CN112560549B - 监控点位布建的测评方法及装置、设备、存储介质 - Google Patents
监控点位布建的测评方法及装置、设备、存储介质 Download PDFInfo
- Publication number
- CN112560549B CN112560549B CN201910909179.5A CN201910909179A CN112560549B CN 112560549 B CN112560549 B CN 112560549B CN 201910909179 A CN201910909179 A CN 201910909179A CN 112560549 B CN112560549 B CN 112560549B
- Authority
- CN
- China
- Prior art keywords
- capturing
- target sample
- detected
- monitoring
- monitoring point
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 473
- 238000010276 construction Methods 0.000 title claims abstract description 57
- 238000011156 evaluation Methods 0.000 title claims abstract description 52
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 12
- 230000000694 effects Effects 0.000 abstract description 12
- 238000005259 measurement Methods 0.000 abstract description 3
- 238000004088 simulation Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 7
- 238000012806 monitoring device Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000037361 pathway Effects 0.000 description 2
- 238000011158 quantitative evaluation Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000005021 gait Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
- G06V40/25—Recognition of walking or running movements, e.g. gait recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Development Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种监控点位布建的测评方法、一种监控点位布建的测评装置、以及一种数据处理设备。本发明提供的技术方案可以利用目标样本在监控区域的仿真行为活动,实测得到各个待测监控点位的监控数据;其中,利用得到的监控数据可以得到每个待测监控点位对目标样本的第一捕获能力,并且,综合所有待测监控点位对应的所有第一捕获能力,还可以得到各个待测监控点位的布建集合对目标样本的第二捕获能力。由于第一捕获能力可以体现待测监控点位的单点监控效果、第二捕获能力可以体现至各个待测监控点位的集群监控效果,因而可以从单点和集合的角度实现对监控点位布设的测评。
Description
技术领域
本申请涉及安防领域,特别涉及一种监控点位布建的测评方法、一种监控点位布建的测评装置、以及一种数据处理设备。
背景技术
随着安防建设的不断发展,监控点位的布设需求也越来越多,采集到的监控数据的类型也越来越丰富,为城市的安防带来了巨大的帮助。
对于监控效果的测评,传统方式主要聚焦于单体监控设备。然而,监控点位往往可以包括多种监控设备,即,监控点位可以看作是监控设备的集合体,因此,若采用聚焦于单体监控设备的测评方式,只能得到以单体监控设备为目标的测评结论,而不能直观反应出监控点位作为设备集合体的整体监控效果。
由此,如何测评监控点位的监控效果,成为现有技术有待解决的技术问题。
发明内容
有鉴于此,本申请的各实施例分别提供了一种监控点位布建的测评方法、一种监控点位布建的测评装置、以及一种数据处理设备。
在一个实施例中,提供了一种监控点位布建的测评方法,包括:
获取监控区域中布建的各个待测监控点位对进入所述监控区域的目标样本的监控数据;
根据所述监控数据,确定每个所述待测监控点位对所述目标样本的第一捕获能力;
根据所有所述待测监控点位对应的所有第一捕获能力,确定各个所述待测监控点位的布建集合对所述目标样本的第二捕获能力。
可选地,所述第一捕获能力为每个所述待测监控点位对所述目标样本的目标捕获结果;则根据所有所述待测监控点位对应的所有第一捕获能力,确定各个所述待测监控点位的布建集合对所述目标样本的第二捕获能力,包括:根据所有所述待测监控点位对应的所有目标捕获结果,确定成功捕获所述目标样本的第一待测监控点位的数量;根据所述第一待测监控点位的数量,确定各个所述待测监控点位的布建集合捕获所述目标样本的概率能力指标、时间能力指标中的至少一个;和/或,根据所有所述待测监控点位对应的所有目标捕获结果,确定捕获位置,所述捕获位置为成功捕获所述目标样本的第一待测监控点位的位置;根据所述捕获位置,确定各个所述待测监控点位的布建集合捕获所述目标样本的空间能力指标;和/或,根据所有所述待测监控点位对应的所有目标捕获结果,确定成功捕获所述目标样本的捕获时间;根据所述捕获时间,确定各个所述待测监控点位的布建集合捕获所述目标样本的时间能力指标。
可选地,根据所述第一待测监控点位的数量,确定各个所述待测监控点位的布建集合捕获所述目标样本的概率能力指标、时间能力指标中的至少一个,包括:根据所述第一待测监控点位的数量和所述监控区域中所有待测监控点位的数量,确定各个所述待测监控点位的布建集合捕获所述目标样本的概率能力指标;和/或,根据所述目标样本进入所述监控区域的总时长与所述第一待测监控点位数量,确定所述目标样本被各个所述待测监控点位的布建集合成功捕获的平均时间,作为各个所述待测监控点位的布建集合的时间能力指标。
可选地,根据所述捕获位置,确定各个所述待测监控点位的布建集合捕获所述目标样本的空间能力指标,包括:根据所述捕获位置,确定所述目标样本相邻两次被成功捕获的位置间隔;根据所有所述位置间隔,确定所述目标样本被各个所述待测监控点位的布建集合成功捕获的平均位置间隔;和/或,根据所述捕获位置,确定经过所有所述捕获位置的包络边界所圈定的区域面积。
