CN112434846A - 优化摄像机部署的方法与设备 - Google Patents

优化摄像机部署的方法与设备 Download PDF

Info

Publication number
CN112434846A
CN112434846A CN202011256078.1A CN202011256078A CN112434846A CN 112434846 A CN112434846 A CN 112434846A CN 202011256078 A CN202011256078 A CN 202011256078A CN 112434846 A CN112434846 A CN 112434846A
Authority
CN
China
Prior art keywords
camera
cameras
candidate
determining
range
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.)
Pending
Application number
CN202011256078.1A
Other languages
English (en)
Inventor
葛华
俞楠
郭晓丹
吴鹏
王夷
张剑
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.)
Shanghai Xinyi Intelligent Technology Co ltd
Original Assignee
Shanghai Xinyi Intelligent Technology 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 Shanghai Xinyi Intelligent Technology Co ltd filed Critical Shanghai Xinyi Intelligent Technology Co ltd
Priority to CN202011256078.1A priority Critical patent/CN112434846A/zh
Publication of CN112434846A publication Critical patent/CN112434846A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Studio Devices (AREA)

Abstract

本申请的目的是提供一种优化摄像机部署的方案。该方案先获取摄像机的基本参数，基于所述基本参数建立摄像机的覆盖率模型，然后建立摄像机部署优化模型，确定候选摄像机的集合，最后基于启发式搜索算法，从所述候选摄像机的集合中确定覆盖目标空间点范围的最优子集。与现有技术相比，本申请运用启发式搜索算法结合摄像机的高度与位置以及需要监控的区域，达到使用最少数量的摄像机来完成对目标区域的监控，节约了摄像机的部署成本，提高了摄像机的使用率和利用率。

