基于機房視頻與AI分析追蹤人員行動軌跡方法的設計與實現

關鍵詞：AI分析；機房視頻；AI追蹤

中圖法分類號：TP311 文獻標識碼：A

本文主要實現機房內多攝像頭視頻實時監控與AI分析能力的結合，通過采用多攝像頭實時監控，實時上報各個攝像頭下人員的實時位置，并通過實時人員位置歸檔實現機房內人員的動態行動軌跡監管。本文方法首先通過攝像頭進行畫面抓拍，利用人工智能算法提取人體輪廓，并通過算法判斷出此人身份，同時和之前抓拍人體進行實時匹配，以實現人員識別，身份確認。其次，單個攝像頭對同一個人進行追蹤并歸檔至同一檔案中，確保同一個人在該機房內單個攝像頭下的動態軌跡的連續性。再次，對多個攝像頭抓拍之后的數據進行匯總，通過人臉、人體識別算法，將同一個人在該機房內的全部行動點位信息進行歸檔，確保同一個人在該機房內動態軌跡的完整性。最后，在3D頁面進行軌跡搜索時，觸發指定人員軌跡繪制。

信息化的飛速發展帶來了技術的進步，而作為網絡與IT運維基礎設施的機房也同樣經歷了時代的變遷，機房管理安全始終是運營商和企業關注的重點。機房現場人、事、物的動態管理，如巡檢和隨工等工作主要依賴人工執行，而現場的視頻監控只能起到輔助實時查看和歷史回溯的作用。對于機房安全而言，人的影響因素很大。若要管好機房，則首先要考慮如何將人“管”起來，對于人員在機房內的活動軌跡的監控，目前大多應用的技術是通過定位芯片來實現，具體為通過在進入機房人員身份認證腕帶中安裝定位芯片進行通信，獲取輔助定位芯片與“通信認證基站”的相對距離，利用通信定位基站數據和RFID標簽數據，通過計算得出機房人員的實時位置坐標。這種方法需要在機房內進行硬件加裝，并且對人員有規范佩戴腕帶的要求，并非最優解決方案。

當前，機房內的監控攝像頭部署密度在達到機柜級的前提下，已經滿足機房空間100％覆蓋的需求，而且隨著AI技術和數字孿生技術的引入及應用，跟蹤、展示人員在機房內的活動軌跡是具備可行條件的。借助視頻監控，對于人員行動軌跡追蹤可以從連續的視頻圖像中提取出監控目標，通過對機房空間位置的定義描述其在指定機房內的位置并對位置變化進行跟蹤和識別，最終在機房實景圖中進行落圖和繪制。本文方法的實現涉及3個方面：（1）機房空間位置的定義；（2）人員識別及定位的上報歸檔；（3）人員位置落圖及軌跡繪制。

實時動態行動軌跡的顯示，能夠實時監控機房的安全問題，包括進入機房人員是否按照既定規則在機房區域內活動，并能夠通過歷史軌跡查詢功能對機房的一些關鍵設備的安全故障提供歷史查詢，有效提升了機房的安防監控效果。

下文將詳細闡述基于機房視頻、AI分析以及3D可視化模塊實現機房內人員行動軌跡追蹤的方法。

1機房網格劃分與坐標定義

為定義機房物理位置，首先要對機房進行網格劃分并定義坐標。由于最終位置由3D可視化系統呈現，因此由3D可視化模塊提供機房平面圖以及每個攝像頭的位置信息，同時提供該機房的3D坐標原點（0，0）。AI分析功能模塊在此基礎上對機房進行網絡化。

AI分析功能模塊先將攝像頭監控畫面進行網格劃分，根據距離的遠近以及畫面的大小，如離攝像頭較近的畫面，一塊地板對應一個網格，而離攝像頭較遠的畫面，則兩塊地板定義為一個網格，每個網格標記為中心點處的坐標。定義出的網格坐標與機房平面圖上的點位相對應，實現了機房絕對位置的標記。在各攝像頭分析識別到人臉或人體后，將所在位置坐標實時上報，由3D可視化模塊在機房平面圖中進行打點，高頻次的點位信息匯集即為該時間段內人員在機房內的動態行動軌跡。

2人員識別及軌跡追蹤歸檔

人員追蹤和動態軌跡繪制的實現共涉及4個功能模塊，分別為人像模塊、人體歸檔模塊、Web模塊、3D可視化模塊。相關工作流程如圖1所示。

人像模塊的主要功能為實時分析攝像頭視頻流、實時算法提取人體輪廓，并分析出人員身份，同時實時檢測人體所在機房坐標位置，發送給Web端。該模塊算法在檢測“人”的過程中，會對“人”進行跟蹤和識別，并由此生成跟蹤id。人體歸檔模塊對各個攝像頭抓拍并傳遞的人員信息進行匯總，實時歸檔，以人為維度將歷史抓拍記錄歸檔。Web模塊實時接收人像模塊的人員信息和位置，實時轉發給3D可視化模塊。3D可視化模塊的主要功能為接收Web模塊轉發的人員信息和位置信息，字段包括抓拍id、抓拍設備（攝像頭）編號、抓拍時間、人員id、檔案id、位置坐標以及人體框坐標等，并完成軌跡的繪制和在頁面實時呈現。

