CN114937095A - 一种摄像机布控方法、装置、系统、分析设备及存储介质 - Google Patents

一种摄像机布控方法、装置、系统、分析设备及存储介质 Download PDF

Info

Publication number
CN114937095A
CN114937095A CN202210689393.6A CN202210689393A CN114937095A CN 114937095 A CN114937095 A CN 114937095A CN 202210689393 A CN202210689393 A CN 202210689393A CN 114937095 A CN114937095 A CN 114937095A
Authority
CN
China
Prior art keywords
evaluation result
camera
preset
evaluation
image
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
CN202210689393.6A
Other languages
English (en)
Inventor
孔岳
杨焱
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.)
BOE Technology Group Co Ltd
Original Assignee
BOE Technology Group 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 BOE Technology Group Co Ltd filed Critical BOE Technology Group Co Ltd
Priority to CN202210689393.6A priority Critical patent/CN114937095A/zh
Publication of CN114937095A publication Critical patent/CN114937095A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30244—Camera pose

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Studio Devices (AREA)
  • General Factory Administration (AREA)

Abstract

本发明实施例提供了一种摄像机布控方法、装置、系统、分析设备及存储介质，方法包括：获取待布控摄像机所采集的当前图像；基于预先训练的模型，对当前图像进行智能识别质量评估得到评估结果；判断评估结果是否满足预设智能识别条件；若不满足，根据评估结果确定待布控摄像机的目标布控调整策略并发送至施工人员携带的前端设备，以使前端设备语音播报和/或文字显示目标布控调整策略，使得施工人员按照目标布控调整策略对待布控摄像机进行调整。由于分析设备可以根据摄像机采集的图像确定布控调整策略，并将其告知现场的施工人员对摄像机进行调整，所以无需专业人员进行现场指导，降低了人力成本，同时也提高了布控的效率。

