CN114390248A - 图像采集设备的布点方法、装置、计算机设备和存储介质 - Google Patents
图像采集设备的布点方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN114390248A CN114390248A CN202111480025.2A CN202111480025A CN114390248A CN 114390248 A CN114390248 A CN 114390248A CN 202111480025 A CN202111480025 A CN 202111480025A CN 114390248 A CN114390248 A CN 114390248A
- Authority
- CN
- China
- Prior art keywords
- grid
- point distribution
- definition
- grids
- distribution scheme
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 239000011159 matrix material Substances 0.000 claims abstract description 215
- 238000004590 computer program Methods 0.000 claims abstract description 39
- 238000012544 monitoring process Methods 0.000 claims description 91
- 230000000694 effects Effects 0.000 claims description 10
- 238000012935 Averaging Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 6
- 238000009434 installation Methods 0.000 abstract description 12
- 238000004364 calculation method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/90—Arrangement of cameras or camera modules, e.g. multiple cameras in TV studios or sports stadiums
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种图像采集设备的布点方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：将变电站二维分布图划分为m*n个网格，m与n均为大于1的正整数；基于图像采集设备的布点数量，得到多个布点方案，每一布点方案是从m*n的网格区域中选取网格所确定的；根据m*n个网格中的监控对象网格，确定每一布点方案对应的清晰度矩阵；根据理想清晰度矩阵及每一布点方案对应的清晰度矩阵，从多个布点方案中选取最终布点方案。通过将布点方案的清晰度矩阵与理想清晰度矩阵之间的平均差异最小作为目标函数，以图像采集设备的安装数量为约束条件，确定图像采集设备的布点，在节省图像采集设备成本的条件下，将对需要监控设备的覆盖清晰度最大化。
Description
技术领域
本申请涉及图像采集设备的布控技术领域，特别是涉及一种图像采集设备的布点方法、装置、计算机设备和存储介质。
背景技术
变电站是指电力系统中对电压和电流进行变换、接收电能及分配电能的场所。变电站监控是针对电力行业用户的使用特点，结合工业控制、安防管理以及数字视频等，利用电网现有的网络资源，设计了集遥视系统、门禁系统、消防系统、环境和动力监测系统多功能子系统于一身的网络化综合安保管理方案。为了确保变电站的安全运行，需要对采用图像采集设备对变电站进行24小时的实时监控，而变电站中图像采集设备布置的位置和数量，决定了图像采集的效果，位置不合理或数量较少都会造成图像采集死角的出现，从而大大降低图像采集效果。
在相关技术中是通过人工在变电站内布置图像采集设备，具体为变电站管理人员通过变电站图纸中目标监控设备的位置，选取图像采集设备的初始布点位置，然后通过测试对目标监控设备的覆盖范围，不断调整并确定图像采集设备的最终布点布置。由于人工选择并调整的过程存在误差，且二维图纸具有时效性，会导致图像采集设备的布点位置不够准确且时效性短。
发明内容
基于此，有必要针对上述技术问题，提供一种能够准确并灵活选择图像采集设备的布点位置的方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种图像采集设备的布点方法。所述方法包括：
将变电站二维分布图划分为m*n个网格，m与n均为大于1的正整数；其中，网格用于指代图像采集设备的可选布点区域，每一网格最多对应安装一个图像采集设备；
基于图像采集设备的布点数量，构建得到多个布点方案，每一布点方案是从m*n的网格区域中选取网格所确定的；
根据m*n个网格中的监控对象网格，确定每一布点方案对应的清晰度矩阵；清晰度矩阵用于指示对应的布点方案在对监控对象网格进行监控时的监控清晰度；
根据理想清晰度矩阵及每一布点方案对应的清晰度矩阵，从多个布点方案中选取最终布点方案，理想清晰度矩阵用于指示监控清晰度目标，理想清晰度矩阵与清晰度矩阵的维度均为m*n。
在其中一个实施例中，基于图像采集设备的布点数量，构建得到多个布点方案，包括：
确定m*n个网格中的多个候选网格，多个候选网格的数量大于布点数量，候选网格指的是允许布置图像采集设备的网格；
确定由多个候选网格中布点数量个的候选网格所组成的所有候选网格组合，将每一候选网格组合作为一个布点方案。
在其中一个实施例中，根据m*n个网格中的监控对象网格，确定每一布点方案对应的清晰度矩阵，包括：
对于任一布点方案，根据监控对象网格，计算任一布点方案中每一网格对应的清晰度矩阵；