Description

优化摄像机部署的方法与设备
技术领域
本申请涉及信息技术领域，尤其涉及一种优化摄像机部署的技术。
背景技术
随着国家大力建设智慧城市，监控摄像机被广泛运用于各个领域，包括公共安全、交通管理、环境监测、军事防御等领域。但是现有的一些摄像机安装部署方案，不够科学、合理，导致摄像机的使用率和利用率不高，造成了资源的浪费。
发明内容
本申请的一个目的是提供一种优化摄像机部署的方法与设备。
根据本申请的一个方面，提供了一种优化摄像机部署的方法，其中，所述方法包括：
获取摄像机的基本参数，基于所述基本参数建立摄像机的覆盖率模型；
建立摄像机部署优化模型，确定候选摄像机的集合；
基于启发式搜索算法，从所述候选摄像机的集合中确定覆盖目标空间点范围的最优子集。
根据本申请的另一个方面，还提供了一种优化摄像机部署的设备，其中，所述设备包括：
第一模块，用于获取摄像机的基本参数，基于所述基本参数建立摄像机的覆盖率模型；
第二模块，用于建立摄像机部署优化模型，确定候选摄像机的集合；
第三模块，用于基于启发式搜索算法，从所述候选摄像机的集合中确定覆盖目标空间点范围的最优子集。
根据本申请的又一个方面，还提供了一种计算设备，其中，该设备包括用于存储计算机程序指令的存储器和用于执行计算机程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发所述设备执行所述优化摄像机部署的方法。
根据本申请的又一个方面，还提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机可读指令可被处理器执行以实现所述优化摄像机部署的方法。
本申请提供的方案中，先获取摄像机的基本参数，基于所述基本参数建立摄像机的覆盖率模型，然后建立摄像机部署优化模型，确定候选摄像机的集合，最后基于启发式搜索算法，从所述候选摄像机的集合中确定覆盖目标空间点范围的最优子集。与现有技术相比，本申请运用启发式搜索算法结合摄像机的高度与位置以及需要监控的区域，达到使用最少数量的摄像机来完成对目标区域的监控，节约了摄像机的部署成本，提高了摄像机的使用率和利用率。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其他特征、目的和优点将会变得更明显：
图1是根据本申请实施例的一种优化摄像机部署的方法流程图；
图2是根据本申请实施例的一种摄像机的覆盖率模型示意图；
图3是根据本申请实施例的一种候选折线图；
图4是根据本申请实施例的一种优化摄像机部署的设备示意图。
附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
下面结合附图对本申请作进一步详细描述。
在本申请一个典型的配置中，终端、服务网络的设备和可信方均包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体，可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的装置或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
本申请实施例提供了优化摄像机部署的方法，通过计算现实环境中摄像机与遮挡建筑物之间的关系，运用启发式搜索算法结合摄像机的高度与位置以及需要监控的区域，达到使用最少数量的摄像机来完成对目标区域的监控。本申请通过合理规划安装摄像机的位置提高了摄像机的使用率和利用率，避免了资源的浪费。
在本申请中，通过建立算法的图形结构，成本函数和启发式函数的优化模型满足启发式搜索算法的要求，使摄像机的安装部署方案更合理更科学。
在实际场景中，执行该方法的设备可以是用户设备、网络设备或者用户设备与网络设备通过网络相集成所构成的设备。其中，所述用户设备包括但不限于智能手机、平板电脑、个人计算机(PC)等终端设备，所述网络设备包括但不限于网络主机、单个网络服务器、多个网络服务器集或基于云计算的计算机集合等实现。在此，云由基于云计算(CloudComputing)的大量主机或网络服务器构成，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个虚拟计算机。
图1是根据本申请实施例的一种优化摄像机部署的方法流程图，该方法包括步骤S101、步骤S102和步骤S103。
