CN101605248A - 森林火灾远程视频监控同步跟踪方法 - Google Patents

Abstract

本发明涉及在已知前端数字云台的倾角、转角预置位的前提下，根据数字云台的在当前时刻的反馈参数如倾角、转角，采用物理交会的方法在DEM即数字地面模型上计算出当前摄像机视域中心点的位置，当云台转动时，根据其转动速度如垂直方向速度与水平方向速度实时计算任意时刻摄像机视域中心线与地形交点的位置，并将其扩大至光圈范围，从而实现远程视频监控系统的摄像机视域在森林防火软件系统中的同步跟踪与模拟。本发明的方法不仅能通过地理信息系统技术在森林防火软件系统中实时跟踪摄像机的可视区域，跟踪云台的转动及镜头的放大与缩小，而且能从地理信息系统中获取可视区域的地形、地貌、植被等自然与社会经济信息，从而将视频监控技术与GIS技术有效结合。

Description

森林火灾远程视频监控同步跟踪方法

一、所属技术领域

本发明涉及一种视频监控和GIS技术相结合的同步跟踪与定位技术方法，该方法能实现视频监控摄像机实时视域在DEM模型上的同步。

二、背景技术

目前，3S(GIS，GPS，RS)技术在森林火灾管理中已得到较多应用，很多地方都建立了森林防火软件系统，但是这些森林防火系统大都没有和硬件系统相结合，为纯软件形式。虽然能对与森林防火有关的各种资源做到动态管理，却无法将GIS技术与现有的森林灾害远程视频监控系统相结合，实时掌握并分析当前监控区域的位置及其资源分布情况。

为了更好的对森林火灾的发生与发展进行实时监控，目前全国的很多重点林区与景区均建立了森林灾害远程视频监控系统，该系统主要通过在林区或景区的制高点安装云台与摄像机等设备，将前端信号通过有线或无线的方式传回指挥中心，指挥中心的值班人员通过电视墙对各区域进行监控。该系统主要由前端设备、网络传输、控制中心三部分构成。前端设备包括：摄像机、云台、编码器等；监控中心设备包括：监视器、视频解码器、服务器等。监控中心可实现前端视频的浏览与控制等功能。

但是现有的森林灾害远程视频监控系统存在有以下问题：(1)在夜晚，由于视场比较黑暗，一旦发生森林火灾，由于看不到周围场景，从而缺少参照物，无法靠人工来判断灾害区域位置。即利用单纯的视频监控技术在夜晚无法获知所监控区域的地理位置；(2)当夜晚发生火灾时，由于没有背景照明，在监视器上只能看到火光，而无法确定着火的地点、着火区域的地形地貌、及其社会经济情况等；(3)有很多用户要求在晚间没有光照的环境下监控，并能了解当前监控区域的地形、地貌、植被等情况。

因此，在森林防火中，迫切需要一种技术方法能使得地理信息系统技术和视频监控技术能相互结合，实现森林灾害远程视频监控系统与森林防火软件系统联动，在森林防火软件系统中对视频监控摄像机的转动进行实施跟踪与模拟，实现摄像机视域在DEM模型上同步显示，从而发挥各自的优点能更好的对森林火灾进行监控，从而降低森林火灾的损失。

三、发明内容

(一)要解决的技术问题

为了克服现有的森林防火软件系统及森林灾害远程视频监控系统的不足，本发明提供一种森林火灾远程视频监控同步跟踪方法，该方法不仅能通过地理信息系统技术在森林防火软件系统中实时跟踪摄像机的可视区域，跟踪云台的转动及镜头的放大与缩小，而且能从地理信息系统中获取可视区域的地形、地貌、植被等自然与社会经济信息，从而将视频监控技术与GIS技术有效结合，充分发挥森林防火软件系统与森林灾害远程视频监控系统的作用。

(二)技术方案

本发明解决其技术问题所采用的技术方案是：根据云台和摄像机的实时反馈的数字参数，确定云台与摄像机的当前视域中心点及其范围在三维地面模型上的映射，并在三维地面模型上实现与前端监控系统可视范围的同步。