Description

一种摄像机布控方法、装置、系统、分析设备及存储介质
技术领域
本发明涉及人工智能技术领域，特别是涉及一种摄像机布控方法、装置、系统、分析设备及存储介质。
背景技术
在对传统安防摄像机进行智能化改造集成人脸、人体识别分析功能后，选择摄像机的布控位置、角度时，由于光线、角度、距离等因素会影响算法模型对于人脸、人体的识别效果，因此，对于智能化改造后的摄像机来说，为使其实现更好的识别分析效果，摄像机的布控位置、角度的选择尤为重要。
但是现场施工人员可能因缺少计算机视觉知识，无法判断摄像机的当前布控位置和角度是否适合做人脸、人体识别分析，所以需要专业人员在布控现场进行指导，人力成本比较高，布控效率也比较低。
发明内容
本发明实施例的目的在于提供一种摄像机布控方法、装置、系统、分析设备及存储介质，以降低摄像机布控的人力成本，提高布控效率。具体技术方案如下：
第一方面，本发明实施例提供了一种摄像机布控方法，所述方法包括：
获取待布控摄像机所采集的当前图像；
基于预先训练的深度学习模型，对所述当前图像进行智能识别质量评估，得到评估结果；
判断所述评估结果是否满足预设智能识别条件；
若不满足，根据所述评估结果，确定所述待布控摄像机的目标布控调整策略；
将所述目标布控调整策略发送至施工人员携带的前端设备，以使所述前端设备语音播报和/或文字显示所述目标布控调整策略，使得所述施工人员按照所述目标布控调整策略对所述待布控摄像机进行调整；
返回所述获取待布控摄像机所采集的当前图像的步骤，直到所述评估结果满足所述预设智能识别条件。
可选的，所述根据所述评估结果，确定所述待布控摄像机的目标布控调整策略，包括：
根据所述评估结果，从预设策略知识库中包括的各布控调整策略中，选择所述评估结果对应的目标布控调整策略，其中，所述预设策略知识库中存储有预先获取的各评估结果与布控调整策略的对应关系。
可选的，所述评估结果包括画面清晰度；
所述基于预先训练的深度学习模型，对所述当前图像进行智能识别质量评估，得到评估结果，包括：
将所述当前图像输入至预先训练的卷积神经网络中，得到所述当前图像的画面清晰度，其中，所述预先训练的卷积神经网络为预先根据正样本图像和负样本图像训练得到的，所述正样本图像为画面清晰度高于第一预设清晰度阈值的图像，所述负样本图像为在所述正样本图像中加入噪声得到的图像。
可选的，所述评估结果包括画面清晰度、画面光线强度、人脸图像质量、预先标定的所述待布控摄像机的俯仰角、所述待布控摄像机与当前场景中待识别人员动线的视场偏航角中的至少一种评估维度的结果；
所述判断所述评估结果是否满足预设智能识别条件，包括：
将各评估维度对应的评估结果与该评估维度所对应的预设智能识别条件进行比对，判断该评估维度对应的评估结果是否满足该预设智能识别条件；如果各评估维度对应的评估结果均满足对应的预设智能识别条件，确定所述评估结果满足预设智能识别条件；如果存在至少一个评估维度对应的评估结果不满足对应的预设智能识别条件，确定所述评估结果不满足预设智能识别条件；或，
根据各评估维度对应的评估结果以及预设的评分规则，得到各评估维度对应的评分；将所述各评估维度对应的评分按照预设权重进行加权求和，得到总评分；判断所述总评分是否不小于预设评分阈值，如果所述总评分不小于预设评分阈值，确定所述评估结果满足预设智能识别条件；如果所述总评分小于预设评分阈值，确定所述评估结果不满足预设智能识别条件。
可选的，所述方法还包括：
获取所述施工人员通过所述前端设备发送的提问语音；
对所述提问语音进行语音识别，得到提问内容文本；
根据所述提问内容文本，从预设策略知识库中确定与所述提问内容文本对应的答复结果；
将所述答复结果发送至所述前端设备，以使所述前端设备语音播报和/或文字显示所述答复结果。
第二方面，本发明实施例提供了一种摄像机布控装置，所述装置包括：
图像获取模块，用于获取待布控摄像机所采集的当前图像；
图像质量评估模块，用于基于预先训练的深度学习模型，对所述当前图像进行智能识别质量评估，得到评估结果；
评估结果判断模块，用于判断所述评估结果是否满足预设智能识别条件；
目标布控调整策略确定模块，用于若不满足，根据所述评估结果，确定所述待布控摄像机的目标布控调整策略；
目标布控调整策略发送模块，用于将所述目标布控调整策略发送至施工人员携带的前端设备，以使所述前端设备语音播报和/或文字显示所述目标布控调整策略，使得所述施工人员按照所述目标布控调整策略对所述待布控摄像机进行调整；并触发图像获取模块，直到所述评估结果满足所述预设智能识别条件。
可选的，所述目标布控调整策略确定模块，具体用于：
根据所述评估结果，从预设策略知识库中包括的各布控调整策略中，选择所述评估结果对应的目标布控调整策略，其中，所述预设策略知识库中存储有预先获取的各评估结果与布控调整策略的对应关系。
可选的，所述评估结果包括画面清晰度；
所述图像质量评估模块，具体用于：
将所述当前图像输入至预先训练的卷积神经网络中，得到所述当前图像的画面清晰度，其中，所述预先训练的卷积神经网络为预先根据正样本图像和负样本图像训练得到的，所述正样本图像为画面清晰度高于第一预设清晰度阈值的图像，所述负样本图像为在所述正样本图像中加入噪声得到的图像。
可选的，所述评估结果包括画面清晰度、画面光线强度、人脸图像质量、预先标定的所述待布控摄像机的俯仰角、所述待布控摄像机与当前场景中待识别人员动线的视场偏航角中的至少一种评估维度的结果；
所述评估结果判断模块，具体用于：
将各评估维度对应的评估结果与该评估维度所对应的预设智能识别条件进行比对，判断该评估维度对应的评估结果是否满足该预设智能识别条件；如果各评估维度对应的评估结果均满足对应的预设智能识别条件，确定所述评估结果是否满足预设智能识别条件；如果存在至少一个评估维度对应的评估结果不满足对应的预设智能识别条件，确定所述评估结果不满足预设智能识别条件；或，
根据各评估维度对应的评估结果以及预设的评分规则，得到各评估维度对应的评分；将所述各评估维度对应的评分按照预设权重进行加权求和，得到总评分；判断所述总评分是否不小于预设评分阈值，如果所述总评分不小于预设评分阈值，确定所述评估结果满足预设智能识别条件；如果所述总评分小于预设评分阈值，确定所述评估结果不满足预设智能识别条件。
可选的，所述装置还包括：
语音获取模块，用于获取所述施工人员通过所述前端设备发送的提问语音；
语音识别模块，用于对所述提问语音进行语音识别，得到提问内容文本；
答复结果确定模块，用于根据所述提问内容文本，从预设策略知识库中确定与所述提问内容文本对应的答复结果；
答复结果发送模块，用于将所述答复结果发送至所述前端设备，以使所述前端设备语音播报和/或文字显示所述答复结果。
第三方面，本发明实施例提供了一种摄像机布控系统，所述系统包括待布控摄像机、分析设备和前端设备：
所述待布控摄像机，用于将所采集到的当前图像发送至所述分析设备；
所述分析设备，用于接收所述当前图像；基于预先训练的深度学习模型，对所述当前图像进行智能识别质量评估，得到评估结果；判断所述评估结果是否满足预设智能识别条件；若不满足，根据所述评估结果，确定所述待布控摄像机的目标布控调整策略；将所述目标布控调整策略发送至施工人员携带的前端设备，返回所述接收所述当前图像，直到所述评估结果满足所述预设智能识别条件；
所述前端设备，用于接收所述目标布控调整策略，并语音播报和/或文字显示所述目标布控调整策略，使得所述施工人员按照所述目标布控调整策略对所述待布控摄像机进行调整。
第四方面，本发明实施例提供了一种分析设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述第一方面所述的摄像机布控方法步骤。
第五方面，本发明实施例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内存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的摄像机布控方法步骤。
本发明实施例有益效果：