可选地,根据所述捕获时间,确定各个所述待测监控点位的布建集合捕获所述目标样本的时间能力指标,包括:根据所述捕获时间,确定所述目标样本相邻两次被捕获的时间间隔;根据所有所述时间间隔,确定所述目标样本被各个所述待测监控点位的布建集合成功捕获的平均时间间隔。
可选地,所述目标样本进入所述监控区域的次数为至少为两次;则根据所述监控数据,确定每个所述待测监控点位对所述目标样本的第一捕获能力,包括:针对每个所述待测监控点位,分别执行如下步骤:根据所述监控数据,确定所述目标样本每次进入所述监控区域时,所述待测监控点位对所述目标样本的目标捕获结果;根据所述待测监控点位的所有所述目标捕获结果,确定所述待测监控点位对所述目标样本的目标捕获率。
可选地,根据所有所述待测监控点位对应的所有第一捕获能力,确定各个所述待测监控点位的布建集合对所述目标样本的第二捕获能力,包括:根据每个所述待测监控点位的所述目标捕获率,确定各个所述待测监控点位的布建集合对所述目标样本的平均捕获率;和/或,根据每个待测监控点位的所述目标捕获率,确定各个所述待测监控点位的布建集合捕获所述目标样本的空间能力指标。
可选地,确定每个所述待测监控点位对所述目标样本的目标捕获结果,包括:针对任意一个识别特征,判断每个所述待测监控点位对应的监控数据是否满足所述识别特征对应的捕获条件,并根据判断结果确定每个所述待测监控点位对所述目标样本的特征捕获结果;其中,所述识别特征用于识别所述目标样本;根据所有所述识别特征对应的所有特征捕获结果,确定每个所述监控点位对所述目标样本的目标捕获结果。
可选地,所述目标样本进入所述监控区域的次数为至少为两次;则根据所述监控数据,确定每个所述待测监控点位对所述目标样本的第一捕获能力,包括:针对任意一个所述待测监控点位,执行如下操作:针对任意一个识别特征,确定所述目标样本每次进入所述监控区域时的所述特征捕获结果;根据所有所述特征捕获结果,确定所述待测监控点位对所述目标样本的特征捕获率。
可选地,根据所有所述待测监控点位对应的所有第一捕获能力,得到各个所述待测监控点位的布建集合对所述目标样本的第二捕获能力,包括:针对任意一个识别特征,根据所有所述待测监控点位对应特征捕获率,确定各个所述待测监控点位的布建集合针对所述识别特征的识别特征捕获率均值。
在另一个实施例中,提供了一种监控点位布建的测评装置,包括:
目标数据采集模块,用于获取监控区域中布建的各个待测监控点位对进入所述监控区域的目标样本的监控数据;
第一能力测评模块,用于根据所述监控数据,确定每个所述待测监控点位对所述目标样本的第一捕获能力;
第二能力测评模块,用于根据所有所述待测监控点位对应的所有第一捕获能力,确定各个所述待测监控点位的布建集合对所述目标样本的第二捕获能力。
可选地,所述第一捕获能力为每个所述待测监控点位对所述目标样本的目标捕获结果;则所述第二能力测评模块通过执行如下操作确定各个所述待测监控点位的布建集合对所述目标样本的第二捕获能力:根据所有所述待测监控点位对应的所有目标捕获结果,确定成功捕获所述目标样本的第一待测监控点位的数量;根据所述第一待测监控点位的数量,确定各个所述待测监控点位的布建集合捕获所述目标样本的概率能力指标、时间能力指标中的至少一个;和/或,根据所有所述待测监控点位对应的所有目标捕获结果,确定捕获位置,所述捕获位置为成功捕获所述目标样本的第一待测监控点位的位置;根据所述捕获位置,确定各个所述待测监控点位的布建集合捕获所述目标样本的空间能力指标;和/或,根据所有所述待测监控点位对应的所有目标捕获结果,确定成功捕获所述目标样本的捕获时间;根据所述捕获时间,确定各个所述待测监控点位的布建集合捕获所述目标样本的时间能力指标。
可选地,所述第二能力测评模块通过执行以下操作确定各个所述待测监控点位的布建集合捕获所述目标样本的概率能力指标、时间能力指标中的至少一个:根据所述第一待测监控点位的数量和所述监控区域中所有待测监控点位的数量,确定各个所述待测监控点位的布建集合捕获所述目标样本的概率能力指标;和/或,根据所述目标样本进入所述监控区域的总时长与所述第一待测监控点位数量,确定所述目标样本被各个所述待测监控点位的布建集合成功捕获的平均时间,作为各个所述待测监控点位的布建集合的时间能力指标。
可选地,所述第二能力测评模块通过执行以下操作确定各个所述待测监控点位的布建集合捕获所述目标样本的空间能力指标:根据所述捕获位置,确定所述目标样本相邻两次被成功捕获的位置间隔;根据所有所述位置间隔,确定所述目标样本被各个所述待测监控点位的布建集合成功捕获的平均位置间隔;和/或,根据所述捕获位置,确定经过所有所述捕获位置的包络边界所圈定的区域面积。
可选地,所述第二能力测评模块通过执行以下操作确定各个所述待测监控点位的布建集合捕获所述目标样本的时间能力指标:根据所述捕获时间,确定所述目标样本相邻两次被捕获的时间间隔;根据所有所述时间间隔,确定所述目标样本被各个所述待测监控点位的布建集合成功捕获的平均时间间隔。
可选地,所述目标样本进入所述监控区域的次数为至少为两次;则所述第一能力测评模块通过执行如下操作确定每个所述待测监控点位对所述目标样本的第一捕获能力:针对每个所述待测监控点位,分别执行如下操作:根据所述监控数据,确定所述目标样本每次进入所述监控区域时,所述待测监控点位对所述目标样本的目标捕获结果;根据所述待测监控点位的所有所述目标捕获结果,确定所述待测监控点位对所述目标样本的目标捕获率。
可选地,所述第二能力测评模块通过执行如下操作确定各个所述待测监控点位的布建集合对所述目标样本的第二捕获能力:根据每个所述待测监控点位的所述目标捕获率,确定各个所述待测监控点位的布建集合对所述目标样本的平均捕获率;和/或,根据每个待测监控点位的所述目标捕获率,确定各个所述待测监控点位的布建集合捕获所述目标样本的空间能力指标。
可选地,所述第一能力测评模块通过执行如下操作确定每个所述待测监控点位对所述目标样本的目标捕获结果,包括:针对任意一个识别特征,判断每个所述待测监控点位对应的监控数据是否满足所述识别特征对应的捕获条件,并根据判断结果确定每个所述待测监控点位对所述目标样本的特征捕获结果;其中,所述识别特征用于识别所述目标样本;根据所有所述识别特征对应的所有特征捕获结果,确定每个所述待测监控点位对所述目标样本的目标捕获结果。
可选地,所述目标样本进入所述监控区域的次数为至少为两次;则所述第一能力测评模块通过执行如下操作确定每个所述待测监控点位对所述目标样本的第一捕获能力:针对任意一个所述待测监控点位,执行如下操作:针对任意一个识别特征,确定所述目标样本每次进入所述监控区域时的所述特征捕获结果;根据所有所述特征捕获结果,确定所述待测监控点位对所述目标样本的特征捕获率。
可选地,所述第二能力测评模块通过执行如下操作得到各个所述待测监控点位的布建集合对所述目标样本的第二捕获能力:针对任意一个识别特征,根据所有所述待测监控点位对应特征捕获率,确定各个所述待测监控点位的布建集合针对所述识别特征的识别特征捕获率均值。