对任一布点方案中每一网格对应的清晰度矩阵进行叠加，得到任一布点方案对应的清晰度矩阵。
在其中一个实施例中，根据监控对象网格，计算任一布点方案中每一网格对应的清晰度矩阵，包括：
对于任一布点方案中任一网格，根据任一网格及监控对象网格在m*n个网格中的各自位置，计算任一网格与监控对象网格之间的距离；
将任一网格与监控对象网格之间的距离转化为任一网格对监控对象网格进行监控时的监控清晰度，由任一网格对监控对象网格进行监控时的监控清晰度组成任一网格对应的清晰度矩阵。
在其中一个实施例中，根据理想清晰度矩阵及每一布点方案对应的清晰度矩阵，从多个布点方案中选取最终布点方案，包括：
根据理想清晰度矩阵及每一布点方案对应的清晰度矩阵，计算每一布点方案的清晰度平均差异值；清晰度平均差异值用于指示对应的布点方案所达到的监控效果与监控清晰度目标之间的差异程度；
从所有的清晰度平均差异值中选取最小值，将最小值对应的布点方案作为最终布点方案。
在其中一个实施例中，根据理想清晰度矩阵及每一布点方案对应的清晰度矩阵，计算每一布点方案的清晰度平均差异值，包括：
对于任一清晰度矩阵及任一清晰度矩阵与理想清晰度矩阵之间的m*n组对位元素，计算每组对位元素中两个元素之间的差值绝对值；
对每组对位元素对应的差值绝对值求平均，将平均值作为任一清晰度矩阵对应的布点方案的清晰度平均差异值。
第二方面，本申请还提供了一种图像采集设备的布点装置。所述装置包括：
划分模块，用于将变电站二维分布图划分为m*n个网格，m与n均为大于1的正整数；其中，网格用于指代图像采集设备的可选布点区域，每一网格最多对应安装一个图像采集设备；
构建模块，用于基于图像采集设备的布点数量，构建得到多个布点方案，每一布点方案是从m*n的网格区域中选取网格所确定的；
第一确定模块，用于根据m*n个网格中的监控对象网格，确定每一布点方案对应的清晰度矩阵；清晰度矩阵用于指示对应的布点方案在对监控对象网格进行监控时的监控清晰度；
第二确定模块，用于根据理想清晰度矩阵及每一布点方案对应的清晰度矩阵，从多个布点方案中选取最终布点方案，理想清晰度矩阵用于指示监控清晰度目标，理想清晰度矩阵与清晰度矩阵的维度均为m*n。
第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：
将变电站二维分布图划分为m*n个网格，m与n均为大于1的正整数；其中，网格用于指代图像采集设备的可选布点区域，每一网格最多对应安装一个图像采集设备；
基于图像采集设备的布点数量，构建得到多个布点方案，每一布点方案是从m*n的网格区域中选取网格所确定的；
根据m*n个网格中的监控对象网格，确定每一布点方案对应的清晰度矩阵；清晰度矩阵用于指示对应的布点方案在对监控对象网格进行监控时的监控清晰度；
根据理想清晰度矩阵及每一布点方案对应的清晰度矩阵，从多个布点方案中选取最终布点方案，理想清晰度矩阵用于指示监控清晰度目标，理想清晰度矩阵与清晰度矩阵的维度均为m*n。
第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
将变电站二维分布图划分为m*n个网格，m与n均为大于1的正整数；其中，网格用于指代图像采集设备的可选布点区域，每一网格最多对应安装一个图像采集设备；
基于图像采集设备的布点数量，构建得到多个布点方案，每一布点方案是从m*n的网格区域中选取网格所确定的；
根据m*n个网格中的监控对象网格，确定每一布点方案对应的清晰度矩阵；清晰度矩阵用于指示对应的布点方案在对监控对象网格进行监控时的监控清晰度；
根据理想清晰度矩阵及每一布点方案对应的清晰度矩阵，从多个布点方案中选取最终布点方案，理想清晰度矩阵用于指示监控清晰度目标，理想清晰度矩阵与清晰度矩阵的维度均为m*n。
第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
将变电站二维分布图划分为m*n个网格，m与n均为大于1的正整数；其中，网格用于指代图像采集设备的可选布点区域，每一网格最多对应安装一个图像采集设备；
基于图像采集设备的布点数量，构建得到多个布点方案，每一布点方案是从m*n的网格区域中选取网格所确定的；
根据m*n个网格中的监控对象网格，确定每一布点方案对应的清晰度矩阵；清晰度矩阵用于指示对应的布点方案在对监控对象网格进行监控时的监控清晰度；
根据理想清晰度矩阵及每一布点方案对应的清晰度矩阵，从多个布点方案中选取最终布点方案，理想清晰度矩阵用于指示监控清晰度目标，理想清晰度矩阵与清晰度矩阵的维度均为m*n。
上述图像采集设备的布点方法、装置、计算机设备、存储介质和计算机程序产品，将变电站二维分布图划分为m*n个网格，m与n均为大于1的正整数；其中，网格用于指代图像采集设备的可选布点区域，每一网格最多对应安装一个图像采集设备；基于图像采集设备的布点数量，构建得到多个布点方案，每一布点方案是从m*n的网格区域中选取网格所确定的；根据m*n个网格中的监控对象网格，确定每一布点方案对应的清晰度矩阵；清晰度矩阵用于指示对应的布点方案在对监控对象网格进行监控时的监控清晰度；根据理想清晰度矩阵及每一布点方案对应的清晰度矩阵，从多个布点方案中选取最终布点方案，理想清晰度矩阵用于指示监控清晰度目标，理想清晰度矩阵与清晰度矩阵的维度均为m*n。通过将每一布点方案的清晰度矩阵与理想清晰度矩阵作对比构建目标函数，以图像采集设备的安装数量为约束条件，确定图像采集设备的布点，在节省图像采集设备成本的条件下，将对需要监控的设备的覆盖清晰度最大化，即节省了资源，又提升了对需要监控的设备的识别精度和识别范围。
附图说明
图1为一个实施例中图像采集设备的布点方法的流程示意图；
图2为一个实施例中构建布点方案的流程示意图；
图3为一个实施例中确定每一方案的清晰度矩阵的流程示意图；
图4为另一个实施例中图像采集设备的布点方法的流程示意图；
图5为又一个实施例中图像采集设备的布点方法的流程示意图；
图6为一个实施例中图像采集设备的布点装置的结构框图；
图7为一个实施例中计算机设备的内部结构图。