步骤S101，获取摄像机的基本参数，基于所述基本参数建立摄像机的覆盖率模型。
其中，所述基本参数可以包括摄像机的安装高度、位置、角度，以及成像芯片的详细参数。所述摄像机的覆盖率模型可以包括摄像机覆盖的空间点排除被障碍物遮挡的图像点集合。通过所述摄像机的覆盖率模型可以计算摄像机视线与障碍物之间的关系。
例如，获取摄像机内部参数以及安装的位置和高度来计算摄像机的可视范围，将其抽象成一个元组C[Xc,Yc,Hc,P,T,CCDw,CCDh,f]，其中，(Xc,Yc,Hc)表示摄像机的物理位置，P为方位角，T为俯仰角，方位角是特定点的北向线与目标方向线在顺时针方向上的垂直角，俯仰角是特定点的垂直方向线与目标方向线在顺时针方向上的水平角，CCDw是成像芯片的宽度，CCDh是成像芯片的高度，f是成像芯片的焦距。图2所示的椭圆形是指当前摄像机的覆盖范围(C1,C2,C3,C4)，C1、C2、C3、C4为椭圆形的4个顶点。
假设要将某个空间点G(Xg,Yg,Hg)投影到对应的图像点g(x,y)，计算图像点的公式为：
Figure BDA0002773150140000041
例如，如果摄像机要覆盖一个空间点，首先视线应当与成像平面相交，根据上述计算图像点的公式计算图像点的坐标。当图像坐标满足X∈[-CCDw/2,-CCDw/2]，[-CCDh/2,-CCDh/2]时，视线与成像平面相交，即空间点必须在摄像机覆盖范围以内。其次，空间点和成像平面之间应当没有障碍物。
如图2所示，点G的坐标落在摄像机的覆盖范围内，并且视线穿过了障碍物B(Xb,Yb,Hb)，Xh为障碍物的高度，视线的高度为Cg，其中，
Figure BDA0002773150140000042
l1＝(Xb-Xg,Yb-Yg)，l2＝(Xb-Xc,Yb-Yc)。
如果Hb>H，那么障碍物B遮挡摄像头的视线；反之，障碍物B不会遮挡摄像头的视线。图2中点G1被覆盖，而点G2、点G3未被覆盖。
步骤S102，建立摄像机部署优化模型，确定候选摄像机的集合。
例如，在现实环境中适合安装摄像机的空间是有限的，通常可以抽象为具有最大高度和最小高度的折线。因为能够选择的空间是连续的，并且安装摄像机的位置是无限的，同时候选空间是分散的。
如图3所示，在某个候选位置只有一个摄像机j可以在连续范围内以一定的角度上下左右旋转，例如，P∈[0,360]，T∈[0,90]，Pstep为左右旋转，Tstep为上下旋转，可以通过公式m＝MP*MT进行计算；其中，
Figure BDA0002773150140000051
MP和MT分别表示左右旋转角度和上下旋转角度的数量，那么候选摄像机的摆放形态可以表示为：
Cj＝Pj,Tk)，Pj＝j*Pstep，Tk＝k*Tstep，0≤j≤MP，0≤k≤MT。
在一些实施例中，所述摄像机部署优化模型包括候选摄像机的摆放位置信息和摆放形态信息。
步骤S103，基于启发式搜索算法，从所述候选摄像机的集合中确定覆盖目标空间点范围的最优子集。
例如，可以将所述候选摄像机的集合标记为C＝{C1,C2……,Cn}，n表示摄像机的数量，将监控区域中采样到的位置点标记为集合G＝{G1,G2……,Gm}，其中m是采样位置的数量。然后确定一个点位置Gj(Gj∈G)，在摄像机覆盖的区域中Gj(Gj∈G)被标记为
Figure BDA0002773150140000054
以及摄像机涵盖的点集Cj如
Figure BDA0002773150140000055
为了使用最少的数量的摄像机覆盖目标监控区域，那么需要从所述候选摄像机的集合C中找到一个子集C’，使得C’可以覆盖目标监控区域中的采样位置。
在一些实施例中，从所述候选摄像机的集合中确定覆盖目标空间点范围的最优子集，包括：从所述候选摄像机的集合C中选择子集C’，从子集C’中确定覆盖目标空间点范围的最优子集；其中，从所述候选摄像机的集合C中选择子集C’，采用的公式为：
Figure BDA0002773150140000052
其中，camera(C′)代表集合中的摄像机数量，Ci.postion代表摄像机i的位置。
Figure BDA0002773150140000053
Ct∈C′,CS.position≠Ct.position，表示Cs与Ct同一个位置只能有一台摄像机。