在另一个实施例中,提供了一种数据处理设备,包括处理器,所述处理器用于执行如上所述的测评方法中的步骤。
在另一个实施例中,提供了一种非瞬时计算机可读存储介质,所述非瞬时计算机可读存储介质存储指令,所述指令在由处理器执行时使得所述处理器执行如上所述的测评方法中的步骤。
如上可见,上述实施例提供的技术方案可以利用目标样本在监控区域的仿真行为活动,实测得到各个待测监控点位的监控数据;其中,利用得到的监控数据可以得到每个待测监控点位对目标样本的第一捕获能力,并且,综合所有待测监控点位对应的所有第一捕获能力,还可以得到各个待测监控点位的布建集合对目标样本的第二捕获能力。由于第一捕获能力可以体现待测监控点位的单点监控效果、第二捕获能力可以体现至各个待测监控点位的集群监控效果,因而可以从单点和集合的角度实现对监控点位布设的测评。
附图说明
以下附图仅对本申请做示意性说明和解释,并不限定本申请的范围:
图1为一个实施例中的监控点位布建的测评方法的示例性流程示意图;
图2a和图2b为适用于如图1所示测评方法的途径捕获位置的包络边界的示意图;
图3为如图1所示的测评方法的扩展流程示意图;
图4为一个实施例中的监控点位布建的测评装置的示例性结构示意图;
图5为如图4所示的测评装置的扩展结构示意图;
图6为一个实施例中的数据处理设备的硬件框架结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下参照附图并举实施例,对本申请作进一步详细说明。
图1为一个实施例中的监控点位布建的测评方法的示例性流程示意图。请参见图1,在该实施例中,一种监控点位布建的测评方法可以包括如下步骤:
S110:获取监控区域中布建的各个待测监控点位对进入监控区域的目标样本的监控数据。
本步骤中获取的目标样本的监控数据,可以是目标样本一次进入监控区域时的监控数据,或者,也可以是目标样本至少两次进入监控区域时的监控数据。
目标样本可以是测评辅助人员,并且,目标样本每次进入监控区域时,可以按照设定的路线行进。其中,设定的路线可以途径监控区域中布建的所有待测监控点位,设定的路线并且还可以匹配监控区域中特别关注的某种特定行为(例如迂回或频繁往返等)。
S120:根据获取的监控数据,确定每个待测监控点位对目标样本的第一捕获能力。
S130:根据所有待测监控点位对应的所有第一捕获能力,确定各个待测监控点位的布建集合对目标样本的第二捕获能力。
基于上述流程,可以利用目标样本在监控区域的仿真行为活动,实测得到各个待测监控点位的监控数据;其中,利用得到的监控数据可以得到每个待测监控点位对目标样本的第一捕获能力,并且,综合所有待测监控点位对应的所有第一捕获能力,还可以得到各个待测监控点位的布建集合对目标样本的第二捕获能力。由于第一捕获能力可以体现待测监控点位的单点监控效果、第二捕获能力可以体现至各个待测监控点位的集群监控效果,因而可以从单点和集合的角度实现对监控点位布设的测评。
上述流程中的S120确定的第一捕获能力可以为每个待测监控点位对目标样本的目标捕获结果。每个待测监控点位对目标样本的目标捕获结果,可以通过该待测监控点位对目标样本的至少一个识别特征的特征捕获结果来确定。其中,识别特征用于识别目标样本。
即,上述流程中的S120可以具体包括:针对任意一个识别特征,判断每个待测监控点位对应的监控数据是否满足识别特征对应的捕获条件,并根据判断结果确定每个待测监控点位对目标样本的特征捕获结果;根据所有识别特征对应的所有特征捕获结果,确定每个待测监控点位对目标样本的目标捕获结果。
例如,对于至少一个待测监控点位具备图像采集能力和设备探测能力的情况,识别特征可以包括目标样本的人物特征和目标样本随身携带的便携式设备的设备特征,其中:
人物特征可以包括但不限于下述之一或任意组合:人脸图像、人体图像、体态描述信息(步态和/或坐姿等)、人物外形描述信息(目测年龄和/或衣着颜色等);
设备特征可以包括但不限于下述之一或任意组合:诸如终端呼叫号码或IMSI(International Mobile Subscriber Identification Number,国际移动用户识别码)等终端用户标识,诸如IMEI(International Mobile Equipment Identity,国际移动设备识别码)或RFID(Radio Frequency Identification,射频标识)或MAC(Media AccessControl Address,媒体访问控制地址)等终端设备标识。
可选的,可以预先选定用于确定目标捕获结果的识别特征,并且,若选定的识别特征为至少两种识别特征,则至少两种识别特征可以表示为结构化特征信息,记为{feature_1,feature_2,feature_3,…,feature_n}。其中,feature_i表示目标样本的一个识别特征,i大于等于1且小于等于n,n表示选取的识别特征的总数。
相应地,当通过如图1所示流程中的S110获取到监控数据后,在如图1所示流程中的S120,可以针对任意一个识别特征,判断每个待测监控点位对应的监控数据是否满足该识别特征对应的捕获条件,并根据判断结果确定每个待测监控点位对目标样本的特征捕获结果;以及,根据所有识别特征对应的所有特征捕获结果,确定每个监控点位对目标样本的目标捕获结果。
由于每种识别特征的特性不同,因而每种识别特征的捕获条件也可以不同。
例如,人脸图像和人体图像的捕获条件可以设定为图像相似度的阈值。
假设人脸图像的捕获条件为图像相似度阈值设定为90%,若从任一个待测监控点位对应的监控数据(图像数据)中获取到与目标样本的人脸图像的图像相似度不低于90%的图像,则可以确定该待测监控点位对目标样本的人脸图像的特征捕获结果为成功捕获,否则可以确定该待测监控点位对目标样本的人脸图像的特征捕获结果为捕获失败。
再例如,终端用户标识可以表现为字符串形式,则终端用户标识的捕获条件可以设定为字符匹配率阈值。
假设目标样本随身携带的便携式设备的SIM(Subscriber IdentificationModule,用户身份识别)卡中存储有IMSI为“460011418603055”,则终端用户标识的捕获条件为字符匹配率阈值设定为100%,若从任一个待测监控点位对应的监控数据(设备探测数据)中获取到字符串“460011418603055”,则可以确定该待测监控点位对目标样本的终端用户标识的特征捕获结果为成功捕获,否则可以确定该待测监控点位对目标样本的终端用户标识的特征捕获结果为捕获失败。
而且,实际测评中对于不同识别特征的关注度可能存在差异,因此,每种识别特征的捕获条件的严苛程度可以根据需要而任意设定。
在根据所有识别特征对应的所有特征捕获结果确定每个待测监控点位对目标样本的目标捕获结果时,可根据识别特征的数量设定捕获结果判定策略。
若只选择一种识别特征,则捕获结果判定策略可选为:每个待测监控点位对该识别特征的特征捕获结果,可以等同于每个待测监控点位对目标样本的目标捕获结果;