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，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在一个实施例中，如图1所示，提供了一种图像采集设备的布点方法，本实施例以该方法应用于终端进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。另外，在本发明实施例中，以图像采集设备为摄像头为例，不考虑摄像头的型号和规格，默认使用常规摄像头，并且不考虑摄像头的视角问题和摄像头的布置水平的高度问题。本实施例中，该方法包括以下步骤：
步骤102，将变电站二维分布图划分为m*n个网格，m与n均为大于1的正整数；其中，网格用于指代图像采集设备的可选布点区域，每一网格最多对应安装一个图像采集设备。
首先，变电站是指电力系统中对电压和电流进行变换，接受电能及分配电能的场所，通过将变电站进行三维构建后会得到变电站的三维模型。变电站二维分布图是基于变电站的三维模型得到的，分布图是变电站整个场所范围内的设备分布情况，其中可以通过对变电站的三维模型进行垂直投影得到变电站二维分布图，也可以通过栅格化算法将变电站的三维模型渲染到二维平面，得到变电站二维分布图。
可以理解的是，将变电站二维分布图划分为m*n个网格时，m与n均必须为大于1的正整数，首先，在划分时一定是采用正整数的参数对分布图进行划分才能保证划分变电站二维分布图这个动作被终端正常执行，不影响后续图像采集设备的布点选择动作。通常情况下，考虑到变电站的实际场所范围都很大，不可能在一整个区域内选择布点情况，这样跟利用整个变电站分布图进行人工选择的区别并不大，因此在划分时m和n都是大于1的正整数，且考虑到实际应用情况，在某些实施例中，m和n也不会是接近1的正整数。
网格到的划分是为了便于确定图像采集设备的安装区域和存在待监控设备的区域。在某些实施例中，在通过三维模型对变电站分布图进行栅格化，得到变电站的二维分布图时，对应会得到每一网格的位置、网格中是否允许安装图像采集设备和网格中是否存在待监控设备等信息，上述这些信息会成为每一网格的属性信息，伴随着后续对网格中是否安装图像采集设备的选择过程。另外在本发明实施例中，默认一个网格中只安装一台图像采集设备。
步骤104，基于图像采集设备的布点数量，构建得到多个布点方案，每一布点方案是从m*n的网格区域中选取网格所确定的。
其中，图像采集设备的布点数量是根据实际应用需求中的图像采集设备的成本确定的，在一次图像采集设备的布点选择方法实施中，在根据图像采集设备的成本确定图像采集设备的上限数量后，图像采集设备的布点数量只要不超过上限数量，可以有多种选择。基于上述布点数量的确定可以知道，对应构建的布点方案也会有多种，而布点方案就是在已知的能够安装图像采集设备的网格中，选取布点数量个网格进行图像采集设备的安装。
步骤106，根据m*n个网格中的监控对象网格，确定每一布点方案对应的清晰度矩阵；清晰度矩阵用于指示对应的布点方案在对监控对象网格进行监控时的监控清晰度。
根据上述步骤102的说明可以确定，监控对象网格就是存在待监控设备的网格，而待监控设备的位置信息在根据三维模型得到变电站二维分布图的时候回获知，其中待监控设备包括变电站中不可或缺的设备，例如变压器、导线、互感器、隔离开关等设备。然后根据待监控设备的位置信息和每一网格的位置信息确定监控对象网格的位置。需要说明的是，网格的位置是以网格的中心位置、左上角位置、右上角位置还是网格的其他位置来确定，这一点并不进行限定的，但是在同一个实施例中，每一网格的位置信息的确定方式应该是一致。
可以理解的是，步骤206中提到根据监控对象网格确定布点方案的清晰度矩阵中，隐含了通过非监控对象网格确定布点方案的清晰度矩阵这一步骤，可以理解的是，在某一网格中并不存在待监控设备时，图像采集设备对这一网格的清晰度是没有意义的，因此，在任一布点方案中，对非监控对象网格的清晰度统一规定一个数值，例如清晰度为0。
清晰度矩阵Q本质上是一个矩阵，它的形式是依据m*n个网格进行构建的，也就是说，清晰度矩阵Q具有m行n列，其中的元素Qij表示对第Xij个网格的清晰度，其中，对监控对象网格的清晰度Qij和布点方案中图像采集设备的安装位置所在的网格与监控对象网格之间的距离有关，并且考虑到布点方案中不止一个网格被选定为安装图像采集设备的网格，故清晰度矩阵Q中的每一元素QXij其实是叠加之后得到的结果；对非监控对象网格的清晰度Qij可以直接置为0。
步骤108，根据理想清晰度矩阵及每一布点方案对应的清晰度矩阵，从多个布点方案中选取最终布点方案，理想清晰度矩阵用于指示监控清晰度目标，理想清晰度矩阵与清晰度矩阵的维度均为m*n。
理想清晰度矩阵中的每一元素是根据对每一监控对象网格中的待监控设备的监控清晰度的预期要求设定的，对于每一监控对象网格的理想清晰度值，可以是一样的，也可以根据实际应用中不同监控对象网格中待监控设备的重要程度设定不同的值，需要强调的是，在一个实施例中，根据重要程度确定理想清晰度值时应该采用的是同一标准进行判断。
此外，理想清晰度矩阵Y的构建也是依据m*n个网格进行构建的，其中的元素Yij表示对第Xij个网格的理想清晰度值。因此，理想清晰度矩阵Y中的元素Yij和清晰度矩阵Q中的元素Qij都是针对同一网格Xij的清晰度。在根据理想清晰度矩阵及每一布点方案对应的清晰度矩阵选取最终布点方案时，是通过理想清晰度矩阵Y与清晰度矩阵Q中的对位元素进行对比，确定最终布点方案。
上述图像采集设备的布点方法中，将变电站二维分布图划分为m*n个网格，m与n均为大于1的正整数；其中，网格用于指代图像采集设备的可选布点区域，每一网格最多对应安装一个图像采集设备；基于图像采集设备的布点数量，构建得到多个布点方案，每一布点方案是从m*n的网格区域中选取网格所确定的；根据m*n个网格中的监控对象网格，确定每一布点方案对应的清晰度矩阵；清晰度矩阵用于指示对应的布点方案在对监控对象网格进行监控时的监控清晰度；根据理想清晰度矩阵及每一布点方案对应的清晰度矩阵，从多个布点方案中选取最终布点方案，理想清晰度矩阵用于指示监控清晰度目标，理想清晰度矩阵与清晰度矩阵的维度均为m*n。通过将每一布点方案的清晰度矩阵与理想清晰度矩阵作对比构建目标函数，以图像采集设备的安装数量为约束条件，确定图像采集设备的布点，在节省图像采集设备成本的条件下，将对需要监控的设备的覆盖清晰度最大化，即节省了资源，又提升了对需要监控的设备的识别精度和识别范围。