在一些实施例中，所述步骤S103包括：选定摄像机Ck,li，其中，k表示位置，li表示摄像机的水平和倾斜角度；如果摄像机Ck,li已经被选定，则从所述候选摄像机的集合C中排除与摄像机Ck,li同一位置的其他摄像机；将所有已经选定的摄像机组合在一起，构成目标监控区域所有符合安装状态的摄像机的安装位置图，并给所有的候选摄像机赋予对应的状态；通过成本函数和启发式函数从所述候选摄像机的集合C中确定覆盖目标空间点范围的最优子集。
例如，首先，需要选定摄像机，可以将位置k处的摄像机标记为Ck,li，li表示预设摄像机的水平和倾斜角度，假设该位置没有摄像机则标记为Ck,0。
其次，如果摄像机Ck,li在安装任务中已经被选定，则需要从所述候选摄像机的集合C中排除与摄像机Ck,li同一位置的其他摄像机，可以将位置k处被排除的相机标记为Ck,*(*≠li)，将与已经选定的摄像机同一位置的其他摄像机打上否定标记。当前的候选摄像机可以通过公式C-∪(C1,*……Ck,*)获得，其中C表示所有候选摄像机的集合，Ck,*表示摄像机位置在k点。
然后，将所有已经选定的摄像机组合在一起，就构成了目标监控区域所有符合安装状态的摄像机的安装位置图，并给所有的候选摄像机赋予对应的状态。将这些摄像机覆盖的目标空间点的集合Si标记为
Figure BDA0002773150140000061
Figure BDA0002773150140000062
Si集合的覆盖范围标记为
Figure BDA0002773150140000063
公式
Figure BDA0002773150140000064
那么覆盖最大采样点集的摄像机标记为Cmax，公式
Figure BDA0002773150140000065
最后，通过成本函数和启发式函数从所述候选摄像机的集合C中确定覆盖目标空间点范围的最优子集，即从所述候选摄像机的集合C中找出以最少摄像机数量覆盖目标空间点范围的摄像机集合。
在一些实施例中，通过成本函数和启发式函数从所述候选摄像机的集合C中确定覆盖目标空间点范围的最优子集，包括：在初始状态下，将所述候选摄像机的集合C中的所有摄像机标记上状态信息，没有任何摄像机被选择，计算它们的最大覆盖范围；通过成本函数确定前一个状态与当前状态之间所选择的摄像机，通过启发式函数确定当前状态与下一个状态之间所选择的摄像机。
例如，节点是所选定摄像机的状态，前一个状态与当前状态之间的选择由所述成本函数确定，当前状态与下一个状态之间的选择由所述启发式函数确定。在初始状态下，所有摄像机都是候选摄像机，并且未选择任何摄像机，在该阶段将所有摄像机标记上状态信息，然后计算这些摄像机的最大覆盖范围。接着下一个状态是把新的摄像机放在可行的位置，并调整摄像机的安装形态，达到更大的覆盖范围。
在一些实施例中，所述成本函数g(Si)采用的公式为：
Figure BDA0002773150140000071
其中，Si表示所选择的摄像机的数量，Ci＝{C1,l1C2,l2……,Ci,li}，Ci,0表示摄像机在状态i下部署。在此，通过使用所述成本函数，确保在下一个状态中摄像机数量最小。
在一些实施例中，所述启发式函数h(Si)采用的公式为：
Figure BDA0002773150140000072
其中，Si表示为了达到下一个状态还需要选择的摄像机的数量，即达到下一个状态的预期成本。
图4是根据本申请实施例的一种优化摄像机部署的设备示意图，该设备包括第一模块401、第二模块402和第三模块403。
第一模块401，获取摄像机的基本参数，基于所述基本参数建立摄像机的覆盖率模型。
其中，所述基本参数可以包括摄像机的安装高度、位置、角度，以及成像芯片的详细参数。所述摄像机的覆盖率模型可以包括摄像机覆盖的空间点排除被障碍物遮挡的图像点集合。通过所述摄像机的覆盖率模型可以计算摄像机视线与障碍物之间的关系。
例如，获取摄像机内部参数以及安装的位置和高度来计算摄像机的可视范围，将其抽象成一个元组C[Xc,Yc,Hc,P,T,CCDw,CCDh,f]，其中，(Xc,Yc,Hc)表示摄像机的物理位置，P为方位角，T为俯仰角，方位角是特定点的北向线与目标方向线在顺时针方向上的垂直角，俯仰角是特定点的垂直方向线与目标方向线在顺时针方向上的水平角，CCDw是成像芯片的宽度，CCDh是成像芯片的高度，f是成像芯片的焦距。图2所示的椭圆形是指当前摄像机的覆盖范围(C1,C2,C3,C4)，C1、C2、C3、C4为椭圆形的4个顶点。