本发明主要由以下几个子算法组成：障碍点获取算法、可视域分析算法、可观察的模拟摄像机全方位旋转算法、模拟光圈影像算法。

算法原理：在已知前端数字云台的倾角、转角预置位的前提下，根据数字云台的在当前时刻的反馈参数(倾角、转角)，采用物理交会的方法在DEM(数字地面模型)上计算出当前摄像机视域中心点的位置，当云台转动时，根据其转动速度(垂直方向速度与水平方向速度)实时计算任意时刻摄像机视域中心线与地形交点的位置，并将其扩大至光圈范围，从而实现远程视频监控系统的摄像机视域在森林防火软件系统中的同步跟踪与模拟。

森林火灾远程视频监控同步跟踪方法，由以下具体算法实现的：

(1)障碍点获取算法：通过该算法获取视线与地形的交点；

(2)模拟光圈影像算法：该算法主要是解决在三维地面模型中，如何反映真实摄像机的视场角及其在任一时刻的视域问题；

(3)可观察的模拟摄像机全方位旋转算法：可观察的模拟摄像机全方位旋转算法主要解决在摄像机旋转时，为了观察的方便，数字地形如何旋转以方便用户的问题；

(4)视频可视域分析算法：视频可视域是指在一定区域的表面被视频监控设备监控的区域，视频可视域分析算法是指在镜头观察半径已知的条件下，通过给定的摄像机位置、障碍点坐标及光圈影像范围等，确定摄像机的可视范围；

(5)在以上算法基础上，加上时间参数(在一定时间间隔下，云台传回的水平与垂直方向移动量)，就可以实现在摄像机任意转动时，其视域范围在森林防火软件系统中的同步跟踪与模拟。

各算法之间的信息交换如下：

(1)通过障碍点获取算法获取视线与地形的交点坐标，即在指定方向上视线与地形交点的坐标；

(2)模拟光圈影像算法实际上是把摄像机的光圈抽象成若干条从摄像机射出的射线，这些射线通过障碍点获取算法可以计算出与地形交点的坐标，将这些坐标连接起来就是摄像机光圈落在地形上的视域；

(3)可观察的模拟摄像机全方位旋转算法实际上是指在云台旋转时，在三维地形中，模拟摄像机的光圈同步移动，并且为了用户观察的方便，地形也相应移动，以方便用户观看。这个算法中的模拟摄像机光圈的同步移动就是通过模拟光圈影像算法获取在任一时刻摄像机光圈落在地形上的视域，然后按照一定的时间间隔加以刷新。

(4)视频可视域分析算法是在摄像机位置已知的条件下，通过模拟光圈影像算法获取摄像机的视域范围，再结合障碍点获取算法计算摄像机视域范围内的可视部分。

本发明的方法不仅能通过地理信息系统技术在森林防火软件系统中实时跟踪摄像机的可视区域，跟踪云台的转动及镜头的放大与缩小，而且能从地理信息系统中获取可视区域的地形、地貌、植被等自然与社会经济信息，从而将视频监控技术与GIS技术有效结合，充分发挥森林防火软件系统与森林灾害远程视频监控系统的作用。

附图说明：

图1算法效果图

图2森林火灾远程视频监控同步跟踪的算法组成

图3障碍点三维分布示意图

图4障碍点获取算法平面模型

图5障碍点计算方法

图6三点共线示意图

图7平面到三维的转换

图8视场角模拟

图9三维坐标系中的视场

图10修正后的视场角模型

图11观察点和障碍点平面方位

图12观察点和障碍点立体方位

图13光圈半径

图14光圈所在圆的生成

图15光圈生成效果

图16模拟摄像机全方位旋转算法流程

图17全方位旋转示意图

图18通视效果实现流程

图19视场中心旋转效果

图20三维地图逆方向旋转

图21可观察的模拟摄像机全方位旋转算法实现

图22可视性分析示意图

图23线通视分析

图24P点可视范围及P、P’两点通视情况示意图

图25视频可视域示意图

图26算法实现

具体实施方式

下面结合附图进一步说明：

如图2所示，森林火灾远程视频监控同步跟踪方法，其是由以下具体算法实现的：

(1)障碍点获取算法：通过该算法获取摄像机视域中心线与地形的交点；

(2)模拟光圈影像算法：该算法主要是解决在三维地面模型中，如何反映真实摄像机的视场角及其在任一时刻的视域问题；

(3)可观察的模拟摄像机全方位旋转算法：可观察的模拟摄像机全方位旋转算法主要解决在摄像机旋转时，为了观察的方便，数字地形如何旋转以方便用户的问题；

(4)视频可视域分析算法：视频可视域是指在一定区域的表面被视频监控设备监控的区域，视频可视域分析算法是指在镜头观察半径已知的条件下，通过给定的摄像机位置、障碍点坐标及光圈影像范围等，确定摄像机的可视范围；

