CN105159978B - 一种相机分布合理性的分析方法和装置 - Google Patents

一种相机分布合理性的分析方法和装置 Download PDF

Info

Publication number
CN105159978B
CN105159978B CN201510540787.5A CN201510540787A CN105159978B CN 105159978 B CN105159978 B CN 105159978B CN 201510540787 A CN201510540787 A CN 201510540787A CN 105159978 B CN105159978 B CN 105159978B
Authority
CN
China
Prior art keywords
camera
intensity
matrix
monitoring
set space
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510540787.5A
Other languages
English (en)
Other versions
CN105159978A (zh
Inventor
何伟魏
叶倩燕
柴亚琴
周春燕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Uniview Technologies Co Ltd
Original Assignee
Zhejiang Uniview Technologies Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang Uniview Technologies Co Ltd filed Critical Zhejiang Uniview Technologies Co Ltd
Priority to CN201510540787.5A priority Critical patent/CN105159978B/zh
Publication of CN105159978A publication Critical patent/CN105159978A/zh
Priority to PCT/CN2016/081736 priority patent/WO2016192516A1/zh
Priority to US15/577,466 priority patent/US10445348B2/en
Application granted granted Critical
Publication of CN105159978B publication Critical patent/CN105159978B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29Geographical information databases

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Studio Devices (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

本申请提供一种相机分布合理性的分析方法和装置,其中方法包括:根据所述预设空间范围的相机分布位置数据,获取所述预设空间范围的监控强度矩阵,所述监控强度矩阵用于表示不同空间位置的相机监控强度;根据所述预设空间范围的相机操作日志数据,获取所述预设空间范围的操作强度矩阵,所述操作强度矩阵用于表示不同空间位置的相机操作强度;计算所述监控强度矩阵与操作强度矩阵的相关系数,并根据所述相关系数分析在所述预设空间范围的相机分布的合理性程度。本申请提高了相机分布合理性的分析准确度。

