CN114038144B - 一种基于ai的社区安防监测系统及方法 - Google Patents

Abstract

本发明公开了一种基于AI的社区安防监测系统及方法，安防监测系统包括待验证人员采集模块、脸部图像相似度比较模块、存疑人员认定模块、信息登记模块、实时位置监测模块和分析触发模块，待验证人员采集模块采集待进入社区的人员为待验证人员，脸部图像相似度比较模块利用人工智能将待验证人员的脸部图像与身份数据库中预先存储的住户的脸部图像进行相似度比较，在身份数据库中存在某个住户的脸部图像与待验证人员的脸部图像的相似度大于相似度阈值，那么，待验证人员的身份验证通过，允许待验证人员进入社区。

Description

一种基于AI的社区安防监测系统及方法

技术领域

本发明涉及社区安防技术领域，具体为一种基于AI的社区安防监测系统及方法。

背景技术

社区是当前城市中最主要的生活环境形式，社区为人们提供最普遍的生活起居，是人们生活中的一个重要部分。通过对社区安防进行监测能够为社区内人员提供良好的居住环境。AI就是人工智能，它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。通过将AI与社区安防进行结合，能够提高社区安防工作的效率，但是现有技术中，大都是在检测到发生了危害社区安全情况下才进行报警。

发明内容

本发明的目的在于提供一种基于AI的社区安防监测系统及方法，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：一种基于AI的社区安防监测系统，所述安防监测系统包括待验证人员采集模块、脸部图像相似度比较模块、存疑人员认定模块、信息登记模块、实时位置监测模块和分析触发模块，所述待验证人员采集模块采集待进入社区的人员为待验证人员，所述脸部图像相似度比较模块利用人工智能将待验证人员的脸部图像与身份数据库中预先存储的住户的脸部图像进行相似度比较，在身份数据库中存在某个住户的脸部图像与待验证人员的脸部图像的相似度大于相似度阈值，那么，待验证人员的身份验证通过，允许待验证人员进入社区，否则，令存疑人员认定模块设待进入社区的人员为存疑人员，所述信息登记模块用于登记存疑人员的信息，并在登记存疑人员的信息后允许存疑人员进入社区，所述实时位置监测模块监测存疑人员在社区内的实时位置，判断实时位置是否位于预警位置的波动范围内，在监测到存疑人员位于某个预警位置的波动范围内并且停留时长大于等于停留时长阈值时，所述分析触发模块获取社区内摄像头采集的存疑人员信息，分析判断是否要传输告警信息。

进一步的，所述安防监测系统包括预警位置选取模块，所述预警位置选取模块包括墙体划分模块、候选墙体选取模块、摄像指数计算模块、覆盖指数计算模块、预警指数计算模块和预警指数比较模块，所述墙体划分模块预先将社区内的围墙划分成若干个分墙体，所述候选墙体选取模块用各个分墙体中选取候选墙体，所述摄像指数计算模块分别获取社区内各个摄像头的位置，计算某个候选墙体的摄像指数S＝Lm/Lz，其中，Lm为社区内各个摄像头与候选墙体之间的距离的最小值，Lz为距离阈值，所述覆盖指数计算模块采集某个候选墙体位于社区一侧的绿化情况，那么覆盖指数M＝1-Ks/Kz，其中，Ks为在候选墙体的翻越影响范围内树木枝叶沿墙体方向占据的最大宽度，Kz为候选墙体的长度，所述候选墙体的翻越影响范围为候选墙体所在平面的第一高度到第二高度之间的范围，所述预警指数计算模块用于计算某个候选墙体的预警指数J＝0.78*S+0.22*M，所述预警指数比较模块将候选墙体的预警指数与预警阈值进行比较，在某个候选墙体的预警指数大于等于预警阈值时，令该候选墙体上的中点位置为预警位置。