若选择至少两种识别特征,则捕获结果判定策略可选为:可以在任一个待测监控点位对预定数量(例如至少一种或至少两种)的识别特征的特征捕获结果为成功捕获时,确定该待测监控点位对目标样本的目标捕获结果为成功捕获;可选的,当预定数量为1时,在任一个待测监控点位对所有识别特征的特征捕获结果均为捕获失败时,确定该待测监控点位对目标样本的目标捕获结果为捕获失败。
对于选择至少两种识别特征的情况,还可以综合考虑例如待测监控点位的主能力(或主属性)等因素,对不同待测监控点位采取不同的捕获结果判定策略,而不是必须所有待测监控点位采用相同的策略。
为了更好地理解目标捕获结果的确定方式,下文中将结合一实例进行举例说明。
实例一:
假设目标样本的识别特征包括人脸图像、人体图像、终端用户标识,并且监控区域布设有待测监控点位C1~C8。在实例一中,根据目标样本一次进入监控区域的监控数据,确定的特征捕获结果、以及根据特征捕获结果确定的目标捕获结果可以表示为如下的表1:
表1
在表1中,待测监控点位C1和C3的特征捕获结果互补,即,被待测监控点位C1成功捕获的识别特征,在待测监控点位C3捕获失败;而在待测监控点位C3成功捕获的识别特征,在待测监控点位C1捕获失败。但是,由于待测监控点位C1和C3的主能力需求不同,并且在待测监控点位C1和C3各自成功捕获的识别特征分别与待测监控点位C1和C3的主能力相关,因此,即便待测监控点位C1和C3的特征捕获结果互补,也可以通过为C1和C3分别设定对应的捕获结果判定策略,使得这两个待测监控点位C1和C3的目标捕获结果仍然都可以为捕获成功。
仍参见表1,监控点位C6和C8的特征捕获结果完全相同,但由于待测监控点位C6和C8的主能力需求不同,因此,可以通过为C6和C8分别设定对应的捕获结果判定策略,使得待测监控点位C6和C8的目标捕获结果相反。
通过待测监控点位C1和C3以及C6和C8的特征捕获结果与目标捕获结果的关系可知,根据对识别特征的特征捕获结果确定每个待测监控点位对目标样本的目标捕获结果,可以采用不同的策略。
若第一捕获能力为每个待测监控点位对目标样本的目标捕获结果,则:
上述流程中的S130可以包括:根据所有待测监控点位对应的所有目标捕获结果,确定成功捕获目标样本的第一待测监控点位的数量;以及,根据第一待测监控点位的数量,确定布建集合捕获目标样本的概率能力指标、时间能力指标中的至少一个;
和/或,上述流程中的S130可以包括:根据所有待测监控点位对应的所有目标捕获结果,确定捕获位置,该捕获位置为成功捕获目标样本的第一待测监控点位的位置;根据确定的捕获位置,确定布建集合捕获目标样本的空间能力指标;
和/或,上述流程中的S130可以包括:根据所有待测监控点位对应的所有目标捕获结果,确定成功捕获目标样本的捕获时间;根据确定的捕获时间,确定布建集合捕获目标样本的时间能力指标。
由此,根据所有待测监控点位对应的所有第一捕获能力,确定各个待测监控点位的布建集合对目标样本的第二捕获能力,可以得到各个待测监控点位的布建集合捕获目标样本的概率能力指标、时间能力指标以及空间能力指标中的至少之一,从而可以实现对布建集合的捕获能力的多维度测评。
可选的,在根据所有待测监控点位对应的所有目标捕获结果,确定成功捕获目标样本的第一待测监控点位的数量之后,根据第一待测监控点位的数量确定布建集合捕获目标样本的概率能力指标、时间能力指标中的至少一个,至少可以包括以下的方式:
根据第一待测监控点位的数量和监控区域中所有待测监控点位的数量,确定布建集合捕获目标样本的概率能力指标;
和/或,根据目标样本进入监控区域的总时长与第一待测监控点位数量,确定目标样本被布建集合成功捕获的平均时间,作为布建集合的时间能力指标。
为了更好地理解上述方式,请回看实例一。
基于实例一的表1,根据所有待测监控点位对应的所有目标捕获结果,确定成功捕获目标样本的第一待测监控点位(待测监控点位C1、C3、C4、C7、C8)的数量为5,捕获目标样本失败的第二待测监控点位(待测监控点位C2和C5以及C6)的数量为3,从而,根据第一待测监控点位的数量5和监控区域中所有待测监控点位的数量8,可以确定布建集合捕获目标样本的概率能力指标为62.5%。
由于基于表1可以确定成功捕获目标样本的第一待测监控点位(待测监控点位C1、C3、C4、C7、C8)的数量为5,因此,根据目标样本进入监控区域的总时长T_total(预知时长)与第一待测监控点位的数量5,可以确定目标样本被布建集合成功捕获的平均时间T_total/5,作为布建集合的时间能力指标。
可选的,在根据所有待测监控点位对应的所有目标捕获结果确定捕获位置(成功捕获目标样本的第一待测监控点位的位置)之后,根据确定的捕获位置确定布建集合捕获目标样本的空间能力指标可以至少包括如下方式:
根据捕获位置,确定目标样本相邻两次被成功捕获的位置间隔;根据所有位置间隔,确定目标样本被各个待测监控点位的布建集合成功捕获的平均位置间隔;
和/或,根据捕获位置,确定经过所有捕获位置的包络边界所圈定的区域面积。
为了更好地理解上述方式,仍回看实例一。基于实例一的表1,根据所有待测监控点位对应的所有目标捕获结果,可以确定的捕获位置为第一待测监控点位的(待测监控点位C1、C3、C4、C7、C8)的位置。
此后,根据捕获位置可以确定目标样本相邻两次被成功捕获的位置间隔,即,待测监控点位C1和C3之间的位置间隔D13、C3和C4的位置间隔D34、C4和C7的位置间隔D47、C7和C8的位置间隔D78;根据所有位置间隔D13、D34、D47、D78,可以确定目标样本被布建集合成功捕获的平均位置间隔。
和/或,根据捕获位置,确定经过所有捕获位置(待测监控点位C1、C3、C4、C7、C8的位置)的包络边界所圈定的区域面积。
图2a和图2b为适用于如图1所示测评方法的途径捕获位置的包络边界的示意图。
请参见图2a,经过所有捕获位置(待测监控点位C1、C3、C4、C7、C8的位置)的包络边界,可以是以相邻两次捕获位置之间以直线段首尾连接形成的边界,此时,经过所有捕获位置(待测监控点位C1、C3、C4、C7、C8的位置)的包络边界所圈定的区域,为图2a中示出的第一区域S1,相应地,根据捕获位置,可以确定经过所有捕获位置(待测监控点位C1、C3、C4、C7、C8的位置)的包络边界所圈定的第一区域S1的面积。
请参见图2b,经过所有捕获位置(待测监控点位C1、C3、C4、C7、C8的位置)的包络边界,也可以是例如椭圆形等具有规则形状的曲线边界。此时,此时,经过所有捕获位置(待测监控点位C1、C3、C4、C7、C8的位置)的包络边界所圈定的区域,为图2b中示出的第二区域S2,相应地,根据捕获位置,可以确定经过所有捕获位置(待测监控点位C1、C3、C4、C7、C8的位置)的包络边界所圈定的第二区域S2的面积。
可选的,在根据所有待测监控点位对应的所有目标捕获结果确定成功捕获目标样本的捕获时间之后,根据确定的捕获时间确定布建集合捕获目标样本的时间能力指标可以包括如下方式:
根据捕获时间,确定目标样本相邻两次被布建集合捕获的时间间隔;根据所有时间间隔,确定目标样本被布建集合成功捕获的平均时间间隔。
可选的,还可以获得平均时间间隔的倒数,用于衡量监控区域的点位覆盖密度。
为了更好地理解上述方式,下文将结合实例进行举例说明。
实例二:
仍假设目标样本的识别特征包括人脸图像、人体图像、终端用户标识,并且监控区域布设有待测监控点位C1~C8。
表2
请参见表2,在实例一中,待测监控点位C1~C8的特征捕获结果、以及根据特征捕获结果确定的目标捕获结果可以与实例一相同。
并且,在表2中,除了特征捕获结果全部为失败的待测监控点位C2和C5之外,其余待测监控点位C1、C3、C4、C6~C8的监控数据中均包含捕获时间,捕获时间的确定可以为识别特征被成功捕获的时间,当任一个待测监控点位存在至少两个成功捕获的识别特征时,可以取至少两个识别特征被成功捕获的时间的平均值。
基于表2,可以确定目标样本相邻两次被捕获的时间间隔,即,待测监控点位C1和C3之间的时间间隔T13(6秒)、C3和C4的时间间隔T34(2秒)、C4和C7的时间间隔T47(6秒)、C7和C8的时间间隔T78(10秒);根据所有时间间隔T13、T34、T47、T78,可以确定目标样本被布建集合成功捕获的平均时间间隔(6秒)。
前文所述的测评方式可以只需要目标样本一次进入监控区域的监控数据。若目标样本进入监控区域的次数为至少为两次,则第一捕获能力可以得到更丰富的测评。
例如,如图1所示流程中的S120可以包括:
针对任意一个待测监控点位,执行如下操作:
针对任意一个识别特征,确定目标样本每次进入监控区域时的特征捕获结果;
根据所有特征捕获结果,确定待测监控点位对目标样本的特征捕获率。
实例三:
以实例一中的一个待测监控点位C1为例,假设目标样本的识别特征包括人脸图像、人体图像、终端用户标识,并且目标样本进入监控区域的次数为四次,则目标样本每次进入监控区域时的特征捕获结果如表3所示。
表3
根据表3中的特征捕获结果,确定待测监控点位C1对目标样本的特征捕获率分别为:待测监控点位C1对目标样本的人脸图像的特征捕获率为50%、对目标样本的人体图像的特征捕获率为100%、对目标样本的终端用户标识的特征捕获率为25%。
再例如,如图1所示流程中的S120还可以包括:
任意一个识别特征,根据所有待测监控点位对应的特征捕获率,确定布建集合针对识别特征的识别特征捕获率均值;
和/或,针对每个待测监控点位,分别执行如下步骤:根据监控数据,确定目标样本每次进入监控区域时,待测监控点位对目标样本的目标捕获结果;根据待测监控点位的所有目标捕获结果,确定待测监控点位对目标样本的目标捕获率。
当需要确定布建集合针对识别特征的识别特征捕获率均值时,所有待测监控点位对应的特征捕获率都可以参照实例三所示的方式来确定。
当需要确定待测监控点位对目标样本的目标捕获率时,可以参考下述的实例四。
实例四:
假设目标样本进入监控区域的次数为4次,并且,根据目标样本4次进入监控区域的监控数据确定目标捕获结果可以表示为如下的表4:
表4
根据表4中示出的目标样本每次进入监控区域时待测监控点位对目标样本的目标捕获结果,可以确定待测监控点位对目标样本的目标捕获率,即,待测监控点位C1对目标样本的目标捕获率为75%,待测监控点位C2对目标样本的目标捕获率为25%,待测监控点位C3对目标样本的目标捕获率为50%,待测监控点位C4对目标样本的目标捕获率为75%,待测监控点位C5对目标样本的目标捕获率为25%,待测监控点位C6对目标样本的目标捕获率为25%,待测监控点位C7对目标样本的目标捕获率为100%,待测监控点位C8对目标样本的目标捕获率为50%。
若目标样本进入监控区域的次数为至少为两次、并且第一捕获能力可以包括每个待测监控点位对目标样本的目标捕获率,则第二捕获能力也可以实现更丰富的测评。
相应地,如图1所示流程中的S130可以包括:
根据每个待测监控点位的成功捕获率,确定布建集合对目标样本的平均捕获率;
和/或,根据每个待测监控点位的目标捕获率,确定布建集合捕获目标样本的空间能力指标。
例如,在实例四中,布建集合对目标样本的平均捕获率可以为待测监控点位C1~C8对目标样本的目标捕获率的平均值(约等于57.14%)。
再例如,在实例四中,根据每个待测监控点位的成功捕获率确定布建集合捕获目标样本的空间能力指标,可以为每两个目标捕获率不低于50%的待测监控点位之间的位置间隔,即,待测监控点位C1、C3、C4、C7、C8中的每两个之间的位置间隔。
可选的,对于概率能力指标、时间能力指标、空间能力指标中的任意一个,还可以有其他可选方式。例如,可以确定概率能力指标、时间能力指标、空间能力指标中的任意一个相比于预先设定的概率能力期望指标、时间能力期望指标、空间能力期望指标中对应的一个的偏差。再例如,可以根据预先设定的概率能力期望指标、时间能力期望指标、空间能力期望指标中的任意一个,对定概率能力指标、时间能力指标、空间能力指标中对应的一个进行分级。
对于偏差的确定,以确定时间能力指标相比于时间能力期望指标的偏差为例,可以根据第一待测监控点位对目标样本的捕获时间和预先设定的各个待测监控点位的期望捕获时间,确定每个第一待测监控点位捕获目标样本的时间偏差;并且,根据所有第一待测监控点位捕获目标样本的时间偏差,确定布建集合成功捕获目标样本的平均时间偏差。
实例五:
仍假设目标样本的识别特征包括人脸图像、人体图像、终端用户标识,并且监控区域布设有待测监控点位C1~C8。
表5
请参见表5,在实例五中,待测监控点位C1~C8的特征捕获结果、以及根据特征捕获结果确定的目标捕获结果可以与实例一相同,捕获时间与实例二相同。
根据表5中的每个第一待测监控点位(待测监控点位C1、C3、C4、C7、C8)对目标样本的捕获时间、以及预先设定的各个待测监控点位的期望捕获时间,可以确定每个第一待测监控点位(待测监控点位C1、C3、C4、C7、C8)相比于期望捕获时间的时间偏差:待测监控点位C1和C3的时间偏差为0,待测监控点位C4的时间偏差为1秒,待测监控点位C7的时间偏差为4秒,待测监控点位C8的时间偏差为3秒。
根据成功捕获目标样本的第一待测监控点位(待测监控点位C1、C3、C4、C7、C8)的时间偏差,可以确定布建集合成功捕获目标样本的平均时间偏(1.6秒)。
对于偏差的确定,再以确定概率能力指标相比于概率能力期望指标的偏差为例,可以根据每个待测监控点位对目标样本的目标捕获率和预先设定的各个待测监控点位的期望捕获率,确定每个待测监控点位捕获目标样本的捕获率偏差;并且,根据所有待测监控点位捕获目标样本的捕获率偏差,确定布建集合成功捕获目标样本的平均捕获率偏差。
请回看实例四,假设每个待测监控点位的期望捕获率均设定为75%,则:
待测监控点位C1对目标样本的目标捕获率为75%、且其捕获率偏差为0;
待测监控点位C2对目标样本的目标捕获率为25%、其捕获率偏差为-50%;
待测监控点位C3对目标样本的目标捕获率为50%、其捕获率偏差为-25%;
待测监控点位C4对目标样本的目标捕获率为75%、其捕获率偏差为0;
待测监控点位C5对目标样本的目标捕获率为25%、其捕获率偏差为-50%;