Description

一种相机分布合理性的分析方法和装置
技术领域
本申请涉及监控技术,特别涉及一种相机分布合理性的分析方法和装置。
背景技术
目前视频监控已经广泛的应用于城市日常管理中,各个监控点位对于治安防控、刑侦破案都有着十分重要的意义,而在监控中使用的监控相机的合理布局对于监控也十分重要。例如,在监控点位布局中由于未考虑区域实际情况导致在视频调取高频次区域布置相机不足,而在一些非关键区域却布置了同样强度的相机,这在一定程度上导致了资源浪费,而关键区域却由于相机布置不足导致监控效果不佳。
相关技术中,对于相机分布合理性的分析,可以统计相机的操作频次,例如,计算哪些相机的利用频次高于平均值,认为高于平均值的相机是被合理利用的,低于平均值的相机则分布不合理。但是这种分析方法有可能其结果是有误的,比如,对于一个重点区域,通常同时部署多个相机以实现该区域的全方位覆盖,用户对该区域的监控是通过相机群组完成的,经常查看该相机群组的监控视频,但是对于单个相机而言可能操作频次并不高。此时如果按照上述的统计单个相机操作频次的方法将得出这群组相机的利用率较低的结果,分析结果是不符合实际情况的。
发明内容
有鉴于此,本申请提供一种相机分布合理性的分析方法和装置,以提高相机分布合理性分析的准确度。
具体地,本申请是通过如下技术方案实现的:
第一方面,提供一种相机分布合理性的分析方法,所述方法用于分析预设空间范围内的相机分布是否合理;所述方法包括:
根据所述预设空间范围的相机分布位置数据,获取所述预设空间范围的监控强度矩阵,所述监控强度矩阵用于表示不同空间位置的相机监控强度;
根据所述预设空间范围的相机操作日志数据,获取所述预设空间范围的操作强度矩阵,所述操作强度矩阵用于表示不同空间位置的相机操作强度;
计算所述监控强度矩阵与操作强度矩阵的相关系数,并根据所述相关系数分析在所述预设空间范围的相机分布的合理性程度。
第二方面,提供一种相机分布合理性的分析装置,所述装置用于分析预设空间范围内的相机分布是否合理;所述装置包括:
监控强度模块,用于根据所述预设空间范围的相机分布位置数据,获取所述预设空间范围的监控强度矩阵,所述监控强度矩阵用于表示不同空间位置的相机监控强度;
操作强度模块,用于根据所述预设空间范围的相机操作日志数据,获取所述预设空间范围的操作强度矩阵,所述操作强度矩阵用于表示不同空间位置的相机操作强度;
分布分析模块,用于计算所述监控强度矩阵与操作强度矩阵的相关系数,并根据所述相关系数分析在所述预设空间范围的相机分布的合理性程度。
本申请提供的相机分布合理性的分析方法和装置,通过计算监控强度矩阵和操作强度矩阵的相关系数,该相关系数可以反映监控强度矩阵和操作强度矩阵之间的关系,从而据此可以更加准确的判断相机分布是否合理,比如,监控强度矩阵和操作强度矩阵通常是正相关的,如果根据相关系数确定两者不符合应有的关系,则可以确定相机分布不合理,这种分析方式提高了相机分布合理性的分析准确度。
附图说明
图1是本申请一示例性实施例示出的一种相机分布合理性的分析方法的流程图;
图2是本申请一示例性实施例示出的一种监控设备的框图;
图3是本申请一示例性实施例示出的空间网格划分示意图;
图4是本申请一示例性实施例示出的区域渲染示意图;
图5是本申请一示例性实施例示出的一种根据相关系数评价相机分布的合理性程度的流程图;
图6是本申请一示例性实施例示出的一种区域评价相机分布合理性的流程图;
图7是本申请一示例性实施例示出的一种叠合运算示意图;
图8是本申请一示例性实施例示出的一种相机分布合理性的分析装置的结构图;
图9是本申请一示例性实施例示出的另一种相机分布合理性的分析装置的结构图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
本申请提供了一种相机分布合理性的分析方法,该方法可以用于评价一个预设空间范围内的相机分布是否合理。
例如,预设的空间范围可以是杭州滨江地区,那么该方法就可以用于评价在滨江地区设置的监控相机的分布是否合理。或者,也可以是北京市海淀区、上海市浦东区等,该方法应用的空间范围用户可以自主设定。
本方法中所要评价的“相机分布的合理性”,可以是:合理的相机布局,可以是在监控需求旺盛的关键区域布置较多的相机,而在监控需求较弱的非关键区域布置相对较少的相机,以使得相机被合理利用且能满足监控的需求。
为了实现对相机分布合理性的更加准确的评价,本申请基于如下相机分布的原理:相机的监控强度与相机的操作强度存在着较高的正相关性。例如,在用户更加关心的关键区域,相机布置较多,这个区域的监控强度较大,而且用户对该区域的视频录像的查看次数较多,而对于用户不关心的非关键区域,相机布置较少,相应的监控强度低,用户也很少查看相机录像。因此,可以通过查看某个空间范围内的相机监控强度和操作强度的关系,判断相机的布置是否合理,这种分析方式是将相机的操作与空间信息进行结合。