本发明实施例提供的方案中，分析设备可以获取待布控摄像机所采集的当前图像；基于预先训练的深度学习模型，对当前图像进行智能识别质量评估，得到评估结果；判断评估结果是否满足预设智能识别条件；若不满足，根据评估结果，确定待布控摄像机的目标布控调整策略；将目标布控调整策略发送至施工人员携带的前端设备，以使前端设备语音播报和/或文字显示目标布控调整策略，使得施工人员按照目标布控调整策略对待布控摄像机进行调整；返回获取待布控摄像机所采集的当前图像的步骤，直到评估结果满足预设智能识别条件。由于分析设备可以通过评估摄像机所采集的图像，来判断摄像机的布控位置和角度是否合适，并且可以在摄像机布控位置和角度不合适时，根据图像的评估结果进一步确定布控调整策略，并以语音和/或文字的形式将布控调整策略告知现场的施工人员，使得施工人员可以按照该布控调整策略对摄像机进行调整，整个布控过程无需专业人员进行现场指导，降低了摄像机布控的人力成本，同时也提高了摄像机布控的效率。当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的实施例。
图1为本发明实施例所提供的一种摄像机布控方法的流程图；
图2为基于图1所示实施例的语音交互方式的一种流程图；
图3为基于图2所示实施例的语音交互方式的一种具体流程图；
图4为本发明实施例所提供的一种摄像机布控装置的结构示意图
图5为本发明实施例所提供的一种摄像机布控系统的结构示意图
图6为本发明实施例所提供的一种分析设备的结构示意图。
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基于本申请所获得的所有其他实施例，都属于本发明保护的范围。
为了降低摄像机布控的人力成本，提高布控效率，本发明实施例提供了一种摄像机布控方法、装置、系统、分析设备、计算机可读存储介质以及计算机程序产品。下面首先对本发明实施例所提供的的一种摄像机布控方法进行介绍。
本发明实施例所提供的一种摄像机布控方法可以应用于任意需要对摄像机布控进行评估指导的分析设备，例如，可以为电脑、手机、平板电脑等，在此不做具体限定。为了描述清楚，以下称为分析设备。
如图1所示，一种摄像机布控方法，所述方法包括：
S101，获取待布控摄像机所采集的当前图像；
S102，基于预先训练的深度学习模型，对所述当前图像进行智能识别质量评估，得到评估结果；
S103，判断所述评估结果是否满足预设智能识别条件；若不满足，执行步骤S104；若满足，发送提示信息至施工人员携带的前端设备，以告知所述施工人员所述待布控摄像机布控完成；
S104，根据所述评估结果，确定所述待布控摄像机的目标布控调整策略；
S105，将所述目标布控调整策略发送至施工人员携带的前端设备，以使所述前端设备语音播报和/或文字显示所述目标布控调整策略，使得所述施工人员按照所述目标布控调整策略对所述待布控摄像机进行调整；返回步骤S101，直到所述评估结果满足所述预设智能识别条件。
可见，本发明实施例提供的方案中，分析设备可以获取待布控摄像机所采集的当前图像；基于预先训练的深度学习模型，对当前图像进行智能识别质量评估，得到评估结果；判断评估结果是否满足预设智能识别条件；若不满足，根据评估结果，确定待布控摄像机的目标布控调整策略；将目标布控调整策略发送至施工人员携带的前端设备，以使前端设备语音播报和/或文字显示目标布控调整策略，使得施工人员按照目标布控调整策略对待布控摄像机进行调整；返回获取待布控摄像机所采集的当前图像的步骤，直到评估结果满足预设智能识别条件。由于分析设备可以通过评估摄像机所采集的图像，来判断摄像机的布控位置和角度是否合适，并且可以在摄像机布控位置和角度不合适时，根据图像的评估结果进一步确定布控调整策略，并以语音和/或文字的形式将布控调整策略告知现场的施工人员，使得施工人员可以按照该布控调整策略对摄像机进行调整，整个布控过程无需专业人员进行现场指导，降低了摄像机布控的人力成本，同时也提高了摄像机布控的效率。
为了判断待布控摄像机的当前布控位置和角度是否适合做人脸、人体等智能识别分析，分析设备可以获取待布控摄像机在当前布控位置和角度下所采集到的图像，即当前图像，其中，上述待布控摄像机可以为IPC(IP Camera，网络摄像机)。作为一种实施方式，分析设备可以获取待布控摄像机采集的视频流，进而对该视频流进行有效性验证和视频解码，得到待布控摄像机所采集的当前图像。例如，分析设备可以通过通用的RTSP(Real TimeStreaming Protocol，实时流协议)等方式获取待布控摄像机所采集的视频流。作为另一种实施方式，待布控摄像机可以对当前场景进行拍摄，得到当前图像，进而发送至分析设备，这都是合理的，在此不做具体限定。
在一种实施方式中，现场的施工人员在完成待布控摄像机的初始安装后，可以通过所携带的前端设备向分析设备发送校验该待布控摄像机安装位置和角度的请求信息，分析设备在接收到请求信息后，可以根据请求信息中所包含的待布控摄像机的标识信息，获取该标识信息所对应的待布控摄像机所采集的当前图像。
分析设备在获取到当前图像后，可以运用计算机视觉算法对画面的清晰度、光照强度、人脸大小、俯仰角度等信息进行分析。其中，计算机视觉(Computer Vision)又称为机器视觉(Machine Vision)，计算机视觉可以包括基于梯度方向直方图(Histogram ofGradient，HOG)以及尺度不变特征变换(Scale-Invariant Feature Transform，SIFT)等的传统模型以及卷积神经网络(Convolutional Neural Network，CNN)为代表的深度学习模型。
因此，在一种实施方式中，分析设备在获取到待布控摄像机所采集的当前图像后，可以将该当前图像输入至预先训练的深度学习模型中，对当前图像进行智能识别质量评估，得到评估结果。例如，评估结果可以包括图像的画面清晰度、图像的画面光线强度、图像中所包括的人脸大小、摄像机的俯仰角度等等，该评估结果用于表征待布控摄像机在当前布控位置和角度下，对于人脸和人体等智能识别的识别效果。
得到评估结果后，在上述步骤S103中，分析设备可以判断该评估结果是否满足预设智能识别条件，其中，预设智能识别条件为预先根据待布控摄像机当前使用场景设置的条件，用于标识待布控摄像机的布控情况满足当前使用场景中对于人脸、人体等目标进行智能识别分析。
如果该评估结果满足预设智能识别条件，说明待布控摄像机的当前布控情况满足当前使用场景中对于人脸、人体等目标进行智能识别分析，则可以确定待布控摄像机的当前布控位置和角度适合做上述智能识别分析，无需对待布控摄像机的当前布控位置和角度进行调整，此时，分析设备可以将无需进行调整的提示信息发送至前端设备，以使前端设备以语音播报和/或文字显示的形式，向施工人员告知待布控摄像机当前布控的位置和角度合适，无需进行调整，即待布控摄像机布控完成。
如果该评估结果不满足预设智能识别条件，说明待布控摄像机的当前布控情况不满足当前使用场景中对于人脸、人体等目标进行智能识别分析，则可以确定待布控摄像机的当前布控位置和角度不适合做人脸、人体识别分析，需要对待布控摄像机布控的位置和角度进行调整。
此时，分析设备可以根据上述评估结果，确定待布控摄像机的目标布控调整策略，即确定对待布控摄像机进行调整的方式，例如，分析设备对待布控摄像机所采集的当前图像进行评估，得到的评估结果为画面清晰度为A，该画面清晰度不满足预设智能识别条件，则分析设备可以根据该画面清晰度为A的评估结果，确定出用于调整待布控摄像机的方式，作为目标布控调整策略，以调整该待布控摄像机所采集的图像的画面清晰度。
在一种实施方式中，为了使得施工人员更加清晰的了解当前布控方式中存在的问题，分析设备可以根据待布控摄像机在当前布控位置和角度下，对于人脸和人体等目标进行智能识别分析效果，即当前图像的评估结果，确定待布控摄像机的当前布控方式所存在的缺陷，例如，画面清晰度过低、画面强度过高、图像中所包括的人脸区域的面积过小、摄像机的仰角过大等，然后根据布控的缺陷确定相应的调整方式，即确定待布控摄像机的目标布控调整策略。
