基于机房视频与AI分析追踪人员行动轨迹方法的设计与实现

关键词：AI分析；机房视频；AI追踪

中图法分类号：TP311 文献标识码：A

本文主要实现机房内多摄像头视频实时监控与AI分析能力的结合，通过采用多摄像头实时监控，实时上报各个摄像头下人员的实时位置，并通过实时人员位置归档实现机房内人员的动态行动轨迹监管。本文方法首先通过摄像头进行画面抓拍，利用人工智能算法提取人体轮廓，并通过算法判断出此人身份，同时和之前抓拍人体进行实时匹配，以实现人员识别，身份确认。其次，单个摄像头对同一个人进行追踪并归档至同一档案中，确保同一个人在该机房内单个摄像头下的动态轨迹的连续性。再次，对多个摄像头抓拍之后的数据进行汇总，通过人脸、人体识别算法，将同一个人在该机房内的全部行动点位信息进行归档，确保同一个人在该机房内动态轨迹的完整性。最后，在3D页面进行轨迹搜索时，触发指定人员轨迹绘制。

信息化的飞速发展带来了技术的进步，而作为网络与IT运维基础设施的机房也同样经历了时代的变迁，机房管理安全始终是运营商和企业关注的重点。机房现场人、事、物的动态管理，如巡检和随工等工作主要依赖人工执行，而现场的视频监控只能起到辅助实时查看和历史回溯的作用。对于机房安全而言，人的影响因素很大。若要管好机房，则首先要考虑如何将人“管”起来，对于人员在机房内的活动轨迹的监控，目前大多应用的技术是通过定位芯片来实现，具体为通过在进入机房人员身份认证腕带中安装定位芯片进行通信，获取辅助定位芯片与“通信认证基站”的相对距离，利用通信定位基站数据和RFID标签数据，通过计算得出机房人员的实时位置坐标。这种方法需要在机房内进行硬件加装，并且对人员有规范佩戴腕带的要求，并非最优解决方案。

当前，机房内的监控摄像头部署密度在达到机柜级的前提下，已经满足机房空间100％覆盖的需求，而且随着AI技术和数字孪生技术的引入及应用，跟踪、展示人员在机房内的活动轨迹是具备可行条件的。借助视频监控，对于人员行动轨迹追踪可以从连续的视频图像中提取出监控目标，通过对机房空间位置的定义描述其在指定机房内的位置并对位置变化进行跟踪和识别，最终在机房实景图中进行落图和绘制。本文方法的实现涉及3个方面：（1）机房空间位置的定义；（2）人员识别及定位的上报归档；（3）人员位置落图及轨迹绘制。

实时动态行动轨迹的显示，能够实时监控机房的安全问题，包括进入机房人员是否按照既定规则在机房区域内活动，并能够通过历史轨迹查询功能对机房的一些关键设备的安全故障提供历史查询，有效提升了机房的安防监控效果。

下文将详细阐述基于机房视频、AI分析以及3D可视化模块实现机房内人员行动轨迹追踪的方法。

1机房网格划分与坐标定义

为定义机房物理位置，首先要对机房进行网格划分并定义坐标。由于最终位置由3D可视化系统呈现，因此由3D可视化模块提供机房平面图以及每个摄像头的位置信息，同时提供该机房的3D坐标原点（0，0）。AI分析功能模块在此基础上对机房进行网络化。

AI分析功能模块先将摄像头监控画面进行网格划分，根据距离的远近以及画面的大小，如离摄像头较近的画面，一块地板对应一个网格，而离摄像头较远的画面，则两块地板定义为一个网格，每个网格标记为中心点处的坐标。定义出的网格坐标与机房平面图上的点位相对应，实现了机房绝对位置的标记。在各摄像头分析识别到人脸或人体后，将所在位置坐标实时上报，由3D可视化模块在机房平面图中进行打点，高频次的点位信息汇集即为该时间段内人员在机房内的动态行动轨迹。

2人员识别及轨迹追踪归档

人员追踪和动态轨迹绘制的实现共涉及4个功能模块，分别为人像模块、人体归档模块、Web模块、3D可视化模块。相关工作流程如图1所示。

人像模块的主要功能为实时分析摄像头视频流、实时算法提取人体轮廓，并分析出人员身份，同时实时检测人体所在机房坐标位置，发送给Web端。该模块算法在检测“人”的过程中，会对“人”进行跟踪和识别，并由此生成跟踪id。人体归档模块对各个摄像头抓拍并传递的人员信息进行汇总，实时归档，以人为维度将历史抓拍记录归档。Web模块实时接收人像模块的人员信息和位置，实时转发给3D可视化模块。3D可视化模块的主要功能为接收Web模块转发的人员信息和位置信息，字段包括抓拍id、抓拍设备（摄像头）编号、抓拍时间、人员id、档案id、位置坐标以及人体框坐标等，并完成轨迹的绘制和在页面实时呈现。