图1示例了本申请的相机分布合理性的分析方法的流程,可以包括:
在步骤101中,根据预设空间范围的相机分布位置数据,获取预设空间范围的监控强度矩阵,监控强度矩阵用于表示不同空间位置的相机监控强度;
在步骤102中,根据预设空间范围的相机操作日志数据,获取预设空间范围的操作强度矩阵,操作强度矩阵用于表示不同空间位置的相机操作强度;
在步骤103中,计算监控强度矩阵与操作强度矩阵的相关系数,并根据相关系数分析在预设空间范围的相机分布的合理性程度。
本申请的方法可以实现为由软件执行,例如是某个监控软件,可以通过该监控软件分析监控相机的分布是否合理。该监控软件可以是运行在物理设备上,该物理设备例如可以是监控设备。以监控设备为例,如图2所示,该监控设备可以包括处理器(Processor)211、内存(Memory)212、非易失性存储器(Non-volatile storage)213以及网络接口(Network interface)214,这些硬件通过总线(Internal bus)215相互连接。在这个例子中,处理器211可以将非易失性存储器213中存储的相机分布合理性分析逻辑读取到内存212中运行,以使得执行图1所示的分析方法流程。
在步骤101中,可以将预设空间范围的相机分布位置数据(也可以称为监控点位数据)导入到该软件中,用于获取监控强度矩阵。
图3示例了一个预设空间范围的部分区域,本实施例可以对预设空间范围进行栅格化处理,可以将预设的空间范围分割成有规则的网格(可以称为栅格单元),如图3所示,示出了部分分割后的空间。可以对各个网格赋予属性值,在本申请的步骤101中,网格的属性值可以称为“监控强度因子”,比如,图3中的网格w1(用交叉线表示)可以计算出一个对应的监控强度因子,表示在该网格w1的相机监控强度。例如,在将相机分布位置数据导入到分析软件后,相机就分布在该网格形式的空间范围中,在网格w1的周围可以分布有三个相机,分别为x1、x2和x3,而网格w1的监控强度因子可以用于表示周边的三个相机x1、x2和x3对w1产生多大的监控效果。
并且,每个网格可以对应实际地图空间位置中的一个经纬度坐标,可以将该经纬度坐标转换为DEM(Digital Elevation Model,数字高程模型)中的二维数组索引,比如,网格w1可以用一个二维数组(x,y)索引来标识,而该索引对应着网格w1所代表着实际空间位置的经纬度坐标。总之,本例子对预设空间范围所做的处理包括,将预设空间进行栅格化分割以后,每个网格都用一个二维数组索引标示,该索引是由该网格的实际空间经纬度坐标转换而来。而每个网格可以赋予属性值,属性值即上述的一个对应网格的监控强度因子,用于表示该网格处的相机监控强度。
以网格w1为例,来说明监控强度因子的计算:可以先分别计算其周边的三个相机中的每个相机对于该网格的影响力F,然后将这三个相机的影响力相加即为网格对应的相机监控强度。其中,影响力F是考虑到相机的监控效果随距离衰减的特性的表示函数,比如,相机是对周边区域进行监控的,距离相机越近监控效果越好,距离相机越远监控效果越差,监控效果呈现一种衰减的特征。F公式如下:
其中,F为影响力,Dis为周边距离相机的距离,本例子中可以是网格w1(可以是网格的中心)距离相机的距离。Value为中心点的影响力,相机所在的位置就是中心点,这里是监控效果最好的位置,本例子中可以设置中心点影响力设置为1000。DisMax为相机的影响范围,例如可以设置为500米。其中,DisMax和Value的数值可以根据不同的相机更改取值。
例如,在计算相机x1对于网格w1的影响力F1时,Dis为网格w1与x1之间的距离,在计算相机x2对于网格w1的影响力F2时,Dis为网格w1与x2之间的距离,同理,在计算相机x3对于网格w1的影响力F3时,Dis为网格w1与x3之间的距离。最终网格w1的监控强度因子Y1如下:
Y1=F1+F2+F3..........(2)
类似的方式可以计算图3的空间范围内的其他网格的监控强度因子,例如可以计算网格w2的监控强度因子Y2,网格w3的监控强度因子Y3等。那么由图3中的各个网格对应的监控强度因子组成的整体可以称为“监控强度矩阵”,该矩阵中包括多个监控强度因子,每个因子用于表示其中一个网格的相机监控强度。