进一步的，所述分析触发模块包括告警指数计算模块、告警指数比较模块和告警信息传输模块，所述告警指数计算模块从社区内摄像头采集的存疑人员信息中提取存疑人员社区内的目光方向情况，并据此计算该个存疑人员的告警指数Q＝Tq/Tl，其中，Tq为存疑人员在社区内的目光方向朝向社区围墙的总时长，Tl为存疑人员在社区内的目光方向朝向社区楼栋的总时长，所述告警指数比较模块将存疑人员的告警指数与告警阈值进行比较，在某个存疑人员的告警指数大于等于告警阈值时，令告警信息传输模块传输告警信息，并传输存疑人员的当前位置信息。

进一步的，所述候选墙体选取模块包括关联区域划分模块、人流量获取模块和人流量比较模块，所述关联区域划分模块以某个分墙体，以预设长度为半径值作圆形区域，某个分墙体多对应的圆形区域与社区内的交集区域为该分墙体的关联区域，所述人流量获取模块分别获取各个分墙体的关联区域内在当前所属时间段的历史人流量平均值，所述人流量比较模块将分墙体的历史人流量平均值与人流量阈值进行比较，在某个分墙体的历史人流量平均值小于人流量阈值时，令该个分墙体为候选墙体。

一种基于AI的社区安防监测方法，所述安防监测方法包括以下步骤：

设待进入社区的人员为待验证人员，利用人工智能将待验证人员的脸部图像与身份数据库中预先存储的住户的脸部图像进行相似度比较，

如果身份数据库中存在某个住户的脸部图像与待验证人员的脸部图像的相似度大于相似度阈值，那么，待验证人员的身份验证通过，允许待验证人员进入社区；

否则，设待进入社区的人员为存疑人员，登记存疑人员的信息后，允许存疑人员进入社区；

监测存疑人员在社区内的实时位置，判断实时位置是否位于预警位置的波动范围内，如果监测到存疑人员位于某个预警位置的波动范围内并且停留时长大于等于停留时长阈值时，获取社区内摄像头采集的存疑人员信息，分析判断是否要传输告警信息。

进一步的，所述预警位置包括：

预先将社区内的围墙划分成若干个分墙体，分别获取各个分墙体的关联区域内在当前所属时间段的历史人流量平均值，其中，以某个分墙体，以预设长度为半径值作圆形区域，某个分墙体多对应的圆形区域与社区内的交集区域为该分墙体的关联区域；

如果某个分墙体的历史人流量平均值小于人流量阈值，那么该个分墙体为候选墙体；

分别获取社区内各个摄像头的位置，计算某个候选墙体的摄像指数S＝Lm/Lz，其中，Lm为社区内各个摄像头与候选墙体之间的距离的最小值，Lz为距离阈值；

采集某个候选墙体位于社区一侧的绿化情况，那么覆盖指数M＝1-Ks/Kz，其中，Ks为在候选墙体的翻越影响范围内树木枝叶沿墙体方向占据的最大宽度，Kz为候选墙体的长度，所述候选墙体的翻越影响范围为候选墙体所在平面的第一高度到第二高度之间的范围；