结合上述实施例的内容，参见图2，基于图像采集设备的布点数量，构建得到多个布点方案，包括：
步骤202，确定m*n个网格中的多个候选网格，多个候选网格的数量大于布点数量，候选网格指的是允许布置图像采集设备的网格；
根据上述实施例中的说明，候选网格是所有网格中允许安装图像采集设备的网格，可以理解的是，本实施例的原理为在可以安装图像采集设备的位置中选若干位置安装图像采集设备，因此候选网格的数量是一定不能大于网格的数量；并且在确定图像采集设备的安装数量上限时，能够安装图像采集设备的候选区域的数量一定要大于图像采集设备的安装数量上限，也即布点数量，否则本申请的方案将没有任何意义，
其中，布点数量的大小取决于图像采集设备的安装数量上限，且并不止一种。例如候选网格的数量为N，图像采集设备的安装数量上限为p，那么一定有：
m*n≥N>p
而布点数量可以是0至p中的任一正整数。
步骤204，确定由多个候选网格中布点数量个的候选网格所组成的所有候选网格组合，将每一候选网格组合作为一个布点方案。
结合上述说明，可以理解的是，在N个候选网格选取布点数量个网格作为布点方案时，所有候选网格组合的数量为：
本实施例中，通过候选网格的数量和布点数量的大小确定候选布点方案的数量，能够遍历所有满足图像采集设备的安装数量上限的布点方案，避免方案漏选或错选，能够提高图像采集设备的布点选择的准确率。
结合上述实施例的内容，参见图3，根据m*n个网格中的监控对象网格，确定每一布点方案对应的清晰度矩阵，包括：
步骤302，对于任一布点方案，根据监控对象网格，计算任一布点方案中每一网格对应的清晰度矩阵。
其中，在计算任一布点方案的清晰度矩阵之前，首先计算当第h个网格在安装图像采集设备时，对所有网格的清晰度矩阵作为每一网格对应的清晰度矩阵Wh，具体为：
其中，h表示第h个网格，h为正整数且h∈(1,m*n)；
表示图像采集设备安装在第h个网格时对第Xij个网格的清晰度，可以进行量化，例如：
(1)判断第Xij个网格中是否存在待监控设备，若不存在，则
置0；
(2)若第Xij个网格中存在待监控设备，则根据图像采集设备能够对第Xij个网格的拍摄清晰度来确定
步骤304，对任一布点方案中每一网格对应的清晰度矩阵进行叠加，得到任一布点方案对应的清晰度矩阵。
结合上述举例，Q表示任一布点方案对应的清晰度矩阵，Q结构为：
任一布点方案中每一网格对应的清晰度矩阵进行叠加可以表示为：
其中，N表示候选网格的数量；变量ch为实际安装参数，它的取值为0或1，若在布点方案中，第h个网格被选为安装图像采集设备的网格，则ch为1；否则ch为0，并且ch满足：
因此，可以知道，清晰度矩阵Q中的元素Qij的计算公式为：
上述实施例通过将任一布点方案中的每一网格的清晰度矩阵进行叠加，确定任一布点方案的清晰度矩阵，能够确定任一方案对所有网格区域的覆盖清晰度，以此来进行后续的筛选判断，能够得到更精确的图像采集设备的布点方案。
结合上述实施例的内容，根据监控对象网格，计算任一布点方案中每一网格对应的清晰度矩阵，包括：
对于任一布点方案中任一网格，根据任一网格及监控对象网格在m*n个网格中的各自位置，计算任一网格与监控对象网格之间的距离；
将任一网格与监控对象网格之间的距离转化为任一网格对监控对象网格进行监控时的监控清晰度，由任一网格对监控对象网格进行监控时的监控清晰度组成任一网格对应的清晰度矩阵。
可以理解的是，不管网格的位置是以网格的中心位置、左上角位置、右上角位置还是网格的其他位置来确定，但是在同一个实施例中，每一网格的位置信息的确定方式是一致，由此可以通过计算得到任一布点方案中的任一网格与监控对象网格的距离，根据距离的远近确定清晰度的大小，距离越远，清晰度越大，即在一个实施例中，会提前确定距离与清晰度之间的确定数值关系，可以根据距离的远近将清晰度划分为若干数值等级。例如：如果布点方案中某一网格离第Xij个网格(该网格为监控对象网格)太远，实际图像采集设备无法获取到对第Xij个网格的清晰图像，则
的取值可以为0；如果布点方案中某一网格离第Xij个网格(该网格为监控对象网格)非常近，那么
的取值可以为4(即最大值为4，取值范围在0至4的整数)。
另外，考虑到实际图像采集设备的工作能力，根据量化后得到的
对清晰度矩阵Q进行计算时，不是将
的数值进行简单的相加，而是在进行叠加时以
中的最大清晰度值作为Qij，例如
则Q13＝2；又例如
则Q54＝3。
上述实施例中，通过距离的远近来确定图像采集设备对每一网格的清晰度，从而能够更加贴合现实情况对图像采集设备的布点选择进行模拟，得到更精确的图像采集设备的布点方案。
结合上述实施例的内容，参见图4，根据理想清晰度矩阵及每一布点方案对应的清晰度矩阵，从多个布点方案中选取最终布点方案，包括：
步骤402，根据理想清晰度矩阵及每一布点方案对应的清晰度矩阵，计算每一布点方案的清晰度平均差异值；清晰度平均差异值用于指示对应的布点方案所达到的监控效果与监控清晰度目标之间的差异程度；
理想清晰度矩阵中的每一元素是根据对每一监控对象网格中的待监控设备的监控清晰度的预期要求设定的，理想清晰度矩阵Y中的元素Yij和清晰度矩阵Q中的元素Qij都是针对同一网格Xij的清晰度。可以理解的是，针对每一布点方案，需要知道每一布点方案对应的清晰度矩阵与理想清晰度矩阵之间的差异，依次来判断布点方案的布点效果。在某些实施例中，可以先将清晰度矩阵与理想清晰度矩阵作差，得到每一布点方案的理想程度值，根据每一布点方案的理想程度值确定最终布点方案。
步骤404，从所有的清晰度平均差异值中选取最小值，将最小值对应的布点方案作为最终布点方案。
很容易理解，在获取到理想清晰度矩阵与每一布点方案对应的清晰度矩阵之间的清晰度平均差异值后，将所有的清晰度平均差异值最小值对应的布点方案作为最终布点方案。其中，每一布点方案在计算的时候，每一网格都有实际安装参数ch，根据ch的取值情况，就可以知道布点方案中对应的图像采集设备的实际安装方案。
结合上述实施例中的内容，参见图5，根据理想清晰度矩阵及每一布点方案对应的清晰度矩阵，计算每一布点方案的清晰度平均差异值，包括：