此外,监控强度因子是一个无量纲的值,可以将监控强度因子进行标准化处理,例如进行极小值标准化,将监控强度矩阵中的各个监控强度因子的取值都转换为0~1的范围内。并且,还可以将监控强度矩阵中根据监控强度因子的取值不同用不同的颜色进行渲染,例如,监控强度因子高的网格用深颜色,监控强度因子低的网格用浅颜色,并按照渐变色的方式渲染,就可以将图3的预设空间范围的地图生成监控强度图,例如图4示例的,颜色深的区域相机的监控强度较高,可能这些区域相机的布置密度较高。
在步骤102中,可以根据相机操作日志数据生成操作强度矩阵。该操作强度矩阵的生成仍然是依据在步骤101中提到的栅格化处理后的预设空间范围,只是将网格的属性值由步骤101中的监控强度因子更换为操作强度因子。预设空间范围的各个操作强度因子的整体组成操作强度矩阵。其中,需要说明的是,步骤101和步骤102并没有严格的执行顺序,这两个步骤的矩阵可以并行操作,或者先生成监控强度矩阵,或者先生成操作强度矩阵都可以。
相机操作日志数据是存储在日志服务器中的记录,当用户对相机进行操作时,例如查看相机的录像视频、调用相机实时视频、进行相机实时视频抓拍等,日志服务器中都会记录用户对相机的操作,包括操作时间、操作人、以及进行的操作类型。本实施例可以将日志服务器记录的这些数据导入用于执行本实施例分析方法的软件中。
在本例子中,可以将日志服务器的记录数据进行数据归类操作,因为日志服务器中保存了多个相机的操作记录,通过数据归类,可以将每个相机的操作记录分类整理,得到每个相机的操作次数。示例性的,本例子中的软件可以向日志服务器发送数据获取请求,请求获取最近一个月内的相机操作记录,待收到日志服务器传输的数据后,可以进行数据归类,分别得到各个相机在这一个月内的操作次数,并利用操作次数count计算操作强度矩阵。
本步骤中,操作强度矩阵的计算原理与监控强度矩阵类似,参见如下:
按照公式(3)可以计算预设空间范围的每个网格对应的操作强度因子,比如,仍以图3中的网格w1为例,可以分别计算w1周边的三个相机x1、x2和x3对网格w1的影响力f,并将三个影响力f相加即为网格w1的操作强度因子,用于表示该网格处的相机操作强度。同样的道理,相机本身所在的位置可以认为是具有最高的操作强度,随着距离渐远操作强度衰减。
本例子中,与监控强度矩阵类似,可以对操作强度因子进行标准化处理,将取值转换为0~1之间,并且可以将预设空间范围的各个网格按照操作强度因子不同进行不同颜色的渲染,得到预设空间范围的地图的相机操作强度图。
通过上述的相机操作强度图,用户可以直观的看到在预设空间范围内哪个区域的相机具有较高的操作频率,操作强度大的区域表示是重点监控的关键区域,所以操作需求较为旺盛。而同样的,通过监控强度图可以直观的看到哪个区域布置的相机较密,监控强度大的区域表示是重点监控的关键区域。
在步骤103中,可以将上述得到的监控强度矩阵和操作强度矩阵进行相关性分析,得到相关系数。在进行相关计算时,可以设置监控强度矩阵和操作强度矩阵中的相同的二维数组索引代表相同的地理位置,比如,对于监控强度矩阵的某一个二维数组表示的索引与操作强度矩阵的相同的二维数组索引值,两者对应的是预设空间范围内的同一个区域位置。
相关系数的计算如下:
设X为监控强度矩阵,Y为操作强度矩阵,将二矩阵中的值取出构成变量集合X、Y。
根据协方差计算公式,计算得出变量集合X、Y之间的协方差。
Cov(X,Y)=E{(X-E(x))(Y-E(Y))}
此处使用样本均值来表示期望值
根据标准差的计算公式
其中u为样本均值,N为样本数。
分别计算出X,Y的标准差σXσY,则可以计算相关系数
此处计算的相关系数ρ是一个无量纲的值。可以根据计算得到的相关系数来评价在预设空间范围内的相机分布的合理性程度,该合理性程度包括了:非常合理、较为合理,中度合理、不合理、非常不合理等。
图5示例了一种根据相关系数评价相机分布的合理性程度的方式,如图5所示,在步骤501中,计算监控强度矩阵和操作强度矩阵的相关系数,该相关系数的计算方式可以如上面实施例描述的方式,不再详述。
在步骤502中,将相关系数与预设的至少两个系数区间比较,所述至少两个系数区间分别对应不同的合理性程度。
示例性的,可以设置如下几个系数区间:
区间一:相关系数ρ=1;当相关系数位于该区间,意味着监控相机的分布与操作强度的分布具有完全相关性,相机分布非常合理。
区间二:相关系数ρ>0.8且小于1;当相关系数位于该区间,则可以认为,监控相机的分布与操作强度两者之间高度相关,可以认为相机分布较为合理,相机的分布与操作基本上符合客观要求。
区间三:相关系数ρ>0.3且小于0.8;当相关系数位于该区间,我们可以认为相机的分布属于中度合理,有待改善。
区间四:相关系数ρ<0.3且大于0;当相关系数位于该区间,则认为相机的布点不合理。
