CN115529437A - 一种监控设备布置信息确定方法、装置、设备及介质 - Google Patents
一种监控设备布置信息确定方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115529437A CN115529437A CN202110708990.4A CN202110708990A CN115529437A CN 115529437 A CN115529437 A CN 115529437A CN 202110708990 A CN202110708990 A CN 202110708990A CN 115529437 A CN115529437 A CN 115529437A
- Authority
- CN
- China
- Prior art keywords
- arrangement information
- monitoring
- candidate
- iteration
- fitness
- 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 349
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000004364 calculation method Methods 0.000 claims abstract description 50
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 26
- 230000002068 genetic effect Effects 0.000 claims abstract description 23
- 238000012804 iterative process Methods 0.000 claims abstract description 12
- 238000012806 monitoring device Methods 0.000 claims description 106
- 238000005457 optimization Methods 0.000 claims description 55
- 230000008569 process Effects 0.000 claims description 18
- 230000015654 memory Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 13
- 230000035772 mutation Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 19
- 238000004891 communication Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 9
- 238000001514 detection method Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 210000004027 cell Anatomy 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000000349 chromosome Anatomy 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 230000008303 genetic mechanism Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Genetics & Genomics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Physiology (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Alarm Systems (AREA)
Abstract
本申请公开了一种监控设备布置信息确定方法、装置、设备及介质,用以快捷准确的确定适合监控需求的监控设备的布置信息。由于本申请可以基于获取到的监控需求,在监控区域内随机生成监控设备的每个初始布置信息,针对获取到的初始布置信息进行以下迭代过程:根据每个初始布置信息的适应度,从每个初始布置信息中,选取第一候选布置信息;基于第一候选布置信息及遗传算法,生成第二候选布置信息;若该次迭代不满足设定的终止迭代计算条件,则将第二候选布置信息更新为初始布置信息进行下一轮迭代;若该次迭代满足设定的终止迭代计算条件,则可以根据该次迭代计算生成的第二候选布置信息的适用度,快捷准确的确定出适合当前监控需求的目标布置信息。
Description
技术领域
本申请涉及安防技术领域,尤其涉及一种监控设备布置信息确定方法、装置、设备及介质。
背景技术
随着国家在固定资产投资的稳定增长以及经济活动频度增加,极大的推动了国家在公共安全基础设施方面的建设力度。同时,随着计算机、通信、控制和多媒体技术的高速发展,在安防产业数字化、网络化、智能化发展的大趋势下,视频监控作为安防产业的关键组成部分,其重要性越来越被企业所重视,其本身也得到了极大的发展。
2016年后随着网络传输深度学习算法和芯片性能的提升,安防产业开始步入“看得懂”的智能化时代,人工智能赋能安防,各类基于人工智能技术的垂直应用不断涌现。视频监控系统前后端均实现智能化,如前端“智能化”,后端“云化”,并逐渐演变为“边缘节点”、“边缘域”、“云中心”三个层次,云边融合的产业生态圈成为安防产业正在发生的新趋势。
发展是一把双刃剑,在带来新的机遇与可能性的同时,不断带来新问题与新挑战。目前安防产业正处于网络高清阶段尾声和智能化的拐点,智能化水平还处在初级阶段,其中,安防产业中,在根据监控需求确定监控设备的布置信息时,通常多采用人工凭经验确定,受人工经验及主观因素的影响较大,缺少有效的数据支撑,不仅会影响确定的布置信息的准确性,而且耗时较长,难以满足安防产业智能化高效发展的要求。因此,亟需一种可以快捷准确的确定适合监控需求的监控设备的布置信息的技术方案。
发明内容
本申请提供了一种监控设备布置信息确定方法、装置、设备及介质,用以快捷准确的确定适合监控需求的监控设备的布置信息。
第一方面,本申请提供了一种监控设备布置信息确定方法,所述方法包括:
获取携带有监控区域、监控设备的信息的监控需求,基于所述监控需求,在所述监控区域内随机生成监控设备的每个初始布置信息;
针对所述每个初始布置信息,根据预设的监控区域的至少一个优化目标参数,确定所述监控设备位于该初始布置信息时所述监控区域对应所述至少一个优化目标参数的参数值;根据所述至少一个优化目标参数对应的权重值及所述参数值,确定该初始布置信息的适应度;其中,优化目标参数包括:平面覆盖率、空域覆盖率、夜间覆盖率、最小监控距离、监控区域设备覆盖数、监控区域最小分辨率、布置经济性中的至少一种;
针对获取到的初始布置信息进行以下迭代过程:根据每个初始布置信息的适应度,从所述每个初始布置信息中,选取第一候选布置信息;基于所述第一候选布置信息及遗传算法,生成第二候选布置信息;若该次迭代不满足设定的终止迭代计算条件,将第二候选布置信息更新为初始布置信息进行下一轮迭代;若该次迭代满足设定的终止迭代计算条件,根据该次迭代计算生成的第二候选布置信息的适用度,确定目标布置信息。
第二方面,本申请提供了一种监控设备布置信息确定装置,所述装置包括:
获取模块,用于获取携带有监控区域、监控设备的信息的监控需求,基于所述监控需求,在所述监控区域内随机生成监控设备的每个初始布置信息;
第一确定模块,用于针对所述每个初始布置信息,根据预设的监控区域的至少一个优化目标参数,确定所述监控设备位于该初始布置信息时所述监控区域对应所述至少一个优化目标参数的参数值;根据所述至少一个优化目标参数对应的权重值及所述参数值,确定该初始布置信息的适应度;其中,优化目标参数包括:平面覆盖率、空域覆盖率、夜间覆盖率、最小监控距离、监控区域设备覆盖数、监控区域最小分辨率、布置经济性中的至少一种;
第二确定模块,用于针对获取到的初始布置信息进行以下迭代过程:根据每个初始布置信息的适应度,从所述每个初始布置信息中,选取第一候选布置信息;基于所述第一候选布置信息及遗传算法,生成第二候选布置信息;若该次迭代不满足设定的终止迭代计算条件,将第二候选布置信息更新为初始布置信息进行下一轮迭代;若该次迭代满足设定的终止迭代计算条件,根据该次迭代计算生成的第二候选布置信息的适用度,确定目标布置信息。
第三方面,本申请提供了一种电子设备,所述电子设备至少包括处理器和存储器,所述处理器用于执行存储器中存储的计算机程序时实现如上述任一所述一种监控设备布置信息确定方法的步骤。
第四方面,本申请提供了一种计算机可读存储介质,其存储有计算机程序,所述计算机程序被处理器执行时实现如上述任一所述一种监控设备布置信息确定方法的步骤。
由于本申请可以获取携带有监控区域、监控设备的信息的监控需求,并基于获取到的监控需求,在监控区域内随机生成监控设备的每个初始布置信息,针对获取到的初始布置信息可以进行以下迭代过程:根据每个初始布置信息的适应度,从每个初始布置信息中,选取第一候选布置信息;基于第一候选布置信息及遗传算法,生成第二候选布置信息;若该次迭代不满足设定的终止迭代计算条件,则将第二候选布置信息更新为初始布置信息进行下一轮迭代;若该次迭代满足设定的终止迭代计算条件,则根据该次迭代计算生成的第二候选布置信息的适用度,确定目标布置信息。相比人工确定监控设备的目标布置信息而言,本申请可以基于遗传算法,快捷准确的确定出适合当前监控需求的目标布置信息。
附图说明
为了更清楚地说明本申请实施例或相关技术中的实施方式,下面将对实施例或相关技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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附图。
图1示出了一些实施例提供的一种监控设备布置信息确定过程示意图;
图2示出了一些实施例提供的一种监控需求示意图;
图3示出了一些实施例提供的监控设备的目标位置信息示意图;
图4示出了一些实施例提供的一种监控设备布置信息确定装置;
图5示出了一些实施例提供的一种电子设备结构示意图。
具体实施方式
为了快捷准确的确定适合监控需求的监控设备的布置信息,本申请提供了一种监控设备布置信息确定方法、装置、设备及介质。
为使本申请的目的和实施方式更加清楚,下面将结合本申请示例性实施例中的附图,对本申请示例性实施方式进行清楚、完整地描述,显然,描述的示例性实施例仅是本申请一部分实施例,而不是全部的实施例。
需要说明的是,本申请中对于术语的简要说明,仅是为了方便理解接下来描述的实施方式,而不是意图限定本申请的实施方式。除非另有说明,这些术语应当按照其普通和通常的含义理解。
本申请中说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”等是用于区别类似或同类的对象或实体,而不必然意味着限定特定的顺序或先后次序,除非另外注明。应该理解这样使用的用语在适当情况下可以互换。
术语“包括”和“具有”以及他们的任何变形,意图在于覆盖但不排他的包含,例如,包含了一系列组件的产品或设备不必限于清楚地列出的所有组件,而是可包括没有清楚地列出的或对于这些产品或设备固有的其它组件。
术语“模块”是指任何已知或后来开发的硬件、软件、固件、人工智能、模糊逻辑或硬件或/和软件代码的组合,能够执行与该元件相关的功能。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
为了方便解释,已经结合具体的实施方式进行了上述说明。但是,上述示例性的讨论不是意图穷尽或者将实施方式限定到上述公开的具体形式。根据上述的教导,可以得到多种修改和变形。上述实施方式的选择和描述是为了更好的解释原理以及实际的应用,从而使得本领域技术人员更好的使用所述实施方式以及适于具体使用考虑的各种不同的变形的实施方式。
在实际使用过程中,电子设备可以获取携带有监控区域、监控设备的信息的监控需求,并基于获取到的监控需求,在监控区域内随机生成监控设备的每个初始布置信息,针对获取到的初始布置信息可以进行以下迭代过程:根据每个初始布置信息的适应度,从每个初始布置信息中,选取第一候选布置信息;基于第一候选布置信息及遗传算法,生成第二候选布置信息;若该次迭代不满足设定的终止迭代计算条件,则将第二候选布置信息更新为初始布置信息进行下一轮迭代;若该次迭代满足设定的终止迭代计算条件,则根据该次迭代计算生成的第二候选布置信息的适用度,确定目标布置信息。相比人工确定监控设备的目标布置信息而言,本申请中电子设备可以基于遗传算法,从而实现快捷准确的确定出适合当前监控需求的目标布置信息的目的。
图1示出了一些实施例提供的一种监控设备布置信息确定过程示意图,该过程包括以下步骤:
S101:获取携带有监控区域、监控设备的信息的监控需求,基于所述监控需求,在所述监控区域内随机生成监控设备的每个初始布置信息。
本申请实施例提供的监控设备布置信息确定方法应用于电子设备,该电子设备可以是服务器,也可以是PC、移动终端等设备。
在一种可能的实施方式中,用户可以将携带有监控区域、监控设备的信息的监控需求上传到电子设备中,其中,监控区域、监控设备的信息可以根据需求灵活设置,本申请对此不做具体限定。电子设备可以获取携带有监控区域、监控设备的信息的监控需求,并基于该监控需求,在监控需求携带的监控区域内,随机生成监控需求携带的监控设备的每个初始布置信息。在一种可能的实施方式中,在监控区域内随机生成监控设备的每个初始布置信息时,可以基于监控需求及遗传算法,在监控区域内随机生成监控设备的每个初始布置信息。示例性的,如果监控需求携带的监控区域A为长方形,携带的监控设备用N 表示,则随机生成的每个初始布置信息可以为监控设备N位于监控区域A的左上角、监控设备N位于监控区域A的右上角、监控设备N位于监控区域A 的左下角、监控设备N位于监控区域A的右下角、监控设备N位于监控区域 A的中心点等。
在一种可能的实施方式中,用户还可以在监控需求中设置可供监控设备放置的监控点位,如用户可以指定监控设备可以放置在小区门口、单元楼门口等监控点位。其中监控点位的位置和数量可以根据需求灵活设置,本申请对此不做具体限定。电子设备获取到携带有监控区域、监控设备及至少一个监控点位的监控需求后,可以基于该监控需求,在监控区域内的至少一个监控点位处,生成监控设备的每个初始布置信息。示例性的,如果监控需求携带的监控设备为B和C,监控点位为小区门口和1单元楼门口,则生成的每个初始布置信息可以为监控设备B位于小区门口、监控设备C位于1单元楼门口;或者监控设备B位于1单元楼门口、监控设备C位于小区门口等。
S102:针对所述每个初始布置信息,根据预设的监控区域的至少一个优化目标参数,确定所述监控设备位于该初始布置信息时所述监控区域对应所述至少一个优化目标参数的参数值;根据所述至少一个优化目标参数对应的权重值及所述参数值,确定该初始布置信息的适应度;其中,优化目标参数包括:平面覆盖率、空域覆盖率、夜间覆盖率、最小监控距离、监控区域设备覆盖数、监控区域最小分辨率、布置经济性中的至少一种。
在一种可能的实施方式中,为了确定布置信息的监控效果是否能够满足监控需求,用户可以预设监控区域的优化目标参数,示例性的,优化目标参数可以包括但不限于平面覆盖率、空域覆盖率、夜间覆盖率、最小监控距离、监控区域设备覆盖数、监控区域最小分辨率、布置经济性中的至少一种。电子设备确定了每个初始布置信息后,针对每个初始布置信息,可以根据用户预设的监控区域的至少一个优化目标参数,确定监控区域位于该初始布置信息时,监控区域对应至少一个优化目标参数的参数值。示例性的,如果优化目标参数包括平面覆盖率,可以确定监控设备位于该初始布置信息时,监控区域对应平面覆盖率的具体参数值(平面覆盖率的数值)。再示例性的,如果优化目标包括最小监控距离,可以确定监控设备位于该初始布置信息时,监控区域对应最小监控距离的具体参数值(最小监控距离的数值),其中,确定最小监控距离的参数值时,可以基于监控设备在地面等处可达到的监控位置与监控设备摄像头之间的距离等确定,例如可以将监控设备在地面等处可达到的监控位置与监控设备摄像头之间的最小距离确定为最小监控距离,监控设备的最小监控距离越小,可以认为该监控设备拍摄的图像的清晰度越高。具体的,确定优化目标参数的参数值可以采用现有技术,在此不再赘述。
在一种可能的实施方式中,鉴于优化目标参数通常只能基于一个维度确定布置信息的监控效果,当为了更好的满足智能监控场景下对监控设备的布置信息的多样化布置需求,用户预设至少一个优化目标参数时,为了可以多维度综合判断布置信息的监控效果,用户可以预设每个优化目标参数对应的权重值,其中,每个优化目标参数对应的权重值可以根据需求灵活设置,例如,当对监控设备在监控区域内平面覆盖率的监控要求较高时,可以将平面覆盖率对应的权重值设置的较大;当对监控设备在监控区域内的最小分辨率的监控要求较高时,可以将监控区域最小分辨率对应的权重值设置的较大;当对监控设备的性价比监控要求较高时,可以将监控设备的设备价格、布设成本等对应的权重值设置的较大等。在一种可能的实施方式中,每个优化目标参数对应的权重值的和值可以为1。
在一种可能的实施方式中,可以根据至少一个优化目标参数对应的权重值及对应至少一个优化目标参数的参数值,确定初始布置信息的适应度。由于适应度是根据每个优化目标参数对应的权重值及对应优化目标参数的参数值确定的,因此适应度可以基于多个维度综合评判布置信息的监控效果,从而可以更准确的确定布置信息的监控效果是否能够满足监控需求。通常情况下,布置信息的适应度越高,可以认为该布置信息的监控效果越好,越能满足监控需求。
在一种可能的实施方式中,在根据至少一个优化目标参数对应的权重值及对应至少一个优化目标参数的参数值,确定初始布置信息的适应度时,针对每个优化目标参数,可以先确定该优化目标参数对应的权重值及对应该优化目标参数的参数值的第一乘积。然后将每个第一乘积的算数平均值、简单调和平均值或加权调和平均值等确定为初始布置信息的适应度。其中,计算每个第一乘积的算数平均值、简单调和平均值、加权调和平均值可以采用现有技术,在此不再赘述。另外,用户可以根据实际需求选择将每个第一乘积的算数平均值、简单调和平均值还是加权调和平均值等来确定为初始布置信息的适应度,本申请对此不做具体限定。
在一种可能的实施方式中,用户在设置监控需求时,可以将监控区域划分为多个子监控区域,每个子监控区域可以对应不同的优化目标参数。针对每个子监控区域,可以确定该子监控区域的优化目标参数及对应该优化目标参数的权重值,其中确定监控区域内监控设备的初始布置信息的适应度的过程与上述实施例相同,例如可以根据每个优化目标参数对应的权重值及参数值,确定初始布置信息的适应度,在此不再赘述。
S103:针对获取到的初始布置信息进行以下迭代过程:根据每个初始布置信息的适应度,从所述每个初始布置信息中,选取第一候选布置信息;基于所述第一候选布置信息及遗传算法,生成第二候选布置信息;若该次迭代不满足设定的终止迭代计算条件,将第二候选布置信息更新为初始布置信息进行下一轮迭代;若该次迭代满足设定的终止迭代计算条件,根据该次迭代计算生成的第二候选布置信息的适用度,确定目标布置信息。
在一种可能的实施方式中,为了确定适合监控需求的布置信息,可以对获取到的初始布置信息进行迭代计算,具体的,迭代计算过程可以如下:
首先,根据每个初始布置信息的适应度,从每个初始布置信息中,选取第一候选布置信息。在一种可能的实施方式中,鉴于布置信息的适应度越高,该布置信息的监控效果越好,越能满足监控需求,在选取第一候选布置信息时,可以根据每个初始布置信息的适应度,对每个初始布置信息的适应度按照由大到小的顺序进行排序,然后将排序在前的、适应度较大的设定比例或设定数量的初始布置信息,确定为第一候选布置信息。其中设定比例和设定数量可以根据需求灵活设置。
确定了第一候选布置信息后,可以基于选取的第一候选布置信息及遗传算法,生成第二候选布置信息。其中,遗传算法是根据大自然中生物体进化规律而设计提出的,是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型,是一种通过模拟自然进化过程搜索最优解的方法。该算法通过数学的方式,利用计算机仿真运算,将问题的求解过程转换成类似生物进化中的染色体基因的交叉、变异等过程。在求解较为复杂的组合优化问题时,相对一些常规的优化算法,通常能够较快地获得较好的优化结果。遗传算法已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。为了快捷准确的确定适合监控需求的监控设备布置信息,本申请实施例可以基于遗传算法确定监控设备的最优布置信息(目标布置信息)。
在一种可能的实施方式中,在生成第二候选布置信息时,可以对第一候选布置信息中监控设备的监控点位(位置)、监控角度、焦距等参数进行直接遗传或交叉配对再遗传,并进行变异操作,以生成每个第二候选布置信息。示例性的,在对第一候选布置信息的参数进行直接遗传并进行变异操作,以生成每个第二候选布置信息时,可以是对第一候选布置信息进行直接复制,然后对复制得到的候选布置信息中的任意一个或多个参数进行随机修改,例如对监控设备的监控点位、监控角度、焦距等进行随机修改,即进行变异操作后,生成每个第二候选布置信息。在对第一候选布置信息的参数进行交叉配对再遗传并进行变异操作,以生成每个第二候选布置信息时,可以是先随机从第一候选布置信息中选取两个第一候选布置信息分别作为父布置信息和母布置信息,然后分别从父布置信息和母布置信息中选取一部分参数进行交叉配对再遗传,然后对交叉配对再遗传得到的候选布置信息中的任意一个或多个参数进行随机修改,例如对监控设备的监控点位、监控角度、焦距等进行随机修改,即进行变异操作后,生成每个第二候选布置信息。在一种可能的实施方式中,可以基于现有技术对第一候选布置信息的参数进行直接遗传或交叉配对再遗传,并进行变异操作,在此不再赘述。
从初始布置信息中选取第一候选布置信息,并进而生成第二候选布置信息后,可以认为完成一次迭代。在每次迭代过程中,生成第二候选布置信息时,可以判断该次迭代是否满足设定的终止迭代计算条件。其中,终止迭代计算条件可以根据需求灵活设置,示例性的,满足以下情况时的任一情况时,可以认为该次迭代满足设定的终止迭代计算条件:
第一种情况:迭代的次数达到设定的迭代次数阈值。
其中,迭代次数阈值可以根据需求灵活设置。具体的,在完成每次迭代时,电子设备可以确定当前迭代的次数,当迭代的次数达到设定的迭代次数阈值时,可以认为该次迭代已满足设定的终止迭代计算条件,可以终止迭代。
第二种情况:在连续设定次数的每次迭代过程中,第二候选布置信息的适应度相对初始布置信息的适应度的增长率不大于设定的增长率阈值。
具体的,电子设备在完成每次迭代时,可以确定该次迭代生成的第二候选布置信息的适应度。其中,确定第二候选布置信息的适应度的过程与上述实施例确定初始布置信息的适应度的过程相同,例如,可以根据预设的监控区域的至少一个优化目标参数,确定监控设备位于第二候选布置信息时监控区域对应至少一个优化目标参数的参数值;根据至少一个优化目标参数对应的权重值及参数值,确定第二候选布置信息的适应度,在此不再赘述。为了判断当前该次迭代是否满足设定的终止迭代计算条件,电子设备针对每次迭代,可以先确定该次迭代生成的第二候选布置信息的适应度相对该次迭代的初始布置信息的适应度的增长率。示例性的,可以根据每个第二候选布置信息的平均适应度与每个初始布置信息的平均适应度,确定适应度的增长率;也可以根据每个第二候选布置信息中的最高适应度与每个初始布置信息的最高适应度,确定适应度的增长率;另外,也可以根据每个第二候选布置信息中的最低适应度与每个初始布置信息的最低适应度等,确定适应度的增长率,可以根据需求灵活设置,本申请对此不做具体限定。为方便描述,以根据每个第二候选布置信息中的最高适应度与每个初始布置信息的最高适应度,确定适应度的增长率为例进行举例说明。将每个第二候选布置信息中的最高适应度用m表示,每个初始布置信息的最高适应度用n表示,则第二候选布置信息的适应度相对初始布置信息的适应度的增长率可以为(m-n)/n。
在一种可能的实施方式中,在连续设定次数的每次迭代过程中,若第二候选布置信息的适应度相对初始布置信息的适应度的增长率不大于设定的增长率阈值,则可以认为当前该次迭代生成的第二候选布置信息优化空间较小,可以认为该次迭代已满足设定的终止迭代计算条件,可以终止迭代。其中连续设定次数及增长率阈值均可以根据需求灵活设置,本申请对此不做具体限定。
第三种情况:该次迭代得到的第二候选布置信息中,任一第二候选布置信息的适应度不小于设定的适应度阈值。
具体的,针对每次迭代,可以确定该次迭代得到的第二候选布置信息中,每个第二候选布置信息的适应度,若任一第二候选布置信息的适应度不小于设定的适应度阈值,可以认为该次迭代生成的第二候选布置信息的监控效果较好,可以终止迭代。其中,适应度阈值可以根据需求灵活设置,本申请对此不做具体限定。
在一种可能的实施方式中,若该次迭代满足设定的终止迭代计算条件,可以终止迭代计算,并根据该次迭代计算生成的第二候选布置信息的适用度,确定目标布置信息。示例性的,在根据该次迭代计算生成的第二候选布置信息的适用度,确定目标布置信息时,可以将该次迭代计算生成的第二候选布置信息的适应度中适应度最高的第二候选布置信息,确定为目标布置信息。
另外,在一种可能的实施方式中,若该次迭代满足的设定的终止迭代计算条件为该次迭代得到的第二候选布置信息中,任一第二候选布置信息的适应度不小于设定的适应度阈值,则在根据该次迭代计算生成的第二候选布置信息的适用度,确定目标布置信息时,可以将第二候选布置信息中适应度不小于设定的适应度阈值的任一第二候选布置信息,确定为目标布置信息。
在一种可能的实施方式中,在确定监控设备的目标布置信息后,可以将该目标布置信息进行保存及展示,示例性的,可以将目标布置信息以图形、表格、文字等形式进行保存及展示。
在一种可能的实施方式中,若该次迭代不满足设定的终止迭代计算条件,则可以将第二候选布置信息更新为初始布置信息并进行下一轮迭代,即在下一轮迭代时,可以将第二候选布置信息更新为初始布置信息,根据更新后的初始布置信息的适应度,从每个更新后的初始布置信息中,再选取第一候选布置信息;基于第一候选布置信息及遗传算法,再生成第二候选布置信息。
由于本申请可以获取携带有监控区域、监控设备的信息的监控需求,并基于获取到的监控需求,在监控区域内随机生成监控设备的每个初始布置信息,针对获取到的初始布置信息可以进行以下迭代过程:根据每个初始布置信息的适应度,从每个初始布置信息中,选取第一候选布置信息;基于第一候选布置信息及遗传算法,生成第二候选布置信息;若该次迭代不满足设定的终止迭代计算条件,则将第二候选布置信息更新为初始布置信息进行下一轮迭代;若该次迭代满足设定的终止迭代计算条件,则根据该次迭代计算生成的第二候选布置信息的适用度,确定目标布置信息。相比人工确定监控设备的目标布置信息而言,本申请可以基于遗传算法,智能快捷准确的确定出适合当前监控需求的目标布置信息。
在一种可能的实施方式中,为了确定监控设备位于目标布置信息时,监控区域对应的优化目标参数是否满足监控需求,在上述各实施例的基础上,在本申请实施例中,所述方法还包括:
针对所述目标布置信息,确定所述监控设备位于所述目标布置信息时所述监控区域对应所述至少一个优化目标参数的参数值;
针对所述至少一个优化目标参数,判断该优化目标参数的参数值是否不小于预设的对应该优化目标参数的参数阈值;并输出对应的判断结果信息。
在一种可能的实施方式中,针对设定的至少一个优化目标参数,用户可以预先设定该优化目标参数的参数阈值,其中,优化目标参数的参数阈值可以根据需求灵活设置。在确定监控设备位于目标布置信息,监控区域对应的优化目标参数是否满足监控需求时,针对该目标布置信息,可以先确定监控设备位于该目标布置信息时,监控区域对应设定的至少一个优化目标参数的参数值,并通过判断该优化目标参数的参数值是否不小于预设的对应该优化目标参数的参数阈值,来判断该优化目标参数是否满足监控需求。示例性的,可以是当优化目标参数的参数值不小于预设的对应该优化目标参数的参数阈值时,认为该优化目标参数满足监控需求,可以输出该优化目标参数满足监控需求的判断结果信息;当优化目标参数的参数值小于预设的对应该优化目标参数的参数阈值时,可以认为该优化目标参数未满足监控需求,可以输出该优化目标参数未满足监控需求的判断结果信息。用户基于电子设备输出的判断结果信息,可以获知监控设备位于目标布置信息时,监控区域对应的优化目标参数是否满足监控需求。
为方便理解,下面通过一个具体实施例对本申请提供的监控设备布置信息确定方法进行举例说明:
电子设备可以获取携带有监控区域、监控设备、监控点位的信息的监控需求。其中,监控区域可以是二维平面监控区域、三维立体监控区域、还可以是四维监控区域(如,在不同时间段可以对应不同的监控区域等)。其中,用户可以直接在电子设备中输入监控区域的信息,还可以将监控区域的信息写入txt、 word、excel、jpg、gif、bmp、cad、bim等格式的文档中,将文档上传到电子设备中,电子设备可以识别该文档中的监控区域的信息。在一种可能的实施方式中,电子设备可以将识别到的监控区域的信息以数组、矩阵或图像等格式进行保存。其中,电子设备可以采用现有技术对监控区域的信息以数组、矩阵或图像等格式进行保存,在此不再赘述。
另外,监控设备可以包括微波、激光、红外光、可见光、声波、电磁辐射等多种探测类型的监控设备。另外,监控设备的信息中可以包括该监控设备的探测类型、分辨率、探测视角、探测对象、探测距离、变焦范围、空域探测参数、夜间探测参数、设备价格等。
图2示出了一些实施例提供的一种监控需求示意图,如图2所示,监控点位可以为一个点(如图中点D和点E)、也可以是一条线(如图中的线L)、还可以是一个平面(如图中的平面O),其中当监控点位为一个点时,可以认为监控设备可以配置在该点所在的位置;当监控点位为一条线时,可以认为监控设备可以配置在该条线所在的任一位置;当监控点位为一个平面时,可以认为监控设备可以配置在这个平面中的任一位置。其中,本申请对每个监控点位可配置的监控设备的数量不做具体限定。在一种可能的实施方式中,监控点位还可以携带位于监控点位的监控设备可供选择的监控角度的范围(图中虚线所示),其中,该位于监控点位的监控设备可供选择的监控角度的范围可以根据监控需求灵活设置,本申请对此不做具体限定。
参阅图2,监控需求中携带的监控区域为一个矩形,监控区域中包含一个遮挡建筑,一个重点子监控区域。其中,预设的监控区域的优化目标参数为平面覆盖率,平面覆盖率对应的阈值为95%,即当监控设备对该监控区域的监控范围的平面覆盖率不小于95%时,可以认为平面覆盖率满足监控需求;预设的重点子监控区域的优化目标参数为监控区域设备覆盖数,监控区域设备覆盖数设置的阈值为2,即当该重点子监控区域至少有2个监控设备的监控范围可以覆盖该重点子监控区域时,可以认为重点子监控区域的监控区域设备覆盖数满足监控需求。
图3示出了一些实施例提供的监控设备的目标位置信息示意图,如图3所示,监控区域中共配置了5个监控设备,为方便描述,分别记为监控设备1、监控设备2、监控设备3、监控设备4、监控设备5,其中,目标布置信息中可以包括每个监控设备的配置位置、监控角度、监控距离、变焦参数等参数。示例性的,监控设备1和监控设备2可以均位于监控点位D处,其中监控设备1 和监控设备2的监控角度可以不同,监控设备3和监控设备4均位于监控点位O处,监控设备3和监控设备4的监控角度不同,监控设备5位于监控点位L 处。其中,由于监控设备5的监控范围较小,可以将监控设备5配置为分辨率较低的监控设备,以降低监控设备布设成本。另外,由于监控设备2的监控范围比较细长,可以将监控设备2配置为监控角度较窄(窄视角)、监控距离较长的监控设备。
针对该目标布置信息,在判断监控设备位于该目标布置信息,是否满足监控需求时,可以分别计算监控区域的平面覆盖率及重点子监控区域的监控区域设备覆盖数。示例性的,在计算平面覆盖率时,可以先确定监控设备1-5的监控范围去重后的有效监控面积,然后将该有效监控面积与监控区域的总面积的比值,确定为监控区域的平面覆盖率。其中可以基于现有技术确定平面覆盖率及监控区域设备覆盖数,在此不再赘述。
假设通过计算确定监控设备位于目标布置信息时,平面覆盖率为100%,重点子监控区域的监控区域设备覆盖数为2。则针对每个优化目标参数,可以判断该优化目标参数的参数值均不小于预设的对应该优化目标参数的参数阈值,可以输出优化目标参数均满足监控需求的判断结果信息。
基于相同的技术构思,本申请还提供了一种监控设备布置信息确定装置,图4示出了一些实施例提供的一种监控设备布置信息确定装置,所述装置包括:
获取模块41,用于获取携带有监控区域、监控设备的信息的监控需求,基于所述监控需求,在所述监控区域内随机生成监控设备的每个初始布置信息;
第一确定模块42,用于针对所述每个初始布置信息,根据预设的监控区域的至少一个优化目标参数,确定所述监控设备位于该初始布置信息时所述监控区域对应所述至少一个优化目标参数的参数值;根据所述至少一个优化目标参数对应的权重值及所述参数值,确定该初始布置信息的适应度;其中,优化目标参数包括:平面覆盖率、空域覆盖率、夜间覆盖率、最小监控距离、监控区域设备覆盖数、监控区域最小分辨率、布置经济性中的至少一种;
第二确定模块43,用于针对获取到的初始布置信息进行以下迭代过程:根据每个初始布置信息的适应度,从所述每个初始布置信息中,选取第一候选布置信息;基于所述第一候选布置信息及遗传算法,生成第二候选布置信息;若该次迭代不满足设定的终止迭代计算条件,将第二候选布置信息更新为初始布置信息进行下一轮迭代;若该次迭代满足设定的终止迭代计算条件,根据该次迭代计算生成的第二候选布置信息的适用度,确定目标布置信息。
在一种可能的实施方式中,所述第一确定模块42,具体用于对所述每个初始布置信息的适应度按照由大到小的顺序排序,将排序在前的设定比例或设定数量的初始布置信息,确定为所述第一候选布置信息。
在一种可能的实施方式中,所述第二确定模块43,具体用于对所述第一候选布置信息进行直接遗传或交叉配对再遗传,并进行变异操作,生成每个第二候选布置信息。
在一种可能的实施方式中,所述第二确定模块43,具体用于若该次迭代满足的设定的终止迭代计算条件为该次迭代得到的第二候选布置信息中,任一第二候选布置信息的适应度不小于设定的适应度阈值,则将适应度不小于设定的适应度阈值的所述任一第二候选布置信息,确定为所述目标布置信息。
在一种可能的实施方式中,所述获取模块41,具体用于基于所述监控需求,在所述监控区域内至少一个监控点位处,生成监控设备的每个初始布置信息;其中,所述监控需求还携带至少一个监控点位,其中,所述至少一个监控点位处用于设置监控设备。
在一种可能的实施方式中,所述装置还包括:
判断模块,用于针对所述目标布置信息,确定所述监控设备位于所述目标布置信息时所述监控区域对应所述至少一个优化目标参数的参数值;针对所述至少一个优化目标参数,判断该优化目标参数的参数值是否不小于预设的对应该优化目标参数的参数阈值;并输出对应的判断结果信息。
基于相同的技术构思,本申请还提供了一种电子设备,图5示出了一些实施例提供的一种电子设备结构示意图,如图5所示,包括:处理器51、通信接口52、存储器53和通信总线54,其中,处理器51,通信接口52,存储器53 通过通信总线54完成相互间的通信;
所述存储器53中存储有计算机程序,当所述程序被所述处理器51执行时,使得所述处理器51执行如下步骤:
获取携带有监控区域、监控设备的信息的监控需求,基于所述监控需求,在所述监控区域内随机生成监控设备的每个初始布置信息;
针对所述每个初始布置信息,根据预设的监控区域的至少一个优化目标参数,确定所述监控设备位于该初始布置信息时所述监控区域对应所述至少一个优化目标参数的参数值;根据所述至少一个优化目标参数对应的权重值及所述参数值,确定该初始布置信息的适应度;其中,优化目标参数包括:平面覆盖率、空域覆盖率、夜间覆盖率、最小监控距离、监控区域设备覆盖数、监控区域最小分辨率、布置经济性中的至少一种;
针对获取到的初始布置信息进行以下迭代过程:根据每个初始布置信息的适应度,从所述每个初始布置信息中,选取第一候选布置信息;基于所述第一候选布置信息及遗传算法,生成第二候选布置信息;若该次迭代不满足设定的终止迭代计算条件,将第二候选布置信息更新为初始布置信息进行下一轮迭代;若该次迭代满足设定的终止迭代计算条件,根据该次迭代计算生成的第二候选布置信息的适用度,确定目标布置信息。
在一种可能的实施方式中,所述处理器51,具体用于对所述每个初始布置信息的适应度按照由大到小的顺序排序,将排序在前的设定比例或设定数量的初始布置信息,确定为所述第一候选布置信息。
在一种可能的实施方式中,所述处理器51,具体用于对所述第一候选布置信息进行直接遗传或交叉配对再遗传,并进行变异操作,生成每个第二候选布置信息。
在一种可能的实施方式中,所述处理器51,具体用于若该次迭代满足的设定的终止迭代计算条件为该次迭代得到的第二候选布置信息中,任一第二候选布置信息的适应度不小于设定的适应度阈值,则将适应度不小于设定的适应度阈值的所述任一第二候选布置信息,确定为所述目标布置信息。
在一种可能的实施方式中,所述处理器51,具体用于若所述监控需求还携带至少一个监控点位,其中,所述至少一个监控点位处用于设置监控设备;基于所述监控需求,在所述监控区域内所述至少一个监控点位处,生成监控设备的每个初始布置信息。
在一种可能的实施方式中,所述处理器51,还用于针对所述目标布置信息,确定所述监控设备位于所述目标布置信息时所述监控区域对应所述至少一个优化目标参数的参数值;针对所述至少一个优化目标参数,判断该优化目标参数的参数值是否不小于预设的对应该优化目标参数的参数阈值;并输出对应的判断结果信息。
由于上述电子设备解决问题的原理与监控设备布置信息确定方法相似,因此上述电子设备的实施可以参见监控设备布置信息确定方法的实施,重复之处不再赘述。
上述电子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52用于上述电子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。可选地,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。
上述处理器可以是通用处理器,包括中央处理器、网络处理器(NetworkProcessor,NP)等;还可以是数字指令处理器(Digital Signal Processing,DSP)、专用集成电路、现场可编程门陈列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
在上述各实施例的基础上,本申请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可由电子设备执行的计算机程序,当所述程序在所述电子设备上运行时,使得所述电子设备执行时实现如下步骤:
获取携带有监控区域、监控设备的信息的监控需求,基于所述监控需求,在所述监控区域内随机生成监控设备的每个初始布置信息;
针对所述每个初始布置信息,根据预设的监控区域的至少一个优化目标参数,确定所述监控设备位于该初始布置信息时所述监控区域对应所述至少一个优化目标参数的参数值;根据所述至少一个优化目标参数对应的权重值及所述参数值,确定该初始布置信息的适应度;其中,优化目标参数包括:平面覆盖率、空域覆盖率、夜间覆盖率、最小监控距离、监控区域设备覆盖数、监控区域最小分辨率、布置经济性中的至少一种;
针对获取到的初始布置信息进行以下迭代过程:根据每个初始布置信息的适应度,从所述每个初始布置信息中,选取第一候选布置信息;基于所述第一候选布置信息及遗传算法,生成第二候选布置信息;若该次迭代不满足设定的终止迭代计算条件,将第二候选布置信息更新为初始布置信息进行下一轮迭代;若该次迭代满足设定的终止迭代计算条件,根据该次迭代计算生成的第二候选布置信息的适用度,确定目标布置信息。
在一种可能的实施方式中,所述根据每个初始布置信息的适应度,从所述每个初始布置信息中,选取第一候选布置信息包括:
对所述每个初始布置信息的适应度按照由大到小的顺序排序,将排序在前的设定比例或设定数量的初始布置信息,确定为所述第一候选布置信息。
在一种可能的实施方式中,所述基于所述第一候选布置信息及遗传算法,生成第二候选布置信息包括:
对所述第一候选布置信息进行直接遗传或交叉配对再遗传,并进行变异操作,生成每个第二候选布置信息。
在一种可能的实施方式中,所述满足设定的终止迭代计算条件包括:
迭代的次数达到设定的迭代次数阈值;或,
在连续设定次数的每次迭代过程中,第二候选布置信息的适应度相对初始布置信息的适应度的增长率不大于设定的增长率阈值;或,
该次迭代得到的第二候选布置信息中,任一第二候选布置信息的适应度不小于设定的适应度阈值。
在一种可能的实施方式中,所述若该次迭代满足设定的终止迭代计算条件,根据该次迭代计算生成的第二候选布置信息的适用度,确定目标布置信息包括:
若该次迭代满足的设定的终止迭代计算条件为该次迭代得到的第二候选布置信息中,任一第二候选布置信息的适应度不小于设定的适应度阈值,则将适应度不小于设定的适应度阈值的所述任一第二候选布置信息,确定为所述目标布置信息。
在一种可能的实施方式中,所述监控需求还携带至少一个监控点位,其中,所述至少一个监控点位处用于设置监控设备;
所述基于所述监控需求,在所述监控区域内随机生成监控设备的每个初始布置信息包括:
基于所述监控需求,在所述监控区域内所述至少一个监控点位处,生成监控设备的每个初始布置信息。
在一种可能的实施方式中,所述方法还包括:
针对所述目标布置信息,确定所述监控设备位于所述目标布置信息时所述监控区域对应所述至少一个优化目标参数的参数值;
针对所述至少一个优化目标参数,判断该优化目标参数的参数值是否不小于预设的对应该优化目标参数的参数阈值;并输出对应的判断结果信息。
上述计算机可读存储介质可以是电子设备中的处理器能够存取的任何可用介质或数据存储设备,包括但不限于磁性存储器如软盘、硬盘、磁带、磁光盘(MO)等、光学存储器如CD、DVD、BD、HVD等、以及半导体存储器如 ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD) 等。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、 CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种监控设备布置信息确定方法,其特征在于,所述方法包括:
获取携带有监控区域、监控设备的信息的监控需求,基于所述监控需求,在所述监控区域内随机生成监控设备的每个初始布置信息;
针对所述每个初始布置信息,根据预设的监控区域的至少一个优化目标参数,确定所述监控设备位于该初始布置信息时所述监控区域对应所述至少一个优化目标参数的参数值;根据所述至少一个优化目标参数对应的权重值及所述参数值,确定该初始布置信息的适应度;其中,优化目标参数包括:平面覆盖率、空域覆盖率、夜间覆盖率、最小监控距离、监控区域设备覆盖数、监控区域最小分辨率、布置经济性中的至少一种;
针对获取到的初始布置信息进行以下迭代过程:根据每个初始布置信息的适应度,从所述每个初始布置信息中,选取第一候选布置信息;基于所述第一候选布置信息及遗传算法,生成第二候选布置信息;若该次迭代不满足设定的终止迭代计算条件,将第二候选布置信息更新为初始布置信息进行下一轮迭代;若该次迭代满足设定的终止迭代计算条件,根据该次迭代计算生成的第二候选布置信息的适用度,确定目标布置信息。
2.根据权利要求1所述的方法,其特征在于,所述根据每个初始布置信息的适应度,从所述每个初始布置信息中,选取第一候选布置信息包括:
对所述每个初始布置信息的适应度按照由大到小的顺序排序,将排序在前的设定比例或设定数量的初始布置信息,确定为所述第一候选布置信息。
3.根据权利要求1所述的方法,其特征在于,所述基于所述第一候选布置信息及遗传算法,生成第二候选布置信息包括:
对所述第一候选布置信息进行直接遗传或交叉配对再遗传,并进行变异操作,生成每个第二候选布置信息。
4.根据权利要求1所述的方法,其特征在于,所述满足设定的终止迭代计算条件包括:
迭代的次数达到设定的迭代次数阈值;或,
在连续设定次数的每次迭代过程中,第二候选布置信息的适应度相对初始布置信息的适应度的增长率不大于设定的增长率阈值;或,
该次迭代得到的第二候选布置信息中,任一第二候选布置信息的适应度不小于设定的适应度阈值。
5.根据权利要求4所述的方法,其特征在于,所述若该次迭代满足设定的终止迭代计算条件,根据该次迭代计算生成的第二候选布置信息的适用度,确定目标布置信息包括:
若该次迭代满足的设定的终止迭代计算条件为该次迭代得到的第二候选布置信息中,任一第二候选布置信息的适应度不小于设定的适应度阈值,则将适应度不小于设定的适应度阈值的所述任一第二候选布置信息,确定为所述目标布置信息。
6.根据权利要求1所述的方法,其特征在于,所述监控需求还携带至少一个监控点位,其中,所述至少一个监控点位处用于设置监控设备;
所述基于所述监控需求,在所述监控区域内随机生成监控设备的每个初始布置信息包括:
基于所述监控需求,在所述监控区域内所述至少一个监控点位处,生成监控设备的每个初始布置信息。
7.根据权利要求1-6任一所述的方法,其特征在于,所述方法还包括:
针对所述目标布置信息,确定所述监控设备位于所述目标布置信息时所述监控区域对应所述至少一个优化目标参数的参数值;
针对所述至少一个优化目标参数,判断该优化目标参数的参数值是否不小于预设的对应该优化目标参数的参数阈值;并输出对应的判断结果信息。
8.一种监控设备布置信息确定装置,其特征在于,所述装置包括:
获取模块,用于获取携带有监控区域、监控设备的信息的监控需求,基于所述监控需求,在所述监控区域内随机生成监控设备的每个初始布置信息;
第一确定模块,用于针对所述每个初始布置信息,根据预设的监控区域的至少一个优化目标参数,确定所述监控设备位于该初始布置信息时所述监控区域对应所述至少一个优化目标参数的参数值;根据所述至少一个优化目标参数对应的权重值及所述参数值,确定该初始布置信息的适应度;其中,优化目标参数包括:平面覆盖率、空域覆盖率、夜间覆盖率、最小监控距离、监控区域设备覆盖数、监控区域最小分辨率、布置经济性中的至少一种;
第二确定模块,用于针对获取到的初始布置信息进行以下迭代过程:根据每个初始布置信息的适应度,从所述每个初始布置信息中,选取第一候选布置信息;基于所述第一候选布置信息及遗传算法,生成第二候选布置信息;若该次迭代不满足设定的终止迭代计算条件,将第二候选布置信息更新为初始布置信息进行下一轮迭代;若该次迭代满足设定的终止迭代计算条件,根据该次迭代计算生成的第二候选布置信息的适用度,确定目标布置信息。
9.一种电子设备,其特征在于,所述电子设备至少包括处理器和存储器,所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1-7中任一所述一种监控设备布置信息确定方法的步骤。
10.一种计算机可读存储介质,其特征在于,其存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-7中任一所述一种监控设备布置信息确定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110708990.4A CN115529437A (zh) | 2021-06-25 | 2021-06-25 | 一种监控设备布置信息确定方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110708990.4A CN115529437A (zh) | 2021-06-25 | 2021-06-25 | 一种监控设备布置信息确定方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115529437A true CN115529437A (zh) | 2022-12-27 |
Family
ID=84693635
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110708990.4A Pending CN115529437A (zh) | 2021-06-25 | 2021-06-25 | 一种监控设备布置信息确定方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115529437A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116663867A (zh) * | 2023-07-31 | 2023-08-29 | 广东鉴面智能科技有限公司 | 基于遗传算法使用最少布控球监控的方法、设备和介质 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101251925A (zh) * | 2007-12-29 | 2008-08-27 | 中国科学院计算技术研究所 | 一种虚拟摄像机规划布局方法和系统 |
US20120307067A1 (en) * | 2011-06-01 | 2012-12-06 | Honeywell International Inc. | System and method for automatic camera placement |
US20130218499A1 (en) * | 2010-07-27 | 2013-08-22 | Thales | Method for Optimally Determining the Characteristics and Arrangement of a Set of Sensors for Monitoring an Area |
KR20130117529A (ko) * | 2012-04-18 | 2013-10-28 | 삼성테크윈 주식회사 | 감시영역에서 감시장비의 최적 배치 방법 |
CN103630072A (zh) * | 2013-10-25 | 2014-03-12 | 大连理工大学 | 双目视觉测量系统中摄像机的布局优化方法 |
CN104349134A (zh) * | 2013-08-07 | 2015-02-11 | 安讯士有限公司 | 用于为监视相机选择位置和朝向的方法和系统 |
KR20160123467A (ko) * | 2015-04-15 | 2016-10-26 | 경기대학교 산학협력단 | 감시장비 배치장치 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 |
CN110851978A (zh) * | 2019-11-08 | 2020-02-28 | 江苏科技大学 | 一种基于可见性的摄像机位置优化方法 |
CN111445525A (zh) * | 2020-04-08 | 2020-07-24 | 深圳市瑞立视多媒体科技有限公司 | 相机安装位置的布局方法、装置、设备及存储介质 |
CN111460735A (zh) * | 2020-04-08 | 2020-07-28 | 深圳市瑞立视多媒体科技有限公司 | 基于基因遗传的相机布局函数优化方法及相关设备 |
CN111540019A (zh) * | 2020-04-27 | 2020-08-14 | 深圳市瑞立视多媒体科技有限公司 | 相机安装位置的确定方法、装置、设备及存储介质 |
CN111724440A (zh) * | 2020-05-27 | 2020-09-29 | 杭州数梦工场科技有限公司 | 监控设备的方位信息确定方法、装置及电子设备 |
CN112182917A (zh) * | 2020-11-30 | 2021-01-05 | 中国电力科学研究院有限公司 | 基于多目标优化的摄像设备布控优化方法、系统、设备及存储介质 |
US11012867B1 (en) * | 2020-02-27 | 2021-05-18 | National Chiao Tung University | Method of cell placement and related computer program product |
-
2021
- 2021-06-25 CN CN202110708990.4A patent/CN115529437A/zh active Pending
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101251925A (zh) * | 2007-12-29 | 2008-08-27 | 中国科学院计算技术研究所 | 一种虚拟摄像机规划布局方法和系统 |
US20130218499A1 (en) * | 2010-07-27 | 2013-08-22 | Thales | Method for Optimally Determining the Characteristics and Arrangement of a Set of Sensors for Monitoring an Area |
US20120307067A1 (en) * | 2011-06-01 | 2012-12-06 | Honeywell International Inc. | System and method for automatic camera placement |
KR20130117529A (ko) * | 2012-04-18 | 2013-10-28 | 삼성테크윈 주식회사 | 감시영역에서 감시장비의 최적 배치 방법 |
CN104349134A (zh) * | 2013-08-07 | 2015-02-11 | 安讯士有限公司 | 用于为监视相机选择位置和朝向的方法和系统 |
US20150046129A1 (en) * | 2013-08-07 | 2015-02-12 | Axis Ab | Method and system for selecting position and orientation for a monitoring camera |
CN103630072A (zh) * | 2013-10-25 | 2014-03-12 | 大连理工大学 | 双目视觉测量系统中摄像机的布局优化方法 |
KR20160123467A (ko) * | 2015-04-15 | 2016-10-26 | 경기대학교 산학협력단 | 감시장비 배치장치 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 |
CN110851978A (zh) * | 2019-11-08 | 2020-02-28 | 江苏科技大学 | 一种基于可见性的摄像机位置优化方法 |
US11012867B1 (en) * | 2020-02-27 | 2021-05-18 | National Chiao Tung University | Method of cell placement and related computer program product |
CN111445525A (zh) * | 2020-04-08 | 2020-07-24 | 深圳市瑞立视多媒体科技有限公司 | 相机安装位置的布局方法、装置、设备及存储介质 |
CN111460735A (zh) * | 2020-04-08 | 2020-07-28 | 深圳市瑞立视多媒体科技有限公司 | 基于基因遗传的相机布局函数优化方法及相关设备 |
CN111540019A (zh) * | 2020-04-27 | 2020-08-14 | 深圳市瑞立视多媒体科技有限公司 | 相机安装位置的确定方法、装置、设备及存储介质 |
CN111724440A (zh) * | 2020-05-27 | 2020-09-29 | 杭州数梦工场科技有限公司 | 监控设备的方位信息确定方法、装置及电子设备 |
CN112182917A (zh) * | 2020-11-30 | 2021-01-05 | 中国电力科学研究院有限公司 | 基于多目标优化的摄像设备布控优化方法、系统、设备及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116663867A (zh) * | 2023-07-31 | 2023-08-29 | 广东鉴面智能科技有限公司 | 基于遗传算法使用最少布控球监控的方法、设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liang et al. | Triangular fuzzy decision-theoretic rough sets | |
CN109214436A (zh) | 一种针对目标场景的预测模型训练方法及装置 | |
CN108446817B (zh) | 确定业务对应的决策策略的方法、装置和电子设备 | |
De Paola et al. | Automatic multi-objective sectorization of a water distribution network | |
CN111612528A (zh) | 用户分类模型的确定方法、装置、设备及存储介质 | |
CN113962186A (zh) | 芯片布局方法、装置、终端设备及计算机可读存储介质 | |
CN112187554B (zh) | 一种基于蒙特卡洛树搜索的运维系统故障定位方法和系统 | |
CN114930336A (zh) | 用于估计仿真的计算成本的方法和系统 | |
CN107609583A (zh) | 分类模型的参数优化方法、装置、计算机设备及存储介质 | |
EP4283511A1 (en) | Information processing method and device, server and user equipment | |
CN104573741A (zh) | 一种特征选择方法及装置 | |
CN112884569A (zh) | 一种信用评估模型的训练方法、装置及设备 | |
CN115529437A (zh) | 一种监控设备布置信息确定方法、装置、设备及介质 | |
CN111210347A (zh) | 交易风险预警方法、装置、设备及存储介质 | |
KR20090073937A (ko) | 유전자알고리즘과 퍼지시스템을 이용한단기전력부하예측방법 | |
CN117117833A (zh) | 光伏输出功率预测方法、装置、电子设备及存储介质 | |
Luo et al. | Sampling-based adaptive bounding evolutionary algorithm for continuous optimization problems | |
US20230186074A1 (en) | Fabricating data using constraints translated from trained machine learning models | |
CN115600818A (zh) | 多维评分方法、装置、电子设备和存储介质 | |
Tan et al. | Optimization of location allocation of web services using a modified non-dominated sorting genetic algorithm | |
Stojanova | Considering autocorrelation in predictive models | |
Mohaideen Abdul Kadhar et al. | Parameter evaluation of a nonlinear Muskingum model using a constrained self-adaptive differential evolution algorithm | |
CN113554093A (zh) | 预测模型训练和账户价值预测方法、装置、设备及介质 | |
Sharma et al. | Many-objective optimisation tool for the design of district metered areas in pumped water distribution networks | |
CN114819442A (zh) | 一种运筹优化方法、装置和计算设备 |
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 |