(5)在以上算法基础上，加上时间参数即在一定时间间隔下，云台传回的水平与垂直方向移动量，就可以实现在摄像机任意转动时，其视域范围在森林防火软件系统中的同步跟踪与模拟。

1、障碍点获取算法

本说明中的障碍点是指摄像机的扫描(照射)方向与地形的交汇点。所谓障碍点获取算法是指在三维地面模型中，沿着摄像机的扫描方向，获取摄像机扫描线与地形的交汇点。该算法根据在三维场景中的地面模型和云台及摄像机预置位(坐标点、仰俯角、方位角等)，通过可视域分析算法求出障碍点。算法思想如下：

1.1设置障碍点获取算法的视频监控设备参数

如图3所示。摄像机为观察点(Observer Point)，设为A点，与地表水平面的交点设为Q，AQ之间的垂直距离为L。云台以与AQ呈α角度对观测区域进行全天候、全方位360°的监控。云台上的摄像机发出的射线与地表水平面的交点为目标点(Target Point)设为T，摄像机的可视半径为QT。AT与地形表面有多处交点就是要得到的障碍点(ObstructionPoint)。

将图3中的模型引入到平面坐标系中，取AT水平旋转为0°，垂直旋转(与线段AQ的角度)为α角度时的切面，如图4所示。令O点为坐标系的原点，观察点(Observer Point)设为A点，与地表水平面的交点设为Q点，AQ之间的垂直距离为L，QT为地表水平线。摄像机发出的射线与地表水平面的交点为目标点(Target Point)设为T。地形表面曲线与AT线相交n个交点为障碍点(Obstruction Point)，分别为S₁，S₂，S₃，S₄，S₅，...，S_n。

1.2找到各参数间的算法关系

在图5中，令Q点为(x0，y0)，则A点为(x0，y0+L)。根据三角函数，QT/AQ＝tanα，则QT＝AQ*tanα＝L*tanα，所以T点为(L*tanα，y0)。现已知A、T两点，要求AT，可利用直线的两点式方程公式。

如图6，直线的两点式方程公式是指已知两点P1(x1，y1)，P2(x2，y2)，求通过这两点的直线方程。设点P(x，y)是直线上不同于P1，P2的点。

由K_PP1＝K_P1P2，推出 $\frac{y-y1}{x-x1}=\frac{y2-y1}{x2-x1}.$

可得直线的两点式方程： $\frac{y-y1}{x-x1}=\frac{y2-y1}{x2-x1}$ (1)式

将A(x0，y0+L)、T(L*tanα，y0)代入(1)式，可求得AT为

L*x-(L-x0)*y+y0*tanα+L*tanα-x0*y0-x0*L＝0     (2)式设该切面的地表曲线为S形曲线为：

Y＝e^(b0+b1/X)                                   (3)式其中b0、b1为常数。则

$\left\{\begin{array}{c}L*x-(L-x0)*y+y0*\tan \mathrm{\α}+L*\tan \mathrm{\α}-x0*y0-x0*L=0\\ Y=e^{(b0+b1/X)}\end{array}\right.$ (4)式

根据(4)式求得的方程解(x1，y1)，(x2，y2)，(x3，y3)，…，(x_n，y_n)，就是所要求的障碍点(Obstruction Point)。

1.3障碍点获取算法在三维空间中的描述

将图4的中平面数学模型引入到三维空间模型如图7所示，更加接近现实生活中森林火灾远程视频监控同步跟踪。取AT水平旋转为θ°，垂直旋转(与线段AQ的角度)为α角度时的切面，如图7(a)所示。令O点为坐标系的原点，观察点(Observer Point)设为A点，与地表水平面的交点设为Q点，AQ之间的垂直距离为L，QT为地表水平线。摄像机发出的射线与地表水平面的交点为目标点(Target Point)设为T。

令A点为(x，y，z)，AQ＝L。过Q点做X轴的平行线，过T点做Z轴的平行线，两条平行线相交于P点，如图7(b)。根据三角函数，QT/AQ＝tanα，则QT＝L*tanα；PT/QT＝sinθ，则PT＝sinθ*QT＝sinθ*tanα*L；PQ/QT＝cosθ，则PQ＝QT*cosθ＝cosθ*tanα*L。

所以，可以得出Q(x₀，y₀，-1)，T(x，(z-1)*tanα，-1)。设一个轴AQ通过Q坐标点，其方向余弦为(1，1，0)。其中θ为坐标点T绕该轴的旋转角度。5式是(x′，y′，z′)和(x，y，z)的变换关系：

$\left\{\begin{array}{c}{x}^{\′}=-\sin \mathrm{\θ}*(z-1)*\tan \mathrm{\α}+x_0\\ y^{\′}=(z_0-1)*\tan \mathrm{\α}*\cos \mathrm{\θ}+y_0\\ z^{\′}=-1\end{array}\right.$ (5)式

2、模拟光圈影像算法

模拟光圈影像算法主要是解决在三维地面模型中，如何反映真实摄像机的视场角及其在任一时刻的视域问题。

(1)视场角的认识

摄像机的镜头有一个确定的视野，镜头对这个视野的高度和宽度的张角称为视场角。视场角与镜头的焦距f及摄像机靶面尺寸(水平尺寸h及垂直尺寸v)的大小有关，镜头的水平视场角ah及垂直视场角av可分别由下式来计算，即

ah＝2arctg(h/2f)

av＝2arctg(v/2f)

由以上两式可知，镜头的焦距f越短，其视场角越大，或者，摄像机靶面尺寸h或v越大，其视场角也越大。如果所选择的镜头的视场角太小，可能会因出现监视死角而漏监；而若所选择的镜头的视场角太大，又可能造成被监视的主体画面尺寸太小，难以辨认，且画面边缘出现畸变。因此，只有根据具体的应用环境选择视场角合适的镜头，才能保证既不出现监视死角，又能使被监视的主体画面尽可能大而清晰。

(2)通过视场角引入三维坐标系

由于摄像机的镜头存在着视场角，则摄像机的视野范围不会只是一条直线和一个点，而是类似于手电筒照射在空气中所形成的光束和在障碍物表面所形成的光圈，如图8。

将现实中的景象模拟在三维坐标系中，便成为如图9所示。A点为摄像机的镜头，即观察点；S点为镜头中心视线与山地表面的交点，即障碍点；AS为观察点与目标点之间的距离，设为d；S′点为镜头最外围视线与山地表面的交点；令SS′之间的距离为r，则摄像机的视野范围模拟为以S为圆心，r为半径的圆。

在森林灾害远程视频监控系统中，摄像机镜头的水平视场角ah及垂直视场角av是相同的，在这里将水平视场角ah及垂直视场角av统一设为θ角度。在此将摄像机镜头的中心视线简化为从正上方沿-Z方向垂直向下，如图10所示。同样，A点为摄像机的镜头，即观察点；S点为镜头中心视线与山地表面的交点，即障碍点；AS为观察点与目标点之间的距离，设为d；S′点为镜头最外围视线与山地表面的交点；令SS′之间的距离为r，则摄像机的视野范围模拟为以S为圆心，r为半径的圆。

(3)通过三维坐标系实现光圈影像的算法

在图11中，从A发出的所有视线类似于手电筒照射在空气中所形成的光束和在障碍物表面所形成的光圈，则所形成的视线不会只有图中所示的线段，而是A点与圆S上及圆S内任意一点的连线。要在森林防火指挥智能决策系统中做到仿真的效果，应通过以下的步骤：①运用空间两点间的距离公式，求出观察点和障碍点之间的距离；②运用勾股定理，求出光圈——圆S的半径r；③运用圆的正多边形逼近法，求出光圈上的各个点；④运用内部填充法，将光圈内部的各个补充上，使之成为圆平面。

①观察点和障碍点之间的距离

观察点A和障碍点S之间的距离可运用空间两点间的距离公式。在平面直角坐标系中，两点间的距离： $d=\sqrt{{(x_1-x_2)}^2+{(y_1-y_2)}^2}$