计算某个候选墙体的预警指数J＝0.78*S+0.22*M，

如果某个候选墙体的预警指数大于等于预警阈值，那么该候选墙体上的中点位置为预警位置。

进一步的，所述分析判断是否要传输告警信息包括：

从社区内摄像头采集的存疑人员信息中提取存疑人员社区内的目光方向情况，并据此计算该个存疑人员的告警指数Q＝Tq/Tl，

其中，Tq为存疑人员在社区内的目光方向朝向社区围墙的总时长，Tl为存疑人员在社区内的目光方向朝向社区楼栋的总时长，

如果该存疑人员的告警指数大于等于告警阈值，那么传输告警信息，并传输存疑人员的当前位置信息。

进一步的，所述社区内各个摄像头为360度全景摄像头。

与现有技术相比，本发明所达到的有益效果是：本发明在监测到存疑人员的实时位置发生异常时，对存疑人员的行为进一步分析，判断存疑人员是否可疑，判断村医人员是否是可能进行踩点的小偷，在存疑人员可疑时，提前进行告警，从而能够对社区安防被侵害的情况提前进行预警，进一步提高了社区的安全性和稳定性。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明基于AI的社区安防监测系统的模块示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，本发明提供技术方案：一种基于AI的社区安防监测系统，所述安防监测系统包括待验证人员采集模块、脸部图像相似度比较模块、存疑人员认定模块、信息登记模块、实时位置监测模块和分析触发模块，所述待验证人员采集模块采集待进入社区的人员为待验证人员，所述脸部图像相似度比较模块利用人工智能将待验证人员的脸部图像与身份数据库中预先存储的住户的脸部图像进行相似度比较，在身份数据库中存在某个住户的脸部图像与待验证人员的脸部图像的相似度大于相似度阈值，那么，待验证人员的身份验证通过，允许待验证人员进入社区，否则，令存疑人员认定模块设待进入社区的人员为存疑人员，所述信息登记模块用于登记存疑人员的信息，并在登记存疑人员的信息后允许存疑人员进入社区，所述实时位置监测模块监测存疑人员在社区内的实时位置，判断实时位置是否位于预警位置的波动范围内，在监测到存疑人员位于某个预警位置的波动范围内并且停留时长大于等于停留时长阈值时，所述分析触发模块获取社区内摄像头采集的存疑人员信息，分析判断是否要传输告警信息。

所述安防监测系统包括预警位置选取模块，所述预警位置选取模块包括墙体划分模块、候选墙体选取模块、摄像指数计算模块、覆盖指数计算模块、预警指数计算模块和预警指数比较模块，所述墙体划分模块预先将社区内的围墙划分成若干个分墙体，所述候选墙体选取模块用各个分墙体中选取候选墙体，所述摄像指数计算模块分别获取社区内各个摄像头的位置，计算某个候选墙体的摄像指数S＝Lm/Lz，其中，Lm为社区内各个摄像头与候选墙体之间的距离的最小值，Lz为距离阈值，所述覆盖指数计算模块采集某个候选墙体位于社区一侧的绿化情况，那么覆盖指数M＝1-Ks/Kz，其中，Ks为在候选墙体的翻越影响范围内树木枝叶沿墙体方向占据的最大宽度，Kz为候选墙体的长度，所述候选墙体的翻越影响范围为候选墙体所在平面的第一高度到第二高度之间的范围，所述预警指数计算模块用于计算某个候选墙体的预警指数J＝0.78*S+0.22*M，所述预警指数比较模块将候选墙体的预警指数与预警阈值进行比较，在某个候选墙体的预警指数大于等于预警阈值时，令该候选墙体上的中点位置为预警位置。

所述分析触发模块包括告警指数计算模块、告警指数比较模块和告警信息传输模块，所述告警指数计算模块从社区内摄像头采集的存疑人员信息中提取存疑人员社区内的目光方向情况，并据此计算该个存疑人员的告警指数Q＝Tq/Tl，其中，Tq为存疑人员在社区内的目光方向朝向社区围墙的总时长，Tl为存疑人员在社区内的目光方向朝向社区楼栋的总时长，所述告警指数比较模块将存疑人员的告警指数与告警阈值进行比较，在某个存疑人员的告警指数大于等于告警阈值时，令告警信息传输模块传输告警信息，并传输存疑人员的当前位置信息。

所述候选墙体选取模块包括关联区域划分模块、人流量获取模块和人流量比较模块，所述关联区域划分模块以某个分墙体，以预设长度为半径值作圆形区域，某个分墙体多对应的圆形区域与社区内的交集区域为该分墙体的关联区域，所述人流量获取模块分别获取各个分墙体的关联区域内在当前所属时间段的历史人流量平均值，所述人流量比较模块将分墙体的历史人流量平均值与人流量阈值进行比较，在某个分墙体的历史人流量平均值小于人流量阈值时，令该个分墙体为候选墙体。

