一种机房外侵人员预警系统技术方案

本发明专利技术提供一种机房外侵人员预警系统，涉及计算机机房技术领域。该一种机房外侵人员预警系统，包括人脸采集模块、图像输入模块、图像增强模块、信息提取模块、实时检测模块、人脸存储模块以及预警模块，所述人脸采集模块用于采集人脸图像信息，所述图像输入模块用于对人脸采集模块所采集的人脸信息传输至图像增强模块，所述人脸增强模块用于对采集的人脸信息进行增强，所述信息提取模块模块用于提取增强后的人脸信息特征，所述实时检测模块用于对人脸进行实时检测，所述人脸存储模块用于存储人员面部的信息。本发明专利技术无需对现有监控系统的硬件进行替换，使用软件技术实现，能够最大程度的利用现有设施，减少资源投入。减少资源投入。减少资源投入。

【技术实现步骤摘要】
一种机房外侵人员预警系统


[0001]本专利技术涉及计算机机房
，具体为一种机房外侵人员预警系统。

技术介绍

[0002]机房普遍指的是电信、网通、移动、双线、电力以及政府或者企业等，存放服务器的，为用户以及员工提供IT服务的地方，主要由存放于机房内的多组机柜构成，为了提高机房的安全性能，通常会设置报警装置以起到目的。
[0003]目前，为了保证银行的正常运转，每个银行都有数据中心，数据中心由各类机房组成，包括服务器、存储、网络、USP等，而作为银行心脏的数据中心，保护各类机房的安全就显得尤为重要，虽然各类机房都安装了环境、安全保卫、硬件设备运行等监控系统，但对机房外侵人员的预警方面还有待加强。针对此情况，本专利拟采用人脸识别技术结合图像处理技术，对监控画面进行分析，进而对进入机房的外侵人员(非授权人员)进行预警。