分析设备在确定出目标布控调整策略后，为了方便施工人员对待布控摄像机进行调整，可以将目标布控调整策略发送至施工人员携带的前端设备。前端设备接收到目标布控调整策略后，可以语音播报和/或文字显示目标布控调整策略，这样，施工人员就可以按照前端设备语音播报和/或文字显示的目标布控调整策略对待布控摄像机进行调整。
在一种实施方式中，分析设备还可以将评估结果发送至施工人员携带的前端设备，前端设备还可以语音播报和/或文字显示评估结果，这样施工人员在了解布控调整策略的同时，还可以进一步了解待布控摄像机进行布控调整的原因，即待布控摄像机的当前布控方式所存在的缺陷，为施工人员提供高效的交互和建议。
分析设备在将目标布控调整策略发送给施工人员携带的前端设备后，为了校验施工人员进行调整后的待布控摄像机的布控位置和角度是否适合智能识别分析，可以返回获取待布控摄像机所采集的当前图像的步骤，即继续进行智能识别质量评估，直至评估结果满足预设智能识别条件。
作为一种实施方式，待布控摄像机可以实时采集当前图像并发送至分析设备，这样，分析设备就可以自动返回获取待布控摄像机所采集的当前图像的步骤。
作为另一种实施方式，施工人员在根据目标布控调整策略对待布控摄像机进行调整后，可以通过前端设备再次发送进行校验的请求信息，分析设备在接收到该请求信息后，返回获取待布控摄像机所采集的当前图像的步骤。这都是合理的。
本发明实施例提供的方案中，由于分析设备可以根据待布控摄像机所采集的当前图像进行智能识别质量评估，并在评估结果不满足预设智能识别条件时，确定布控调整策略并发送至施工人员携带的前端设备，指导施工人员按照目标布控调整策略对待布控摄像机进行调整，整个布控过程无需专业人员进行现场指导，降低了摄像机布控的人力成本，同时也提高了摄像机布控的效率。
作为本发明实施例的一种实施方式，上述根据所述评估结果，确定所述待布控摄像机的目标布控调整策略，可以包括：
根据所述评估结果，从预设策略知识库中包括的各布控调整策略中，选择所述评估结果对应的目标布控调整策略。
分析设备或分析设备所连接的数据库中，可以预先设置有策略知识库，即预设策略知识库，该预设策略知识库中存储有预先获取的各评估结果与布控调整策略的对应关系，这样分析设备在判断出评估结果不满足预设智能识别条件后，就可以根据当前图像对应的评估结果，从预设策略知识库中所包括的各布控调整策略中，选择出该当前图像对应的评估结果所对应的目标布控调整策略，即选择出用于对当前布控方式所存在的缺陷的调整方式。
其中，预设策略知识库可以预先根据收集得到的各种摄像机布控场景中出现的问题和解决方式建立，还可以定时根据收集到的新的问题和解决方式更新该预设策略知识库，以丰富该预设策略知识库中的布控调整策略。
例如，评估结果为画面清晰度为A，预设智能识别条件包括画面清晰度高于a，由于画面清晰度为A不高于a，所以该画面清晰度不满足预设智能识别条件。那么分析设备则可以根据该评估结果，从预设策略知识库中所包括的各布控调整策略中，选择出画面清晰度为A所对应的目标布控调整策略，施工人员在根据该目标布控调整策略对待布控摄像机进行调整后，可以提高待布控摄像机所采集的图像的清晰度，以使得调整后的待布控摄像机所采集的图像的清晰度高于a。
又例如，评估结果为画面光线强度为B，预设智能识别条件包括画面光线强度在b1至b2之间，由于画面光线强度B高于b2，所以该画面光线强度不满足预设智能识别条件，具体为画面光线强度大于预设的最大画面光线强度阈值，那么分析设备则可以根据该评估结果，从预设策略知识库中所包括的各布控调整策略中，选择出画面光线强度为B所对应的目标布控调整策略，施工人员在根据该目标布控调整策略对待布控摄像机进行调整后，可以适当降低待布控摄像机所采集的图像的光照强度，以使调整后的待布控摄像机所采集的图像的画面光线强度在b1至b2之间。
本发明实施例中，分析设备可以根据评估结果和预设策略知识库，确定出该评估结果所对应的目标布控调整策略，进而将该目标布控调整策略发送给现场的施工人员，自动指导其对待布控摄像机进行调整，无需专业人员进行现场指导，降低了摄像机布控的人力成本，同时也提高了摄像机布控的效率，同时，由于预设策略知识库可以提供准确专业的目标布控调整策略，因此可以保证待布控摄像机的布控准确度。
作为本发明实施例的一种实施方式，上述评估结果可以包括画面清晰度。在这种情况下，上述基于预先训练的深度学习模型，对所述当前图像进行智能识别质量评估，得到评估结果，可以包括：
将所述当前图像输入至预先训练的卷积神经网络中，得到所述当前图像的画面清晰度。
获取待布控摄像机所采集的当前图像后，可以将当前图像输入至预先训练的卷积神经网络中，进而，该预先训练的卷积神经网络可以对当前图像进行处理，确定其画面清晰度，并输出该画面清晰度。
其中，预先训练的卷积神经网络可以为预先根据正样本图像和负样本图像训练得到的，该正样本图像可以为画面清晰度高于第一预设清晰度阈值的图像，负样本图像可以为在正样本图像中加入噪声得到的图像。
具体来说，对上述卷积神经网络进行训练时，可以获取画面清晰度高于第一预设清晰度阈值的图像，即获取较为清晰的原图像，将该原图像作为正样本图像。在该原图像中加入不同程度的噪声，例如，可以添加不同程度的三类高斯噪声，从而获取到相应数量的含有噪声的图像，可以将该部分图像作为负样本图像。
这样，就可以根据上述正样本图像和负样本图像以及各图像所对应的标定清晰度对初始卷积神经网络进行训练，得到训练后的卷积神经网络。作为一种实施方式，可以将正样本图像或负样本图像输入当前的卷积神经网络，当前的卷积神经网络可以基于当前模型参数对该样本图像进行处理，输出其预测的该样本图像对应的清晰度，并输出该预测清晰度。进而，可以基于该样本图像对应的标定清晰度和预测清晰度之间的差异，调整当前的卷积神经网络的当前模型参数，直到当前的卷积神经网络收敛，得到上述预先训练的卷积神经网络。
其中，调整当前的卷积神经网络的当前模型参数的具体方式可以采用梯度下降算法、随机梯度下降算法等，在此不做具体限定。
本发明实施例中，通过预先训练的卷积神经网络来确定当前图像的画面清晰度，相较于传统的通过图像的均方误差、峰值信噪比、亮度等信息分析图片清晰度来说，不需要对图像进行预处理，也不需要根据复杂的算法提取复杂的图像特征，因此可以快速确定当前图像的画面清晰度。另外，由于负样本图像为在正样本图像中加入噪声得到的图像，因此训练得到的卷积神经网络可以准确确定具有噪声的图像的的画面清晰度，因此可以很好的应用于图像在传输或采集时受到噪声的污染的情况。
作为本发明实施例的一种实施方式，上述评估结果可以包括画面清晰度、画面光线强度、人脸图像质量、预先标定的所述待布控摄像机的俯仰角、待布控摄像机与当前场景中待识别人员动线的视场偏航角中的至少一种评估维度的结果。
其中，人脸图像质量可以表示人脸图像用于人脸识别的可靠性，例如，人脸的朝向，面部是否无遮挡、是否模糊，人脸所在区域的像素面积大小，两眼之间的像素距离等。
待布控摄像机的俯仰角为待布控摄像机机体坐标系X轴与水平面的夹角，当X轴的正半轴位于过坐标原点的水平面之上时，俯仰角为正，按照一般习惯，俯仰角的范围为-π/2≤θ≤π/2。待布控摄像机的偏航角为待布控摄像机机体坐标系y轴与水平面的垂直方向的夹角。
在一种实施方式中，待布控摄像机的俯仰角和偏航角可以通过对摄像机的标定确定，通过摄像机标定可以确定摄像机的外参和内参，从而可以确定现实世界坐标系与摄像机所采集的图像的图像坐标系之前的转换关系。内参即摄像机的固有参数，包括镜头的焦距、光心和径向失真系数等参数。外参可以包括摄像机的高度、摄像机相对于某个世界坐标系的方向，可以用旋转矩阵R和平移向量t来表示。其中，摄像机的光轴相对于世界坐标系的水平面的方向即为摄像机的俯仰角。摄像机的光轴相对于世界坐标系的水平面的垂直方向即为摄像机的偏航角。
对于待布控摄像机的标定，可以采用棋盘格标定法等进行标定，在此不做具体限定，只要可以标定得到待布控摄像机的相关参数即可。
如果待布控摄像机的偏航角较大，那么对于在使用场景中的待识别人员进行拍摄时，就会拍摄到角度较大的侧脸图像，不利于进行人脸识别或人体目标识别，因此，待布控摄像机的偏航角不易过大。为了准确布控待布控摄像机，使其偏航角适合进行智能识别，可以采用待布控摄像机与当前场景中待识别人员动线的视场偏航角来衡量待布控摄像机在该评估维度的布控质量。
其中，待布控摄像机与当前场景中待识别人员动线的视场偏航角表示在水平方向上，的待布控摄像机的光轴与待识别人员动线之间的夹角，该视场偏航角可以根据标定得到的待布控摄像机的偏航角和使用场景中实际待识别人员动线确定。例如，标定得到的待布控摄像机的偏航角为60度，使用场景中实际待识别人员动线与水平面的垂直方向之间的夹角为40度，那么视场偏航角为60-40＝20度。
相应的，上述判断所述评估结果是否满足预设智能识别条件，至少可以包括以下两种实施方式：
第一种实施方式中，上述判断所述评估结果是否满足预设智能识别条件，可以包括：将各评估维度对应的评估结果与该评估维度所对应的预设智能识别条件进行比对，判断该评估维度对应的评估结果是否满足该预设智能识别条件；如果各评估维度对应的评估结果均满足对应的预设智能识别条件，确定所述评估结果满足预设智能识别条件；如果存在至少一个评估维度对应的评估结果不满足对应的预设智能识别条件，确定所述评估结果不满足预设智能识别条件。
预设智能识别条件可以包括各个评估维度所对应的预设智能识别条件，这样，分析设备在判断评估结果是否满足预设智能识别条件时，可以将各评估维度对应的评估结果分别与该评估维度所对应的预设智能识别条件进行比对，从而可以确定出具体是哪一个维度的评估结果不满足预设智能识别条件。
例如，各个评估维度所对应的预设智能识别条件可以包括：画面清晰度大于预设画面清晰度阈值；图像中的光照强度属于正常的光照条件，不存在过曝、无光线或光线条件差的情况；人脸图像质量满足预设人脸图像质量阈值，具体可以包括：人脸正向面对摄像机镜头，面部无遮挡，人脸图像清晰，人脸所在区域的像素面积大小不小于100*100像素，两眼之间的像素距离不低于60像素等；人脸比对可识别角度：yaw(视场偏航角)≤±35度,pitch(俯仰角)≤±20度。
相应的，将各评估维度对应的评估结果分别与该评估维度所对应的预设智能识别条件进行比对的步骤可以包括：判断评估结果中的画面清晰度是否大于预设画面清晰度阈值；判断评估结果中的画面光线强度是否属于正常的光照条件；判断评估结果中的人脸图像质量是否满足预设人脸图像质量阈值；判断评估结果中人脸比对可识别角度是否满足预设条件，具体而言，判断俯仰角是否≤±20度，视场偏航角是否≤±35度。如果评估结果中的人脸所在区域的像素面积大小为60*60像素，那么则可以确定人脸图像质量该评估维度的评估结果不满足预设智能识别条件。
第二种实施方式中，上述判断所述评估结果是否满足预设智能识别条件，可以包括：根据各评估维度对应的评估结果以及预设的评分规则，得到各评估维度对应的评分；将所述各评估维度对应的评分按照预设权重进行加权求和，得到总评分；判断所述总评分是否不小于预设评分阈值，如果所述总评分不小于预设评分阈值，确定所述评估结果满足预设智能识别条件；如果所述总评分小于预设评分阈值，确定所述评估结果不满足预设智能识别条件。
预设智能识别条件可以包括整个图像所对应的预设评分阈值，这样分析设备在判断评估结果是否满足预设智能识别条件时，可以将图像作为一个整体进行分析，即根据各评估维度对应的评估结果以及预设的评分规则，得到各评估维度对应的评分；根据各个维度所对应的预设权重，将各个维度对应的评分进行加权求和，从而得到图像的总评分，将该总评分与上述预设评分阈值进行比对，确定该图像的评估结果是否满足预设智能识别条件。
例如，预设评分阈值为80分，画面清晰度、画面光线强度、人脸图像质量和人脸比对可识别角度该四个评估维度所对应的预设权重分别为：0.2、0.1、0.4、0.3，根据评估结果中的画面清晰度，确定画面清晰度该评估维度的评分为80分；根据评估结果中的画面光线强度，确定画面光线强度该评估维度的评分为70分；根据评估结果中的人脸图像质量，确定人脸图像质量该评估维度的评分为60分；根据评估结果中的人脸比对可识别角度，确定人脸比对可识别角度该评估维度的评分为80分，根据上述该四个评估维度的预设权重和各个维度所对应的评分，计算得到图像的总评分为71分，该总评分小于预设评分阈值80分，所以确定该图像的评估结果不满足预设智能识别条件。
本发明实施中，分析设备可以预先设置不同的预设智能识别条件，从而按照不同的场景，选择采用不同的判断方式来确定评估结果是否满足预设智能识别条件，既确定出不满足预设智能识别条件的具体维度，也可以从整体上分析图像是否满足预设智能识别条件，更加灵活，可以适用于不同的场景。
作为本发明实施例的一种实施方式，如图2所示，上述方法还可以包括：
S201，获取所述施工人员通过所述前端设备发送的提问语音；
S202，对所述提问语音进行语音识别，得到提问内容文本；
S203，根据所述提问内容文本，从预设策略知识库中确定与所述提问内容文本对应的答复结果；
S204，将所述答复结果发送至所述前端设备，以使所述前端设备语音播报和/或文字显示所述答复结果。
为了实现与施工人员的高效互动，分析设备可以接收施工人员通过前端设备所发送的提问语音，对该语音进行语音识别，并根据预设策略知识库对施工人员的提问进行答复。其中，语音识别(Automatic Speech Recognition)是以语音为研究对象，通过语音信号处理和模式识别让机器自动识别和理解人类口述的语言，从而让机器通过识别和理解过程把语音信号转变为相应的文本或命令的技术。
获取所述施工人员通过所述前端设备发送的提问语音；对所述提问语音进行语音识别，得到提问内容文本；根据所述提问内容文本，从预设策略知识库中确定与所述提问内容文本对应的答复结果；将所述答复结果发送至所述前端设备，以使所述前端设备语音播报和/或文字显示所述答复结果。
例如，施工人员可以通过前端设备发送语音“摄像机的画面清晰度该怎么进行调整”，分析设备在接收到该语音后，可以根据对该语音进行语音识别，得到提问内容文本，根据该提问内容文本，从预设策略知识库中寻找提升摄像机画面清晰度的调整方式，将该调整方式作为与上述提问内容文本相对应的答复结果，将该答复结果发送至前端设备，前端设备可以通过语音的形式向施工人员播报提升摄像机画面清晰度的调整方式，或者是在前端设备的显示屏幕上显示该调整方式，以供施工人员随时查看。
下面结合图3所示的示意图，举例说明对施工人员的语音提问进行答复的方式。分析设备在将目标布控调整策略发送至前端设备，以使前端设备以语音播报的形式和/或以文字信息的形式显示目标布控调整策略后，施工人员可以进一步以语音的形式提问改进意见，分析设备通过语音识别将该语音信号转变为相应的文本或命令，并在预设策略知识库中查找与施工人员的提问相对应的答复结果，然后将其发送至前端设备以使前端设备以语音播报的形式和/或以文字信息的形式显示答复结果，后续可以再次接收施工人员的提问，进行上述答复过程，进行多轮对话，直至摄像机的布控符合预设智能识别条件。
本发明实施例中，分析设备还可以接受施工人员通过前端设备所发送的语音提问，对该语音提问做出答复，这样施工人员在对摄像机进行调整时，可以通过语音的形式查找相应的调整方式，无需手动操作，降低了施工人员使用专业系统的门槛，极大了方便了施工人员的操作，实现了与施工人员的高效交互，有利于提高布控的效率，同时因为施工人员可以通过前端设备与分析设备进行多次交互为待布控摄像机确定合适的布控位置，所以解决了待布控摄像机布控不合理所造成的对人脸和人体等目标进行智能识别分析效果较差的问题。
相应于上述摄像机布控方法，本发明实施例还提供了一种摄像机布控装置。下面对本发明实施例所提供的一种摄像机布控装置进行介绍。
如图4所示，一种摄像机布控装置，所述装置包括：
图像获取模块410，用于获取待布控摄像机所采集的当前图像；
图像质量评估模块420，用于基于预先训练的深度学习模型，对所述当前图像进行智能识别质量评估，得到评估结果；
评估结果判断模块430，用于判断所述评估结果是否满足预设智能识别条件；
目标布控调整策略确定模块440，用于若不满足，根据所述评估结果，确定所述待布控摄像机的目标布控调整策略；
目标布控调整策略发送模块450，用于将所述目标布控调整策略发送至施工人员携带的前端设备，以使所述前端设备语音播报和/或文字显示所述目标布控调整策略，使得所述施工人员按照所述目标布控调整策略对所述待布控摄像机进行调整；并触发图像获取模块，直到所述评估结果满足所述预设智能识别条件。
可见，本发明实施例提供的方案中，分析设备可以获取待布控摄像机所采集的当前图像；基于预先训练的深度学习模型，对当前图像进行智能识别质量评估，得到评估结果；判断评估结果是否满足预设智能识别条件；若不满足，根据评估结果，确定待布控摄像机的目标布控调整策略；将目标布控调整策略发送至施工人员携带的前端设备，以使前端设备语音播报和/或文字显示目标布控调整策略，使得施工人员按照目标布控调整策略对待布控摄像机进行调整；返回获取待布控摄像机所采集的当前图像的步骤，直到评估结果满足预设智能识别条件。由于分析设备可以通过评估摄像机所采集的图像，来判断摄像机的布控位置和角度是否合适，并且可以在摄像机布控位置和角度不合适时，根据图像的评估结果进一步确定布控调整策略，并以语音和/或文字的形式将布控调整策略告知现场的施工人员，使得施工人员可以按照该布控调整策略对摄像机进行调整，整个布控过程无需专业人员进行现场指导，降低了摄像机布控的人力成本，同时也提高了摄像机布控的效率。
作为本发明实施例的一种实施方式，上述目标布控调整策略确定模块440，具体用于：
根据所述评估结果，从预设策略知识库中包括的各布控调整策略中，选择所述评估结果对应的目标布控调整策略，其中，所述预设策略知识库中存储有预先获取的各评估结果与布控调整策略的对应关系。
作为本发明实施例的一种实施方式，所述评估结果包括画面清晰度；
上述图像质量评估模块420，具体用于：
将所述当前图像输入至预先训练的卷积神经网络中，得到所述当前图像的画面清晰度，其中，所述预先训练的卷积神经网络为预先根据正样本图像和负样本图像训练得到的，所述正样本图像为画面清晰度高于第一预设清晰度阈值的图像，所述负样本图像为在所述正样本图像中加入噪声得到的图像。
作为本发明实施例的一种实施方式，所述评估结果包括画面清晰度、画面光线强度、人脸图像质量、预先标定的所述待布控摄像机的俯仰角、所述待布控摄像机与当前场景中待识别人员动线的视场偏航角中的至少一种评估维度的结果；
上述评估结果判断模块430，具体用于：
将各评估维度对应的评估结果与该评估维度所对应的预设智能识别条件进行比对，判断该评估维度对应的评估结果是否满足该预设智能识别条件；如果各评估维度对应的评估结果均满足对应的预设智能识别条件，确定所述评估结果是否满足预设智能识别条件；如果存在至少一个评估维度对应的评估结果不满足对应的预设智能识别条件，确定所述评估结果不满足预设智能识别条件；或，
根据各评估维度对应的评估结果以及预设的评分规则，得到各评估维度对应的评分；将所述各评估维度对应的评分按照预设权重进行加权求和，得到总评分；判断所述总评分是否不小于预设评分阈值，如果所述总评分不小于预设评分阈值，确定所述评估结果满足预设智能识别条件；如果所述总评分小于预设评分阈值，确定所述评估结果不满足预设智能识别条件。
作为本发明实施例的一种实施方式，上述装置还可以包括：
语音获取模块，用于获取所述施工人员通过所述前端设备发送的提问语音；
语音识别模块，用于对所述提问语音进行语音识别，得到提问内容文本；
答复结果确定模块，用于根据所述提问内容文本，从预设策略知识库中确定与所述提问内容文本对应的答复结果；
答复结果发送模块，用于将所述答复结果发送至所述前端设备，以使所述前端设备语音播报和/或文字显示所述答复结果。
相应于上述摄像机布控方法，本发明实施例还提供了一种摄像机布控系统。下面对本发明实施例所提供的一种摄像机布控系统进行介绍。
如图5所示，一种摄像机布控系统，所述系统包括待布控摄像机501、分析设备502和前端设备503：
上述待布控摄像机501，用于将所采集到的当前图像发送至所述分析设备；
上述分析设备502，用于接收所述当前图像；基于预先训练的深度学习模型，对所述当前图像进行智能识别质量评估，得到评估结果；判断所述评估结果是否满足预设智能识别条件；若不满足，根据所述评估结果，确定所述待布控摄像机的目标布控调整策略；将所述目标布控调整策略发送至施工人员携带的前端设备，返回所述接收所述当前图像的步骤，直到所述评估结果满足所述预设智能识别条件；
上述前端设备503，用于接收所述目标布控调整策略，并语音播报和/或文字显示所述目标布控调整策略，使得所述施工人员按照所述目标布控调整策略对所述待布控摄像机进行调整。
可见，本发明实施例提供的方案中，分析设备可以获取待布控摄像机所采集的当前图像；基于预先训练的深度学习模型，对当前图像进行智能识别质量评估，得到评估结果；判断评估结果是否满足预设智能识别条件；若不满足，根据评估结果，确定待布控摄像机的目标布控调整策略；将目标布控调整策略发送至施工人员携带的前端设备，以使前端设备语音播报和/或文字显示目标布控调整策略，使得施工人员按照目标布控调整策略对待布控摄像机进行调整；返回获取待布控摄像机所采集的当前图像的步骤，直到评估结果满足预设智能识别条件。由于分析设备可以通过评估摄像机所采集的图像，来判断摄像机的布控位置和角度是否合适，并且可以在摄像机布控位置和角度不合适时，根据图像的评估结果进一步确定布控调整策略，并以语音和/或文字的形式将布控调整策略告知现场的施工人员，使得施工人员可以按照该布控调整策略对摄像机进行调整，整个布控过程无需专业人员进行现场指导，降低了摄像机布控的人力成本，同时也提高了摄像机布控的效率。
本发明实施例还提供了一种分析设备，如图6所示，包括处理器601、通信接口602、存储器603和通信总线604，其中，处理器601，通信接口602，存储器603通过通信总线604完成相互间的通信，
存储器603，用于存放计算机程序；
处理器601，用于执行存储器603上所存放的程序时，实现上述任一实施例所述的摄像机布控方法步骤
可见，本发明实施例提供的方案中，分析设备可以获取待布控摄像机所采集的当前图像；基于预先训练的深度学习模型，对当前图像进行智能识别质量评估，得到评估结果；判断评估结果是否满足预设智能识别条件；若不满足，根据评估结果，确定待布控摄像机的目标布控调整策略；将目标布控调整策略发送至施工人员携带的前端设备，以使前端设备语音播报和/或文字显示目标布控调整策略，使得施工人员按照目标布控调整策略对待布控摄像机进行调整；返回获取待布控摄像机所采集的当前图像的步骤，直到评估结果满足预设智能识别条件。由于分析设备可以通过评估摄像机所采集的图像，来判断摄像机的布控位置和角度是否合适，并且可以在摄像机布控位置和角度不合适时，根据图像的评估结果进一步确定布控调整策略，并以语音和/或文字的形式将布控调整策略告知现场的施工人员，使得施工人员可以按照该布控调整策略对摄像机进行调整，整个布控过程无需专业人员进行现场指导，降低了摄像机布控的人力成本，同时也提高了摄像机布控的效率。
上述分析设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述分析设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一实施例所述的摄像机布控方法步骤。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一实施例所述的摄像机布控方法步骤。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
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。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、系统、分析设备、计算机可读存储介质以及计算机程序产品实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例，并非用于限定本发明的保护范围。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，均包含在本发明的保护范围内。

Claims (13)

1.一种摄像机布控方法，其特征在于，所述方法包括：
获取待布控摄像机所采集的当前图像；
基于预先训练的深度学习模型，对所述当前图像进行智能识别质量评估，得到评估结果；
判断所述评估结果是否满足预设智能识别条件；
若不满足，根据所述评估结果，确定所述待布控摄像机的目标布控调整策略；
将所述目标布控调整策略发送至施工人员携带的前端设备，以使所述前端设备语音播报和/或文字显示所述目标布控调整策略，使得所述施工人员按照所述目标布控调整策略对所述待布控摄像机进行调整；
返回所述获取待布控摄像机所采集的当前图像的步骤，直到所述评估结果满足所述预设智能识别条件。
2.如权利要求1所述方法，其特征在于，所述根据所述评估结果，确定所述待布控摄像机的目标布控调整策略，包括：
根据所述评估结果，从预设策略知识库中包括的各布控调整策略中，选择所述评估结果对应的目标布控调整策略，其中，所述预设策略知识库中存储有预先获取的各评估结果与布控调整策略的对应关系。
3.如权利要求1所述方法，其特征在于，所述评估结果包括画面清晰度；
所述基于预先训练的深度学习模型，对所述当前图像进行智能识别质量评估，得到评估结果，包括：
将所述当前图像输入至预先训练的卷积神经网络中，得到所述当前图像的画面清晰度，其中，所述预先训练的卷积神经网络为预先根据正样本图像和负样本图像训练得到的，所述正样本图像为画面清晰度高于第一预设清晰度阈值的图像，所述负样本图像为在所述正样本图像中加入噪声得到的图像。
4.如权利要求1所述方法，其特征在于，所述评估结果包括画面清晰度、画面光线强度、人脸图像质量、预先标定的所述待布控摄像机的俯仰角、所述待布控摄像机与当前场景中待识别人员动线的视场偏航角中的至少一种评估维度的结果；
所述判断所述评估结果是否满足预设智能识别条件，包括：
将各评估维度对应的评估结果与该评估维度所对应的预设智能识别条件进行比对，判断该评估维度对应的评估结果是否满足该预设智能识别条件；如果各评估维度对应的评估结果均满足对应的预设智能识别条件，确定所述评估结果满足预设智能识别条件；如果存在至少一个评估维度对应的评估结果不满足对应的预设智能识别条件，确定所述评估结果不满足预设智能识别条件；或，
根据各评估维度对应的评估结果以及预设的评分规则，得到各评估维度对应的评分；将所述各评估维度对应的评分按照预设权重进行加权求和，得到总评分；判断所述总评分是否不小于预设评分阈值，如果所述总评分不小于预设评分阈值，确定所述评估结果满足预设智能识别条件；如果所述总评分小于预设评分阈值，确定所述评估结果不满足预设智能识别条件。
5.如权利要求1-4任一项所述方法，其特征在于，所述方法还包括：
获取所述施工人员通过所述前端设备发送的提问语音；
对所述提问语音进行语音识别，得到提问内容文本；
根据所述提问内容文本，从预设策略知识库中确定与所述提问内容文本对应的答复结果；
将所述答复结果发送至所述前端设备，以使所述前端设备语音播报和/或文字显示所述答复结果。
6.一种摄像机布控装置，其特征在于，所述装置包括：
图像获取模块，用于获取待布控摄像机所采集的当前图像；
图像质量评估模块，用于基于预先训练的深度学习模型，对所述当前图像进行智能识别质量评估，得到评估结果；
评估结果判断模块，用于判断所述评估结果是否满足预设智能识别条件；
目标布控调整策略确定模块，用于若不满足，根据所述评估结果，确定所述待布控摄像机的目标布控调整策略；
目标布控调整策略发送模块，用于将所述目标布控调整策略发送至施工人员携带的前端设备，以使所述前端设备语音播报和/或文字显示所述目标布控调整策略，使得所述施工人员按照所述目标布控调整策略对所述待布控摄像机进行调整；并触发图像获取模块，直到所述评估结果满足所述预设智能识别条件。
7.如权利要求6所述装置，其特征在于，所述目标布控调整策略确定模块，具体用于：
根据所述评估结果，从预设策略知识库中包括的各布控调整策略中，选择所述评估结果对应的目标布控调整策略，其中，所述预设策略知识库中存储有预先获取的各评估结果与布控调整策略的对应关系。
8.如权利要求6所述装置，其特征在于，所述评估结果包括画面清晰度；
所述图像质量评估模块，具体用于：
将所述当前图像输入至预先训练的卷积神经网络中，得到所述当前图像的画面清晰度，其中，所述预先训练的卷积神经网络为预先根据正样本图像和负样本图像训练得到的，所述正样本图像为画面清晰度高于第一预设清晰度阈值的图像，所述负样本图像为在所述正样本图像中加入噪声得到的图像。
9.如权利要求6所述装置，其特征在于，所述评估结果包括画面清晰度、画面光线强度、人脸图像质量、预先标定的所述待布控摄像机的俯仰角、所述待布控摄像机与当前场景中待识别人员动线的视场偏航角中的至少一种评估维度的结果；
所述评估结果判断模块，具体用于：
将各评估维度对应的评估结果与该评估维度所对应的预设智能识别条件进行比对，判断该评估维度对应的评估结果是否满足该预设智能识别条件；如果各评估维度对应的评估结果均满足对应的预设智能识别条件，确定所述评估结果是否满足预设智能识别条件；如果存在至少一个评估维度对应的评估结果不满足对应的预设智能识别条件，确定所述评估结果不满足预设智能识别条件；或，
根据各评估维度对应的评估结果以及预设的评分规则，得到各评估维度对应的评分；将所述各评估维度对应的评分按照预设权重进行加权求和，得到总评分；判断所述总评分是否不小于预设评分阈值，如果所述总评分不小于预设评分阈值，确定所述评估结果满足预设智能识别条件；如果所述总评分小于预设评分阈值，确定所述评估结果不满足预设智能识别条件。
10.如权利要求6-9任一项所述装置，其特征在于，所述装置还包括：
语音获取模块，用于获取所述施工人员通过所述前端设备发送的提问语音；
语音识别模块，用于对所述提问语音进行语音识别，得到提问内容文本；
答复结果确定模块，用于根据所述提问内容文本，从预设策略知识库中确定与所述提问内容文本对应的答复结果；
答复结果发送模块，用于将所述答复结果发送至所述前端设备，以使所述前端设备语音播报和/或文字显示所述答复结果。
11.一种摄像机布控系统，其特征在于，所述系统包括待布控摄像机、分析设备和前端设备：
所述待布控摄像机，用于将所采集到的当前图像发送至所述分析设备；
所述分析设备，用于接收所述当前图像；基于预先训练的深度学习模型，对所述当前图像进行智能识别质量评估，得到评估结果；判断所述评估结果是否满足预设智能识别条件；若不满足，根据所述评估结果，确定所述待布控摄像机的目标布控调整策略；将所述目标布控调整策略发送至施工人员携带的前端设备，返回所述接收所述当前图像，直到所述评估结果满足所述预设智能识别条件；
所述前端设备，用于接收所述目标布控调整策略，并语音播报和/或文字显示所述目标布控调整策略，使得所述施工人员按照所述目标布控调整策略对所述待布控摄像机进行调整。
12.一种分析设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-5任一所述的方法步骤。
13.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-5任一所述的方法步骤。
CN202210689393.6A 2022-06-16 2022-06-16 一种摄像机布控方法、装置、系统、分析设备及存储介质 Pending CN114937095A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210689393.6A CN114937095A (zh) 2022-06-16 2022-06-16 一种摄像机布控方法、装置、系统、分析设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210689393.6A CN114937095A (zh) 2022-06-16 2022-06-16 一种摄像机布控方法、装置、系统、分析设备及存储介质