2.1單個攝像頭跟蹤檔案生成

當單個攝像頭抓拍畫面并檢測到有人出現時，則會對該人員進行信息抽取，并生成系統唯一的跟蹤id，同時根據抓拍模型（如定時模型、最優模型、實時模型等）來判斷該條抓拍記錄是否需要保存，該攝像頭連續跟蹤此人會為同一個人生成相同的跟蹤id，這可確保單個攝像頭下同一個人能夠歸檔至同一個檔案，降低歸檔模塊對抓拍記錄的搜索頻次，同時提升歸檔過程的準確率。單個攝像頭跟蹤器只是做人員的跟蹤，并不會識別人員身份。單個攝像頭跟蹤的算法流程如圖2所示。

對于是否為同一個人的識別，首先對人臉或人體利用深度學習網絡模型ResNet50提取出人特征值，具體的算法結構如圖3所示。

從畫面中提取到“人”的特征值后，首先從當前攝像頭的追蹤管理器中搜索相同的特征值，若搜索到，則將當前的抓拍記錄追蹤id設置成匹配相同特征值的追蹤id，追蹤管理器根據當前的追蹤對象更新預測器參數。

當提取到的特征值沒有匹配到時，則根據人體IOU對比，若IOU的重合度大于某一閾值，則判定為屬于同一個人，故將當前的抓拍記錄追蹤id設置成匹配成功的追蹤id，追蹤管理器根據當前的追蹤對象更新預測器參數。

若IOU匹配也未成功，則人像模塊會新增一個新的追蹤記錄至追蹤管理器中，用于管理器追蹤同一個人。當追蹤對象在一段時間內沒有出現，追蹤管理器刪除此追蹤對象，釋放資源，由此追蹤管理器實現了動態實時管理追蹤對象的記錄。單個攝像頭下同一個人的連續抓拍記錄都有相同的追蹤id，歸檔時同一個追蹤id歸為同一個檔案，如此一來，可以確保同一個人在單個攝像頭下動態軌跡的連續性。

2.2多攝像頭人員歸檔

人員歸檔功能主要是把同一個人的抓拍記錄歸為同一個檔案，從而方便后續結合實時動態軌跡和歷史動態軌跡確定是同一個人的軌跡。

歸檔過程優先通過追蹤id進行搜索，當人在單個攝像頭下活動時，若算法通過跟蹤定位為同一個人，則具有相同的跟蹤id，相同追蹤id的檔案優先歸為同一個檔案；若無相同追蹤id，則采用人臉搜索方式搜索當前時間段內同一機房的抓拍記錄是否存在相同特征值的人臉信息，存在則歸為一個檔案；若當前同一機房的人臉記錄未搜到匹配人臉時，搜索當天同一機房的人臉記錄，搜到則歸為同一個檔案：若當天同一機房人臉記錄未搜索到人臉時，則擴大搜索區域范圍，如可以搜索當天園區的人臉記錄，搜索到則歸為同一個檔案：如果從當天人臉記錄中都未搜索到匹配信息，則再從檔案庫里搜索人臉，匹配到則歸為同一個檔案：若人臉搜索沒有搜索到，則進行人體搜索歸檔，搜索順序依次為在當前時間段內同一機房的人體抓拍記錄、當天同一機房的人體抓拍記錄、當天同一園區的人體抓拍記錄等，搜索到則歸為同一個檔案。

以上方式均未匹配到同一人的情況下，則新增一個人員檔案。歸檔模塊通過把所有同一個人的抓拍記錄歸為同一檔案的方式，記錄下了同一機房同一個人指定時間段內的位置信息變化，進而實現了將同一檔案的人員在機房的實時位置進行動態軌跡展示。

3機房3D圖中人員動態軌跡的繪制

機房內每個攝像頭單獨工作，對視頻流進行實時分析，利用深度學習算法提取相應的人臉、人體信息，在匹配并識別人臉、人體信息后根據該人員腳所在位置（所處的網格），可確認當前人員的位置坐標。當前捕捉到的信息包括整體人臉、人體信息，坐標信息。將其寫人數據庫并進行下一步歸檔處理。

歸檔模塊實時從數據庫獲取抓拍記錄，利用深度學習算法實時查出此人此前的抓拍已經歸檔的記錄，把同一個人的人臉人體信息歸檔到同一個檔案并確認人員身份。

有了每次抓拍記錄的位置信息和抓拍記錄的人員身份就能確認同一個人的活動的動態軌跡，從而實現實時3D顯示的功能。

當用戶通過3D可視化Web頁面發起查看某個指定時間段內歷史活動軌跡的請求時，3D可視化模塊轉而向AI分析功能模塊請求該人員的歷史軌跡坐標數據，在得到響應并收到返回位置數據后，3D可視化模塊在機房平面圖中打點所有坐標，從而呈現出該時間段內指定人員在機房內的活動軌跡，進而完成一次完整的機房人員監管的動態回溯，實現更加全面的機房安全管理。

作者簡介：

陳歡（1989—），本科，助理工程師，研究方向：IDC網絡及機房管理。