区间五:相关系数ρ<0;当相关系数位于该区间,则可以认为相机的分布非常不合理,比如,在相机密度过密区域操作不频繁,相机基本处于闲置,相机过稀区域反而是重要关注区域,相机被高频次使用,相机的点位布局有待改善。
上述的几个系数区间只是举例,实际实施中也可以有其他划分方式。本步骤中,将在步骤501中计算得到的相关系数与上述几个系数区间比较,判断相关系数位于哪个系数区间。
在步骤503中,若相关系数位于上述的至少两个系数区间中的其中一个,则将所述系数区间对应的合理性程度作为相机分布的合理性程度。
例如,假设计算的相关系数为0.6,该0.6位于步骤502中列举的区间三,区间三对应的合理性程度是中度合理,则认为相机分布中度合理,待改善。
又例如,假设计算的相关系数为0.9,该0.9位于步骤502中列举的区间二,则可以认为相机分布较为合理,相机的分布与操作基本上符合客观要求。
本实施例的相机分布合理性的分析方法,将相机的操作强度与相机的空间监控分布情况结合起来,通过操作强度和空间分布的关系来评价相机分布是否合理,这种方式符合监控强度与操作强度正相关的特性,能够得到更为准确的合理性分析结果。并且,通过将相关系数与预设的几个系数区间比较来分析合理性,可以使得对相机分布合理性的评价更加细化和准确。
上述的例子中,通过两个矩阵的相关系数从预设空间范围的整体上衡量了相机监控布局是否合理,更进一步的,还可以分析在预设空间范围内的各个区域的相机分布的合理性,比如,通过图1所示的流程得到杭州滨江地区从整体上来看,监控相机的分布是合理的,那么具体到滨江地区的各个区域,相机分布是否合理,可以通过图6所示的流程来进行分析。
在步骤601中,计算监控强度矩阵和操作强度矩阵。
例如,该步骤中的两个矩阵的计算方式,可以结合参见图1所示的流程中的步骤101和步骤102,不再详述。其中,监控强度矩阵可以包括:分别用于表示各个空间位置的相机监控强度的监控强度因子;操作强度矩阵包括:分别用于表示各个空间位置的相机操作强度的操作强度因子。
在步骤602中,将预设空间范围内对于同一空间位置的监控强度因子和操作强度因子进行叠合运算,得到叠合结果数据,该预设空间范围内所有空间位置的叠合结果数据组成相机分布稀疏矩阵。
本步骤的叠合运算可以通过空间叠合分析实现,即将预设空间范围内对于同一空间位置的监控强度因子和操作强度因子进行叠合运算,得到在该同一空间位置处的相机分布相对于相机操作的叠合结果数据。
例如,如图3所示的,预设空间范围以网格形式划分,并且监控强度矩阵和操作强度矩阵中,监控强度因子和操作强度因子都经过了极小化处理,即通过将数据按照比例缩放,使之落入一个小的特定区间,如[-1,+1]、[0,1]等,因子数据值是反映当前位置相对于区域最大值的相对量,是一个无量纲的值,同时两个矩阵的数据索引代表着相同的地理位置,因此,在进行空间叠合分析时,可以对两个矩阵的数据进行相减运算。
参见图7的示例,可以将预设空间范围内对于同一空间位置(即对应同一二维数组索引的位置)的监控强度因子减去操作强度因子,得到叠合结果数据,所述监控强度因子和操作强度因子大于0小于1。例如,在图7示例的网格中,两个矩阵中的对应同一网格位置的数据相减,以左上角第一个网格为例,“0.2436-0.23123=0.01237”,0.01237可以称为叠合结果数据,其他网格的计算类似,每个网格都可以得到一个对应的叠合结果数据。
各个叠合结果数据的整体组成的矩阵可以称为相机分布稀疏矩阵,也就是图7中的点位分布稀疏图。
在步骤603中,根据相机分布稀疏矩阵分析预设空间范围的各个空间位置的相机分布的合理性程度。
例如,本步骤中在分析各个空间位置的相机分布的合理性程度时,可以是分别根据各个二维数组索引对应的网格位置处的叠合结果数据来进行分析。并且,可以设定一个预设标准阈值,将在步骤602中得到的叠合结果数据与该预设标准阈值进行比较,来分析各个网格位置处的相机分布合理性。
如下的步骤604和步骤605,列举了两种根据叠合结果数据分析的情况:
若相机分布稀疏矩阵中一个空间位置的叠合结果数据大于预设标准阈值,则得到步骤604的结果,表明所述空间位置处的相机分布密度相对于相机操作强度过密。
若相机分布稀疏矩阵中一个空间位置的叠合结果数据小于预设标准阈值,则得到步骤605的结果,表明所述空间位置处的相机分布密度相对于相机操作强度过稀。
例如,以预设标准阈值为0举例,叠合结果数据的值处于-1~+1之间,如果叠合结果数据大于0,则表明该空间位置处的相机分布密度相对于相机操作强度过密;若所述叠合结果数据小于0,则表明所述空间位置处的相机分布密度相对于相机操作强度过稀。比如,仍以左上角第一个网格为例,“0.2436-0.23123=0.01237”,叠合结果数据0.01237大于0,因此在该网格区域内相机分布密度相对于相机操作强度过密,可以适当减少相机布置的数量。
