电信运营商的数据中心机房作为承载各类业务系统的物理基础，其运维安全直接关系到业务的连续性和数据的安全性。传统的机房管理方式依赖人工审核和监督，存在效率低下、安全隐患多等问题。因此，通过综合运用物联网、大数据分析和人工智能技术，引入人员身份级的随工机制，实现对进入机房人员的身份精确识别、作业过程中实时监控、并根据人员危险行为产生告警，为数据中心的运维管理提供了有力支撑。

01 问题分析

施工人员进入机房施工的过程如下图所示：

当前在流程中主要存在的问题如下：

• 尾随进门：

  有权限施工用户进入机房同时带无权限人员进入机房，或没有关门，后续有非授权人员进入机房；可能会导致设备物品丢失、混淆施工人员身份干扰正常工作秩序、发生安全事故；

• 过程问题：

  在施工过程中发生了危险行为，但是没有关联到准确的施工人员；会导致发生机房安全事故时，不能关联到事故责任人；

• 物品遗留：

  施工完成之后，存在遗留垃圾或其它非机房原有物品、设备在现场，会导致发生机房环境卫生问题，当为危险物品时还有可能发生安全事故，并且在事后分析时不能关联对应施工人员。

02 措施方案

为解决机房内施工人员安全问题，主要涉及如下算法模型：

人脸结构化：

通过机房摄像头抓拍到人脸图像进行识别和结构化。在系统中建立人脸特征库，将用户划分为机房权限人员（已录入底库的人脸）和陌生人。用户在机房内施工时，通过摄像头抓拍，结合应用可以标识出用户是否非法进门、是否产生危险告警行为等。

为提高人脸识别的准确率，人脸结构化能力对人脸质量也有一定要求，以保证识别、结构化效果的可靠性，降低错误概率。

人脸图像要求：

人脸来源：机房摄像头抓拍得到的人脸图像；

大小要求：人脸大小像素大于 112 * 112；

亮度要求：正常亮度环境，不能过亮或过暗；

清晰度要求：能正常显示人脸轮廓，否则视为模糊；

遮挡要求：人脸区域不能存在大面积的遮挡，包括玻璃反光导致的遮挡；

角度要求：拍摄人脸角度水平方向左右不超过 45 度，垂直方向上下不超过 25 度。

人脸识别过程：

• 图像质量稽核：首要任务对输入图像质量进行检测，对于不适合要求的图像直接反馈不通过、不能进行人脸识别。

• 人脸检测：这是人脸识别的第一步，主要通过图像处理技术，在输入的视频、图像中检测出人脸的位置和大小。它是后续人脸识别、人脸验证、人员情绪分析、人员年龄估计等更复杂人脸分析任务的基础。

• 人脸定位：在成功检测到人脸图像后，紧接的步骤是对人脸进行精细定位，主要涉及精确定位面部的关键特征，诸如眼睛、鼻子、嘴巴的具体位置。为实现目标结果，采用比对预先设定的特征模板与图像中的实际特征的方式处理。

• 人脸对齐：由于人脸图像采集环境的多样性，图像中的人脸可能呈现出不同的姿态、角度、表情和遮挡状况，这些因素都会增加人脸识别系统的识别难度。为了提高识别的准确性和稳定性，需要将人脸进行对齐，使得不同的人脸图像都能以相同的姿态和角度进行比较，可以通过图像旋转、缩放、平移等方法实现。

• 特征提取：对齐后的人脸图像在形态上已经统一，但要实现高效、准确的人脸识别，还需从这些图像中抽取出能够有效反映个体差异的特征信息。此过程是人脸识别技术的核心环节，可以通过基于几何特征、或基于深度学习的算法模型实现。

• 特征比对：提取出人脸图像的特征信息之后，需要将人脸特征与存储在向量数据库中已知个体特征信息进行快速而准确的比对，以识别或验证个人身份。

• 结果输出：根据比对结果，输出识别的结果。如果比对成功，输出结果信息，包含用户人脸 ID、用户名称、用户性别、用户年龄信息；如果比对失败，返回提醒信息。

人体特征+人脸特征绑定：

为了能够在人员进入机房之后，全流程跟踪施工人员在机房内部发生的行为，便于事后进行问题追溯处理，需要在用户进入机房之前进行人体特征+人脸特征绑定操作。

说明：

1、人体注册/绑定流程：人员进入机房区域时，先进行全身拍照，通过人脸识别得到人员身份信息; 再将同一帧图片的人体信息注册到人体库中并记录、绑定已识别出的人脸信息；