一种基于AI的社区安防监测方法，所述安防监测方法包括以下步骤：

设待进入社区的人员为待验证人员，利用人工智能将待验证人员的脸部图像与身份数据库中预先存储的住户的脸部图像进行相似度比较，

如果身份数据库中存在某个住户的脸部图像与待验证人员的脸部图像的相似度大于相似度阈值，那么，待验证人员的身份验证通过，允许待验证人员进入社区；

否则，设待进入社区的人员为存疑人员，登记存疑人员的信息后，允许存疑人员进入社区；登记存疑人员的信息包括登记存疑人员的身份证信息、手机号码等等，

监测存疑人员在社区内的实时位置，判断实时位置是否位于预警位置的波动范围内，如果监测到存疑人员位于某个预警位置的波动范围内并且停留时长大于等于停留时长阈值时，获取社区内摄像头采集的存疑人员信息，分析判断是否要传输告警信息。预警位置的波动范围是指以预警位置为中心，以某个阈值为半径画圆，该圆位于社区内的部分即为该个预警位置的波动范围；存疑人员位于某个预警位置的波动范围内并且停留时长大于等于停留时长阈值，这个停留时长是指在存疑人员位于预警位置的波动范围的总时长，无论存疑人员在预警位置的波动范围内是停着不走动，还是在在预警位置的波动范围内走来走去，都计入停留时长；

所述预警位置包括：

预先将社区内的围墙划分成若干个分墙体，本实施例中，是将社区内的围墙按照等长度均分成若干个分墙体，分别获取各个分墙体的关联区域内在当前所属时间段的历史人流量平均值，其中，以某个分墙体，以预设长度为半径值作圆形区域，某个分墙体多对应的圆形区域与社区内的交集区域为该分墙体的关联区域；一些社区的围墙或者围栏仅仅就是一道墙或者围栏，围墙的上端没有电子围栏，或者围墙的上端设置有带刺吴，在这种情况下，翻围墙进入社区的难度相对较低，一些不法分子会趁机从这些地方来进入社区来进偷盗；

如果某个分墙体的历史人流量平均值小于人流量阈值，那么该个分墙体为候选墙体；当某个分墙体的关联区域内经过的人流量比较少时，那翻墙的时候被人撞见的几率会较低，该个分墙体被翻墙的可能性会较高；

分别获取社区内各个摄像头的位置，计算某个候选墙体的摄像指数S＝Lm/Lz，其中，Lm为社区内各个摄像头与候选墙体之间的距离的最小值，Lz为距离阈值，其中，社区内各个摄像头为360度全景摄像头；当候选墙体的摄像指数越大，说明距离候选墙体最近的摄像头与候选墙体的距离比较远，这种情况下，摄像头不容易采集到有人翻这个候选墙体的情景，或者摄像头采集的这个候选墙体的情景会比较模糊，无法识别出有人翻这个候选墙体的情景，因为当某块候选墙体的摄像指数越大，该个候选墙体被翻墙的可能性越高；

采集某个候选墙体位于社区一侧的绿化情况，那么覆盖指数M＝1-Ks/Kz，其中，Ks为在候选墙体的翻越影响范围内树木枝叶沿墙体方向占据的最大宽度，Kz为候选墙体的长度，所述候选墙体的翻越影响范围为候选墙体所在平面的第一高度到第二高度之间的范围；围墙位于社区的一侧会种植一些花草树木，当靠近围墙的最高处的附近周围有较多枝干枝叶等等时，会增加翻墙的难度，因此当候选墙体的最高处的附近周围有枝干枝叶较少时，候选墙体的最高处会相对较空旷，翻墙的难度相对较低，该个候选墙体被翻墙的可能性越高，本实施例中，候选墙体的翻越影响范围是指候选墙体的最高处的下端一定距离处到候选墙体的最高处的上端一定距离处之间的范围；对于Ks，比如，候选墙体前有一棵树，该棵树在候选墙体的翻越影响范围内有枝干枝叶存在，在翻越影响范围内，有的地方的枝干枝叶比较窄，有的地方的枝干枝叶会沿候选墙体方向蔓延从而有的地方的枝干枝叶会比较宽，当枝干枝叶比较窄，对翻墙的影响较小，当枝干枝叶沿候选墙体方向枝干枝叶比较宽时，对翻墙的影响较大，所以将树木枝叶沿墙体方向占据的最大宽度作为覆盖指数的参考因素，因此当Ks越小，覆盖指数M越大时，该个候选墙体被翻墙的可能性越高；