技术实现思路

[0004](一)解决的技术问题
[0005]针对现有技术的不足，本专利技术提供了一种机房外侵人员预警系统，解决了对机房外侵人员的预警方面还有待加强的问题。
[0006](二)技术方案
[0007]为实现以上目的，本专利技术通过以下技术方案予以实现：一种机房外侵人员预警系统，包括人脸采集模块、图像输入模块、图像增强模块、信息提取模块、实时检测模块、人脸存储模块以及预警模块，所述人脸采集模块用于采集人脸图像信息，所述图像输入模块用于对人脸采集模块所采集的人脸信息传输至图像增强模块，所述人脸增强模块用于对采集的人脸信息进行增强，所述信息提取模块用于提取增强后的人脸信息特征，所述实时检测模块用于对人脸进行实时检测，所述人脸存储模块用于存储人员面部的信息，所述预警模块用于实时检测模块获取的人脸信息与人脸存储模块存储的人员面部信息进行对比，其中所述信息提取模块包括特征提取单元、信息配准单元以及人脸遮挡单元，所述特征提取单元用于将增强后的信息转化表征信息特点的特征并进行检测，所述信息配准单元用于计算入将增强后的信息关键点、人脸遮挡单元用于处理被遮挡的人脸信息。
[0008]优选的，所述人脸增强模块采用Retinex的MSRCR方法对采集过度曝光以及光线偏暗的人脸信息进行增强。
[0009]优选的，所述特征提取单元采用YOLOV5
‑
Face网络提取人脸特征，添加轻量化注意力模块ECANet进行人脸特征的检测，所述信息配准单元利用YOLOV5
‑
Face+ECANet网络实现人脸五官的检测，并使用Wing loss计算关键点检测的损失，其中损失函数表达式为：
[0010][0011]其中ω非线性部分的范围限制在[
‑
ω，ω]区间内，∈为约束非线性区域的曲率，
且是一个常数。
[0012]优选的，所述人脸遮挡单元利用YOLOV5
‑
Face+ECANet网络中的关键点检测，根据人脸遮挡情况，利用注意力机制ECANet对人脸在被遮挡的情况下进行采集人脸信息，其中YOLOV5
‑
Face+ECANet的损失函数为Loss＝Loss
O
+Loss
L
，其中Loss为整个网络的总损失函数，Loss
L
为关键点定位损失，Loss
O
为网络中的定位损失、置信度损失及分类损失之和，分别使用GIoU Loss计算定位损失，使用交叉熵损失函数计算置信度损失和分类损失，其中GIOU Loss的表达式为：
[0013][0014]式中A、B表示任意两个框，C表示将AB包含在内的形状，交叉熵损失函数的表达式为：
[0015][0016]式中x表示样本，y表示标签，a表示预测输出，n表示样本总量。
[0017]优选的，一种机房外侵人员的预警方法，包括以下步骤：
[0018]S1：存储人脸信息
[0019]通过人脸存储模块对人脸信息的信息进行存储；
[0020]S2：人脸图像的初步处理
[0021]首先人脸采集模块通过监控所采集的人脸图像，通过图像增强技术对人脸图像进行处理，后进入S3步骤；
[0022]S3：人脸信息比对
[0023]S2步骤中处理后侧图像在信息提取模块，进行图像特征的提取和检测，实时检测模块则将提取的图像特征与S1在步骤中人脸存储模块存储的人脸信息进行比对，预警模块则根据比对结果进行预警提示。
[0024]优选的，所述S2步骤中人脸增强模块中MSRCR方法中的参数：尺度数设为3，Dynamic设为2。
[0025]优选的，所述S3步骤中通过获得网络预测的人脸识别准确率，将预测的人脸准确率与设定的阈值准确率90％进行对比，若大于阈值，则返回该人脸对应的身份，若小于阈值，则在页面显示“此人不在库中，请注意！”字样，同时进行预警提示。
[0026](三)有益效果
[0027]本专利技术提供了一种机房外侵人员预警系统。具备以下有益效果：
[0028]本专利技术通过机房外侵人员(非授权人员)预警可对监控画面中出现在机房的人员人脸进行识别对比验证，具有实时异常预警及预警结果保存等功能。同时，不仅具有提高监控中光线过强或过弱的人脸图像质量功能，还具有识别在监控画面中部分人脸遮挡图像的功能，本专利技术无需对现有监控系统的硬件进行替换，使用软件技术实现，能够最大程度的利用现有设施，减少资源投入。
附图说明
[0029]图1为本专利技术的流程图；
[0030]图2为本专利技术的系统图；
[0031]图3为本专利技术中信息提取模块的示意图。
具体实施方式
[0032]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0033]实施例：
[0034]如图1
‑
3所示，本专利技术实施例提供一种机房外侵人员预警系统，包括人脸采集模块、图像输入模块、图像增强模块、信息提取模块、实时检测模块、人脸存储模块以及预警模块，人脸采集模块用于采集人脸图像信息，图像输入模块用于对人脸采集模块所采集的人脸信息传输至图像增强模块，对监控画面中过度曝光或者光线偏暗的人脸图像，通过图像增强模块自动进行人脸图像处理，以提高人脸图像质量，达到提升人脸识别准确率的目的，在将图像输入网络之前，首先使用Retinex的MSRCR方法对图像进行图像增强，为了在保证图像增强效果的基础上能尽量减少图像增强耗时，将MSRCR方法中的参数：尺度数设为3，Dynamic设为2，最终将增强后的图像输入深度学习网络中实现人脸检测与识别，人脸增强模块用于对采集的人脸信息进行增强，信息提取模块用于提取增强后的人脸信息特征，将人脸图像转化为一系列可以表征人脸特点的特征，便于后续人脸识别，实时检测模块用于对人脸进行实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机房外侵人员预警系统，其特征在于：包括人脸采集模块、图像输入模块、图像增强模块、信息提取模块、实时检测模块、人脸存储模块以及预警模块，所述人脸采集模块用于采集人脸图像信息，所述图像输入模块用于对人脸采集模块所采集的人脸信息传输至图像增强模块，所述人脸增强模块用于对采集的人脸信息进行增强，所述信息提取模块用于提取增强后的人脸信息特征，所述实时检测模块用于对人脸进行实时检测，所述人脸存储模块用于存储人员面部的信息，所述预警模块用于实时检测模块获取的人脸信息与人脸存储模块存储的人员面部信息进行对比，其中所述信息提取模块包括特征提取单元、信息配准单元以及人脸遮挡单元，所述特征提取单元用于将增强后的信息转化表征信息特点的特征并进行检测，所述信息配准单元用于计算入将增强后的信息关键点、人脸遮挡单元用于处理被遮挡的人脸信息。2.根据权利要求1所述的一种机房外侵人员预警系统，其特征在于：所述人脸增强模块采用Retinex的MSRCR方法对采集过度曝光以及光线偏暗的人脸信息进行增强。3.根据权利要求2所述的一种机房外侵人员预警系统，其特征在于：所述特征提取单元采用YOLOV5
‑
Face网络提取人脸特征，添加轻量化注意力模块ECANet进行人脸特征的检测，所述信息配准单元利用YOLOV5
‑
Face+ECANet网络实现人脸五官的检测，并使用Wing loss计算关键点检测的损失，其中损失函数表达式为：其中ω非线性部分的范围限制在区间内，∈为约束非线性区域的曲率，且是一个常数。4.根据权利要求3所述的一种机房外侵人员预警系统，其特征在于：所述人脸遮挡单元利用YOLOV5
‑
Face+ECANet网络中的关键点检测，根据人脸遮挡情况，利用注意力机制ECANet对人脸在被...

【专利技术属性】
技术研发人员：张雪，李亚明，
申请(专利权)人：中国农业银行股份有限公司云南省分行，
类型：发明
国别省市：