可选的,在步骤603中根据相机分布稀疏矩阵分析预设空间范围的各个空间位置的相机分布的合理性程度之后,还可以执行步骤606,根据相机分布稀疏矩阵,对预设空间范围的地图中对应不同的叠合结果数据的空间位置用不同的颜色进行渲染,得到所述预设空间范围地图的监控点位稀疏合理图。
例如,可以通过将>0和<0的叠合结果数据对应的网格区域渲染成不同的颜色最终得到监控点位稀疏合理图。比如,可以用红色表示点位密度欠缺区域,蓝色表示过密区域,在实际的分析中可以看到,蓝色区域有较多相机未被操作过,一直处于闲置状态,而越是红色区域,相机被调取越是频繁。
通过将相机的空间分布和操作日志数据在地图中进行量化,得到对应的监控强度矩阵和操作强度矩阵,并根据该矩阵中的数据渲染不同的颜色,清晰的展示了地图中的相机分布的情况以及管理人员对相机的使用情况。并且,可以将地图中的不同网格区域以不同的颜色显示相机分布的稀疏情况,清晰的告诉决策者目前相机使用情况,非常直观。
此外,在本申请实施例中的数据标准化方法,不限于极小值处理法,也可以采用其他方式;影响力F是一个随距离衰减的经验函数,也可以辅以其他因素来优化影响力的计算公式;并且,在叠合运算中,叠合运算的方式也不限制在监控强度因子和对应的操作强度因子相减的方法。
为了实现上述的相机分布合理性的分析方法,本实施例还提供了一种相机分布合理性的分析装置,该装置可以实现为一个监控软件,并且该装置可以是图2中所示的相机分布合理性分析逻辑的逻辑划分。如图8所示的该装置的结构,可以包括:监控强度模块51、操作强度模块52和分布分析模块53;其中,
监控强度模块51,用于根据所述预设空间范围的相机分布位置数据,获取所述预设空间范围的监控强度矩阵,所述监控强度矩阵用于表示不同空间位置的相机监控强度;
操作强度模块52,用于根据所述预设空间范围的相机操作日志数据,获取所述预设空间范围的操作强度矩阵,所述操作强度矩阵用于表示不同空间位置的相机操作强度;
分布分析模块53,用于计算所述监控强度矩阵与操作强度矩阵的相关系数,并根据所述相关系数分析在所述预设空间范围的相机分布的合理性程度。
进一步的,分布分析模块53,在根据所述相关系数分析在所述预设空间范围的相机分布的合理性程度时,包括:将所述相关系数与预设的至少两个系数区间比较,所述至少两个系数区间分别对应不同的合理性程度;若所述相关系数位于所述至少两个系数区间中的其中一个,则将所述系数区间对应的合理性程度作为相机分布的合理性程度。
参见图9所示,该分析装置还可以包括:叠合分析模块54,用于将所述预设空间范围内对于同一空间位置的监控强度因子和操作强度因子进行叠合运算,得到叠合结果数据,所述预设空间范围内所有空间位置的叠合结果数据组成相机分布稀疏矩阵,并根据所述相机分布稀疏矩阵分析预设空间范围的各个空间位置的相机分布的合理性程度。所述监控强度矩阵,包括:分别用于表示各个空间位置的相机监控强度的监控强度因子;所述操作强度矩阵,包括:分别用于表示各个空间位置的相机操作强度的操作强度因子。
进一步的,叠合分析模块54可以包括:数据运算单元541和比较分析单元542;其中,
数据运算单元541,用于将所述预设空间范围内对于同一空间位置的监控强度因子减去操作强度因子,得到叠合结果数据;
比较分析单元542,用于若所述相机分布稀疏矩阵中一个空间位置的叠合结果数据大于预设标准阈值,则表明所述空间位置处的相机分布密度相对于相机操作强度过密;若所述相机分布稀疏矩阵中一个空间位置的叠合结果数据小于预设标准阈值,则表明所述空间位置处的相机分布密度相对于相机操作强度过稀。
以该装置实现为软件为例,用于执行本申请的相机分布合理性的分析方法的监控软件,可以只包括数据运算单元541,这样在软件中可以显示叠合结果数据,比如对应某个网格的监控强度因子和操作强度因子相减得到的叠合结果数据是0.213,可以在地图上该网格处显示该结果数据,或者显示该结果数据的范围是大于0,由用户自己根据结果数据判断相机分布的稀疏。或者还可以是,该软件中包括数据运算单元541和比较分析单元542,是由软件根据叠合结果数据得出相机的分布稀疏结果,比如分布过稀,并将稀疏结果显示在对应的网格区域。
进一步的,该分析装置还可以包括:图形显示模块55,用于根据所述相机分布稀疏矩阵,对所述预设空间范围的地图中对应不同的叠合结果数据的空间位置用不同的颜色进行渲染,得到所述预设空间范围地图的监控点位稀疏合理图。
以上所述仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请保护的范围之内。