待测监控点位C6对目标样本的目标捕获率为25%,其捕获率偏差为-50%;
待测监控点位C7对目标样本的目标捕获率为100%、其捕获率偏差为25%;
待测监控点位C8对目标样本的目标捕获率为50%、其捕获率偏差为-25%。
并且,待测监控点位C1~C8的捕获率偏差之和为-175%,求其平均值可以得到布建集合成功捕获目标样本的平均捕获率偏差-21.875%。
对于偏差的确定,以概率指标项为例,在确定待测监控点位对目标样本的目标捕获率后,还可以根据预设期望捕获率,将各个待测监控点位按照目标捕获成功率分级。例如,目标捕获率不低于75%的待测监控点位可以划分为表示优良的第一等级,目标捕获率低于75%但不低于50%的待测监控点位可以划分为表示合格的第二等级,目标捕获率低于50%的待测监控点位可以划分为表示不合格的第三等级。
对于偏差的确定,再以空间指标项为例,在确定目标样本相邻两次被成功捕获的位置间隔后,可以根据预设期望位置间隔,将相邻两侧成功捕获目标样本的位置间隔分级。例如,位置间隔不超过10米的位置间隔可以划分为表示优良的第一等级,位置间隔超过10米、但未超过15米的位置间隔可以划分为表示合格的第二等级,位置间隔超过15米的位置间隔可以划分为表示不合格的第三等级。
无论是相比于期望值的偏差还是分级,对于前文描述的各种概率能力指标、时间能力指标、空间能力指标都可以适用,此处不再一一列举。
另外,按照前文所述方式确定的第一捕获能力和第二捕获能力,还可以进一步转化为量化评测值。
图3为如图1所示的测评方法的扩展流程示意图。请参见图3,在该实施例中,监控点位布建的测评方法可以包括如下步骤:
S210:获取监控区域中布建的各个待测监控点位对进入监控区域的目标样本的监控数据。
S220:根据获取的监控数据,确定每个待测监控点位对目标样本的第一捕获能力。
S230:根据所有待测监控点位对应的所有第一捕获能力,确定各个待测监控点位的布建集合对目标样本的第二捕获能力。
上述步骤S210~S230可以认为与如图1中示出的S110~S130基本相同。
S240:将所有待测监控点位对目标样本的第一捕获能力以及布建集合对目标样本的第二捕获能力中的至少之一转化为具有标准化量纲的量化评测值。
其中,第一捕获能力和/或第二捕获能力的量化评测值的转化,可以选择以预设的期望指标为参考基准。例如,假设任一个待测监控点位的目标捕获率为20%,若将该目标捕获率对捕获目标率的期望值80%取模,则可以将待测监控点位的目标捕获率转换为表示量化评测值X;再假设布建集合成功捕获的平均时间间隔为4.8秒,若将布建集合成功捕获的平均时间间隔的倒数对平均时间间隔的期望值5.0秒的倒数取模,则可以将布建集合成功捕获的平均时间间隔转换为量化评测值Y。
或者,第一捕获能力的量化评测值的转化可以选择以预设的期望指标为参考基准,而第二捕获能力的量化评测值,则可以为所有待测监控点位的第一捕获能力的量化测评值的加权结果。
基于上述扩展流程,根据量化评测值、并结合大规模布建数据的横向比对分析,可搜寻到与测评的监控区域类似的场景及对应的问题,并自动输出指导布建优化的推荐报告。
图4为一个实施例中的监控点位布建的测评装置的示例性结构示意图。请参见图4,在一个实施例中,监控点位布建的测评装置可以包括:
目标数据采集模块310,用于获取监控区域中布建的各个待测监控点位对进入监控区域的目标样本的监控数据;
第一能力测评模块320,用于根据监控数据,确定每个待测监控点位对目标样本的第一捕获能力;
第二能力测评模块330,用于根据所有待测监控点位对应的所有第一捕获能力,确定各个待测监控点位的布建集合对目标样本的第二捕获能力。
若第一捕获能力为每个待测监控点位对目标样本的目标捕获结果,则第一能力测评模块320可以通过执行以下操作确定每个待测监控点位对目标样本的目标捕获结果:
针对任意一个识别特征,判断每个待测监控点位对应的监控数据是否满足识别特征对应的捕获条件,并根据判断结果确定每个待测监控点位对目标样本的特征捕获结果;其中,识别特征用于识别目标样本;
根据所有识别特征对应的所有特征捕获结果,确定每个待测监控点位对目标样本的目标捕获结果。
若第一捕获能力为每个待测监控点位对目标样本的目标捕获结果,则第二能力测评模块330可以通过以下方式确定各个待测监控点位的布建集合对目标样本的第二捕获能力:
根据所有待测监控点位对应的所有目标捕获结果,确定成功捕获目标样本的第一待测监控点位的数量;根据第一待测监控点位的数量,确定布建集合捕获目标样本的概率能力指标、时间能力指标中的至少之一,例如,根据第一待测监控点位的数量和监控区域中所有待测监控点位的数量,确定布建集合捕获目标样本的概率能力指标;和/或,根据目标样本进入监控区域的总时长与第一待测监控点位数量,确定目标样本被布建集合成功捕获的平均时间,作为各个待测监控点位的布建集合的时间能力指标;
和/或,根据所有待测监控点位对应的所有目标捕获结果确定捕获位置,捕获位置为成功捕获目标样本的第一待测监控点位的位置;根据捕获位置确定布建集合捕获目标样本的空间能力指标,例如,根据捕获位置确定目标样本相邻两次被成功捕获的位置间隔,根据所有位置间隔确定目标样本被布建集合成功捕获的平均位置间隔;和/或,根据捕获位置确定经过所有捕获位置的包络边界所圈定的区域面积;
和/或,根据所有待测监控点位对应的所有目标捕获结果,确定成功捕获目标样本的捕获时间;根据捕获时间确定布建集合捕获目标样本的时间能力指标,例如,根据捕获时间确定目标样本相邻两次被捕获的时间间隔,根据所有时间间隔确定目标样本被布建集合成功捕获的平均时间间隔。
若目标样本进入监控区域的次数为至少为两次,则第一能力测评模块320可以针对每个待测监控点位分别执行如下操作:
根据监控数据确定目标样本每次进入监控区域时,待测监控点位对目标样本的目标捕获结果;根据待测监控点位的所有目标捕获结果,确定待测监控点位对目标样本的目标捕获率。
相应地,第二能力测评模块330可以根据每个待测监控点位的目标捕获率确定布建集合对目标样本的平均捕获率;和/或,根据每个待测监控点位的目标捕获率确定布建集合捕获目标样本的空间能力指标。
若目标样本进入监控区域的次数为至少为两次,则第一能力测评模块320可以针对任意一个待测监控点位执行如下操作:
针对任意一个识别特征,确定目标样本每次进入监控区域时的特征捕获结果;
根据所有特征捕获结果,确定待测监控点位对目标样本的特征捕获率。
相应地,第二能力测评模块330可以针对任意一个识别特征,根据所有待测监控点位对应特征捕获率,确定布建集合针对识别特征的识别特征捕获率均值。
图5为如图4所示的测评装置的扩展结构示意图。请参见图5,在如图4所示结构的基础上,该实施例中的测评装置可以进一步包括:
测评量化转换模块340,用于将所有待测监控点位对目标样本的第一捕获能力以及布建集合对目标样本的第二捕获能力中的至少之一转化为具有标准化量纲的量化评测值。
图6为一个实施例中的数据处理设备的硬件框架结构示意图。如图6所示,在该实施例中,一种数据处理设备包括处理器510和非瞬时计算机可读存储介质520,其中,非瞬时计算机可读存储介质520存储指令,这些指令在由处理器510执行时可以使得处理器510执行如前文所述的测评方法的步骤。