假设要将某个空间点G(Xg,Yg,Hg)投影到对应的图像点g(x,y)，计算图像点的公式为：
Figure BDA0002773150140000081
例如，如果摄像机要覆盖一个空间点，首先视线应当与成像平面相交，根据上述计算图像点的公式计算图像点的坐标。当图像坐标满足X∈[-CCDw/2,-CCDw/2]，[-CCDh/2,-CCDh/2]时，视线与成像平面相交，即空间点必须在摄像机覆盖范围以内。其次，空间点和成像平面之间应当没有障碍物。
如图2所示，点G的坐标落在摄像机的覆盖范围内，并且视线穿过了障碍物B(Xb,Yb,Hb)，Xh为障碍物的高度，视线的高度为Cg，其中，
Figure BDA0002773150140000082
l1＝(Xb-Xg,Yb-Yg)，l2＝(Xb-Xc,Yb-Yc)。
如果Hb>H，那么障碍物B遮挡摄像头的视线；反之，障碍物B不会遮挡摄像头的视线。图2中点G1被覆盖，而点G2、点G3未被覆盖。
第二模块402，建立摄像机部署优化模型，确定候选摄像机的集合。
例如，在现实环境中适合安装摄像机的空间是有限的，通常可以抽象为具有最大高度和最小高度的折线。因为能够选择的空间是连续的，并且安装摄像机的位置是无限的，同时候选空间是分散的。
如图3所示，在某个候选位置只有一个摄像机j可以在连续范围内以一定的角度上下左右旋转，例如，P∈[0,360]，T∈[0,90]，Pstep为左右旋转，Tstep为上下旋转，可以通过公式m＝MP*MT进行计算；其中，
Figure BDA0002773150140000083
MP和MT分别表示左右旋转角度和上下旋转角度的数量，那么候选摄像机的摆放形态可以表示为：
Cj＝Pj,Tk)，Pj＝j*Pstep，Tk＝k*Tstep，0≤j≤MP，0≤k≤MT。
在一些实施例中，所述摄像机部署优化模型包括候选摄像机的摆放位置信息和摆放形态信息。
第三模块403，基于启发式搜索算法，从所述候选摄像机的集合中确定覆盖目标空间点范围的最优子集。
例如，可以将所述候选摄像机的集合标记为C＝{C1,C2……,Cn}，n表示摄像机的数量，将监控区域中采样到的位置点标记为集合G＝{G1,G2……,Gm}，其中m是采样位置的数量。然后确定一个点位置Gj(Gj∈G)，在摄像机覆盖的区域中Gj(Gj∈G)被标记为
Figure BDA0002773150140000091
以及摄像机涵盖的点集Cj如
Figure BDA0002773150140000092
为了使用最少的数量的摄像机覆盖目标监控区域，那么需要从所述候选摄像机的集合C中找到一个子集C’，使得C’可以覆盖目标监控区域中的采样位置。
在一些实施例中，从所述候选摄像机的集合中确定覆盖目标空间点范围的最优子集，包括：从所述候选摄像机的集合C中选择子集C’，从子集C’中确定覆盖目标空间点范围的最优子集；其中，从所述候选摄像机的集合C中选择子集C’，采用的公式为：
Figure BDA0002773150140000093
其中，camera(C′)代表集合中的摄像机数量，Ci.postion代表摄像机i的位置。
Figure BDA0002773150140000094
Ct∈C′,CS.position≠Ct.position，表示Cs与Ct同一个位置只能有一台摄像机。
在一些实施例中，所述第三模块403用于：选定摄像机Ck,li，其中，k表示位置，li表示摄像机的水平和倾斜角度；如果摄像机Ck,li已经被选定，则从所述候选摄像机的集合C中排除与摄像机Ck,li同一位置的其他摄像机；将所有已经选定的摄像机组合在一起，构成目标监控区域所有符合安装状态的摄像机的安装位置图，并给所有的候选摄像机赋予对应的状态；通过成本函数和启发式函数从所述候选摄像机的集合C中确定覆盖目标空间点范围的最优子集。
例如，首先，需要选定摄像机，可以将位置k处的摄像机标记为Ck,li，li表示预设摄像机的水平和倾斜角度，假设该位置没有摄像机则标记为Ck,0。
其次，如果摄像机Ck,li在安装任务中已经被选定，则需要从所述候选摄像机的集合C中排除与摄像机Ck,li同一位置的其他摄像机，可以将位置k处被排除的相机标记为Ck,*(*≠li)，将与已经选定的摄像机同一位置的其他摄像机打上否定标记。当前的候选摄像机可以通过公式C-∪(C1,*……Ck,*)获得，其中C表示所有候选摄像机的集合，Ck,*表示摄像机位置在k点。
然后，将所有已经选定的摄像机组合在一起，就构成了目标监控区域所有符合安装状态的摄像机的安装位置图，并给所有的候选摄像机赋予对应的状态。将这些摄像机覆盖的目标空间点的集合Si标记为
Figure BDA0002773150140000101
Figure BDA0002773150140000102
Si集合的覆盖范围标记为
Figure BDA0002773150140000103
公式
Figure BDA0002773150140000104
那么覆盖最大采样点集的摄像机标记为Cmax，公式
Figure BDA0002773150140000105
最后，通过成本函数和启发式函数从所述候选摄像机的集合C中确定覆盖目标空间点范围的最优子集，即从所述候选摄像机的集合C中找出以最少摄像机数量覆盖目标空间点范围的摄像机集合。
在一些实施例中，通过成本函数和启发式函数从所述候选摄像机的集合C中确定覆盖目标空间点范围的最优子集，包括：在初始状态下，将所述候选摄像机的集合C中的所有摄像机标记上状态信息，没有任何摄像机被选择，计算它们的最大覆盖范围；通过成本函数确定前一个状态与当前状态之间所选择的摄像机，通过启发式函数确定当前状态与下一个状态之间所选择的摄像机。
例如，节点是所选定摄像机的状态，前一个状态与当前状态之间的选择由所述成本函数确定，当前状态与下一个状态之间的选择由所述启发式函数确定。在初始状态下，所有摄像机都是候选摄像机，并且未选择任何摄像机，在该阶段将所有摄像机标记上状态信息，然后计算这些摄像机的最大覆盖范围。接着下一个状态是把新的摄像机放在可行的位置，并调整摄像机的安装形态，达到更大的覆盖范围。
在一些实施例中，所述成本函数g(Si)采用的公式为：
Figure BDA0002773150140000106
其中，Si表示所选择的摄像机的数量，Ci＝{C1,l1,C2,l2……,Ci,li}，Ci,0表示摄像机在状态i下部署。在此，通过使用所述成本函数，确保在下一个状态中摄像机数量最小。
在一些实施例中，所述启发式函数h(Si)采用的公式为：
Figure BDA0002773150140000111
其中，Si表示为了达到下一个状态还需要选择的摄像机的数量，即达到下一个状态的预期成本。
综上所述，本申请实施例结合现实环境确定摄像机部署方案，得到的摄像机部署方案更加合理有效。本申请实施例基于启发式搜索算法，通过运用成本函数与启发式函数，节约摄像机的部署成本，达到对监控区域的最大覆盖范围，提高摄像机的使用率和利用率。
另外，本申请的一部分可被应用为计算机程序产品，例如计算机程序指令，当其被计算机执行时，通过该计算机的操作，可以调用或提供根据本申请的方法和/或技术方案。而调用本申请的方法的程序指令，可能被存储在固定的或可移动的记录介质中，和/或通过广播或其他信号承载媒体中的数据流而被传输，和/或被存储在根据程序指令运行的计算机设备的工作存储器中。在此，本申请的一些实施例提供了一种计算设备，该设备包括用于存储计算机程序指令的存储器和用于执行计算机程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发所述设备执行前述本申请的多个实施例的方法和/或技术方案。
此外，本申请的一些实施例还提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机可读指令可被处理器执行以实现前述本申请的多个实施例的方法和/或技术方案。
需要注意的是，本申请可在软件和/或软件与硬件的组合体中被实施，例如，可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一些实施例中，本申请的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地，本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，RAM存储器，磁或光驱动器或软磁盘及类似设备。另外，本申请的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。

Claims (10)

1.一种优化摄像机部署的方法，其中，所述方法包括：
获取摄像机的基本参数，基于所述基本参数建立摄像机的覆盖率模型；
建立摄像机部署优化模型，确定候选摄像机的集合；
基于启发式搜索算法，从所述候选摄像机的集合中确定覆盖目标空间点范围的最优子集。
2.根据权利要求1所述的方法，其中，所述摄像机部署优化模型包括候选摄像机的摆放位置信息和摆放形态信息。
3.根据权利要求1所述的方法，其中，从所述候选摄像机的集合中确定覆盖目标空间点范围的最优子集，包括：
从所述候选摄像机的集合C中选择子集C’，从子集C’中确定覆盖目标空间点范围的最优子集；
其中，从所述候选摄像机的集合C中选择子集C’，采用的公式为：
Figure FDA0002773150130000011
其中，card(C′)代表集合中的摄像机数量，Ci，postion代表摄像机i的位置。
4.根据权利要求1至3中任一项所述的方法，其中，基于启发式搜索算法，从所述候选摄像机的集合中确定覆盖目标空间点范围的最优子集，包括：
选定摄像机Ck，li，其中，k表示位置，li表示摄像机的水平和倾斜角度；
如果摄像机Ck，li已经被选定，则从所述候选摄像机的集合C中排除与摄像机Ck，li同一位置的其他摄像机；
将所有已经选定的摄像机组合在一起，构成目标监控区域所有符合安装状态的摄像机的安装位置图，并给所有的候选摄像机赋予对应的状态；
通过成本函数和启发式函数从所述候选摄像机的集合C中确定覆盖目标空间点范围的最优子集。
5.根据权利要求4所述的方法，其中，通过成本函数和启发式函数从所述候选摄像机的集合C中确定覆盖目标空间点范围的最优子集，包括：
在初始状态下，将所述候选摄像机的集合C中的所有摄像机标记上状态信息，没有任何摄像机被选择，计算它们的最大覆盖范围；
通过成本函数确定前一个状态与当前状态之间所选择的摄像机，通过启发式函数确定当前状态与下一个状态之间所选择的摄像机。
6.根据权利要求5所述的方法，其中，所述成本函数g(Si)采用的公式为：
Figure FDA0002773150130000021
其中，Si表示所选择的摄像机的数量，Ci＝{C1，l1，C2，l2......，Ci，li}，Ci，0表示摄像机在状态i下部署。
7.根据权利要求5所述的方法，其中，所述启发式函数h(Si)采用的公式为：
Figure FDA0002773150130000022
其中，Si表示为了达到下一个状态还需要选择的摄像机的数量。
8.一种优化摄像机部署的设备，其中，所述设备包括：
第一模块，用于获取摄像机的基本参数，基于所述基本参数建立摄像机的覆盖率模型；
第二模块，用于建立摄像机部署优化模型，确定候选摄像机的集合；
第三模块，用于基于启发式搜索算法，从所述候选摄像机的集合中确定覆盖目标空间点范围的最优子集。
9.一种计算设备，其中，该设备包括用于存储计算机程序指令的存储器和用于执行计算机程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发所述设备执行权利要求1至7中任一项所述的方法。
10.一种计算机可读介质，其上存储有计算机程序指令，所述计算机可读指令可被处理器执行以实现如权利要求1至7中任一项所述的方法。
CN202011256078.1A 2020-11-11 2020-11-11 优化摄像机部署的方法与设备 Pending CN112434846A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011256078.1A CN112434846A (zh) 2020-11-11 2020-11-11 优化摄像机部署的方法与设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011256078.1A CN112434846A (zh) 2020-11-11 2020-11-11 优化摄像机部署的方法与设备