Claims (10)

1.一种相机分布合理性的分析方法,其特征在于,所述方法用于分析预设空间范围内的相机分布是否合理;所述方法包括:
对预设空间范围进行栅格化处理,将所述预设空间范围分割成有规则的网格;
根据所述预设空间范围的相机分布位置数据以及影响力F计算每个网格的监控强度因子,由每个网格对应的监控强度因子组成监控强度矩阵,所述影响力F是考虑到相机的监控效果随距离衰减的特性的表示函数,所述监控强度因子用于表示每个网格周围分布的相机对每个网格产生的监控效果,所述监控强度矩阵用于表示不同空间位置的相机监控强度;
根据所述预设空间范围的相机操作日志数据以及影响力f计算每个网格的操作强度因子,由每个网格对应的操作强度因子组成所述操作强度矩阵,所述影响力f是考虑到相机的操作强度随距离衰减的特征的表示函数,所述操作强度因子用于表示每个网格处的相机操作强度,所述操作强度矩阵用于表示不同空间位置的相机操作强度;
计算所述监控强度矩阵与操作强度矩阵的相关系数,并根据所述相关系数分析在所述预设空间范围的相机分布的合理性程度。
2.根据权利要求1所述的方法,其特征在于,所述根据所述相关系数分析在所述预设空间范围的相机分布的合理性程度,包括:
将所述相关系数与预设的至少两个系数区间比较,所述至少两个系数区间分别对应不同的合理性程度;
若所述相关系数位于所述至少两个系数区间中的其中一个,则将所述系数区间对应的合理性程度作为相机分布的合理性程度。
3.根据权利要求1所述的方法,其特征在于,所述监控强度矩阵包括:分别用于表示各个空间位置的相机监控强度的监控强度因子;
所述操作强度矩阵包括:分别用于表示各个空间位置的相机操作强度的操作强度因子;
所述方法还包括:将所述预设空间范围内对于同一空间位置的监控强度因子和操作强度因子进行叠合运算,得到叠合结果数据,所述预设空间范围内所有空间位置的叠合结果数据组成相机分布稀疏矩阵,根据所述相机分布稀疏矩阵分析所述预设空间范围的各个空间位置的相机分布的合理性程度。
4.根据权利要求3所述的方法,其特征在于,所述叠合运算包括:将监控强度因子减去操作强度因子;
所述根据所述相机分布稀疏矩阵分析所述预设空间范围的各个空间位置的相机分布的合理性程度,包括:
若所述相机分布稀疏矩阵中一个空间位置的叠合结果数据大于预设标准阈值,则表明所述空间位置处的相机分布密度相对于相机操作强度过密;
若所述相机分布稀疏矩阵中一个空间位置的叠合结果数据小于预设标准阈值,则表明所述空间位置处的相机分布密度相对于相机操作强度过稀。
5.根据权利要求3所述的方法,其特征在于,所述方法还包括:
根据所述相机分布稀疏矩阵,对所述预设空间范围的地图中对应不同的叠合结果数据的空间位置用不同的颜色进行渲染,得到所述预设空间范围地图的监控点位稀疏合理图。
6.一种相机分布合理性的分析装置,其特征在于,所述装置用于分析预设空间范围内的相机分布是否合理;所述装置包括:
监控强度模块,用于对预设空间范围进行栅格化处理,将所述预设空间范围分割成有规则的网格,根据所述预设空间范围的相机分布位置数据以及影响力F计算每个网格的监控强度因子,由每个网格对应的监控强度因子组成监控强度矩阵,所述影响力F是考虑到相机的监控效果随距离衰减的特性的表示函数,所述监控强度因子用于表示每个网格周围分布的相机对每个网格产生的监控效果,所述监控强度矩阵用于表示不同空间位置的相机监控强度;
操作强度模块,用于根据所述预设空间范围的相机操作日志数据以及影响力f计算每个网格的操作强度因子,由每个网格对应的操作强度因子组成所述操作强度矩阵,所述影响力f是考虑到相机的操作强度随距离衰减的特征的表示函数,所述操作强度因子用于表示每个网格处的相机操作强度,所述操作强度矩阵用于表示不同空间位置的相机操作强度;
分布分析模块,用于计算所述监控强度矩阵与操作强度矩阵的相关系数,并根据所述相关系数分析在所述预设空间范围的相机分布的合理性程度。
7.根据权利要求6所述的装置,其特征在于,
所述分布分析模块,在根据所述相关系数分析在所述预设空间范围的相机分布的合理性程度时,包括:将所述相关系数与预设的至少两个系数区间比较,所述至少两个系数区间分别对应不同的合理性程度;若所述相关系数位于所述至少两个系数区间中的其中一个,则将所述系数区间对应的合理性程度作为相机分布的合理性程度。
8.根据权利要求6所述的装置,其特征在于,还包括:
叠合分析模块,用于将所述预设空间范围内对于同一空间位置的监控强度因子和操作强度因子进行叠合运算,得到叠合结果数据,所述预设空间范围内所有空间位置的叠合结果数据组成相机分布稀疏矩阵,并根据所述相机分布稀疏矩阵分析预设空间范围的各个空间位置的相机分布的合理性程度;
所述监控强度矩阵,包括:分别用于表示各个空间位置的相机监控强度的监控强度因子;所述操作强度矩阵,包括:分别用于表示各个空间位置的相机操作强度的操作强度因子。
9.根据权利要求8所述的装置,其特征在于,
所述叠合分析模块包括:
数据运算单元,用于将所述预设空间范围内对于同一空间位置的监控强度因子减去操作强度因子,得到叠合结果数据;
比较分析单元,用于若所述相机分布稀疏矩阵中一个空间位置的叠合结果数据大于预设标准阈值,则表明所述空间位置处的相机分布密度相对于相机操作强度过密;若所述相机分布稀疏矩阵中一个空间位置的叠合结果数据小于预设标准阈值,则表明所述空间位置处的相机分布密度相对于相机操作强度过稀。
10.根据权利要求8所述的装置,其特征在于,还包括:
图形显示模块,用于根据所述相机分布稀疏矩阵,对所述预设空间范围的地图中对应不同的叠合结果数据的空间位置用不同的颜色进行渲染,得到所述预设空间范围地图的监控点位稀疏合理图。
CN201510540787.5A 2015-05-29 2015-08-28 一种相机分布合理性的分析方法和装置 Active CN105159978B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201510540787.5A CN105159978B (zh) 2015-08-28 2015-08-28 一种相机分布合理性的分析方法和装置
PCT/CN2016/081736 WO2016192516A1 (zh) 2015-05-29 2016-05-11 视频监控布点
US15/577,466 US10445348B2 (en) 2015-05-29 2016-05-11 Video monitor layout

