基于卷积网络的智能视频机房监控

发布时间：2021-02-12 17:39

　　随着数字化时代的到来与通信技术的快速发展,越来越多的中大型数据中心被用于数据的集中处理与传输,其中对服务器运行状态的监控是数据中心所关注的重点之一。常见的监控方式主要有人工监控和网络监控,它们分别存在耗时长和网络组建成本高的问题,而基于卷积网络图像识别的监控方式可以有效解决上述问题,其无需过多的人工参与和复杂的网络组建,但它也存在以下不足:服务器检测的精度及指示灯工作状态检测的精度不高;卷积网络在训练的过程中受训练样本类别失衡的影响,导致模型出现退化;卷积网络模型大,浮点运算多,难以应用于移动端;卷积网络所需的训练数据的采集成本高。针对以上问题,本文从四个方面进行优化。首先,设计了一套基于高精度的目标识别算法和适应非刚性形变的点集匹配算法的智能视频机房监控系统,并且构建了一个包含约5000张图片的服务器数据集,服务器检测准确率达99.9%,在树莓派嵌入式平台上的帧率达120FPS,可以实时输出服务器的工作状态。其次,提出了一种自适应的类别平衡损失函数及参数更新算法,其通过对难分类样本和易分类样本的权重进行自动化调整来解决类别失衡问题,在VOC2007数据集上的识别精度超过YOLOv2、... 

【文章来源】：清华大学北京市 211工程院校 985工程院校 教育部直属院校

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

数据中心

第2章智能机房监控系统6第2章智能机房监控系统2.1整体系统框架本文的整体系统框架围绕如何高效地监控服务器的工作状态进行设计，以图2.1所示的华为RH2288V3服务器为例，其包含健康状态指示灯、电源开关指示灯、硬盘Fault指示灯等多种指示灯，其中指示灯的显示状态可以反映服务器的工作状态。例如：健康状态指示灯为绿色常亮表示设备运转正常，红色闪烁代表系统警告等。本文利用服务器的故障信息可以由指示灯的工作状态进行显示的特点，设计了一种智能化的服务器状态监控方案，其通过对图片中的服务器以及相应指示灯的状态信息进行检测与分析，然后输出服务器相应的监控结果。图2.1华为RH2288V3服务器前面板信息如图2.2所示为本文设计的基于卷积网络的智能视频机房监控系统，其首先通

第2章智能机房监控系统7过摄像头采集服务器的视频流图片，然后使用服务器检测算法识别出图片中的服务器，利用指示灯检测算法识别出指示灯的区域，再利用点集匹配算法输出指示灯的状态，最后通过web显示监控结果，具体包含以下内容：（1）首先在服务器的前端配置相应的摄像头，通过摄像头采集相应服务器的图片，将其解码后存入队列进行缓存，以便后续的图像检测操作，这样设计的目的是减少后续目标检测中对图片的读取操作，以及防止掉郑（2）在嵌入式系统中利用基于卷积网络的图像识别方法完成服务器的检测，输出了各个服务器在图片中的位置信息及其对应的服务器种类信息，在此基础上使用颜色分割、噪声去除和连通域检测算法对服务器中的指示灯进行检测，并输出检测结果。（3）将检测出的指示灯区域作为待匹配点集，通过适应非刚性形变的点集匹配算法，得到检测指示灯和模板指示灯的空间对应关系，输出各个指示灯对应的状态结果。（4）将状态结果进行机型匹配，输出工作结果，并将工作结果上传到云服务器中，云服务器按照定义的格式进行处理并存储数据，实现web显示以便管理者实时观察各服务器是否正常工作。本系统通过高精度的图像识别算法在含有CSI摄像头的树莓派系统上完成服务器工作状态的监控，其尽可能地减少了人工监控的参与，降低了监控成本。图2.2智能机房监控系统


本文编号：3031223