Publications (1)

Publication Number Publication Date
CN112434846A true CN112434846A (zh) 2021-03-02

Family

ID=74700868

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011256078.1A Pending CN112434846A (zh) 2020-11-11 2020-11-11 优化摄像机部署的方法与设备

Country Status (1)

Country Link
CN (1) CN112434846A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113163175A (zh) * 2021-04-29 2021-07-23 广州杰赛科技股份有限公司 一种监控摄像头布局方法、装置及计算机可读存储介质
CN113923406A (zh) * 2021-09-29 2022-01-11 四川警察学院 视频监控覆盖区域的调节方法、装置、设备和存储介质
CN114900651A (zh) * 2022-03-30 2022-08-12 联想(北京)有限公司 一种信息处理方法、装置和电子设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110264673A1 (en) * 2010-04-27 2011-10-27 Microsoft Corporation Establishing search results and deeplinks using trails
CN104469322A (zh) * 2014-12-24 2015-03-25 重庆大学 一种面向大场景监控的摄像机布局优化方法
CN106803926A (zh) * 2016-12-22 2017-06-06 南京师范大学 一种顾及多种监控任务的视频传感器部署优化方法
CN108174162A (zh) * 2018-01-05 2018-06-15 河南大学 一种基于签到poi的城市视频监控空间优化方法
CN110098964A (zh) * 2019-04-29 2019-08-06 武汉大学 一种基于蚁群算法的部署优化方法
CN111754035A (zh) * 2020-06-17 2020-10-09 上海电气风电集团股份有限公司 风电场布局的优化方法、优化系统及计算机可读存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110264673A1 (en) * 2010-04-27 2011-10-27 Microsoft Corporation Establishing search results and deeplinks using trails
CN104469322A (zh) * 2014-12-24 2015-03-25 重庆大学 一种面向大场景监控的摄像机布局优化方法
CN106803926A (zh) * 2016-12-22 2017-06-06 南京师范大学 一种顾及多种监控任务的视频传感器部署优化方法
CN108174162A (zh) * 2018-01-05 2018-06-15 河南大学 一种基于签到poi的城市视频监控空间优化方法
CN110098964A (zh) * 2019-04-29 2019-08-06 武汉大学 一种基于蚁群算法的部署优化方法
CN111754035A (zh) * 2020-06-17 2020-10-09 上海电气风电集团股份有限公司 风电场布局的优化方法、优化系统及计算机可读存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张亚南: "视频传感器感知模型与覆盖分析方法研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113163175A (zh) * 2021-04-29 2021-07-23 广州杰赛科技股份有限公司 一种监控摄像头布局方法、装置及计算机可读存储介质
CN113923406A (zh) * 2021-09-29 2022-01-11 四川警察学院 视频监控覆盖区域的调节方法、装置、设备和存储介质
CN113923406B (zh) * 2021-09-29 2023-05-12 四川警察学院 视频监控覆盖区域的调节方法、装置、设备和存储介质
CN114900651A (zh) * 2022-03-30 2022-08-12 联想(北京)有限公司 一种信息处理方法、装置和电子设备
CN114900651B (zh) * 2022-03-30 2023-10-27 联想(北京)有限公司 一种信息处理方法、装置和电子设备

Similar Documents

Publication Publication Date Title
CN112434846A (zh) 优化摄像机部署的方法与设备
JP7422105B2 (ja) 路側計算装置に用いる障害物３次元位置の取得方法、装置、電子デバイス、コンピュータ可読記憶媒体、及びコンピュータプログラム
US8654151B2 (en) Apparatus and method for providing augmented reality using synthesized environment map
CN114399597B (zh) 场景空间模型的构建方法、装置以及存储介质
KR101965878B1 (ko) 시각적 피처들을 이용한 이미지들의 자동 연결
US10733777B2 (en) Annotation generation for an image network
WO2023051027A1 (zh) 一种用于获取目标对象的实时图像信息的方法与设备
TW202117674A (zh) 資料處理方法和裝置、儲存介質和電腦設備
CN113989376B (zh) 室内深度信息的获取方法、装置和可读存储介质
JP6768123B2 (ja) 拡張現実方法及び装置
WO2024000733A1 (zh) 一种呈现目标对象的标记信息的方法与设备
US20150154736A1 (en) Linking Together Scene Scans
CN109345567B (zh) 物体运动轨迹识别方法、装置、设备和存储介质
CN114359231A (zh) 一种停车位的检测方法、装置、设备及存储介质
US9852542B1 (en) Methods and apparatus related to georeferenced pose of 3D models
CN116858215B (zh) 一种ar导航地图生成方法及装置
JP7446643B2 (ja) 視覚測位方法、装置、機器及び可読記憶媒体
CN112215036B (zh) 跨镜追踪方法、装置、设备及存储介质
KR101758786B1 (ko) 영상 내에서 특정 지점의 위치를 결정하기 위한 장치 및 그 방법
WO2024000746A1 (zh) 一种获取电子围栏的方法、设备、介质及程序产品
CN115984417A (zh) 一种语义建图方法、装置及存储介质
CN115565092A (zh) 一种获取目标对象的地理位置信息的方法与设备
CN107845122B (zh) 一种确定建筑物的面状信息的方法与装置
CN112257485A (zh) 一种对象检测的方法、装置、存储介质及电子设备
JP7540826B2 (ja) パノラマ画像におけるグラウンド上のマーカを認識することによってカメラ間のポーズグラフおよび変換マトリクスを推定する方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210302