步骤502，对于任一清晰度矩阵及任一清晰度矩阵与理想清晰度矩阵之间的m*n组对位元素，计算每组对位元素中两个元素之间的差值绝对值；
步骤504，对每组对位元素对应的差值绝对值求平均，将平均值作为任一清晰度矩阵对应的布点方案的清晰度平均差异值。
结合上述步骤304的说明可知，本实施例中求取每一布点方案的清晰度平均差异值的公式如下：
在具体实施例中，将上述平均差异值求最小值作为目标函数，约束条件为f∈[1,M]且f为正整数，其中M为候选网格组合的数量(即布点方案的数量)，通过遗传算法直接获取最优解，确定最优解对应的布点方案。
上述实施例的内容，通过将每一布点方案的清晰度矩阵与理想清晰度矩阵作对比构建目标函数，以图像采集设备的安装数量为约束条件，确定图像采集设备的布点，在节省图像采集设备成本的条件下，将对需要监控的设备的覆盖清晰度最大化，即节省了资源，又提升了对需要监控的设备的识别精度和识别范围。
应该理解的是，虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的图像采集设备的布点方法的图像采集设备的布点装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个图像采集设备的布点装置实施例中的具体限定可以参见上文中对于图像采集设备的布点方法的限定，在此不再赘述。
在一个实施例中，如图6所示，提供了一种图像采集设备的布点装置，包括：划分模块601、构建模块602、第一确定模块603和第二确定模块604，其中：
划分模块601，用于将变电站二维分布图划分为m*n个网格，m与n均为大于1的正整数；其中，网格用于指代图像采集设备的可选布点区域，每一网格最多对应安装一个图像采集设备；
构建模块602，用于基于图像采集设备的布点数量，构建得到多个布点方案，每一布点方案是从m*n的网格区域中选取网格所确定的；
第一确定模块603，用于根据m*n个网格中的监控对象网格，确定每一布点方案对应的清晰度矩阵；清晰度矩阵用于指示对应的布点方案在对监控对象网格进行监控时的监控清晰度；
第二确定模块604，用于根据理想清晰度矩阵及每一布点方案对应的清晰度矩阵，从多个布点方案中选取最终布点方案，理想清晰度矩阵用于指示监控清晰度目标，理想清晰度矩阵与清晰度矩阵的维度均为m*n。
在一个实施例中，构建模块601包括第一确定单元和第二确定单元，其中：
第一确定单元，用于确定m*n个网格中的多个候选网格，多个候选网格的数量大于布点数量，候选网格指的是允许布置图像采集设备的网格；
第二确定单元，用于确定由多个候选网格中布点数量个的候选网格所组成的所有候选网格组合，将每一候选网格组合作为一个布点方案。
在一个实施例中，第一确定模块603包括第一计算单元和第二计算单元，其中：
第一计算单元，用于对于任一布点方案，根据监控对象网格，计算任一布点方案中每一网格对应的清晰度矩阵；
第二计算单元，用于对任一布点方案中每一网格对应的清晰度矩阵进行叠加，得到任一布点方案对应的清晰度矩阵。
在一个实施例中，第一计算单元用于对于任一布点方案中任一网格，根据任一网格及监控对象网格在m*n个网格中的各自位置，计算任一网格与监控对象网格之间的距离；将任一网格与监控对象网格之间的距离转化为任一网格对监控对象网格进行监控时的监控清晰度，由任一网格对监控对象网格进行监控时的监控清晰度组成任一网格对应的清晰度矩阵。
在其中一个实施例中，第二确定模块604包括第三计算单元和选择单元，其中：
第三计算单元，用于根据理想清晰度矩阵及每一布点方案对应的清晰度矩阵，计算每一布点方案的清晰度平均差异值；清晰度平均差异值用于指示对应的布点方案所达到的监控效果与监控清晰度目标之间的差异程度；
选择单元，用于从所有的清晰度平均差异值中选取最小值，将最小值对应的布点方案作为最终布点方案。
在其中一个实施例中，第二确定模块604用于对于任一清晰度矩阵及任一清晰度矩阵与理想清晰度矩阵之间的m*n组对位元素，计算每组对位元素中两个元素之间的差值绝对值；对每组对位元素对应的差值绝对值求平均，将平均值作为任一清晰度矩阵对应的布点方案的清晰度平均差异值。
上述图像采集设备的布点装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储变电站的三维模型的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种图像采集设备的布点方法。
本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
将变电站二维分布图划分为m*n个网格，m与n均为大于1的正整数；其中，网格用于指代图像采集设备的可选布点区域，每一网格最多对应安装一个图像采集设备；
基于图像采集设备的布点数量，构建得到多个布点方案，每一布点方案是从m*n的网格区域中选取网格所确定的；
根据m*n个网格中的监控对象网格，确定每一布点方案对应的清晰度矩阵；清晰度矩阵用于指示对应的布点方案在对监控对象网格进行监控时的监控清晰度；
根据理想清晰度矩阵及每一布点方案对应的清晰度矩阵，从多个布点方案中选取最终布点方案，理想清晰度矩阵用于指示监控清晰度目标，理想清晰度矩阵与清晰度矩阵的维度均为m*n。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
确定m*n个网格中的多个候选网格，多个候选网格的数量大于布点数量，候选网格指的是允许布置图像采集设备的网格；
确定由多个候选网格中布点数量个的候选网格所组成的所有候选网格组合，将每一候选网格组合作为一个布点方案。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
对于任一布点方案，根据监控对象网格，计算任一布点方案中每一网格对应的清晰度矩阵；
对任一布点方案中每一网格对应的清晰度矩阵进行叠加，得到任一布点方案对应的清晰度矩阵。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
对于任一布点方案中任一网格，根据任一网格及监控对象网格在m*n个网格中的各自位置，计算任一网格与监控对象网格之间的距离；