计算某个候选墙体的预警指数J＝0.78*S+0.22*M，

如果某个候选墙体的预警指数大于等于预警阈值时，说明如果有人翻这块候选墙体的话，不容易被发现，因此该候选墙体上的中点位置为预警位置。

所述分析判断是否要传输告警信息包括：

从社区内摄像头采集的存疑人员信息中提取存疑人员社区内的目光方向情况，并据此计算该个存疑人员的告警指数Q＝Tq/Tl，

其中，Tq为存疑人员在社区内的目光方向朝向社区围墙的总时长，Tl为存疑人员在社区内的目光方向朝向社区楼栋的总时长，

如果该存疑人员的告警指数大于等于告警阈值，那么传输告警信息，并传输存疑人员的当前位置信息。正常情况下，访问人员进入社区是要进入楼栋，访问人员看向楼栋的时间应当是相对较长的，因此当存疑人员在社区内看向社区围墙的时间相对比较长时，很有可能是该存疑人员提前进行踩点，想要通过社区围墙进入社区偷盗。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于AI的社区安防监测系统，其特征在于，所述安防监测系统包括待验证人员采集模块、脸部图像相似度比较模块、存疑人员认定模块、信息登记模块、实时位置监测模块和分析触发模块，所述待验证人员采集模块采集待进入社区的人员为待验证人员，所述脸部图像相似度比较模块利用人工智能将待验证人员的脸部图像与身份数据库中预先存储的住户的脸部图像进行相似度比较，在身份数据库中存在某个住户的脸部图像与待验证人员的脸部图像的相似度大于相似度阈值，那么，待验证人员的身份验证通过，允许待验证人员进入社区，否则，令存疑人员认定模块设待进入社区的人员为存疑人员，所述信息登记模块用于登记存疑人员的信息，并在登记存疑人员的信息后允许存疑人员进入社区，所述实时位置监测模块监测存疑人员在社区内的实时位置，判断实时位置是否位于预警位置的波动范围内，在监测到存疑人员位于某个预警位置的波动范围内并且停留时长大于等于停留时长阈值时，所述分析触发模块获取社区内摄像头采集的存疑人员信息，分析判断是否要传输告警信息；

所述安防监测系统包括预警位置选取模块，所述预警位置选取模块包括墙体划分模块、候选墙体选取模块、摄像指数计算模块、覆盖指数计算模块、预警指数计算模块和预警指数比较模块，所述墙体划分模块预先将社区内的围墙划分成若干个分墙体，所述候选墙体选取模块用各个分墙体中选取候选墙体，所述摄像指数计算模块分别获取社区内各个摄像头的位置，计算某个候选墙体的摄像指数S＝Lm/Lz，其中，Lm为社区内各个摄像头与候选墙体之间的距离的最小值，Lz为距离阈值，所述覆盖指数计算模块采集某个候选墙体位于社区一侧的绿化情况，那么覆盖指数M＝1-Ks/Kz，其中，Ks为在候选墙体的翻越影响范围内树木枝叶沿墙体方向占据的最大宽度，Kz为候选墙体的长度，所述候选墙体的翻越影响范围为候选墙体所在平面的第一高度到第二高度之间的范围，所述预警指数计算模块用于计算某个候选墙体的预警指数J＝0.78*S+0.22*M，所述预警指数比较模块将候选墙体的预警指数与预警阈值进行比较，在某个候选墙体的预警指数大于等于预警阈值时，令该候选墙体上的中点位置为预警位置。