2、人体检索流程：用户在机房时，对整个机房所有位置的摄像头进行人员检测, 对于遮挡严重及姿态怪异的人体提前进行质检过滤, 随后将检测出的人体在人体库中进行检索, 返回匹配到的人体特征信息及其绑定的人员具体身份信息; 对于被质检过滤的人体，需要进行轨迹补点。

利用人脸识别算法针对施工中存在的安全问题进行优化和提升，主要举措如下：

尾随识别：

施工人员在进入机房施工之前需要先进行施工作业工单申请，待审批之后才具备进入对应机房的权限；当施工人员到达机房时，可以通过机房门口摄像设备获取人脸图像，经过后台算法模型识别出用户人脸特征信息，再进行人脸比对，对于有权限进入机房用户，直接向门禁系统下发指令开门，对于无权限用户记入机房门禁告警信息中；在有多人进门时，同时拍摄到多个人脸图像并且进行识别，对于前面用户有权限进入机房、但后面用户无权限时，产生尾随进门告警。

施工告警联动：

针对机房施工人员在机房内作业时，触发了机房安全告警事件，但是不能第一时间关联到施工人员，可以根据多摄像头跟踪方式定位到人员信息。

1、在系统中配置告警触发规则信息，标识事件持续发生时长多久之后将会产生告警；

2、机房内摄像头实时拍照，并且送到 AI 算法模型中进行对应识别；识别内容包含用户信息（在没有拍摄像到清晰人脸时，可以根据人体特征与人脸绑定信息关联识别到用户），危险行为类型；

3、危险行为持续时长达到告警配置阀值，自动产生告警，并且在前端应用中产生声音告警提示；同时根据转单规则，将告警信息向外部系统进行分发、由外部系统转派到处理角色人员；

4、当施工人员在机房内部活动范围变大时，可能会发生跨摄像头拍照监控的现象，可以通过根据不同摄像头拍摄到的人脸、或人体图像进行识别，通过人脸特征+人体特征将多个摄像头监控结果关联修正施工人员活动轨迹，并且在机房平台面图中统一展现；

5、对接外部系统跟踪告警处理结果，并且在应用系统中展现；

6、告警产生时，记录关联的摄像头设备、以及 AI 识别得到的用户信息，用于后续问题追溯时可以直接快速定位。

物品遗留识别：

在机房施工作业完成之后，通过摄像头对施工区域在作业前、作业后的拍照画面进行图像比较，识别地面是否有垃圾没有清理、或者其它作业工具遗留没有带走。

在识别到施工之后有物品遗留时，系统将会向机房管理员发出告警，并且将告警关联到施工人员信息。

03 方案成效

通过在现有的人脸识别技术基础上，增加绑定人体特征信息。通过这种综合识别技术，根据机房内摄像头的拍照截帧，不仅能够实时追踪施工人员在机房内的具体位置和运动轨迹，还能分析识别施工人员在机房内是否有发生安全隐患。一旦检测到异常行为或违规行为，系统会立即触发告警机制，并通过与施工人员信息的绑定，迅速定位到发生告警时的相关责任人，有效提高了机房安全管控能力。

当前基于 AI 能力在运营商机房中应用可以有效识别如下行为：

• 尾随行为：单人开门带单人进门、单人开门带多人进门、没有关门导致其它人进入机房；

• 施工人员危险行为：人员跌倒、抽烟、危险区域进入、大型物品搬离；

• 遗留物品类：施工垃圾、施工设备。

当前智慧机房应用产品已经在多个运营商项目现场使用，并且取得不错的效果，如：

1、某移动：在 2023 年 12 月份机房施工作业工单 102 单，告警次数 13 次，预警准确率 100%，未出现安全事故；其中遗留物品告警 7 条；非法接触重点区域告警 2 条，并通知管理人员及时处置消除隐患。

2、某移动：2023 年共接入临空数据中心 IDC402 机房 32 个摄像头作为机房 AI 场景化原子能力验证试点机房，当前已接入 12 个算法能力，整体识别成功率 95%以上。

04 未来展望

通过 AI 智能手段对施工人员在机房内施工行为管控的机制，提高了机房环境相关作业的安全性，其核心理念和技术方案在未来可以推广至其它工业设备厂房、实验室之类的生产与维护工作场景，以实现人员进出管控、内部施工行为监控、机房内外部环境状态的识别与管理。