输入至信息机房人员行为识别模型中，判断该人员活动是否违规。

9、进一步地，所述信息机房人员违规活动的行为类别包括以下方面：

10、未授权访问类违规：定义不同区域、设备和系统的访问权限；

11、操作规程违反类违规：确定正常运维操作规程，并确定与其相悖的所有行为；

12、设备误触碰与损害类违规：界定导致设备误操作、损坏或失效的动作；

13、环境与物理安全类违规：涵盖在机房内所有破坏环境安全的行为，以及违反物理安全规定的情况。

14、进一步地，所述构建可视化标注平台的方法为：

15、开发图形用户界面，用于展示视频流或者播放已导入的视频片段；设计后台数据库系统，用于存储视频资源以及对应的标注信息；

16、实现视频加载与预览功能，并进行预处理工作，使得标注人员能够逐帧查看和标注视频内容；

17、提供标注工具，用于标识视频中人物的位置、动作范围及轨迹；配备行为类别标签体系，并对视频快速添加相应的标签；

18、将每个标注点与视频的时间轴相对应；

19、配置权限管理系统，支持多人协同标注。

20、进一步地，获得信息机房人员行为识别模型的方法为，包括：

21、将信息机房内人员活动视频数据进行格式转换和整理，使其符合机器学习算法所需的输入格式；

22、将整理好的标注数据上传至机器学习平台，选择机器学习模型，通过监督学习的方式进行训练，直至模型建立起行为模式与对应标签之间的映射关系；并更新优化模型参数；

23、在训练完成后，使用测试集对模型的性能进行评估，评估其在测试集上的指标。

24、进一步地，所述实时获取信息机房内人员活动视频数据和信息机房内的实时环境的方法，包括：

25、实时视频数据获取：通过部署在信息机房内的监控设备，实时捕获机房内所有人员的活动视频数据；

26、实时环境信息获取：通过部署在信息机房内的环境监测设备，实时获取并记录信息机房内的环境变量。

27、进一步地，所述图像增强优化的方法，包括：

28、对因环境光源变化导致的视频画面明暗不均进行校正；

29、扩大图像的动态范围，增强图像的灰度级分布均匀性；

30、去除视频中的噪声；

31、强化图像中的纹理和边界信息；

32、提升视频帧的分辨率；

33、进行色彩增强和色彩校正；

34、结合实时环境参数，动态调整图像增强参数。

35、进一步地，所述环境变量包括温度、湿度、烟雾浓度、门禁状态、红外感应信号。

36、另一方面，本技术还提供了信息机房人员违规活动识别系统，所述系统包括：

37、人员违规行为分类模块，用于定义并分类信息机房内的各类违规活动行为类别，以明确系统识别的目标和范围；

38、可视化标注子系统，用于对包含信息机房人员活动的视频片段进行细致标注，生成包含合规行为和违规行为的人员行为标注集合，为后续的机器学习模型训练提供精确的标注数据；

39、模型训练模块，用于将人员行为标注集合作为训练数据上传至机器学习平台的任务，并在此平台上进行深度学习训练，最终获得信息机房人员行为识别模型，该模型接收信息机房内人员活动视频数据作为输入，输出为对人员行为是否违规的判断结果；

40、实时视频与环境数据采集模块，用于实时获取信息机房内的人员活动视频数据以及机房实时环境参数；

41、图像增强与优化处理模块，用于根据实时获取的信息机房环境信息，对接收到的原始视频数据进行图像增强和优化处理；

42、行为识别决策模块，用于将经过图像增强优化处理后的信息机房人员活动视频数据输入至已训练好的人员行为识别模型中，由模型进行实时分析判断，得出该人员活动是否违规的结果，并据此采取相应安全管控措施。

43、第三方面，本技术提供了一种电子设备，包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，所述计算机程序被所述处理器执行时实现上述任意一项所述方法中的步骤。

44、第四方面，本技术还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述方法中的步骤。

45、与现有技术相比本发明的有益效果为：精准行为定义与分类：通过s1步骤，系统明确了信息机房违规行为的具体范畴和类别，为后续的识别提供了清晰的参照标准，有助于提高识别的针对性和准确性；自动化标注与训练：通过构建可视化标注平台(s2)，可以高效地对视频数据进行人工标注，然后将标注数据作为训练数据(s3)，用于训练机器学习模型，实现从人工标注向自动识别的过渡，大幅提高了工作效率和识别的客观性；实时环境适应能力：s4和s5步骤相结合，系统能够实时获取和分析机房环境变化，对视频数据进行动态优化，克服传统监控手段在复杂光照、角度受限等情况下的缺陷，确保模型在不同环境条件下也能准确识别违规行为；智能识别与预警：利用机器学习平台训练出的信息机房人员行为识别模型，能实时分析视频数据，准确判断人员行为是否违规，并在发现违规行为时迅速触发预警机制，实现对违规活动的早期发现和及时制止。