将任一网格与监控对象网格之间的距离转化为任一网格对监控对象网格进行监控时的监控清晰度，由任一网格对监控对象网格进行监控时的监控清晰度组成任一网格对应的清晰度矩阵。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据理想清晰度矩阵及每一布点方案对应的清晰度矩阵，计算每一布点方案的清晰度平均差异值；清晰度平均差异值用于指示对应的布点方案所达到的监控效果与监控清晰度目标之间的差异程度；
从所有的清晰度平均差异值中选取最小值，将最小值对应的布点方案作为最终布点方案。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
对于任一清晰度矩阵及任一清晰度矩阵与理想清晰度矩阵之间的m*n组对位元素，计算每组对位元素中两个元素之间的差值绝对值；
对每组对位元素对应的差值绝对值求平均，将平均值作为任一清晰度矩阵对应的布点方案的清晰度平均差异值。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
将变电站二维分布图划分为m*n个网格，m与n均为大于1的正整数；其中，网格用于指代图像采集设备的可选布点区域，每一网格最多对应安装一个图像采集设备；
基于图像采集设备的布点数量，构建得到多个布点方案，每一布点方案是从m*n的网格区域中选取网格所确定的；
根据m*n个网格中的监控对象网格，确定每一布点方案对应的清晰度矩阵；清晰度矩阵用于指示对应的布点方案在对监控对象网格进行监控时的监控清晰度；
根据理想清晰度矩阵及每一布点方案对应的清晰度矩阵，从多个布点方案中选取最终布点方案，理想清晰度矩阵用于指示监控清晰度目标，理想清晰度矩阵与清晰度矩阵的维度均为m*n。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
确定m*n个网格中的多个候选网格，多个候选网格的数量大于布点数量，候选网格指的是允许布置图像采集设备的网格；
确定由多个候选网格中布点数量个的候选网格所组成的所有候选网格组合，将每一候选网格组合作为一个布点方案。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
对于任一布点方案，根据监控对象网格，计算任一布点方案中每一网格对应的清晰度矩阵；
对任一布点方案中每一网格对应的清晰度矩阵进行叠加，得到任一布点方案对应的清晰度矩阵。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
对于任一布点方案中任一网格，根据任一网格及监控对象网格在m*n个网格中的各自位置，计算任一网格与监控对象网格之间的距离；
将任一网格与监控对象网格之间的距离转化为任一网格对监控对象网格进行监控时的监控清晰度，由任一网格对监控对象网格进行监控时的监控清晰度组成任一网格对应的清晰度矩阵。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据理想清晰度矩阵及每一布点方案对应的清晰度矩阵，计算每一布点方案的清晰度平均差异值；清晰度平均差异值用于指示对应的布点方案所达到的监控效果与监控清晰度目标之间的差异程度；
从所有的清晰度平均差异值中选取最小值，将最小值对应的布点方案作为最终布点方案。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
对于任一清晰度矩阵及任一清晰度矩阵与理想清晰度矩阵之间的m*n组对位元素，计算每组对位元素中两个元素之间的差值绝对值；
对每组对位元素对应的差值绝对值求平均，将平均值作为任一清晰度矩阵对应的布点方案的清晰度平均差异值。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
将变电站二维分布图划分为m*n个网格，m与n均为大于1的正整数；其中，网格用于指代图像采集设备的可选布点区域，每一网格最多对应安装一个图像采集设备；
基于图像采集设备的布点数量，构建得到多个布点方案，每一布点方案是从m*n的网格区域中选取网格所确定的；
根据m*n个网格中的监控对象网格，确定每一布点方案对应的清晰度矩阵；清晰度矩阵用于指示对应的布点方案在对监控对象网格进行监控时的监控清晰度；
根据理想清晰度矩阵及每一布点方案对应的清晰度矩阵，从多个布点方案中选取最终布点方案，理想清晰度矩阵用于指示监控清晰度目标，理想清晰度矩阵与清晰度矩阵的维度均为m*n。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
确定m*n个网格中的多个候选网格，多个候选网格的数量大于布点数量，候选网格指的是允许布置图像采集设备的网格；
确定由多个候选网格中布点数量个的候选网格所组成的所有候选网格组合，将每一候选网格组合作为一个布点方案。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
对于任一布点方案，根据监控对象网格，计算任一布点方案中每一网格对应的清晰度矩阵；
对任一布点方案中每一网格对应的清晰度矩阵进行叠加，得到任一布点方案对应的清晰度矩阵。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
对于任一布点方案中任一网格，根据任一网格及监控对象网格在m*n个网格中的各自位置，计算任一网格与监控对象网格之间的距离；
将任一网格与监控对象网格之间的距离转化为任一网格对监控对象网格进行监控时的监控清晰度，由任一网格对监控对象网格进行监控时的监控清晰度组成任一网格对应的清晰度矩阵。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据理想清晰度矩阵及每一布点方案对应的清晰度矩阵，计算每一布点方案的清晰度平均差异值；清晰度平均差异值用于指示对应的布点方案所达到的监控效果与监控清晰度目标之间的差异程度；
从所有的清晰度平均差异值中选取最小值，将最小值对应的布点方案作为最终布点方案。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