2.1单个摄像头跟踪档案生成

当单个摄像头抓拍画面并检测到有人出现时，则会对该人员进行信息抽取，并生成系统唯一的跟踪id，同时根据抓拍模型（如定时模型、最优模型、实时模型等）来判断该条抓拍记录是否需要保存，该摄像头连续跟踪此人会为同一个人生成相同的跟踪id，这可确保单个摄像头下同一个人能够归档至同一个档案，降低归档模块对抓拍记录的搜索频次，同时提升归档过程的准确率。单个摄像头跟踪器只是做人员的跟踪，并不会识别人员身份。单个摄像头跟踪的算法流程如图2所示。

对于是否为同一个人的识别，首先对人脸或人体利用深度学习网络模型ResNet50提取出人特征值，具体的算法结构如图3所示。

从画面中提取到“人”的特征值后，首先从当前摄像头的追踪管理器中搜索相同的特征值，若搜索到，则将当前的抓拍记录追踪id设置成匹配相同特征值的追踪id，追踪管理器根据当前的追踪对象更新预测器参数。

当提取到的特征值沒有匹配到时，则根据人体IOU对比，若IOU的重合度大于某一阈值，则判定为属于同一个人，故将当前的抓拍记录追踪id设置成匹配成功的追踪id，追踪管理器根据当前的追踪对象更新预测器参数。

若IOU匹配也未成功，则人像模块会新增一个新的追踪记录至追踪管理器中，用于管理器追踪同一个人。当追踪对象在一段时间内没有出现，追踪管理器删除此追踪对象，释放资源，由此追踪管理器实现了动态实时管理追踪对象的记录。单个摄像头下同一个人的连续抓拍记录都有相同的追踪id，归档时同一个追踪id归为同一个档案，如此一来，可以确保同一个人在单个摄像头下动态轨迹的连续性。

2.2多摄像头人员归档

人员归档功能主要是把同一个人的抓拍记录归为同一个档案，从而方便后续结合实时动态轨迹和历史动态轨迹确定是同一个人的轨迹。

归档过程优先通过追踪id进行搜索，当人在单个摄像头下活动时，若算法通过跟踪定位为同一个人，则具有相同的跟踪id，相同追踪id的档案优先归为同一个档案；若无相同追踪id，则采用人脸搜索方式搜索当前时间段内同一机房的抓拍记录是否存在相同特征值的人脸信息，存在则归为一个档案；若当前同一机房的人脸记录未搜到匹配人脸时，搜索当天同一机房的人脸记录，搜到则归为同一个档案：若当天同一机房人脸記录未搜索到人脸时，则扩大搜索区域范围，如可以搜索当天园区的人脸记录，搜索到则归为同一个档案：如果从当天人脸记录中都未搜索到匹配信息，则再从档案库里搜索人脸，匹配到则归为同一个档案：若人脸搜索没有搜索到，则进行人体搜索归档，搜索顺序依次为在当前时间段内同一机房的人体抓拍记录、当天同一机房的人体抓拍记录、当天同一园区的人体抓拍记录等，搜索到则归为同一个档案。

以上方式均未匹配到同一人的情况下，则新增一个人员档案。归档模块通过把所有同一个人的抓拍记录归为同一档案的方式，记录下了同一机房同一个人指定时间段内的位置信息变化，进而实现了将同一档案的人员在机房的实时位置进行动态轨迹展示。

3机房3D图中人员动态轨迹的绘制

机房内每个摄像头单独工作，对视频流进行实时分析，利用深度学习算法提取相应的人脸、人体信息，在匹配并识别人脸、人体信息后根据该人员脚所在位置（所处的网格），可确认当前人员的位置坐标。当前捕捉到的信息包括整体人脸、人体信息，坐标信息。将其写人数据库并进行下一步归档处理。

归档模块实时从数据库获取抓拍记录，利用深度学习算法实时查出此人此前的抓拍已经归档的记录，把同一个人的人脸人体信息归档到同一个档案并确认人员身份。

有了每次抓拍记录的位置信息和抓拍记录的人员身份就能确认同一个人的活动的动态轨迹，从而实现实时3D显示的功能。

当用户通过3D可视化Web页面发起查看某个指定时间段内历史活动轨迹的请求时，3D可视化模块转而向AI分析功能模块请求该人员的历史轨迹坐标数据，在得到响应并收到返回位置数据后，3D可视化模块在机房平面图中打点所有坐标，从而呈现出该时间段内指定人员在机房内的活动轨迹，进而完成一次完整的机房人员监管的动态回溯，实现更加全面的机房安全管理。

作者简介：

陈欢（1989—），本科，助理工程师，研究方向：IDC网络及机房管理。