如图11，A(2，1)、B(3，4)之间的距离 $\left|\mathrm{AB}\right|=\sqrt{{(3-2)}^2+{(4-1)}^2}.$

在三维坐标系中，两点间的距离可推导如下：设M₁(x₁，y₁，z₁)、M₂(x₂，y₂，z₂)为空间两点。

如图12，在直角△M₁NM₂及直角△M₁PN中，使用勾股定理知，

|M₁M₂|²＝|M₁P|²+|PN|²+|NM₂|²，

∵|M₁P|＝|x₂-x₁|，|PN|＝|y₂-y₁|，|NM₂|＝|z₂-z₁|，

∴ $\left|M_1{M}_2\right|=\sqrt{{\left|M_{1}P\right|}^2+{\left|\mathrm{PN}\right|}^2+{\left|{\mathrm{NM}}_2\right|}^2},$

即 $d=\sqrt{{(x_2-x_1)}^2+{(y_2-y_1)}^2+{(z_2-z_1)}^2}.$ (6)式

所以在图10中，设观察点A(x₁，y₁，z₁)，障碍点S(x，y，z)，观察点A和障碍点S之间的距离可通过式(6)表现为 $d=\sqrt{{(x_1-x)}^2+{(y_1-y)}^2+{(z_1-z)}^2}.$

②光圈的半径

在求出了观察点A和障碍点S之间的距离后接下来求的是障碍点S与S′之间的距离。在三维坐标系中，A、S、S′形成的三角形恰好符合直三角形的勾股定理，如图13(a)；将△ASS′独立出来，如图13(b)。

所以 $\frac{r}{d}=\sin \mathrm{\θ}/2$ ，即r＝d*sinθ/2

③光圈所在圆的形成

我们利用圆的多边形逼近法计算光圈影像所在圆上的各个点。上文介绍的算法，是光圈影像所在圆的圆心，而实际情况如图14，设圆心S为(x，y，z)，当N＝12，以正十二边形足以逼近圆，θ_i＝α＝30°，S’_i为(x′，y′，z′)，(i＝1，2，3，…，12)。

当i＝0时，

(7)式

当i＝1时，

(8)式

从式(7)、(8)以此类推，可总结得：

(9)式

光圈影像的形成效果图如图15：

在上图中，我们可以看到镜头中心视线和最外围视线与山地表面的交点落在同一平面，这是由于式(9)中z′的取值，z′＝z，所以镜头中心视线和最外围视线与山地表面的交点在z值的取值上是相同的。由于山地本身呈凹凸不平的不规则形状，故光圈影像的某些部分被地形所遮挡。

3、可观察的模拟摄像机全方位旋转算法

可观察的模拟摄像机全方位旋转算法主要解决在摄像机旋转时，为了观察的方便，数字地形如何旋转以方便用户的问题。在图7中，云台在与AQ呈α角度对观测区域监控同时，还要进行T点绕Q点的全方位360°的旋转监控。所以如何实现通视线路全方位旋转是此算法的重要环节。

通视线路全方位旋转时会出现一个问题，即森林防火软件系统在模拟三维地面模型时，计算机前的人由于视角的原因观察有所不便。所以三维地图的逆方向旋转与通视线路全方位旋转同步实行，成为模拟摄像机全方位旋转算法中的另一重要部分。将这两个算法同步进行，可实现模拟摄像机全方位旋转算法，并且利于效果的观察，如图16所示。

(1)通视线路全方位旋转

开始时观察点的水平视角的角度为a，全方位旋转就是每隔固定的时间间隔观察点的水平视角沿着逆时针方向旋转固定的角度，设为θ，则a＝-a+θ，如图17。

对通视分析后的通视线路在三维地形上的每旋转θ角度进行刷新操作，即可进行单条通视线路全方位旋转了。对于某指定的通视线路，欲进行间隔时间的刷新操作，需要使已经显示的上一个角度的通视线路进行删除操作和添加新的角度的通视线路，即添加操作，再进行三维场景的刷新。这涉及到对整个通视线路，包括障碍点、可见线要素和不可见线要素进行删除操作和添加操作。流程图如图18所示。

以下效果图即是某一通视线路旋转θ角度前后的景象，如图19(a)图是通视线路旋转θ角度前，(b)图为通视线路旋转θ角度后。

(2)三维地图的逆方向旋转

以某一给定的角度使三维表面围绕观察点一定程度上水平地旋转，使得计算机前的人享有最佳观察角度。以下效果图即是某一通视线路旋转θ角度的同时，三维地图旋转-θ角度前后的景象，如图20，(a)图是三维地图旋转-θ角度前，(b)图为三维地图旋转-θ角度后。从X山顶在三维景象中的位置变化可以清楚的看到某一通视线路旋转θ角度的同时，三维地图旋转-θ角度，这样可以使通视路线更好的展现在眼前，不受到山体等遮挡物的影响。

当镜头的焦距f为50mm，仰俯角α为80度，方位角θ为300度和320度，三维地图逆方向旋转20时，根据视频可视域分析算法实现的效果如图21所示，红色区域为视频监控系统所监控的区域，根据不同时时刻所显示的视频可视域不同，三维地图也随着时间的变化而变化。

4、视频可视域分析算法

视频可视域是指在一定区域的表面被视频监控设备监控的区域，视频可视域分析算法是指在镜头观察半径已知的条件下，通过给定的摄像机位置及障碍点坐标，确定摄像机的可视范围，可视域分析通常也称之为可视性分析。

4.1可视性分析概述

可视性分析的基本因子有三个，一是两点之间的通视性(Intervisibility)；二是线的通视，是指已知视点，计算视点的视野问题；三是可视域(ViewShed)，即对于给定的观察点所覆盖的区域。如图22所示。

(1)判断线的通视算法

点对线的通视，实际上就是求点的视野。应该注意的是，对于视距之外的任何一个地形表面上的点都是不可见的，但在视距内的点有可能可见，也可能不可见。基于格网DEM点对线的通视算法如下：

设P点为一沿着DEM数据边缘顺时针移动的点，求出视点到P点投影直线上点集{x，y}，并求出相应的地形剖面{x，y，Z(x，y)}。

①计算视点至每个p_k∈{x，y，z(x，y)}，k＝1，2，...K-1与Z轴的夹角β_k：

${\mathrm{\β}}_k=\mathrm{arctg}\left(\frac{k}{Z_{\mathrm{pk}}-Z_{\mathrm{vp}}}\right).$

②求得α＝min{β_k}。α对应的点就为视点视线的一个点。

③移动P点，重复以上过程，直至P点回到初始位置，算法结束。

在图23(a)的情况中，观察点P₂与B之间的视线为可视线要素，B与目标点P₁之间是不可视线要素。在图23(b)的情况中，目标点P₁和观察点P₂是可视线要素。

(2)判断区域的通视算法

区域通视分析是指以某一点为观察点，研究某一区域通视情况的地形分析。其算法思想如下：

(1)确定地形及观察点P、目标点P′两点位置。

(2)构造空间直线PP′以及PP′在O-XY面上的投影直线P₁P₁′。根据空间直线PP′直线和P₁P₁′确定平面S.，这个平面通过观察点和目标点所在线段并且与O-XY平面垂直。

(3)求出地面模型中与S相交的所有边。

(4)判断相交的边是否在观察点和目标点所在的线段上，如果有一条在其上，则观察点和目标点不可视。如图24。

从图24中，可以清楚发现观察点P、目标点P′不通视。我们实现这个算法的同时，可以用虚线描绘出山地表面的不可见部分、实线描绘山地表面的可见部分。

4.2图解视频可视域分析算法中的视频监控设备参数关系

基于DEM的视频可视域分析算法，是视频监控技术与地理信息系统技术的结合，如图25，已知镜头的参数，其中的水平视角和垂直视角可以根据公式算出。根据空间距离公式求出摄像机与障碍点(AN)的长度，在确定好镜头焦距f(20mm)及靶面(1/3英寸)后，求出被照射物体的高度及宽度，进而求出视频可视域的各边界点。焦距计算公式f＝h*D/H和f＝w*D/W推出被摄物体的高度H＝D*(h/f)和被摄物体宽度W＝D*(w/f)；视场角有水平视角θ_h和垂直视角θ_w，其中求解公式为：θ_w＝2*arctan(w/2f)；θ_h＝2*arctan(h/2f)。

设障碍点N(X_n，Y_n，Z_n)和点G(X_g，Y_g，Z_g)分别是视频可视域的中心点，边界点1边界点2边界点3边界点4构成视频可视域的最大可视区域，而边界点1’边界点2’边界点3’边界点4’构成视频可视域的最小可视区域，最后由t1t2t3t4所构成的四边形形成视频可视域，叠加地形的高程数据后就是基于DEM的视频可视域分析过程。最后确定镜头参数与地理坐标之间的关系如下式。

t3＝边界点1(Xn-1/2*W，Yn+1/2*H/cosα，Zn+1/2*H/sinα)；

t2＝边界点2(Xn+1/2*W，Yn+1/2*H/cosα，Zn+1/2*H/sinα)；

t1＝边界点3’(Xg-W/40，Yg-1/2*H/(20*cosα)，Zg-1/2*H/(20*sinα))；

t4＝边界点4’(Xg+W/40，Yg-1/2*H/(20*cosα)，Zg-1/2*H/(20*sinα))；

4.3基于DEM的视频可视域分析算法步骤

(1)确定好摄像机的空间位置(仰俯角和方位角)，初始化地形。根据DEM的分辨率将SP等分n份，并求出等分点的坐标(Xn，Yn，Zn)；

(2)计算视线斜率k＝tanα，其中α是摄像机的仰俯角度数；

(3)沿视线对等分点扫描，并作如下工作(扫描S点到P点)：

将地形模型上的高程与视线高程相比较，判断其交点；如果地形点高程大于视线点高程，则返回该地形坐标点即障碍点N；反之进行下一点判断；

(4)确定好镜头的参数(焦距和靶面尺寸)，H＝D*(h/f)；W＝D*(w/f)，分别求得S(Xs，Ys，Zs)，N(Xn，Yn，Zn)，G(Xg，Yg，Zg)，其中D为视点与交点的距离，f为镜头的焦距，h和w分别为镜头相应尺寸的宽度和高度；

(5)求出视频可视域的边界点坐标；

(6)提取出基于DEM的视频可视域。

当镜头的焦距f为50mm，摄像机的仰俯角α为80度，方位角θ为310度时，根据视频可视域分析算法在DEM上显示的效果如图26(a)所示。当摄像机的仰俯角α为45度，方位角θ为320度时，镜头焦距f为75mm时，在DEM上显示的效果如图26(b)。

Claims (3)

1、森林火灾远程视频监控同步跟踪方法，其特征在于：在已知前端数字云台的倾角、转角预置位的前提下，根据数字云台的在当前时刻的反馈参数如倾角、转角，采用物理交会的方法在DEM即数字地面模型上计算出当前摄像机视域中心点的位置，当云台转动时，根据其转动速度如垂直方向速度与水平方向速度实时计算任意时刻摄像机视域中心线与地形交点的位置，并将其扩大至光圈范围，从而实现远程视频监控系统的摄像机视域在森林防火软件系统中的同步跟踪与模拟；

本方法是由以下具体算法实现的：

(1)障碍点获取算法：通过该算法获取视线与地形的交点；

(2)模拟光圈影像算法：该算法主要是解决在三维地面模型中，如何反映真实摄像机的视场角及其在任一时刻的视域问题；

(3)可观察的模拟摄像机全方位旋转算法：可观察的模拟摄像机全方位旋转算法主要解决在摄像机旋转时，为了观察的方便，数字地形如何旋转以方便用户的问题；

(4)视频可视域分析算法：视频可视域是指在一定区域的表面被视频监控设备监控的区域，视频可视域分析算法是指在镜头观察半径已知的条件下，通过给定的摄像机位置、障碍点坐标及光圈影像范围等，确定摄像机的可视范围；

(5)在以上算法基础上，加上时间参数(在一定时间间隔下，云台传回的水平与垂直方向移动量)，就可以实现在摄像机任意转动时，其视域范围在森林防火软件系统中的同步跟踪与模拟；

各算法之间的信息交换如下：

(1)通过障碍点获取算法获取视线与地形的交点坐标，即在指定方向上视线与地形交点的坐标；

(2)模拟光圈影像算法实际上是把摄像机的光圈抽象成若干条从摄像机射出的射线，这些射线通过障碍点获取算法可以计算出与地形交点的坐标，将这些坐标连接起来就是摄像机光圈落在地形上的视域；

(3)可观察的模拟摄像机全方位旋转算法实际上是指在云台旋转时，在三维地形中，模拟摄像机的光圈同步移动，并且为了用户观察的方便，地形也相应移动，以方便用户观看。这个算法中的模拟摄像机光圈的同步移动就是通过模拟光圈影像算法获取在任一时刻摄像机光圈落在地形上的视域，然后按照一定的时间间隔加以刷新。

(4)视频可视域分析算法是在摄像机位置已知的条件下，通过模拟光圈影像算法获取摄像机的视域范围，再结合障碍点获取算法计算摄像机视域范围内的可视部分。

2、根据权利要求1所述的森林火灾远程视频监控同步跟踪方法，其特征在于：障碍点获取算法：直线的两点式方程公式是指已知两点P1(x1，y1)，P2(x2，y2)，求通过这两点的直线方程；设点P(x，y)是直线上不同于P1，P2的点；

由K_PP1＝K_P1P2，推出 $\frac{y-y1}{x-x1}=\frac{y2-y1}{x2-x1}.$

可得直线的两点式方程： $\frac{y-y1}{x-x1}=\frac{y2-y1}{x2-x1}$ (1)式

将A(x0，y0+L)、T(L*tanα，y0)代入(1)式，可求得AT为

L*x-(L-x0)*y+y0*tanα+L*tanα-x0*y0-x0*L＝0    (2)式设

该切面的地表曲线为S形曲线为：

Y＝e^(b0+b1/X)    (3)式其中

b0、b1为常数。则

$\left\{\begin{array}{c}L*x-(L-x0)*y+y0*\tan \mathrm{\α}+L*\tan \mathrm{\α}-x0*y0-x0*L=0\\ Y=e^{(b0+b1/X)}\end{array}\right.$ (4)式

根据(4)式求得的方程解(x1，y1)，(x2，y2)，(x3，y3)，…，(xn，yn)，就是所要求的障碍点(Obstruction Point)；

模拟光圈影像算法，其是(1)视场角的认识，(2)通过视场角引入三维坐标系；(3)通过三维坐标系实现光圈影像的算法；

可观察的模拟摄像机全方位旋转算法，其包括(1)通视线路全方位旋转，(2)三维地图的逆方向旋转；

视频可视域分析算法，其包括(1)判断线的通视算法，(2)判断区域的通视算法。

3、根据权利要求2所述的森林火灾远程视频监控同步跟踪方法，其特征在于：三维坐标系实现光圈影像的算法是：

①运用空间两点间的距离公式，求出观察点和障碍点之间的距离；②运用勾股定理，求出光圈——圆S的半径r；③运用圆的正多边形逼近法，求出光圈上的各个点；④运用内部填充法，将光圈内部的各个补充上，使之成为圆平面。

①观察点和障碍点之间的距离

观察点A和障碍点S之间的距离可运用空间两点间的距离公式。在平面直角坐标系

$d=\sqrt{{(x_1-x_2)}_2^2+{(y_1-y_2)}^2}$

中，两点间的距离：

在三维坐标系中，两点间的距离可推导如下：设M₁(x₁，y₁，z₁)、M₂(x₂，y₂，z₂)为空间两点。

如图12，在直角ΔM₁NM₂及直角ΔM₁PN中，使用勾股定理知，

|M₁M₂|²＝|M₁P|²+|PN|²+|NM₂|²，

∵|M₁P|＝|x₂-x₁|，|PN|＝|y₂-y₁|，|NM₂|＝|z₂-z₁|，

∴ $\left|M_1{M}_2\right|=\sqrt{{\left|M_{1}P\right|}^2+{\left|\mathrm{PN}\right|}^2+{\left|{\mathrm{NM}}_2\right|}^2},$

即 $d=\sqrt{{(x_2-x_1)}^2+{(y_2-y_1)}^2+{(z_2-z_1)}^2};$ (6)式

所以在图10中，设观察点A(x₁，y₁，z₁)，障碍点S(x，y，z)，观察点A和障碍点S之间的距离可通过式(6)表现为 $d=\sqrt{{(x_1-x)}^2+{(y_1-y)}^2+{(z_1-z)}^2}.$

②光圈的半径

在求出了观察点A和障碍点S之间的距离后接下来求的是障碍点S与S′之间的距离。在三维坐标系中，A、S、S′形成的三角形恰好符合直三角形的勾股定理，如图13(a)；将ΔASS′独立出来，如图13(b)；

所以 $\frac{r}{d}=\sin \mathrm{\θ}/2,$ 即r＝d*sinθ/2

③光圈所在圆的形成

我们利用圆的多边形逼近法计算光圈影像所在圆上的各个点。上文介绍的算法，是光圈影像所在圆的圆心，而实际情况如图14，设圆心S为(x，y，z)，当N＝12，以正十二边形足以逼近圆，θ_i＝α＝30。，S’_i为(x′，y′，z′)，(i＝1，2，3，…，12)；

当i＝0时，

(7)式

当i＝1时，

(8)式

从式(7)、(8)以此类推，可总结得：

(9)式

Images