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)
1.一种监控点位布建的测评方法,其特征在于,包括:
获取监控区域中布建的各个待测监控点位对进入所述监控区域的目标样本的监控数据;
根据所述监控数据,确定每个所述待测监控点位对所述目标样本的第一捕获能力;
根据所有所述待测监控点位对应的所有第一捕获能力,确定各个所述待测监控点位的布建集合对所述目标样本的第二捕获能力;
所述第一捕获能力为每个所述待测监控点位对所述目标样本的目标捕获结果;
则根据所有所述待测监控点位对应的所有第一捕获能力,确定各个所述待测监控点位的布建集合对所述目标样本的第二捕获能力,包括:
根据所有所述待测监控点位对应的所有目标捕获结果,确定捕获位置,所述捕获位置为成功捕获所述目标样本的第一待测监控点位的位置;根据所述捕获位置,确定各个所述待测监控点位的布建集合捕获所述目标样本的空间能力指标;
其中,根据所述捕获位置,确定各个所述待测监控点位的布建集合捕获所述目标样本的空间能力指标,包括:
根据所述捕获位置,确定所述目标样本相邻两次被成功捕获的位置间隔;根据所有所述位置间隔,确定所述目标样本被各个所述待测监控点位的布建集合成功捕获的平均位置间隔;和/或,根据所述捕获位置,确定经过所有所述捕获位置的包络边界所圈定的区域面积;
和/或,
根据所有所述待测监控点位对应的所有目标捕获结果,确定成功捕获所述目标样本的捕获时间;根据所述捕获时间,确定各个所述待测监控点位的布建集合捕获所述目标样本的时间能力指标;
其中,所述捕获所述目标样本的时间能力指标包括:根据捕获时间,确定所述目标样本相邻两次被布建集合捕获的时间间隔或所述目标样本相邻两次被布建集合捕获的时间间隔;根据所有时间间隔,确定所述目标样本被布建集合成功捕获的平均时间间隔或平均时间间隔的倒数。
2.根据权利要求1所述的测评方法,其特征在于,
所述目标样本进入所述监控区域的次数为至少为两次;
则根据所述监控数据,确定每个所述待测监控点位对所述目标样本的第一捕获能力,包括:
针对每个所述待测监控点位,分别执行如下步骤:
根据所述监控数据,确定所述目标样本每次进入所述监控区域时,所述待测监控点位对所述目标样本的目标捕获结果;
根据所述待测监控点位的所有所述目标捕获结果,确定所述待测监控点位对所述目标样本的目标捕获率。
3.根据权利要求1至2任一项所述的测评方法,其特征在于,确定每个所述待测监控点位对所述目标样本的目标捕获结果,包括:
针对任意一个识别特征,判断每个所述待测监控点位对应的监控数据是否满足所述识别特征对应的捕获条件,并根据判断结果确定每个所述待测监控点位对所述目标样本的特征捕获结果;其中,所述识别特征用于识别所述目标样本;
根据所有所述识别特征对应的所有特征捕获结果,确定每个所述待测监控点位对所述目标样本的目标捕获结果。
4.根据权利要求3所述的测评方法,其特征在于,
所述目标样本进入所述监控区域的次数为至少为两次;
则根据所述监控数据,确定每个所述待测监控点位对所述目标样本的第一捕获能力,包括:
针对任意一个所述待测监控点位,执行如下操作:
针对任意一个识别特征,确定所述目标样本每次进入所述监控区域时的所述特征捕获结果;
根据所有所述特征捕获结果,确定所述待测监控点位对所述目标样本的特征捕获率。
5.一种监控点位布建的测评装置,其特征在于,包括:
目标数据采集模块,用于获取监控区域中布建的各个待测监控点位对进入所述监控区域的目标样本的监控数据;
第一能力测评模块,用于根据所述监控数据,确定每个所述待测监控点位对所述目标样本的第一捕获能力;
第二能力测评模块,用于根据所有所述待测监控点位对应的所有第一捕获能力,确定各个所述待测监控点位的布建集合对所述目标样本的第二捕获能力;
所述第一捕获能力为每个所述待测监控点位对所述目标样本的目标捕获结果;
则所述第二能力测评模块通过执行如下操作确定各个所述待测监控点位的布建集合对所述目标样本的第二捕获能力:
根据所有所述待测监控点位对应的所有目标捕获结果,确定捕获位置,所述捕获位置为成功捕获所述目标样本的第一待测监控点位的位置;根据所述捕获位置,确定各个所述待测监控点位的布建集合捕获所述目标样本的空间能力指标;
其中,所述第二能力测评模块通过执行以下操作确定各个所述待测监控点位的布建集合捕获所述目标样本的空间能力指标:
根据所述捕获位置,确定所述目标样本相邻两次被成功捕获的位置间隔;根据所有所述位置间隔,确定所述目标样本被各个所述待测监控点位的布建集合成功捕获的平均位置间隔;
和/或,
根据所述捕获位置,确定经过所有所述捕获位置的包络边界所圈定的区域面积;
和/或,
根据所有所述待测监控点位对应的所有目标捕获结果,确定成功捕获所述目标样本的捕获时间;根据所述捕获时间,确定各个所述待测监控点位的布建集合捕获所述目标样本的时间能力指标;
其中,所述捕获所述目标样本的时间能力指标包括:根据捕获时间,确定所述目标样本相邻两次被布建集合捕获的时间间隔;根据所有时间间隔,确定所述目标样本被布建集合成功捕获的平均时间间隔或平均时间间隔的倒数。
6.根据权利要求5所述的测评装置,其特征在于,
所述目标样本进入所述监控区域的次数为至少为两次;
则所述第一能力测评模块通过执行如下操作确定每个所述待测监控点位对所述目标样本的第一捕获能力:
针对每个所述待测监控点位,分别执行如下操作:
根据所述监控数据,确定所述目标样本每次进入所述监控区域时,所述待测监控点位对所述目标样本的目标捕获结果;
根据所述待测监控点位的所有所述目标捕获结果,确定所述待测监控点位对所述目标样本的目标捕获率。
7.根据权利要求5至6任一项所述的测评装置,其特征在于,所述第一能力测评模块通过执行如下操作确定每个所述待测监控点位对所述目标样本的目标捕获结果,包括:
针对任意一个识别特征,判断每个所述待测监控点位对应的监控数据是否满足所述识别特征对应的捕获条件,并根据判断结果确定每个所述待测监控点位对所述目标样本的特征捕获结果;其中,所述识别特征用于识别所述目标样本;
根据所有所述识别特征对应的所有特征捕获结果,确定每个所述待测监控点位对所述目标样本的目标捕获结果。
8.根据权利要求7所述的测评装置,其特征在于,
所述目标样本进入所述监控区域的次数为至少为两次;
则所述第一能力测评模块通过执行如下操作确定每个所述待测监控点位对所述目标样本的第一捕获能力:
针对任意一个所述待测监控点位,执行如下操作:
针对任意一个识别特征,确定所述目标样本每次进入所述监控区域时的所述特征捕获结果;
根据所有所述特征捕获结果,确定所述待测监控点位对所述目标样本的特征捕获率。
9.一种数据处理设备,其特征在于,包括处理器,所述处理器用于执行如权利要求1至4中任一项所述的测评方法中的步骤。