2.根据权利要求1所述的一种基于AI的社区安防监测系统，其特征在于：所述分析触发模块包括告警指数计算模块、告警指数比较模块和告警信息传输模块，所述告警指数计算模块从社区内摄像头采集的存疑人员信息中提取存疑人员社区内的目光方向情况，并据此计算该存疑人员的告警指数Q＝Tq/Tl，其中，Tq为存疑人员在社区内的目光方向朝向社区围墙的总时长，Tl为存疑人员在社区内的目光方向朝向社区楼栋的总时长，所述告警指数比较模块将存疑人员的告警指数与告警阈值进行比较，在某个存疑人员的告警指数大于等于告警阈值时，令告警信息传输模块传输告警信息，并传输存疑人员的当前位置信息。

3.根据权利要求2所述的一种基于AI的社区安防监测系统，其特征在于：所述候选墙体选取模块包括关联区域划分模块、人流量获取模块和人流量比较模块，所述关联区域划分模块以某个分墙体，以预设长度为半径值作圆形区域，某个分墙体多对应的圆形区域与社区内的交集区域为该分墙体的关联区域，所述人流量获取模块分别获取各个分墙体的关联区域内在当前所属时间段的历史人流量平均值，所述人流量比较模块将分墙体的历史人流量平均值与人流量阈值进行比较，在某个分墙体的历史人流量平均值小于人流量阈值时，令该个分墙体为候选墙体。

4.一种基于AI的社区安防监测方法，其特征在于：所述安防监测方法包括以下步骤：

设待进入社区的人员为待验证人员，利用人工智能将待验证人员的脸部图像与身份数据库中预先存储的住户的脸部图像进行相似度比较，

如果身份数据库中存在某个住户的脸部图像与待验证人员的脸部图像的相似度大于相似度阈值，那么，待验证人员的身份验证通过，允许待验证人员进入社区；

否则，设待进入社区的人员为存疑人员，登记存疑人员的信息后，允许存疑人员进入社区；

监测存疑人员在社区内的实时位置，判断实时位置是否位于预警位置的波动范围内，如果监测到存疑人员位于某个预警位置的波动范围内并且停留时长大于等于停留时长阈值时，获取社区内摄像头采集的存疑人员信息，分析判断是否要传输告警信息；

所述预警位置包括：

预先将社区内的围墙划分成若干个分墙体，分别获取各个分墙体的关联区域内在当前所属时间段的历史人流量平均值，其中，以某个分墙体，以预设长度为半径值作圆形区域，某个分墙体多对应的圆形区域与社区内的交集区域为该分墙体的关联区域；

如果某个分墙体的历史人流量平均值小于人流量阈值，那么该个分墙体为候选墙体；

分别获取社区内各个摄像头的位置，计算某个候选墙体的摄像指数S＝Lm/Lz，其中，Lm为社区内各个摄像头与候选墙体之间的距离的最小值，Lz为距离阈值；

采集某个候选墙体位于社区一侧的绿化情况，那么覆盖指数M＝1-Ks/Kz，其中，Ks为在候选墙体的翻越影响范围内树木枝叶沿墙体方向占据的最大宽度，Kz为候选墙体的长度，所述候选墙体的翻越影响范围为候选墙体所在平面的第一高度到第二高度之间的范围；

计算某个候选墙体的预警指数J＝0.78*S+0.22*M，

如果某个候选墙体的预警指数大于等于预警阈值，那么该候选墙体上的中点位置为预警位置。

5.根据权利要求4所述的一种基于AI的社区安防监测方法，其特征在于：所述分析判断是否要传输告警信息包括：

从社区内摄像头采集的存疑人员信息中提取存疑人员社区内的目光方向情况，并据此计算该存疑人员的告警指数Q＝Tq/Tl，

其中，Tq为存疑人员在社区内的目光方向朝向社区围墙的总时长，Tl为存疑人员在社区内的目光方向朝向社区楼栋的总时长，

如果该存疑人员的告警指数大于等于告警阈值，那么传输告警信息，并传输存疑人员的当前位置信息。

6.根据权利要求4所述的一种基于AI的社区安防监测方法，其特征在于：所述安防监测方法还包括：

所述社区内各个摄像头为360度全景摄像头。

Images