本发明专利技术提供一种机柜防触摸行为的检测方法、装置、存储介质和终端，方法包括：获取机房监控环境下的图像样本数据，对图像样本数据进行标注，建立人体检测模型，并对人体检测模型进行训练，将实时采集的监控图像数据，输入至训练后的人体检测模型，得到目标关键点；根据目标关键点中的手部关键点的位置、角度，以及手部关键点与机柜的机柜面区域的相对位置，对机柜触摸行为进行预测，以对机柜触摸行为进行检测和预警；本申请通过自动对机柜触摸行为进行检测和预警，可以有效的提高对该违规行为的召回率和准确率，具有且维护成本低，易部署的优点，可以有效减少人力成本投入。可以有效减少人力成本投入。可以有效减少人力成本投入。
【技术实现步骤摘要】
一种机柜防触摸行为的检测方法、装置、存储介质和终端
[0001]本专利技术涉及计算机应用领域和安防领域，尤其涉及一种机柜防触摸行为的检测方法、装置、存储介质和终端。
技术介绍
[0002]机房是存放计算机服务系统、计算设备、存储设备的核心区域。机房的安全监控对各个企业、政府等都尤为重要。机柜是用于容纳电气或电子设备的独立式或自支撑的机壳，机柜是电气设备中不可或缺的组成部分，是电气控制设备的载体。一般由冷轧钢板或合金制作而成，可以提供对存放设备的防水、防尘、防电磁干扰等防护作用。在一些安全涉密场景中，是不允许存在伸手触摸机柜的行为的。
[0003]但是，现有的监控方式，大多采用人工监控的方式，无法对伸手触摸机柜的行为进行24小时的不间断的监控。而人体动作识别方式还没有针对触摸机柜的专门处理方案，因此，亟需一种新的方式，可以减少人工监控的人工成本，并能有效保障对伸手触摸机柜行为的准确率和召回率，减少人工成本。
技术实现思路
[0004]鉴于以上所述现有技术的缺点，本专利技术提供一种机柜防触摸行为的检测方法、装置、存储介质和终端，以解决上述技术问题。
[0005]本专利技术提供的机柜防触摸行为的检测方法，包括：获取机房监控环境下的图像样本数据对所述图像样本数据进行标注，形成样本数据集；基于所述样本数据集，建立人体检测模型并对所述人体检测模型进行训练，得到训练后的人体检测模型；将实时采集的监控图像数据输入至所述训练后的人体检测模型，得到目标关键点；根据目标关键点中的手部关键点的位置、角度，以及手部关键点与机柜的机柜面区域的相对位置，对机柜触摸行为进行预测，以对机柜触摸行为进行检测和预警。
[0006]于本申请的一实施例中，对所述图像样本数据进行人体目标标注，以建立用于检测人体目标的第一检测模型；对所述图像样本数据进行局部图像处理，得到人体关键点训练数据集以建立用于检测人体目标关键点的第二检测模型，所述人体检测模型包括所述第一检测模型和第二检测模型；分别对所述第一检测模型和第二检测模型进行训练，以得到所述训练后的人体检测模型。
[0007]于本申请的一实施例中，根据预设的学习率对所述第一检测模型的随机初始化权重进行训练，所述预设的学习率包括不同数值，所述预设的学习率按数值升序与训练时间成正比配置；如果随机初始化权重训练的轮次小于预设的轮次阈值，则对所述第一检测模型的训练进行数据增强处理，如果训练轮次达到所述轮次阈值，则取消所述数据增强处理。
[0008]于本申请的一实施例中，增加随机比例的训练数据，以执行所述数据增强处理，所述训练数据包括混类增强数据、随机剪裁数据、随机亮度变化、随机噪声、随机旋转比例中的一种或几种的组合。
[0009]于本申请的一实施例中，将标注后的图像样本数据按预设比例划分为训练集、验证集和测试集；基于所述训练集对第二检测模型进行训练，如果在验证集上预设的连续轮次内未取得最小损失，则停止对第二检测模型的训练；根据训练过程中验证集和测试集上的最优结果确定所述第二检测模型。
[0010]于本申请的一实施例中，基于手部与小臂之间的长度比例，结合所述手部关键点的位置和角度，对目标对象的手部触摸位置进行预估，得到预估结果，所述角度包括手臂与躯干的角度；对防触摸机柜面区域进行实时监控，若预估结果与防触摸机柜面区域发生重合，则对触摸行为进行监控和告警；若预估结果与防触摸机柜面区域之间的距离超过预先设置的安全距离，则对触摸行为进行预警。
[0011]于本申请的一实施例中，若手臂与躯干的角度小于预设的角度阈值，则判定行为正常；若手臂与躯干的角度大于或等于预设的角度阈值，则判定行为异常，并根据手肘位置和手腕位置，对目标对象的手部触摸位置进行预估，所述手部关键点的位置包括手肘位置和手腕位置。
[0012]于本申请的一实施例中，根据手部关键点的位置，以躯干为中心将手部关键点分为左右两部分；同时对左右两部分的手部触摸位置进行独立计算，并将左右两部分的计算结果相结合，以对目标对象的手部触摸位置进行预估。
[0013]本申请还提供一种机柜防触摸行为的检测装置，包括：图像采集模块，用于获取机房监控环境下的图像样本数据，标注模块，用于对所述图像样本数据进行标注，形成样本数据集模型模块，用于基于所述样本数据集，建立人体检测模型，并对所述人体检测模型进行训练得到训练后的人体检测模型；输出模块，用于将实时采集的监控图像数据，输入至所述训练后的人体检测模型，得到目标关键点；根据目标关键点中的手部关键点的位置、角度，以及手部关键点与机柜的机柜面区域的相对位置，对机柜触摸行为进行预测，以对机柜触摸行为进行检测和预警。
[0014]本申请还提供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一项所述方法。
[0015]本申请还提供一种电子终端，包括：处理器及存储器；所述存储器用于存储计算机程序所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如上述中任一项所述方法。
[0016]本专利技术的有益效果：本专利技术中的机柜防触摸行为的检测方法、装置、存储介质和终端，本申请通过建立人体检测模型，可以根据实时采集的监控图像数据，识别目标关键点中的手部关键点的位置、角度，并根据手部关键点与机柜的机柜面区域的相对位置，对机柜触摸行为进行预测，以对机柜触摸行为进行检测和预警，可以有效的提高对该违规行为的召回率和准确率，具有且维护成本低，易部署的优点，可以有效减少人力成本投入。
附图说明
[0017]图1是本专利技术实施例中示例性系统架构的示意图。
[0018]图2是本专利技术实施例中机柜防触摸行为的检测方法的流程示意图。
[0019]图3是本专利技术实施例中机柜防触摸行为的检测方法的主体流程示意图。
[0020]图4是本专利技术实施例中机柜防触摸行为的检测方法的第二流程的具体流程示意
图。
[0021]图5是本专利技术实施例中机柜防触摸行为的检测装置的框图。
[0022]图6是本专利技术实施例中电子设备的计算机系统的结构示意图。
具体实施方式
[0023]以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
[0024]需要说明的是，以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，遂图式中仅显示与本专利技术中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂,附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，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，或在本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种机柜防触摸行为的检测方法，其特征在于，包括：获取机房监控环境下的图像样本数据，对所述图像样本数据进行标注，形成样本数据集；基于所述样本数据集，建立人体检测模型，并对所述人体检测模型进行训练，得到训练后的人体检测模型；将实时采集的监控图像数据，输入至所述训练后的人体检测模型，得到目标关键点；根据目标关键点中的手部关键点的位置、角度，以及手部关键点与机柜的机柜面区域的相对位置，对机柜触摸行为进行预测，以对机柜触摸行为进行检测和预警。2.根据权利要求1所述的机柜防触摸行为的检测方法，其特征在于，基于所述样本数据集，建立人体检测模型，并对所述人体检测模型进行训练，包括：对所述图像样本数据进行人体目标标注，以建立用于检测人体目标的第一检测模型；对所述图像样本数据进行局部图像处理，得到人体关键点训练数据集，以建立用于检测人体目标关键点的第二检测模型，所述人体检测模型包括所述第一检测模型和第二检测模型；分别对所述第一检测模型和第二检测模型进行训练，以得到所述训练后的人体检测模型。3.根据权利要求2所述的机柜防触摸行为的检测方法，其特征在于，分别对所述第一检测模型和第二检测模型进行训练，包括：根据预设的学习率对所述第一检测模型的随机初始化权重进行训练，所述预设的学习率包括不同数值，所述预设的学习率按数值升序与训练时间成正比配置；如果随机初始化权重训练的轮次小于预设的轮次阈值，则对所述第一检测模型的训练进行数据增强处理，如果训练轮次达到所述轮次阈值，则取消所述数据增强处理。4.根据权利要求3所述的机柜防触摸行为的检测方法，其特征在于，对所述第一检测模型的训练进行数据增强处理，包括：增加随机比例的训练数据，以执行所述数据增强处理，所述训练数据包括混类增强数据、随机剪裁数据、随机亮度变化、随机噪声、随机旋转比例中的一种或几种的组合。5.根据权利要求2所述的机柜防触摸行为的检测方法，其特征在于，分别对所述第一检测模型和第二检测模型进行训练，还包括：将标注后的图像样本数据按预设比例划分为训练集、验证集和测试集；基于所述训练集对第二检测模型进行训练，如果在验证集上预设的连续轮次内未取得最小损失，则停止对第二检测模型的训练；根据训练过程中验证集和测试集上的最优结果，确定所述第二检测模型。6.根据权利要求1所述的机柜防触摸行为的检测方法，其特征在于，根据目标...
【专利技术属性】
技术研发人员：刘京，
申请(专利权)人：重庆紫光华山智安科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。