一种可视化视频监控智能运维管理系统技术方案

本发明专利技术提供了一种可视化视频监控智能运维管理系统，包括：视频监控模块，用于基于可视化视频监控装置获取待管理范围内各个待管理场景的实时监控视频；隐患挖掘模块，用于基于实时监控视频确定出待管理场景的异常信息，基于异常信息挖掘出隐患信息；优先确定模块，用于基于异常信息和隐患信息确定出待运维项目和对应的运维优先级，基于所有待运维项目和对应的运维优先级生成运维计划；运维管理模块，用于执行运维计划获得运维管理结果；用以在实时监控视频确定出的异常信息中挖掘出隐患信息，实现对待管理场景内可能产生的隐患的智能挖掘，并确定出待运维项目及其运维优先级，进而生成运维计划，实现了对待管理场景内产生的异常的有效运维。异常的有效运维。异常的有效运维。

【技术实现步骤摘要】
一种可视化视频监控智能运维管理系统


[0001]本专利技术涉及运维管理
，特别涉及一种可视化视频监控智能运维管理系统。

技术介绍

[0002]目前，可视化视频监控被广泛应用为运维系统的前端数据获取步骤中，其直观的监控方式和高效多端传输的特点为运维管理系统提供了数据来源，使得在多种场景下的运维管理更加高效。现存的基于可视化视频监控的运维管理系统，大多通过将获取的可视化视频直接发送至后台运维管理人员进行人工分析运维或者智能化自动分析运维。
[0003]然而，智能化自动分析运维都是针对在可视化视频中直接分析出当前存在的异常状况进行运维，缺少对当前的异常状况可能导致的后续隐患的分析挖掘及其运维管理，对待管理场景内的运维缺乏前瞻性，虽然人工分析可实现隐患分析，但是分析效率低下、准确度也因人工经验的不同而无法保证。
[0004]因此，本专利技术提出一种可视化视频监控智能运维管理系统。

技术实现思路

[0005]本专利技术提供一种可视化视频监控智能运维管理系统，用以在实时监控视频确定出的异常信息中挖掘出隐患信息，实现对待管理场景内可能产生的隐患的智能挖掘，并确定出待运维项目及其运维优先级，进而生成运维计划，实现了对待管理场景内当前发生以及之后可能发生的异常的有效运维，实现对待管理场景内的异常状况的前瞻性运维，相比于人工分析挖掘和扔制定运维计划，效率和准确度都更高。
[0006]本专利技术提供一种可视化视频监控智能运维管理系统，包括：视频监控模块，用于基于可视化视频监控装置获取待管理范围内各个待管理场景的实时监控视频；隐患挖掘模块，用于基于实时监控视频确定出待管理场景的异常信息，基于异常信息挖掘出隐患信息；优先确定模块，用于基于异常信息和隐患信息确定出待运维项目和对应的运维优先级，基于所有待运维项目和对应的运维优先级生成运维计划；运维管理模块，用于执行运维计划获得运维管理结果。
[0007]优选的，隐患挖掘模块，包括：信息获取单元，用于基于待管理场景对应的预设异常识别模型识别出待管理场的实时监控视频中的第一异常信息，并基于待管理场景的人工实时巡检信息确定出待管理场景内的第二异常信息；可靠度确定单元，用于基于第一异常信息中的第一异常项目组和第二异常信息中的第二异常项目组，确定出所有异常项目的判定可靠度；系数确定单元，用于基于第一异常信息和第二异常信息确定出每个异常项目的异
常规模系数；隐患挖掘单元，用于基于所有异常项目以及对应的判定可靠度和异常规模系数，挖掘出隐患信息；其中，异常信息包括第一异常信息和第二异常信息。
[0008]优选的，可靠度确定单元，包括：第一确定子单元，用于当第一异常项目组和第二异常项目组中存在相同异常项目时，则将对应预设异常识别模型的预设准确度和对应人工实时巡检信息的预设准确度的和作为对应异常项目的判定可靠度；第二确定子单元，用于当第一异常项目组和第二异常项目组中不存在相同异常项目时，则将第一异常项目组中存在且第二异常项目组中不存在的异常项目对应的预设异常识别模型的预设准确度与1和对应人工实时巡检信息的预设准确度的差值的和作为对应第一异常项目组中存在且第二异常项目组不存在的异常项目的判定可靠度，并将1和第一异常项目组中不存在且第二异常项目组中存在的异常项目对应的预设异常识别模型的预设准确度的差值与对应人工实时巡检信息的预设准确度的和作为对应第一异常项目组中不存在且第二异常项目组存在的异常项目的判定可靠度。
[0009]优选的，系数确定单元，包括：属性值确定子单元，用于基于第一异常信息和第二异常信息确定出每个异常项目的每个属性项的异常属性值；规模比确定子单元，用于将每个属性项的异常属性值和预设标准属性值的比值作为对应属性项的异常规模比；规模确定子单元，用于将异常项目的所有属性项的异常规模比的平均值当作对应异常项目的异常规模系数。
[0010]优选的，隐患挖掘单元，包括：深度确定子单元，用于基于异常项目的判定可靠度和异常规模系数确定出第一影响深度；项目确定子单元，用于基于第一影响深度在对应的影响项目列表中确定出异常项目的异常影响项目；系数确定子单元，用于基于异常项目的第一影响深度和异常影响项目在对应影响项目列表中的第一影响系数，计算出对应异常影响项目的第一关联影响系数；关联挖掘子单元，用于基于关联隐患挖掘规则，挖掘出所有异常项目和所有异常影响项目的关联影响项目，并确定出关联影响项目的第二关联影响系数；隐患确定子单元，用于将当前获得的所有异常影响项目和对应的第一关联影响系数以及所有关联影响项目和对应的第二关联影响系数作为对应的隐患信息。
[0011]优选的，关联挖掘子单元，包括：第一挖掘端，用于基于关联隐患挖掘规则，在所有异常项目和所有异常影响项目中确定出存在关联隐患的第一异常项目组和对应的关联影响项目列表；属性值计算端，用于将异常影响项目的预设属性值和第一关联影响系数的乘积作为异常影响项目的影响属性值；支持度计算端，用于基于第一异常项目组中的异常项目的异常属性值和/或异常
影响项目的影响属性值，计算出对应第一异常项目组的关联挖掘支持度；深度确定端，用于在所有第一异常项目组中筛选出关联挖掘支持度大于支持度阈值的第二异常项目组，基于第二异常项目组中的异常项目的影响系数和/或异常影响项目的第一关联影响系数，确定出对应第二异常项目组的第二影响深度；项目确定端，用于基于第二影响深度，在对应的第二异常项目组的关联影响项目列表中确定出关联影响项目；系数计算端，用于基于第二异常项目组的第二影响深度和关联影响项目在对应关联影响项目列表中的第二影响系数，计算出关联影响项目的第二关联影响系数。