对于任一清晰度矩阵及任一清晰度矩阵与理想清晰度矩阵之间的m*n组对位元素，计算每组对位元素中两个元素之间的差值绝对值；
对每组对位元素对应的差值绝对值求平均，将平均值作为任一清晰度矩阵对应的布点方案的清晰度平均差异值。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种图像采集设备的布点方法，其特征在于，所述方法包括：
将变电站二维分布图划分为m*n个网格，所述m与所述n均为大于1的正整数；其中，网格用于指代图像采集设备的可选布点区域，每一网格最多对应安装一个图像采集设备；
基于图像采集设备的布点数量，构建得到多个布点方案，每一布点方案是从m*n的网格区域中选取网格所确定的；
根据m*n个网格中的监控对象网格，确定每一布点方案对应的清晰度矩阵；清晰度矩阵用于指示对应的布点方案在对所述监控对象网格进行监控时的监控清晰度；
根据理想清晰度矩阵及每一布点方案对应的清晰度矩阵，从所述多个布点方案中选取最终布点方案，所述理想清晰度矩阵用于指示监控清晰度目标，所述理想清晰度矩阵与所述清晰度矩阵的维度均为m*n。
2.根据权利要求1所述的方法，其特征在于，所述基于图像采集设备的布点数量，构建得到多个布点方案，包括：
确定m*n个网格中的多个候选网格，所述多个候选网格的数量大于所述布点数量，所述候选网格指的是允许布置图像采集设备的网格；
确定由所述多个候选网格中所述布点数量个的候选网格所组成的所有候选网格组合，将每一候选网格组合作为一个布点方案。
3.根据权利要求1所述的方法，其特征在于，所述根据m*n个网格中的监控对象网格，确定每一布点方案对应的清晰度矩阵，包括：
对于任一布点方案，根据所述监控对象网格，计算所述任一布点方案中每一网格对应的清晰度矩阵；
对所述任一布点方案中每一网格对应的清晰度矩阵进行叠加，得到所述任一布点方案对应的清晰度矩阵。
4.根据权利要求3所述的方法，其特征在于，所述根据所述监控对象网格，计算所述任一布点方案中每一网格对应的清晰度矩阵，包括：
对于所述任一布点方案中任一网格，根据所述任一网格及所述监控对象网格在所述m*n个网格中的各自位置，计算所述任一网格与所述监控对象网格之间的距离；
将所述任一网格与所述监控对象网格之间的距离转化为所述任一网格对所述监控对象网格进行监控时的监控清晰度，由所述任一网格对所述监控对象网格进行监控时的监控清晰度组成所述任一网格对应的清晰度矩阵。
5.根据权利要求4所述的方法，其特征在于，所述根据理想清晰度矩阵及每一布点方案对应的清晰度矩阵，从所述多个布点方案中选取最终布点方案，包括：
根据理想清晰度矩阵及每一布点方案对应的清晰度矩阵，计算每一布点方案的清晰度平均差异值；所述清晰度平均差异值用于指示对应的布点方案所达到的监控效果与所述监控清晰度目标之间的差异程度；
从所有的清晰度平均差异值中选取最小值，将所述最小值对应的布点方案作为所述最终布点方案。
6.根据权利要求5所述的方法，其特征在于，所述根据理想清晰度矩阵及每一布点方案对应的清晰度矩阵，计算每一布点方案的清晰度平均差异值，包括：
对于任一清晰度矩阵及所述任一清晰度矩阵与所述理想清晰度矩阵之间的m*n组对位元素，计算每组对位元素中两个元素之间的差值绝对值；
对每组对位元素对应的差值绝对值求平均，将平均值作为所述任一清晰度矩阵对应的布点方案的清晰度平均差异值。
7.一种图像采集设备的布点装置，其特征在于，所述装置包括：
划分模块，用于将变电站二维分布图划分为m*n个网格，所述m与所述n均为大于1的正整数；其中，网格用于指代图像采集设备的可选布点区域，每一网格最多对应安装一个图像采集设备；
构建模块，用于基于图像采集设备的布点数量，构建得到多个布点方案，每一布点方案是从m*n的网格区域中选取网格所确定的；
第一确定模块，用于根据m*n个网格中的监控对象网格，确定每一布点方案对应的清晰度矩阵；清晰度矩阵用于指示对应的布点方案在对所述监控对象网格进行监控时的监控清晰度；
第二确定模块，用于根据理想清晰度矩阵及每一布点方案对应的清晰度矩阵，从所述多个布点方案中选取最终布点方案，所述理想清晰度矩阵用于指示监控清晰度目标，所述理想清晰度矩阵与所述清晰度矩阵的维度均为m*n。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111480025.2A CN114390248A (zh) | 2021-12-06 | 2021-12-06 | 图像采集设备的布点方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111480025.2A CN114390248A (zh) | 2021-12-06 | 2021-12-06 | 图像采集设备的布点方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114390248A true CN114390248A (zh) | 2022-04-22 |
Family
ID=81196143
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111480025.2A Pending CN114390248A (zh) | 2021-12-06 | 2021-12-06 | 图像采集设备的布点方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114390248A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116958909A (zh) * | 2023-09-20 | 2023-10-27 | 山东通广电子股份有限公司 | 基于网格化管控的视频监控系统及监控方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150003470A (ko) * | 2013-07-01 | 2015-01-09 | 버츄얼빌더스 주식회사 | 감시카메라 배치 시스템 및 그 제공방법 |
| CN109522580A (zh) * | 2018-03-20 | 2019-03-26 | 广东电网有限责任公司清远供电局 | 一种基于变电站区域重要程度的监控摄像头布点方法 |
| CN109587477A (zh) * | 2018-08-09 | 2019-04-05 | 浙江大华技术股份有限公司 | 一种图像采集设备选择方法、装置、电子设备及存储介质 |
| KR20190058230A (ko) * | 2017-11-20 | 2019-05-29 | (주)포스트미디어 | 감시카메라 배치 모델링 시스템 및 방법 |
| CN112969034A (zh) * | 2021-03-01 | 2021-06-15 | 华雁智能科技(集团)股份有限公司 | 摄像装置布点方案图的验证方法、装置及可读存储介质 |
-
2021
- 2021-12-06 CN CN202111480025.2A patent/CN114390248A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150003470A (ko) * | 2013-07-01 | 2015-01-09 | 버츄얼빌더스 주식회사 | 감시카메라 배치 시스템 및 그 제공방법 |
| KR20190058230A (ko) * | 2017-11-20 | 2019-05-29 | (주)포스트미디어 | 감시카메라 배치 모델링 시스템 및 방법 |
| CN109522580A (zh) * | 2018-03-20 | 2019-03-26 | 广东电网有限责任公司清远供电局 | 一种基于变电站区域重要程度的监控摄像头布点方法 |
| CN109587477A (zh) * | 2018-08-09 | 2019-04-05 | 浙江大华技术股份有限公司 | 一种图像采集设备选择方法、装置、电子设备及存储介质 |
| CN112969034A (zh) * | 2021-03-01 | 2021-06-15 | 华雁智能科技(集团)股份有限公司 | 摄像装置布点方案图的验证方法、装置及可读存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116958909A (zh) * | 2023-09-20 | 2023-10-27 | 山东通广电子股份有限公司 | 基于网格化管控的视频监控系统及监控方法 |
| CN116958909B (zh) * | 2023-09-20 | 2023-12-22 | 山东通广电子股份有限公司 | 基于网格化管控的视频监控系统及监控方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105894234B (zh) | 计算自提柜投放位置的数据处理方法和系统 | |
| Zhang et al. | Stochastic model predictive control using a combination of randomized and robust optimization | |
| CN108846555B (zh) | 一种电力负荷大数据缺失值的高效精确填补法 | |
| CN103535014B (zh) | 一种网络存储系统、数据处理方法和客户端 | |
| CN110503267B (zh) | 基于时空尺度自适应模型的城市侵财案件预测系统及预测方法 | |
| CN114390248A (zh) | 图像采集设备的布点方法、装置、计算机设备和存储介质 | |
| CN115529315B (zh) | 一种云边协同系统 | |
| CN110008439A (zh) | 基于矩阵分解的降雨数据时空一体化插值算法 | |
| CN114493052A (zh) | 多模型融合自适应新能源功率预测方法和系统 | |
| CN115526118A (zh) | 仿真模型确定及故障分析方法、装置、设备和存储介质 | |
| CN115618719A (zh) | 一种工业建筑内的火灾烟雾监测预警方法、系统和存储介质 | |
| CN111062590A (zh) | 用电异常行为检测方法、装置、计算机设备和存储介质 | |
| CN108197347B (zh) | 连续不规则区域采样点的地理空间分布均匀度检测方法 | |
| CN114186855A (zh) | 监控预警方法、装置、计算机设备、存储介质和程序产品 | |
| CN117036570B (zh) | 一种3d点云模型贴图的自动生成方法及系统 | |
| CN109800477A (zh) | 锂离子电池三因素不一致性预测方法及装置 | |
| CN115311574B (zh) | 一种建筑物监测方法、设备及介质 | |
| CN110428164A (zh) | 一种电网运行状态监测方法、装置、设备及可读存储介质 | |
| US20130268230A1 (en) | Processing distributions | |
| Pinson et al. | Generation of statistical scenarios of short-term wind power production | |
| CN114513498A (zh) | 文件传输校验方法、装置、计算机设备和存储介质 | |
| CN113435802B (zh) | 输电网监测规划方案构建方法、装置、设备和存储介质 | |
| CN112990631A (zh) | 渗流场的评价方法及装置、计算机可读存储介质 | |
| Gupta | Topological Analysis for Knowledge Discovery from Building Sensor Data | |
| CN116452004A (zh) | 一种恶劣气象条件下的电网风险控制方法和装置 |
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 |