Publications (1)

Publication Number Publication Date
CN114937095A true CN114937095A (zh) 2022-08-23

Family

ID=82869254

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210689393.6A Pending CN114937095A (zh) 2022-06-16 2022-06-16 一种摄像机布控方法、装置、系统、分析设备及存储介质

Country Status (1)

Country Link
CN (1) CN114937095A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116778302A (zh) * 2023-05-19 2023-09-19 触景无限科技（北京）有限公司 一种对象识别系统及一种便携式布控箱

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116778302A (zh) * 2023-05-19 2023-09-19 触景无限科技（北京）有限公司 一种对象识别系统及一种便携式布控箱
CN116778302B (zh) * 2023-05-19 2024-03-26 触景无限科技（北京）有限公司 一种对象识别系统及一种便携式布控箱

Similar Documents

Publication Publication Date Title
TWI709091B (zh) 圖像處理方法和裝置
WO2020078229A1 (zh) 目标对象的识别方法和装置、存储介质、电子装置
CN107181918B (zh) 一种光学动捕摄像机的拍摄控制方法及系统
US10949687B2 (en) Method and apparatus for outputting information
CN109146924B (zh) 一种基于热力图的目标跟踪方法及装置
WO2021047306A1 (zh) 一种异常行为判定方法、装置、终端及可读存储介质
CN111027504A (zh) 人脸关键点检测方法、装置、设备及存储介质
US9971933B1 (en) Facial image screening method and face recognition system thereof
CN111161206A (zh) 一种图像抓拍方法、监控相机及监控系统
CN114943923B (zh) 基于深度学习的视频识别炮弹爆炸火光烟雾方法及系统
CN114937095A (zh) 一种摄像机布控方法、装置、系统、分析设备及存储介质
KR20210074953A (ko) 소고기 등급 판정 장치 및 방법
CN110866473B (zh) 目标对象的跟踪检测方法及装置、存储介质、电子装置
CN113420871B (zh) 图像质量的评估方法、装置、存储介质及电子装置
CN113128522B (zh) 目标识别方法、装置、计算机设备和存储介质
CN104268517A (zh) 一种应用于虹膜识别系统的自动对焦方法及系统
CN111738043A (zh) 一种行人重识别方法及装置
CN112102175B (zh) 图像对比度的增强方法、装置、存储介质及电子设备
CN111767829B (zh) 一种活体检测方法、装置、系统及存储介质
CN111815720A (zh) 图像处理方法、装置、可读存储介质及电子设备
CN113469049B (zh) 一种疾病信息识别方法、系统、装置及存储介质
CN113259734B (zh) 针对交互场景的智能导播方法、装置、终端和存储介质
TW201404120A (zh) 測試系統、成像裝置以及測試方法
CN116405771B (zh) 一种用于平板电脑的智能音视频采集方法和系统
Kim et al. Design and implementation of a lip reading system in smart phone environment

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