[0012]优选的，系数计算端基于第二异常项目组的第二影响深度和关联影响项目在对应关联影响项目列表中的第二影响系数，计算出关联影响项目的第二关联影响系数之后，包括：基于关联隐患挖掘规则，在所有异常项目和所有异常影响项目以及所有关联影响项目中确定出第三异常项目组，并基于第三异常项目组获得新的关联影响项目和新的第二关联影响系数，直至在所有异常项目和所有异常影响项目以及最新确定出的所有关联影响项目中没有存在关联隐患的异常项目组时，则停止挖掘。
[0013]优选的，优先确定模块，包括：项目确定单元，用于将异常信息中的所有异常项目和当前获得的所有异常影响项目以及所有关联影响项目当作待运维项目；优先度确定单元，用于将异常项目的第一影响深度当作对应异常项目的优先度，并将异常影响项目的第一关联影响系数当作对应异常影响项目的优先度，并将关联影响项目的第二关联影响系数当作对应关联影响项目的优先度；优先级确定单元，用于基于优先度将所有待运维项目进行排序，获得项目优先序列，将每个待运维项目在项目优先序列中的序数当作对应待运维项目的运维优先级；计划生成单元，用于基于所有待运维项目和对应的运维优先级生成运维计划。
[0014]优选的，计划生成单元，包括：树搭建子单元，用于基于预设运维规则确定出所有待运维项目中的运维逻辑关系，基于所有待运维项目中的运维逻辑关系搭建出多个运维逻辑树；计划生成子单元，用于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种可视化视频监控智能运维管理系统，其特征在于，包括：视频监控模块，用于基于可视化视频监控装置获取待管理范围内各个待管理场景的实时监控视频；隐患挖掘模块，用于基于实时监控视频确定出待管理场景的异常信息，基于异常信息挖掘出隐患信息；优先确定模块，用于基于异常信息和隐患信息确定出待运维项目和对应的运维优先级，基于所有待运维项目和对应的运维优先级生成运维计划；运维管理模块，用于执行运维计划获得运维管理结果；其中，隐患挖掘模块，包括：信息获取单元，用于基于待管理场景对应的预设异常识别模型识别出待管理场的实时监控视频中的第一异常信息，并基于待管理场景的人工实时巡检信息确定出待管理场景内的第二异常信息；可靠度确定单元，用于基于第一异常信息中的第一异常项目组和第二异常信息中的第二异常项目组，确定出所有异常项目的判定可靠度；系数确定单元，用于基于第一异常信息和第二异常信息确定出每个异常项目的异常规模系数；隐患挖掘单元，用于基于所有异常项目以及对应的判定可靠度和异常规模系数，挖掘出隐患信息；其中，异常信息包括第一异常信息和第二异常信息。2.根据权利要求1所述的一种可视化视频监控智能运维管理系统，其特征在于，可靠度确定单元，包括：第一确定子单元，用于当第一异常项目组和第二异常项目组中存在相同异常项目时，则将对应预设异常识别模型的预设准确度和对应人工实时巡检信息的预设准确度的和作为对应异常项目的判定可靠度；第二确定子单元，用于当第一异常项目组和第二异常项目组中不存在相同异常项目时，则将第一异常项目组中存在且第二异常项目组中不存在的异常项目对应的预设异常识别模型的预设准确度与1和对应人工实时巡检信息的预设准确度的差值的和作为对应第一异常项目组中存在且第二异常项目组不存在的异常项目的判定可靠度，并将1和第一异常项目组中不存在且第二异常项目组中存在的异常项目对应的预设异常识别模型的预设准确度的差值与对应人工实时巡检信息的预设准确度的和作为对应第一异常项目组中不存在且第二异常项目组存在的异常项目的判定可靠度。3.根据权利要求1所述的一种可视化视频监控智能运维管理系统，其特征在于，系数确定单元，包括：属性值确定子单元，用于基于第一异常信息和第二异常信息确定出每个异常项目的每个属性项的异常属性值；规模比确定子单元，用于将每个属性项的异常属性值和预设标准属性值的比值作为对应属性项的异常规模比；规模确定子单元，用于将异常项目的所有属性项的异常规模比的平均值当作对应异常项目的异常规模系数。
4.根据权利要求1所述的一种可视化视频监控智能运维管理系统，其特征在于，隐患挖掘单元，包括：深度确定子单元，用于基于异常项目的判定可靠度和异常规模系数确定出第一影响深度；项目确定子单元，用于基于第一影响深度在对应的影响项目列表中确定出异常项目的异常影响项目；系数确定子单元，用于基于异常项目的第一影响深度和异常影响项目在对应影响项目列表中的第一影响系数，计算出对应异常影响项目的第一关联影响系数；关联挖掘子单元，用于基于关联隐患挖掘规则，挖掘出所有异常项目和所有异常影响项目的关联影响项目，并确定出关联影响项目的第二关联影响系数；隐患确定子单元，用于将当前获得的所有异常影响项目和对应的第一关联影响...

【专利技术属性】
技术研发人员：方骥，刘杜，刘莎，
申请(专利权)人：深圳市海威恒泰智能科技有限公司，
类型：发明
国别省市：