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510540787.5A CN105159978B (zh) 2015-08-28 2015-08-28 一种相机分布合理性的分析方法和装置

Publications (2)

Publication Number Publication Date
CN105159978A CN105159978A (zh) 2015-12-16
CN105159978B true CN105159978B (zh) 2019-02-15

Family

ID=54800834

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510540787.5A Active CN105159978B (zh) 2015-05-29 2015-08-28 一种相机分布合理性的分析方法和装置

Country Status (1)

Country Link
CN (1) CN105159978B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10445348B2 (en) 2015-05-29 2019-10-15 Zhejiang Uniview Technologies Co., Ltd Video monitor layout
CN113961827B (zh) * 2021-10-26 2022-08-09 中国人民公安大学 一种区域防控风险的检测方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101808230A (zh) * 2009-02-16 2010-08-18 杭州恒生数字设备科技有限公司 一种用于数字视频监控的统一坐标系
CN102867086A (zh) * 2012-09-10 2013-01-09 安科智慧城市技术(中国)有限公司 一种监控摄像机的自动部署方法、系统及电子设备

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101808230A (zh) * 2009-02-16 2010-08-18 杭州恒生数字设备科技有限公司 一种用于数字视频监控的统一坐标系
CN102867086A (zh) * 2012-09-10 2013-01-09 安科智慧城市技术(中国)有限公司 一种监控摄像机的自动部署方法、系统及电子设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
3DGIS环境中多监控摄像机空间布局的设计;张玲;《中国优秀硕士学位论文全文数据库 信息科技辑》;20121015(第2012年第10期);全文
Intelligent distributed surveillance systems: a review;M. Valera et al.;《IEEE Proceedings - Vision, Image and Signal Processing》;20050509;全文

Also Published As

Publication number Publication date
CN105159978A (zh) 2015-12-16

Similar Documents

Publication Publication Date Title
He et al. A dependency graph approach for fault detection and localization towards secure smart grid
CN104899368B (zh) 基于数据热度的监控布点需求图生成方法及装置
Pietrzak et al. The identification of spatial dependence in the analysis of regional economic development-join-count test application
CN103019671B (zh) 面向数据密集型遥感图像处理的泛型编程的框架编程方法
CN106372473A (zh) 截屏方法、截屏装置、终端和服务器
CN110163076A (zh) 一种图像数据处理方法和相关装置
CN103310201B (zh) 目标混合颜色识别方法
CN108961250B (zh) 一种目标物统计方法、装置、终端以及存储介质
WO2016192516A1 (zh) 视频监控布点
CN109684052A (zh) 事务分析方法、装置、设备及存储介质
CN105159978B (zh) 一种相机分布合理性的分析方法和装置
CN108875759A (zh) 一种图像处理方法、装置及服务器
CN104202596A (zh) 一种应用于智能终端的图像色偏检测方法及系统
CN109165058A (zh) 一种图片处理方法及装置
CN111275275A (zh) 一种配电网负荷时空特性可视化分析方法
CN110532334A (zh) 一种雷电强度区划方法及系统
CN106376032A (zh) 热点区域自动识别方法和装置
CN115019008B (zh) 一种智能3d模型设计分析服务管理平台
CN111161359A (zh) 一种图像处理方法及设备
CN109661671A (zh) 使用边界位图对图像分类的改善
CN110334652A (zh) 图像处理方法、电子设备及存储介质
CN112487298B (zh) 基于机场客流来源地数据的城市职能识别方法及装置
Feng et al. V-CNN: Data visualizing based convolutional neural network
Paolillo et al. An assessment-based process for modifying the built fabric of historic centres: The case of Como in Lombardy
Weingerl et al. Development of a machine learning model for extracting image prominent colors

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant