CN115412704A - 视频监控系统的控制方法、视频监控系统和存储介质 - Google Patents
视频监控系统的控制方法、视频监控系统和存储介质 Download PDFInfo
- Publication number
- CN115412704A CN115412704A CN202210830928.7A CN202210830928A CN115412704A CN 115412704 A CN115412704 A CN 115412704A CN 202210830928 A CN202210830928 A CN 202210830928A CN 115412704 A CN115412704 A CN 115412704A
- Authority
- CN
- China
- Prior art keywords
- target
- preset
- points
- target scene
- preset points
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000004590 computer program Methods 0.000 claims description 14
- 238000013507 mapping Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 229910052731 fluorine Inorganic materials 0.000 description 1
- 125000001153 fluoro group Chemical group F* 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011524 similarity measure 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种视频监控系统的控制方法、视频监控系统和存储介质，其中，该视频监控系统的控制方法包括：基于分布于目标场景各区域的从设备实时获取的热点区域信息，确定主设备在目标场景的多个目标预置点；根据多个目标预置点和预设的巡航算法，生成目标场景的巡航路线；根据目标场景下的历史预置点的图像参数和预设的聚类算法，确定多个目标预置点中每个目标预置点对应的图像参数；基于巡航路线和多个目标预置点中每个目标预置点对应的图像参数，对主设备进行设置，以对目标场景进行视频监控。其实现了对目标场景下所有预置点对应的图像参数的自适应调整，从而消除了摄像机在预置点切换时存在的图像闪烁。
Description
技术领域
本申请涉及视频监控领域，特别是涉及视频监控系统的控制方法、视频监控系统和存储介质。
背景技术
在安防监控过程中，需要对人群密度高的区域、车辆聚集区域、异常事件高发区域等热点区域进行特别关注。目前在摄像机切换预置点时，不能够定期自适应根据预置点对应的外界环境变化调整预置点对应的图像参数，进而导致不同预置点切换时摄像机存在图像闪烁的问题。
针对相关技术中预置点切换时摄像机存在图像闪烁的问题，目前还没有提出有效的解决方案。
发明内容
在本实施例中提供了一种视频监控系统的控制方法、视频监控系统和存储介质，以解决相关技术中预置点切换时摄像机存在图像闪烁的问题。
第一个方面，在本实施例中提供了一种视频监控系统的控制方法，所述视频监控系统包括主设备和从设备，所述视频监控系统的控制方法包括：
基于分布于目标场景各区域的从设备实时获取的热点区域信息，确定所述主设备在所述目标场景的多个目标预置点；
根据所述多个目标预置点和预设的巡航算法，生成所述目标场景的巡航路线；
根据所述目标场景下的历史预置点的图像参数和预设的聚类算法，确定所述多个目标预置点中每个目标预置点对应的图像参数；
基于所述巡航路线和所述多个目标预置点中每个目标预置点对应的图像参数，对所述主设备进行设置，以对所述目标场景进行视频监控。
在其中的一些实施例中，所述基于分布于目标场景各区域的从设备实时获取的热点区域信息，确定所述主设备在所述目标场景的多个目标预置点，包括：
根据所述主设备与所述从设备之间的坐标映射关系，将分布于目标场景各区域的从设备实时获取的热点区域信息的中心坐标，映射为所述主设备在所述目标场景的多个目标预置点。
在其中的一些实施例中，所述根据所述多个目标预置点和预设的巡航算法，生成所述目标场景的巡航路线，包括：
根据所述多个目标预置点与所述主设备的第一距离，确定初始目标预置点；
获取所述多个目标预置点中各目标预置点之间的第二距离；
将所述初始目标预置点和所述第二距离输入预设的巡航算法进行最短路径求解，生成所述目标场景的巡航路线。
在其中的一些实施例中，所述根据所述多个目标预置点与所述主设备的第一距离，确定初始目标预置点，包括：
获取所述多个目标预置点与所述主设备的第一距离；
从所述多个目标预置点中筛选出与所述主设备的第一距离最小的目标预置点，作为所述初始目标预置点。
在其中的一些实施例中，所述根据所述目标场景下的历史预置点的图像参数和预设的聚类算法，确定所述多个目标预置点中每个目标预置点对应的图像参数，包括：
基于预设的聚类算法对所述目标场景下的历史预置点的位置信息进行聚类，得到最优分类簇；
根据所述多个目标预置点中每个目标预置点与各最优分类簇的质心之间的距离信息，确定所述每个目标预置点所属的最优分类簇；
基于所述最优分类簇的历史预置点的图像参数的加权统计结果，和所述每个目标预置点与所述最优分类簇的从属关系，得到所述每个目标预置点对应的图像参数。
在其中的一些实施例中，所述基于预设的聚类算法对所述目标场景下的历史预置点的位置信息进行聚类，得到最优分类簇，包括：
基于预设的聚类算法，采用肘部法则对所述目标场景下的历史预置点的位置信息进行最优聚类，得到最优分类簇。
第二个方面，在本实施例中提供了一种视频监控系统的控制装置，用于视频监控系统，所述视频监控系统包括主设备和从设备，所述视频监控系统的控制装置包括：获取模块、生成模块、聚类模块、以及监控模块；其中：
所述获取模块，用于基于分布于目标场景各区域的从设备实时获取的热点区域信息，确定所述主设备在所述目标场景的多个目标预置点；
所述生成模块，用于根据所述多个目标预置点和预设的巡航算法，生成所述目标场景的巡航路线；
所述聚类模块，用于根据所述目标场景下的历史预置点的图像参数和预设的聚类算法，确定所述多个目标预置点中每个目标预置点对应的图像参数；
所述监控模块，用于基于所述巡航路线和所述多个目标预置点中每个目标预置点对应的图像参数，对所述主设备进行设置，以对所述目标场景进行视频监控。
第三个方面，在本实施例中提供了一种视频监控系统，包括：主设备、从设备和服务器；其中，所述主设备位于目标场景预设的中心区域，所述从设备分布于所述目标场景的四周的各区域；所述主设备、所述从设备分别与所述服务器通信连接；
所述从设备用于获取对应区域的热点区域信息，并将所述热点区域信息发送至所述服务器；
所述服务器用于执行上述第一个方面所述的视频监控系统的控制方法；
所述主设备用于基于所述服务器所执行的所述视频监控系统的控制方法对所述目标场景进行视频监控。
第四个方面，在本实施例中提供了一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一个方面所述的视频监控系统的控制方法。
第五个方面，在本实施例中提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述第一个方面所述的视频监控系统的控制方法。
与相关技术相比，在本实施例中提供的视频监控系统的控制方法、视频监控系统和存储介质，通过基于分布于目标场景各区域的从设备实时获取的热点区域信息，确定主设备在目标场景的多个目标预置点；根据多个目标预置点和预设的巡航算法，生成目标场景的巡航路线；根据目标场景下的历史预置点的图像参数和预设的聚类算法，确定多个目标预置点中每个目标预置点对应的图像参数；基于巡航路线和多个目标预置点中每个目标预置点对应的图像参数，对主设备进行设置，以对目标场景进行视频监控。其实现了对目标场景下所有预置点对应的图像参数的自适应调整，从而消除了摄像机在预置点切换时存在的图像闪烁。
本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是本实施例的视频监控系统的控制方法的终端的硬件结构框图；
图2是本实施例的视频监控系统的控制方法的流程图；
图3是本实施例的主从设备分布示意图；
图4是本实施例的目标预置点距离转换示意图；
图5是本优选实施例的巡航路线生成方法的流程图；
图6是本优选实施例的预置点图像参数设置方法的流程图；
图7是本实施例的视频监控系统的控制装置的结构框图；
图8是本实施例的视频监控系统的结构示意图。
具体实施方式
为更清楚地理解本申请的目的、技术方案和优点，下面结合附图和实施例，对本申请进行了描述和说明。
除另作定义外，本申请所涉及的技术术语或者科学术语应具有本申请所属技术领域具备一般技能的人所理解的一般含义。在本申请中的“一”、“一个”、“一种”、“该”、“这些”等类似的词并不表示数量上的限制，它们可以是单数或者复数。在本申请中所涉及的术语“包括”、“包含”、“具有”及其任何变体，其目的是涵盖不排他的包含；例如，包含一系列步骤或模块(单元)的过程、方法和系统、产品或设备并未限定于列出的步骤或模块(单元)，而可包括未列出的步骤或模块(单元)，或者可包括这些过程、方法、产品或设备固有的其他步骤或模块(单元)。在本申请中所涉及的“连接”、“相连”、“耦接”等类似的词语并不限定于物理的或机械连接，而可以包括电气连接，无论是直接连接还是间接连接。在本申请中所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。通常情况下，字符“/”表示前后关联的对象是一种“或”的关系。在本申请中所涉及的术语“第一”、“第二”、“第三”等，只是对相似对象进行区分，并不代表针对对象的特定排序。
在本实施例中提供的方法实施例可以在终端、计算机或者类似的运算装置中执行。比如在终端上运行，图1是本实施例的视频监控系统的控制方法的终端的硬件结构框图。如图1所示，终端可以包括一个或多个(图1中仅示出一个)处理器102和用于存储数据的存储器104，其中，处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置。上述终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述终端的结构造成限制。例如，终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示出的不同配置。
存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如在本实施例中的视频监控系统的控制方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输设备106用于经由一个网络接收或者发送数据。上述的网络包括终端的通信供应商提供的无线网络。在一个实例中，传输设备106包括一个网络适配器(NetworkInterface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种视频监控系统的控制方法，视频监控系统包括主设备和从设备，图2是本实施例的视频监控系统的控制方法的流程图，如图2所示，该流程包括如下步骤：
步骤S210，基于分布于目标场景各区域的从设备实时获取的热点区域信息，确定主设备在目标场景的多个目标预置点。
其中，该从设备可以为用于对局部区域进行监控的枪机设备。主设备可以为在目标场景下基于多个预置点进行巡航的球机设备。图3为本实施例的主从设备分布示意图。如图3所示，主设备10分布于目标场景的中心位置，用于对整个目标场景进行巡检。从设备包括从设备11、从设备12、从设备13、以及从设备14。上述四个从设备分别分布于该目标场景的四角区域，分别对其对应的区域进行监控，例如图中各从设备对应的扇形区域。
进一步地，分布于目标场景各区域的从设备通过对对应区域进行实时监控，以确定该区域中的热点区域信息，基于各热点区域的中心坐标，可以确定主设备在目标场景下的多个目标预置点。其中，可以基于各从设备与主设备之间预先确定的坐标映射关系，将各从设备获取的热点区域的中心坐标转换为主设备的预置点。
本实施例通过分布于目标场景各区域的从设备来实时获取对应区域的热点区域信息，并基于该热点区域信息实时更新主设备的目标预置点，能够实现对整个目标场景的预置点的自适应更新。相比于目前相关技术中需要用户定期根据监测环境手动确定预置点的位置的方式而言，本实施例能够实现预置点的全景实时更新。进一步地，可以基于从设备中部署的目标检测功能来获取各区域的热点区域信息。例如，从设备基于预设的目标检测算法获取目标场景对应区域的人体目标的位置信息，并基于该人体目标的位置信息绘制得到人群热度图，将该人群热度图中单位面积的人数达到预设人数阈值的人群聚焦的区域确定为热点区域。
步骤S220，根据多个目标预置点和预设的巡航算法，生成目标场景的巡航路线。
其中，可以根据该多个目标预置点之间的距离，以及该多个目标预置点与主设备的距离，利用预设的巡航算法进行最短路径求解，从而得到该目标场景的巡航路线。在目标预置点设置完成后，主设备需要围绕各目标预置点进行巡航。为了减少目标预置点的巡航时间，可以采用TSP(Travelling Salesman Problem，旅行商问题)算法来生成巡航路线。其中，该TSP算法使得主设备从上一时刻的目标预置点位置出发遍历完已更新的所有目标预置点后回到初始目标预置点所经历的路程最短，并且能够控制该巡航路线在每个目标预置点只巡航一次。示例性地，本实施例中各目标预置点之间的距离、以及各目标预置点与主设备之间的距离可以用主设备水平移动和垂直移动的角度总和来表示。
步骤S230，根据目标场景下的历史预置点的图像参数和预设的聚类算法，确定多个目标预置点中每个目标预置点对应的图像参数。
可以理解地，不同的目标预置点下用户关注的侧重点可能会有所不同，因此不同的目标预置点所对应的图像参数也会存在差异。其中，本实施例的图像参数具体可以包括亮度值、对比度、锐度、降噪强度、曝光时间、开门时间、白平衡参数等决定图像质量效果的因素。目前对于不同预置点的图像参数的调整往往是通过人为调试的方法来完成，以提升图像的显示效果。在预置点较多的情况下，目前这种人为设置预置点图像参数的方式的效率较低，且会因频繁的切换预置点，无法及时生成一套图像参数，而导致图像出现闪烁等异常现象。
在本实施例中由于目标预置点是实时更新的，因此目标场景下存在若干历史预置点。该历史预置点可以为历史巡航周期对应的目标预置点，或者为在先巡航任务设置的预置点。一定区域范围内的历史预置点的图像参数对该范围内当前的目标预置点的图像参数的设置具有参考价值。本实施例基于预设的聚类算法对历史预置点的位置信息对历史预置点进行聚类，得到多个最优分类簇。接下来确定目标预置点所属的最优分类簇，基于目标预置点所属的最优分类簇的图像参数的统计信息，得到目标预置点的图像参数。其中，该统计信息具体可以通过对分类簇中所有历史预置点的图像参数进行统计得到。具体的统计方式可以根据实际应用场景进行确定，本实施例在此不作具体限定。本实施例基于历史预置点的聚类结果和历史预置点的图像参数，对目标预置点的图像参数进行设置，能够及时地为每个目标预置点生成对应的图像参数，从而使图像调节的过程更为平滑、快速，进而解决目前切换预置点所存在的图像闪烁的问题。
步骤S240，基于巡航路线和多个目标预置点中每个目标预置点对应的图像参数，对主设备进行设置，以对目标场景进行视频监控。
上述步骤S210至步骤S240，基于分布于目标场景各区域的从设备实时获取的热点区域信息，确定主设备在目标场景的多个目标预置点；根据多个目标预置点和预设的巡航算法，生成目标场景的巡航路线；根据目标场景下的历史预置点的图像参数和预设的聚类算法，确定多个目标预置点中每个目标预置点对应的图像参数；基于巡航路线和多个目标预置点中每个目标预置点对应的图像参数，对主设备进行设置，以对目标场景进行视频监控。其实现了对目标场景下所有预置点对应的图像参数的自适应调整，从而消除了摄像机在预置点切换时存在的图像闪烁。
进一步地，在一个实施例中，基于上述步骤S210，基于分布于目标场景各区域的从设备实时获取的热点区域信息，确定主设备在目标场景的多个目标预置点，具体可以包括以下步骤：
步骤S211，根据主设备与从设备之间的坐标映射关系，将分布于目标场景各区域的从设备实时获取的热点区域信息的中心坐标，映射为主设备在目标场景的多个目标预置点。
本实施例根据主设备和从设备之间的坐标映射关系，实现热点区域到目标预置点的转换，能够提高目标预置点准确度。
另外地，在一个实施例中，基于上述步骤S220，根据多个目标预置点和预设的巡航算法，生成目标场景的巡航路线，具体可以包括以下步骤：
步骤S221，根据多个目标预置点与主设备的第一距离，确定初始目标预置点。具体地，可以基于目标预置点与主设备距离的远近，来确定初始目标预置点。优选地，可以将距离主设备最近的目标预置点作为初始目标预置点。
步骤S222，获取多个目标预置点中各目标预置点之间的第二距离。
具体地，图4为本实施例的目标预置点距离转换示意图。其中，图4左半部分为主设备和从设备在目标场景下的分布示意图，由图4左半部分可以看出，主设备10分布于目标场景的中心位置。从设备11对应的区域中有两个目标预置点，分别为预置点21、预置点22；从设备12对应的区域中有一个目标预置点，即预置点23；从设备13对应的区域中有一个目标预置点，即预置点24。图4右半部分即为上述四个目标预置点形成的网络拓扑结构。其中该网络拓扑结构中各节点之间的距离即为上述第二距离，可以理解地，上述各节点之间的距离双向且距离相等。
步骤S223，将初始目标预置点和第二距离输入预设的巡航算法进行最短路径求解，生成目标场景的巡航路线。
具体地，可以将上述初始目标预置点和第二距离输入TSP算法进行最短路径的求解，从而生成目标场景的巡航路线。相比于相关技术中因缺乏对预置点巡航路径的规划，而存在相机设备无法在较短时间内完成所有预置点的巡航的问题，本实施例通过上述步骤S221至S223，根据初始目标预置点和各目标预置点之间的第二距离求解巡航路线的最短路径，能够使得主设备从初始目标预置点出发完成一次巡航所经历的路线最短，从而能够节省巡航时间，提高巡航效率。
进一步地，在一个实施例中，基于上述步骤S221，根据多个目标预置点与主设备的第一距离，确定初始目标预置点，具体可以包括：获取多个目标预置点与主设备的第一距离；从多个目标预置点中筛选出与主设备的第一距离最小的目标预置点，作为初始目标预置点。其中，将与主设备的第一距离最小的目标预置点确定为初始目标预置点，能够进一步限缩巡航路线，从而缩短预置点的巡航时间。
另外地，在一个实施例中，基于上述步骤S230，根据目标场景下的历史预置点的图像参数和预设的聚类算法，确定多个目标预置点中每个目标预置点对应的图像参数，具体可以包括以下步骤：
步骤S231，基于预设的聚类算法对目标场景下的历史预置点的位置信息进行聚类，得到最优分类簇。
示例性地，根据预设的聚类算法对目标场景下的N个历史预置点的位置信息进行聚类，得到k个最优分类簇。
步骤S232，根据多个目标预置点中每个目标预置点与各最优分类簇的质心之间的距离信息，确定每个目标预置点所属的最优分类簇。
进一步地，可以根据每个目标预置点与各最优分类簇的质心之间的欧几里德距离，确定每个目标预置点所属的最优分类簇。例如，目标预置点a分别与上述k个最优分类簇各质心的距离为d1、d2、…、dk，其中d1表示目标预置点a与最优分类簇1的质心之间的距离，d2表示目标预置点a与最优分类簇2的质心之间的距离，dk表示目标预置点a与最优分类簇k的质心之间的距离。若其中d1最小，则可以将目标预置点a划分到最优分类簇1中。
步骤S233，基于最优分类簇的历史预置点的图像参数的加权统计结果，和每个目标预置点与最优分类簇的从属关系，得到每个目标预置点对应的图像参数。
在本实施例中，每个目标预置点的图像参数一定程度上取决于其所属最优分类簇中的历史预置点，即它们之间存在较大的相关性。因此可以根据每个目标预置点所属的最优分类簇中的历史预置点的图像参数，确定对应的目标预置点的图像参数。例如，目标预置点a属于最优分类簇1，则可以通过对最优分类簇1中历史预置点的图像参数进行加权统计，得到目标预置点a的图像参数。进一步地，可以对最优分类簇1中历史预置点的图像参数进行加权求和，得到该目标预置点a的图像参数。
上述步骤S231至步骤S233，基于聚类算法和历史预置点的图像参数确定目标预置点的图像参数，能够提升目标预置点对应的图像参数的设置效率，实现对不同目标预置点对应的图像参数的自动调节，进而提升预置点切换时图像变化的平滑度和速度，进而消除预置点切换时图像闪烁的问题。
进一步地，在一个实施例中，基于上述步骤S231，基于预设的聚类算法对目标场景下的历史预置点的位置信息进行聚类，得到最优分类簇，具体可以包括：基于预设的聚类算法，采用肘部法则对目标场景下的历史预置点的位置信息进行最优聚类，得到最优分类簇。
首先，可以基于所有历史预置点，通过点肘部法则Elbow Method确定分类簇的个数k。其中，可以将历史预置点与簇内质心之间的平方误差作为目标函数，该目标函数如下式所示：
其中ci表示第i个质心坐标(qi，pi)，具体可以由下式表示：
其中|ci|表示该簇中历史预置点的个数；(xki，yki)简写为mi，定义为第k个簇中的第i个预置点。xki和yki表示mi的坐标值。C为历史预置点的集合。
依次求解个数k分别取值为1、2、...、10时，每个分类簇的质点与簇内历史预置点的平方距离误差和。其中该平方距离误差和越小则畸变程度越低，簇内预置点之间的关系越紧密，畸变程度越高，代表簇内结构越松散。畸变程度会随着簇的个数的增加而降低，但在达到某个临界点时畸变程度会得到极大改善，之后缓慢下降，这个临界点就可以被认为是聚类性能较好的点，即簇个数最优的点。
当分类簇个数k为1时，可以随机选择一个历史预置点作为质心，求解其他预置点到该质心的平方距离误差和，如下式所示：
其中c1表示任意1个质心坐标(q1，p1)。
当k＝2时，随机选择2个历史预置点作为质心，求解其他预置点到该质心的平方距离误差和，即
其中cj表示第j个质心坐标(qj，pj)，j＝1，2。
依次类推，找到畸变程度最低的点，即最优分类簇个数。
在本实施例中，将距离作为预置点对象间相似性度量的标准，即预置点之间距离越小，则预置点之间的相似性越高，则越有可能属于同一个分类簇。优选地，本实施例采用欧氏距离来计算预置点间的距离，二维公式如下式所示：
其中，(x1，x2)为第一个预置点的坐标，(x2，y2)为第二个预置点的坐标，d为该两个预置点之间的距离。
进一步地，将N个历史预置点分配到k个簇中，求解每个分类簇的质心，从而得到最优分类簇。即下式所示：
最后，利用欧几里德距离分别判断每个目标预置点所属的最优分类簇。在每个最优分类簇内，利用簇内历史预置点的图像参数的加权和来求解对应目标预置点的图像参数。另外地，还可以控制从设备每隔一段时间进行一次巡航，重复执行上述聚类过程，以更新目标预置点所属的最优分类簇。
下面通过优选实施例对本实施例进行描述和说明。
图5是本优选实施例的巡航路线生成方法的流程图，如图5所示，该巡航路线生成方法包括如下步骤：
步骤S501，根据当前球机位置与各目标预置点位置的水平角度差与垂直角度差，求得当前球机与各目标预置点的距离；
步骤S502，将与当前球机距离最近的目标预置点作为初始目标预置点；
步骤S503，计算各目标预置点之间的距离；
步骤S504，根据初始目标预置点，以及各目标预置点之间的距离，利用TSP算法得到巡航路线；
步骤S505，球机按照巡航路线对目标场景进行巡航。
图6是本优选实施例的预置点图像参数设置方法的流程图，如图6所示，该预置点图像参数设置方法包括如下步骤：
步骤S601，基于4个从设备获取N个历史预置点的坐标信息；
步骤S602，基于历史预置点的坐标信息，通过聚类算法，采用肘部法则将该N个历史预置点分解为k个分类簇，并计算分类簇的质心，得到最优分类簇；
步骤S603，计算目标预置点距离k个质心位置的欧几里德距离，得到目标预置点所属的最优分类簇；
步骤S604，根据目标预置点所属最优分类簇的历史预置点的图像参数的加权求和结果，得到目标预置点的图像参数。
在本实施例中还提供了一种视频监控系统的控制装置，该视频监控系统的控制装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。以下所使用的术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管在以下实施例中所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图7是本实施例的视频监控系统的控制装置70的结构框图，如图7所示，该视频监控系统的控制装置70包括：获取模块72、生成模块74、聚类模块76、以及监控模块78；其中：
获取模块72，用于基于分布于目标场景各区域的从设备实时获取的热点区域信息，确定主设备在目标场景的多个目标预置点；
生成模块74，用于根据多个目标预置点和预设的巡航算法，生成目标场景的巡航路线；
聚类模块76，用于根据目标场景下的历史预置点的图像参数和预设的聚类算法，确定多个目标预置点中每个目标预置点对应的图像参数；
监控模块78，用于基于巡航路线和多个目标预置点中每个目标预置点对应的图像参数，对主设备进行设置，以对目标场景进行视频监控。
上述视频监控系统的控制装置70，基于分布于目标场景各区域的从设备实时获取的热点区域信息，确定主设备在目标场景的多个目标预置点；根据多个目标预置点和预设的巡航算法，生成目标场景的巡航路线；根据目标场景下的历史预置点的图像参数和预设的聚类算法，确定多个目标预置点中每个目标预置点对应的图像参数；基于巡航路线和多个目标预置点中每个目标预置点对应的图像参数，对主设备进行设置，以对目标场景进行视频监控。其实现了对目标场景下所有预置点对应的图像参数的自适应调整，从而消除了摄像机在预置点切换时存在的图像闪烁。
需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
在本实施例中还提供了一种视频监控系统80，图8是本实施例的视频系统系统80的结构示意图，如图8所示，该视频监控系统80包括：主设备82、从设备84、以及服务器86；其中，主设备82位于目标场景预设的中心区域，从设备84分布于目标场景的四周的各区域；主设备82、从设备84分别与服务器86通信连接；
从设备84用于获取对应区域的热点区域信息，并将热点区域信息发送至服务器86；
服务器86用于执行上述任一实施例提供的视频监控系统的控制方法；
主设备82用于基于服务器86所执行的视频监控系统的控制方法对目标场景进行视频监控。
可以理解地，上述服务器86可以与主设备82集成设置，也可以与主设备82分离设置，本实施例在此不作具体限定。上述视频监控系统80，实现了对目标场景下所有预置点对应的图像参数的自适应调整，从而消除了摄像机在预置点切换时存在的图像闪烁。
在本实施例中还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
基于分布于目标场景各区域的从设备实时获取的热点区域信息，确定主设备在目标场景的多个目标预置点；
根据多个目标预置点和预设的巡航算法，生成目标场景的巡航路线；
根据目标场景下的历史预置点的图像参数和预设的聚类算法，确定多个目标预置点中每个目标预置点对应的图像参数；
基于巡航路线和多个目标预置点中每个目标预置点对应的图像参数，对主设备进行设置，以对目标场景进行视频监控。需要说明的是，在本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，在本实施例中不再赘述。
此外，结合上述实施例中提供的视频监控系统的控制方法方法，在本实施例中还可以提供一种存储介质来实现。该存储介质上存储有计算机程序；该计算机程序被处理器执行时实现上述实施例中的任意一种视频监控系统的控制方法方法。
应该明白的是，这里描述的具体实施例只是用来解释这个应用，而不是用来对它进行限定。根据本申请提供的实施例，本领域普通技术人员在不进行创造性劳动的情况下得到的所有其它实施例，均属本申请保护范围。
显然，附图只是本申请的一些例子或实施例，对本领域的普通技术人员来说，也可以根据这些附图将本申请适用于其他类似情况，但无需付出创造性劳动。另外，可以理解的是，尽管在此开发过程中所做的工作可能是复杂和漫长的，但是，对于本领域的普通技术人员来说，根据本申请披露的技术内容进行的某些设计、制造或生产等更改仅是常规的技术手段，不应被视为本申请公开的内容不足。
“实施例”一词在本申请中指的是结合实施例描述的具体特征、结构或特性可以包括在本申请的至少一个实施例中。该短语出现在说明书中的各个位置并不一定意味着相同的实施例，也不意味着与其它实施例相互排斥而具有独立性或可供选择。本领域的普通技术人员能够清楚或隐含地理解的是，本申请中描述的实施例在没有冲突的情况下，可以与其它实施例结合。
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专利保护范围的限制。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)
1.一种视频监控系统的控制方法，其特征在于，所述视频监控系统包括主设备和从设备，所述视频监控系统的控制方法包括：
基于分布于目标场景各区域的从设备实时获取的热点区域信息，确定所述主设备在所述目标场景的多个目标预置点；
根据所述多个目标预置点和预设的巡航算法，生成所述目标场景的巡航路线；
根据所述目标场景下的历史预置点的图像参数和预设的聚类算法，确定所述多个目标预置点中每个目标预置点对应的图像参数；
基于所述巡航路线和所述多个目标预置点中每个目标预置点对应的图像参数，对所述主设备进行设置，以对所述目标场景进行视频监控。
2.根据权利要求1所述的视频监控系统的控制方法，其特征在于，所述基于分布于目标场景各区域的从设备实时获取的热点区域信息，确定所述主设备在所述目标场景的多个目标预置点，包括：
根据所述主设备与所述从设备之间的坐标映射关系，将分布于目标场景各区域的从设备实时获取的热点区域信息的中心坐标，映射为所述主设备在所述目标场景的多个目标预置点。
3.根据权利要求1所述的视频监控系统的控制方法，其特征在于，所述根据所述多个目标预置点和预设的巡航算法，生成所述目标场景的巡航路线，包括：
根据所述多个目标预置点与所述主设备的第一距离，确定初始目标预置点；
获取所述多个目标预置点中各目标预置点之间的第二距离；
将所述初始目标预置点和所述第二距离输入预设的巡航算法进行最短路径求解，生成所述目标场景的巡航路线。
4.根据权利要求3所述的视频监控系统的控制方法，其特征在于，所述根据所述多个目标预置点与所述主设备的第一距离，确定初始目标预置点，包括：
获取所述多个目标预置点与所述主设备的第一距离；
从所述多个目标预置点中筛选出与所述主设备的第一距离最小的目标预置点，作为所述初始目标预置点。
5.根据权利要求1至4中任一项所述的视频监控系统的控制方法，其特征在于，所述根据所述目标场景下的历史预置点的图像参数和预设的聚类算法，确定所述多个目标预置点中每个目标预置点对应的图像参数，包括：
基于预设的聚类算法对所述目标场景下的历史预置点的位置信息进行聚类，得到最优分类簇；
根据所述多个目标预置点中每个目标预置点与各最优分类簇的质心之间的距离信息，确定所述每个目标预置点所属的最优分类簇；
基于所述最优分类簇的历史预置点的图像参数的加权统计结果，和所述每个目标预置点与所述最优分类簇的从属关系，得到所述每个目标预置点对应的图像参数。
6.根据权利要求5所述的视频监控系统的控制方法，其特征在于，所述基于预设的聚类算法对所述目标场景下的历史预置点的位置信息进行聚类，得到最优分类簇，包括：
基于预设的聚类算法，采用肘部法则对所述目标场景下的历史预置点的位置信息进行最优聚类，得到最优分类簇。
7.一种视频监控系统的控制装置，用于视频监控系统，其特征在于，所述视频监控系统包括主设备和从设备，所述视频监控系统的控制装置包括：获取模块、生成模块、聚类模块、以及监控模块；其中：
所述获取模块，用于基于分布于目标场景各区域的从设备实时获取的热点区域信息，确定所述主设备在所述目标场景的多个目标预置点；
所述生成模块，用于根据所述多个目标预置点和预设的巡航算法，生成所述目标场景的巡航路线；
所述聚类模块，用于根据所述目标场景下的历史预置点的图像参数和预设的聚类算法，确定所述多个目标预置点中每个目标预置点对应的图像参数；
所述监控模块，用于基于所述巡航路线和所述多个目标预置点中每个目标预置点对应的图像参数，对所述主设备进行设置，以对所述目标场景进行视频监控。
8.一种视频监控系统，其特征在于，包括：主设备、从设备、以及服务器；其中，所述主设备位于目标场景预设的中心区域，所述从设备分布于所述目标场景的四周的各区域；所述主设备、所述从设备分别与所述服务器通信连接；
所述从设备用于获取对应区域的热点区域信息，并将所述热点区域信息发送至所述服务器；
所述服务器用于执行权利要求1至6中任一项所述的视频监控系统的控制方法；
所述主设备用于基于所述服务器所执行的所述视频监控系统的控制方法对所述目标场景进行视频监控。
9.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至6中任一项所述的视频监控系统的控制方法。
10.一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中任一项所述的视频监控系统的控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210830928.7A CN115412704A (zh) | 2022-07-15 | 2022-07-15 | 视频监控系统的控制方法、视频监控系统和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210830928.7A CN115412704A (zh) | 2022-07-15 | 2022-07-15 | 视频监控系统的控制方法、视频监控系统和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115412704A true CN115412704A (zh) | 2022-11-29 |
Family
ID=84157648
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210830928.7A Pending CN115412704A (zh) | 2022-07-15 | 2022-07-15 | 视频监控系统的控制方法、视频监控系统和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115412704A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116958707A (zh) * | 2023-08-18 | 2023-10-27 | 武汉市万睿数字运营有限公司 | 一种基于球机监控设备的图像分类方法、装置及相关介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160313120A1 (en) * | 2013-12-16 | 2016-10-27 | Obshestvo S Ogranichennoj Otvetstvennostyu "Disikon" | Method for determination of optimal forest video monitoring system configuration |
| CN106327875A (zh) * | 2016-08-29 | 2017-01-11 | 苏州金螳螂怡和科技有限公司 | 交通视频监控管理控制系统 |
| CN107580177A (zh) * | 2017-08-07 | 2018-01-12 | 浙江大华技术股份有限公司 | 一种参数调整方法及装置 |
| CN111294563A (zh) * | 2020-02-24 | 2020-06-16 | 浙江大华技术股份有限公司 | 视频监控方法及装置、存储介质、电子装置 |
| CN112804477A (zh) * | 2021-03-29 | 2021-05-14 | 浙江华创视讯科技有限公司 | 预置点图像参数的确定方法、装置、电子设备及存储介质 |
| CN113014876A (zh) * | 2021-02-25 | 2021-06-22 | 中国铁塔股份有限公司 | 视频监控方法、装置、电子设备及可读存储介质 |
-
2022
- 2022-07-15 CN CN202210830928.7A patent/CN115412704A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160313120A1 (en) * | 2013-12-16 | 2016-10-27 | Obshestvo S Ogranichennoj Otvetstvennostyu "Disikon" | Method for determination of optimal forest video monitoring system configuration |
| CN106327875A (zh) * | 2016-08-29 | 2017-01-11 | 苏州金螳螂怡和科技有限公司 | 交通视频监控管理控制系统 |
| CN107580177A (zh) * | 2017-08-07 | 2018-01-12 | 浙江大华技术股份有限公司 | 一种参数调整方法及装置 |
| CN111294563A (zh) * | 2020-02-24 | 2020-06-16 | 浙江大华技术股份有限公司 | 视频监控方法及装置、存储介质、电子装置 |
| CN113014876A (zh) * | 2021-02-25 | 2021-06-22 | 中国铁塔股份有限公司 | 视频监控方法、装置、电子设备及可读存储介质 |
| CN112804477A (zh) * | 2021-03-29 | 2021-05-14 | 浙江华创视讯科技有限公司 | 预置点图像参数的确定方法、装置、电子设备及存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116958707A (zh) * | 2023-08-18 | 2023-10-27 | 武汉市万睿数字运营有限公司 | 一种基于球机监控设备的图像分类方法、装置及相关介质 |
| CN116958707B (zh) * | 2023-08-18 | 2024-04-23 | 武汉市万睿数字运营有限公司 | 一种基于球机监控设备的图像分类方法、装置及相关介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110147744B (zh) | 一种人脸图像质量评估方法、装置及终端 | |
| Yildiz et al. | Optimal camera placement for providing angular coverage in wireless video sensor networks | |
| CN108509896B (zh) | 一种轨迹跟踪方法、装置和存储介质 | |
| CN110998660B (zh) | 用于优化流水线执行的方法、系统和装置 | |
| JP2017537357A (ja) | 警報方法および装置 | |
| CN108898171B (zh) | 图像识别处理方法、系统及计算机可读存储介质 | |
| Eriksson et al. | Predictive distributed visual analysis for video in wireless sensor networks | |
| WO2012000138A1 (en) | Method and apparatus for object tracking and recognition | |
| Zhou et al. | Optimization of wireless video surveillance system for smart campus based on internet of things | |
| CN107871143B (zh) | 图像识别方法及装置、计算机装置和计算机可读存储介质 | |
| CN115412704A (zh) | 视频监控系统的控制方法、视频监控系统和存储介质 | |
| JP2022545141A (ja) | 三次元メッシュモデルの再構築方法およびその装置、機器、並びに記憶媒体 | |
| CN110895802A (zh) | 一种图像处理方法及装置 | |
| CN111582240A (zh) | 一种对象数量的识别方法、装置、设备和介质 | |
| CN113393492A (zh) | 目标跟踪方法、装置、电子装置和存储介质 | |
| CN116360574A (zh) | 确定资源配置参数的方法与电子设备 | |
| CN109214251B (zh) | 用于机房监控的图像识别装置及方法 | |
| CN112651321A (zh) | 档案处理方法、装置及服务器 | |
| Zhou et al. | Optimal coverage of camera networks using PSO algorithm | |
| CN111291611A (zh) | 一种基于贝叶斯查询扩展的行人重识别方法及装置 | |
| JP5872401B2 (ja) | 領域分割装置 | |
| Pajares et al. | Fuzzy cognitive maps applied to computer vision tasks | |
| CN110852943A (zh) | 图像处理方法及装置、图像处理设备及存储介质 | |
| CN105700402A (zh) | 基于人员检测的嵌入式控制系统、设备和方法 | |
| CN109190493A (zh) | 图像识别方法、装置及机器人视觉系统 |
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 |