10.一种非瞬时计算机可读存储介质,其特征在于,所述非瞬时计算机可读存储介质存储指令,所述指令在由处理器执行时使得所述处理器执行如权利要求1至4中任一项所述的测评方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910909179.5A CN112560549B (zh) | 2019-09-25 | 2019-09-25 | 监控点位布建的测评方法及装置、设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910909179.5A CN112560549B (zh) | 2019-09-25 | 2019-09-25 | 监控点位布建的测评方法及装置、设备、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112560549A CN112560549A (zh) | 2021-03-26 |
CN112560549B true CN112560549B (zh) | 2024-02-02 |
Family
ID=75029056
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910909179.5A Active CN112560549B (zh) | 2019-09-25 | 2019-09-25 | 监控点位布建的测评方法及装置、设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112560549B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104780345A (zh) * | 2014-11-13 | 2015-07-15 | 安徽四创电子股份有限公司 | 一种基于gis的平安城市监控点布局评价方法 |
CN104780361A (zh) * | 2015-03-27 | 2015-07-15 | 南京邮电大学 | 一种城市视频监控系统的质量评价方法 |
CN104850693A (zh) * | 2015-01-19 | 2015-08-19 | 安科智慧城市技术(中国)有限公司 | 一种监控设备布局方法和装置 |
CN107506944A (zh) * | 2017-09-12 | 2017-12-22 | 华迪计算机集团有限公司 | 一种用于对视频监控系统性能进行评价的方法及系统 |
-
2019
- 2019-09-25 CN CN201910909179.5A patent/CN112560549B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104780345A (zh) * | 2014-11-13 | 2015-07-15 | 安徽四创电子股份有限公司 | 一种基于gis的平安城市监控点布局评价方法 |
CN104850693A (zh) * | 2015-01-19 | 2015-08-19 | 安科智慧城市技术(中国)有限公司 | 一种监控设备布局方法和装置 |
CN104780361A (zh) * | 2015-03-27 | 2015-07-15 | 南京邮电大学 | 一种城市视频监控系统的质量评价方法 |
CN107506944A (zh) * | 2017-09-12 | 2017-12-22 | 华迪计算机集团有限公司 | 一种用于对视频监控系统性能进行评价的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112560549A (zh) | 2021-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101478617B1 (ko) | 위치 인식 방법 및 시스템 | |
CN109253888A (zh) | 用于车辆车况的检测方法及系统 | |
US8830909B1 (en) | Methods and systems to determine user relationships, events and spaces using wireless fingerprints | |
CN106028279B (zh) | 一种网络注册方法及装置 | |
US11762396B2 (en) | Positioning system and positioning method based on WI-FI fingerprints | |
Narayanan et al. | A novel approach to urban flood monitoring using computer vision | |
CN111148018B (zh) | 基于通信数据识别定位区域价值的方法和装置 | |
CN110969215A (zh) | 聚类处理方法和装置、存储介质及电子装置 | |
CN112770265B (zh) | 一种行人身份信息获取方法、系统、服务器和存储介质 | |
US20180007654A1 (en) | Analysis and monitoring of a positioning infrastructure | |
KR20200136034A (ko) | 이미지 처리 방법, 장치, 단말 기기, 서버 및 시스템 | |
CN111065044B (zh) | 基于大数据的数据关联分析方法、装置及计算机存储介质 | |
CN110337081B (zh) | 室内分布系统中局部故障的监控方法、装置及存储介质 | |
CN107071708B (zh) | 智能移动终端被动无线信号采集及定位方法 | |
CN112560549B (zh) | 监控点位布建的测评方法及装置、设备、存储介质 | |
CN113645625A (zh) | 伪基站定位方法、装置、电子设备和可读介质 | |
CN111259007B (zh) | 电动车信息监控方法、装置、服务器及电动车管理系统 | |
CN113505720A (zh) | 图像处理方法及装置、存储介质、电子装置 | |
CN108734393A (zh) | 房源信息的匹配方法、用户设备、存储介质及装置 | |
CN116821777A (zh) | 一种新型基础测绘数据整合方法及系统 | |
CN111325185B (zh) | 人脸防欺诈方法及系统 | |
CN111107139B (zh) | 信息推送方法、装置、设备和存储介质 | |
CN110035392B (zh) | 设备是否位于目标区域的识别方法及装置和电子设备 | |
CN108363985B (zh) | 目标对象感知系统测试方法、装置及计算机可读存储介质 | |
CN109451418B (zh) | 一种移动通信网络质量测评方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |