CN116489497A - 基于物联网的平台设备低代码构建生成方法及系统 - Google Patents

基于物联网的平台设备低代码构建生成方法及系统 Download PDF

Info

Publication number
CN116489497A
CN116489497A CN202310425502.8A CN202310425502A CN116489497A CN 116489497 A CN116489497 A CN 116489497A CN 202310425502 A CN202310425502 A CN 202310425502A CN 116489497 A CN116489497 A CN 116489497A
Authority
CN
China
Prior art keywords
regulation
monitoring
camera
deviation
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
CN202310425502.8A
Other languages
English (en)
Inventor
蓝天
施磊
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.)
Yipinhui Digital Technology Shanghai Co ltd
Original Assignee
Yipinhui Digital Technology Shanghai 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 Yipinhui Digital Technology Shanghai Co ltd filed Critical Yipinhui Digital Technology Shanghai Co ltd
Priority to CN202310425502.8A priority Critical patent/CN116489497A/zh
Publication of CN116489497A publication Critical patent/CN116489497A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/617—Upgrading or updating of programs or applications for camera control
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00—Arrangements for software engineering
    • G06F8/30—Creation or generation of source code
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/10—Detection; Monitoring
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/64—Computer-aided capture of images, e.g. transfer from script file into camera, check of taken image quality, advice or proposal for image composition or decision on when to take image
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/67—Focus control based on electronic image sensor signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/695—Control of camera direction for changing a field of view, e.g. pan, tilt or based on tracking of objects
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Abstract

本发明属于设备低代码构建技术领域，具体公开提供的基于物联网的平台设备低代码构建生成方法及系统，该方法包括提取指定监测区域内的摄像头安置信息和各安置摄像头对应的各监测图像；并当某安置摄像头需求监测调控时，将该安置摄像头记为目标摄像头，分析目标摄像头的调控信息；根据目标摄像头的调控信息，进行摄像头调控代码匹配分析，得到目标摄像头对应各调控参数的调控代码程序包，并进行程序替换；本发明有效解决了当前低代码构建适用场景较为局限和固定的问题，提高了监控调控类业务程序开发的灵活性和针对性，规避了当前低代码构建对应对象主体要求的局限性，满足了不同类型摄像头的低代码构建需求。

Description

基于物联网的平台设备低代码构建生成方法及系统
技术领域
本发明属于设备低代码构建技术领域，涉及到基于物联网的平台设备低代码构建生成方法及系统。
背景技术
随着物联网技术的发展，监控在消防、建筑、能源、农业、智慧城市等方面的应用越来越广泛。然而监控的底层技术较复杂，出于对技术的保护，这部分底层代码对于开发者而言是屏蔽状态，不便于开发者根据监控应用进行个性化开发，因此，需要设计一种低代码构建方法。
目前的代码方法是根据获取的设备描述信息对目标进行封装，然后进行个性化的配置生成低代码平台，其主要适用与单个设备或者同种设备的代码配置，很显然，还存在以下几个方面的问题：1、监控类物联网设备对监测的质量要求较高，当前对于监控类的低代码构建偏向推送类和统计类，适用场景较为局限和固定，属于粗略型的业务程序开发，灵活性还存在一定的欠缺。
2、无法实现不用类型摄像头的低代码构建，满足不了不同类型摄像头的低代码构建需求。
不能服务于精细化的业务程序开发，当前摄像头调控仍需要人工手动控制的方式，没有适配的低代码程序，存在一定的繁琐性，且无法保障摄像头的监控效果和摄像头监控调节的及时性。
发明内容
鉴于此，为解决上述背景技术中所提出的问题，现提出基于物联网的平台设备低代码构建生成方法及系统。
本发明的目的可以通过以下技术方案实现：本发明第一方面提供基于物联网的平台设备低代码构建生成方法，包括：步骤1、设备信息提取：提取指定监测区域内的摄像头安置信息。
步骤2、摄像头监测信息提取：提取指定监测区域内各安置摄像头对应的各监测图像。
步骤3、摄像头监测信息解析：对各安置摄像头进行监测调控需求分析，并当某安置摄像头需求监测调控时，将该安置摄像头记为目标摄像头，分析目标摄像头的调控信息。
步骤4、低代码匹配设置：根据目标摄像头的调控信息，进行摄像头调控代码匹配分析，得到目标摄像头对应各调控参数的调控代码程序包。
步骤5、低代码设置替换：从云存储库中提取目标摄像头的源监测代码，根据目标摄像头对应各调控参数的调控代码程序包，进行源监测代码替换。
优选地，所述摄像头安置信息包括各安置摄像头对应的初始设置参数和代码编号，其中，初始设置参数包括初始焦距值、初始拍摄转动速度和初始拍摄角度。
优选地，所述对各安置摄像头进行监测调控需求分析，包括：从各安置摄像头对应的各监测图像中定位出清晰度、对比度和亮度,并作为各图像质量参数，进而从云存储库中调取各安置摄像头对应配置的各图像质量参数。
计算各安置摄像头监测图像质量层面偏差指数λ1 i，i表示安置摄像头代码编号，i＝1,2,......n。
从各安置摄像头对应的各监测图像中定位出监测对象的属性、类别和轮廓，分析各安置摄像头监测图像内容层面偏差指数，并记为λ2 i。
计算各安置摄像对应的图像监测偏差综合评估指数γi，
其中，e为自然常数，ε1、ε2分别为设定的图像质量层面、图像内容层面对应图像监测偏差综合评估占比权重因子。
将各安置摄像头对应的图像监测偏差综合评估指数与其设定值进行对比，若某安置摄像头对应的图像监测偏差综合评估指数大于或者等于其设定值，则判定该安置摄像头需求监测调控，反之则判定该安置摄像头无需监测调控。
优选地，所述计算各安置摄像头监测图像质量层面偏差指数，包括：统计各安置摄像头的监测质量偏差图像数目Mi、监测偏差质量参数数目Ci和监测质量参数最大偏差值Pi。
计算各安置摄像头监测图像质量层面偏差指数λ1 i，
其中，a1、a2、a3分别为设定的质量偏差图像数目、监测偏差质量参数数目、监测质量参数最大偏差值对应图像质量层面偏差评估占比权重，M′、C′、P′分别为设定参照的质量偏差图像数目、监测偏差质量参数数目、监测质量参数最大偏差值，为设定的图像质量层面偏差评估修正因子。
优选地，所述分析各安置摄像头监测图像内容层面偏差指数，包括：若某安置摄像头对应某监测图像中监测对象的属性为变动对象，将该监测图像记为目标图像。
提取目标图像中监测对象的类别和轮廓，进而统计目标图像的轮廓重叠度和监测偏移距离L。
计算该安置摄像头监测图像内容层面偏差指数λ′2，
其中，a4、a5分别为轮廓重叠度、监测偏移距离对应图像内容层面偏差评估占比权重，L′分别为设定参照的图像重叠度、图像监测偏移距离，/>为设定的图像内容层面偏差评估修正因子。
若某安置摄像头对应各监测图像中监测对象的属性均为固定对象，则将该摄像头对应监测图像内容层面偏差指数记为λ″2。
以此得到各安置摄像头监测图像内容层面偏差指数λ2 i，λ2 i取值为λ′2或者λ″2。
优选地，所述分析目标摄像头的调控信息，包括：将目标摄像头监测图像质量层面偏差指数和目标摄像头监测图像内容层面偏差指数分别与其设定值进行对比，判定目标摄像头的调控类型。
若目标摄像头的调控类型为图像质量，则从云存储库中提取图像质量偏差的各调控参数，其分别为焦距和拍摄转动速度，并确认目标摄像头对应图像质量层面的调控参数和调控值区间，进而作为目标摄像头的调控信息。
若目标摄像头的调控类型为图像内容或者图像质量和图像内容，其调控参数和调控值按照图像质量的确认方式同理确认得到。
优选地，所述确认目标摄像头对应图像质量层面的调控参数，具体确认过程为：设定各焦距实验组，并提取各焦距实验组的设定焦距值。
提取目标摄像头在各焦距实验组对应的采集图像，分析各焦距实验组对应的图像质量偏差指数ψr，r表示焦距实验组编号，r＝1,2,......u。
设定各转速实验组，按照各焦距实验组对应的图像质量偏差指数的分析方式同理分析得到各转速实验组对应的图像质量偏差指数ψ′d，d表示转速实验组编号，d＝1,2,......v。
提取目标摄像头监测图像质量层面偏差指数λ′1。
若λ′1-min(ψr)≥△λ0，则判定目标摄像头对应图像质量层面的调控参数为焦距，min(ψr)为各焦距实验组对应的图像质量偏差指数中的最小值，△λ0为设定的第一参照偏差指数差。
若λ′1-min(ψ′d)≥△λ0，则判定目标摄像头对应图像质量层面的调控参数为拍摄转动速度，min(ψ′d)为各转速实验组对应的图像质量偏差指数中的最小值。
若λ′1-min(ψr)≥△λ0且λ′1-min(ψ′d)≥△λ0，则判定确认目标摄像头对应图像质量层面的调控参数为焦距和拍摄转动速度。
优选地，所述确认目标摄像头对应图像质量层面对应调控参数的调控值区间，包括：若目标摄像头对应图像质量层面的调控参数为焦距。
统计各焦距实验组对应的图像质量偏差指数差△λr，△λr＝λ′1-ψr。
将各焦距实验组对应的图像质量偏差指数差与设定的第二参照偏差指数差进行对比，筛选出大于第二参照偏差指数差的各焦距实验组，作为各参照焦距实验组。
提取各参照焦距实验组的设定焦距值，并从中筛选出最大设定以及最小设定焦距值，并组成焦距的调控值区间。
若目标摄像头对应图像质量层面的调控参数为拍摄转动速度，按照焦距的调控值区间的分析方式同理分析得到拍摄转动速度的调控值区间。
若目标摄像头对应图像质量层面的调控参数为焦距和拍摄转动速度，依次分析焦距以及拍摄转动速度的调控值区间。
优选地，所述进行摄像头调控代码匹配分析，包括：若目标摄像头的调控参数为焦距，从云存储库中定位出焦距对应各调控代码程序包的调控值区间。
统计各调控代码程序包对应的调控区间重叠度。
通过公式计算各调控代码程序包的调控匹配度，并从中筛选出调控匹配度最大的调控代码程序包，作为焦距的调控代码程序包。
若目标摄像头的调控参数为转动速度或者拍摄角度，按照焦距调控的目标调控代码程序包的分析方式同理分析得到转动速度以及拍摄角度的调控代码程序包。
本发明第二方面提供了基于物联网的平台设备低代码构建生成系统，包括：代码构建信息提取模块，用于提取指定监测区域内摄像头安置信息以及各安置摄像头对应的各监测图像。
摄像头监测解析模块，用于各安置摄像头对应的监测图像进行解析，得到各安置摄像头对应监测调控需求，并当某安置摄像头需求监测调控时，将该安置摄像头记为目标摄像头，并进行调控信息分析。
低代码匹配设置模块，用于进行摄像头调控代码匹配分析，得到目标摄像头对应各调控参数的调控代码程序包。
低代码设置更替模块，用于从云存储库中提取目标摄像头的源监测代码，根据目标摄像头对应各调控参数的调控代码程序包，进行源监测代码替换。
云存储库，用于存储各安置摄像头的源监测代码以及配置的各图像质量参数，存储各调控参数对应各调控代码程序包的调控值区间，存储各监测对象类别对应参照轮廓，并存储图像质量偏差以及图像内容偏差对应的各调控参数。
相较于现有技术，本发明的有益效果如下：(1)本发明通过当某安置摄像头需求监测调控时，确认调控参数和调控区间，进而进行摄像头调控代码匹配分析，有效解决了当前低代码构建适用场景较为局限和固定的问题，提高了监控调控类业务程序开发的灵活性和针对性，规避了当前低代码构建对应对象主体要求的局限性，满足了不同类型摄像头的低代码构建需求。
(2)本发明通过对需求调控类摄像头进行调控低代码构建，弥补了当前低代码构建方式不能服务于控制类精细化业务程序开发的不足，实现了需求调控摄像头的自主调控，进而规避了当前人工手动控制方式存在的繁琐性，并且从另一层面而言还有效确保了摄像头的监控效果和监控调节的及时性。
本发明通过从图像质量层面和图像内容层面对各安置摄像头进行监测调控需求分析，展示了各安置摄像头的监控状态，实现了各安置摄像头监测调控需求的多维度分析，有效提高了摄像头调控分析结果的合理性和可靠性，进而确保了摄像头监测异常的觉察及时性和处理及时性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明方法实施步骤流程示意图。
图2为本发明系统各模块连接示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1所示，本发明第一方面提供基于物联网的平台设备低代码构建生成方法，包括：步骤1、设备信息提取：提取指定监测区域内的摄像头安置信息。
具体地，所述摄像头安置信息包括各安置摄像头对应的初始设置参数和代码编号，其中，初始设置参数包括初始焦距值、初始拍摄转动速度和初始拍摄角度。
步骤2、摄像头监测信息提取：提取指定监测区域内各安置摄像头对应的各监测图像。
步骤3、摄像头监测信息解析：对各安置摄像头进行监测调控需求分析，并当某安置摄像头需求监测调控时，将该安置摄像头记为目标摄像头，分析目标摄像头的调控信息。
示例性地，所述对各安置摄像头进行监测调控需求分析，包括：D1、从各安置摄像头对应的各监测图像中定位出清晰度、对比度和亮度,并作为各图像质量参数，进而从云存储库中调取各安置摄像头对应配置的各图像质量参数。
D2、计算各安置摄像头监测图像质量层面偏差指数λ1 i，i表示安置摄像头代码编号，i＝1,2,......n。
进一步地，计算各安置摄像头监测图像质量层面偏差指数，包括：
统计各安置摄像头的监测质量偏差图像数目Mi、监测偏差质量参数数目Ci和监测质量参数最大偏差值Pi。
需要说明的是，各安置摄像头对应监测质量偏差图像数目、监测偏差质量参数数目和最大监测质量参数偏差值的具体统计过程为：1)各安置摄像头的监测质量偏差图像数目：将各安置摄像头对应各监测图像的各图像质量参数与其配置的各图像质量参数进行对比，若某安置摄像头对应某监测图像的某图像质量参数与其配置的该图像质量参数的差值大于设定的该图像质量参数的许可差值，则将该安置摄像头中该监测图像为监测质量偏差图像，由此得到各安置摄像头的监测质量偏差图像数目。
2)各安置摄像头的监测偏差质量参数数目：将各安置摄像头对应各监测图像的各图像质量参数与其配置的各图像质量参数的差值分别与设定的各图像质量参数的许可差值进行对比，若某安置摄像头对应某监测图像的某图像质量参数与其配置的该图像质量参数的差值大于设定的该图像质量参数的许可差值，则判定该图像质量参数为监测偏差质量参数，由此得到各安置摄像头对应监测偏差质量参数数目。
3)各安置摄像头的监测质量参数的最大偏差值：从各安置摄像头对应各监测图像的各图像质量参数与其配置的各图像质量参数的差值中分别提取最大差值，并作为各安置摄像头的监测质量参数的最大偏差值。
计算各安置摄像头监测图像质量层面偏差指数λ1 i，
其中，e为自然常数，a1、a2、a3分别为设定的质量偏差图像数目、监测偏差质量参数数目、监测质量参数最大偏差值对应图像质量层面偏差评估占比权重，M′、C′、P′分别为设定参照的质量偏差图像数目、监测偏差质量参数数目、监测质量参数最大偏差值，为设定的图像质量层面偏差评估修正因子。
D3、从各安置摄像头对应的各监测图像中定位出监测对象的属性、类别和轮廓，分析各安置摄像头监测图像内容层面偏差指数，并记为λ2 i。
在一个具体实施例中，监测对象对应的属性包括变动对象和固定对象，其中变动对象指可以自主活动的对象，其类别包括但不限于人员和动物，固定对象指不可以自主活动的对象。
需要说明的是，当监测对象为变动对象时，与常规固定监测对象的不同，变动对象的移动会对摄像头的监测造成一定的干扰，且固定对象的监测方式也难以保障适宜变动对象的监测，因此需要进行监测对象属性分析。
进一步地，分析各安置摄像头监测图像内容层面偏差指数，包括：若某安置摄像头对应某监测图像中监测对象的属性为变动对象，将该监测图像记为目标图像。
提取目标图像中监测对象的类别和轮廓，进而统计目标图像的轮廓重叠度和监测偏移距离L。
需要说明的是，目标图像的轮廓重叠度的轮廓重叠度的统计为：基于目标图像中监测对象的类别，从云存储库中定位出目标图像中监测对象所属类别对应参照轮廓。
将目标图像中监测对象的轮廓与目标图像中监测对象所属类别的参照轮廓进行重叠对比，得到目标图像中监测对象的轮廓重叠面积。
提取目标图像中监测对象的轮廓面积，依据公式
计算得到目标图像的轮廓重叠度。
还需要说明的是，目标图像的监测偏移距离的具体获取过程为：从目标图像中定位出监测对象对应的中心点位置。
提取目标图像的中心点位置，将目标图像中监测对象对应的中心点位置与目标图像的中心点位置进行对比，得到目标图像中监测对象中心点位置与目标图像中心点位置之间的水平距离，并作为目标图像的监测偏移距离。
计算该安置摄像头监测图像内容层面偏差指数λ′2，
其中，a4、a5分别为轮廓重叠度、监测偏移距离对应图像内容层面偏差评估占比权重，L′分别为设定参照的图像重叠度、图像监测偏移距离，/>为设定的图像内容层面偏差评估修正因子。
若某安置摄像头对应各监测图像中监测对象的属性均为固定对象，则将该摄像头对应监测图像内容层面偏差指数记为λ″2。
以此得到各安置摄像头监测图像内容层面偏差指数λ2 i，λ2 i取值为λ′2或者λ″2。
在一个具体实施例中，λ″2取值为常数，其具体取值可以为0.1。
D4、计算各安置摄像对应的图像监测偏差综合评估指数γi，
其中，ε1、ε2分别为设定的图像质量层面、图像内容层面对应图像监测偏差综合评估占比权重因子。
D5、将各安置摄像头对应的图像监测偏差综合评估指数与其设定值进行对比，若某安置摄像头对应的图像监测偏差综合评估指数大于或者等于其设定值，则判定该安置摄像头需求监测调控，反之则判定该安置摄像头无需监测调控。
本发明实施例通过从图像质量层面和图像内容层面对各安置摄像头进行监测调控需求分析，展示了各安置摄像头的监控状态，实现了各安置摄像头监测调控需求的多维度分析，有效提高了摄像头调控分析结果的合理性和可靠性，进而确保了摄像头监测异常的觉察及时性和处理及时性。
又一示例性地，分析目标摄像头的调控信息，包括：F1、将目标摄像头监测图像质量层面偏差指数和目标摄像头监测图像内容层面偏差指数分别与其设定值进行对比，判定目标摄像头的调控类型.
可理解的，目标摄像头的调控类型的具体判定依据为：若目标摄像头监测图像质量层面偏差指数大于其设定值，则判定目标摄像头的调控类型为图像质量层面。
若目标摄像头监测图像内容层面偏差指数大于设定值，则判定目标摄像头的调控类型为图像内容层面。
F2、若目标摄像头的调控类型为图像质量，则从云存储库中提取图像质量偏差的各调控参数，其分别为焦距和拍摄转动速度，并确认目标摄像头对应图像质量层面的调控参数和调控值区间，进而作为目标摄像头的调控信息。
可理解地，确认目标摄像头对应图像质量层面的调控参数，具体确认过程为：以初始焦距值为基准，保持拍摄转动速度不变，设定各焦距实验组，并提取各焦距实验组的设定焦距值。
提取目标摄像头在各焦距实验组对应的采集图像，按照各安置摄像头监测图像质量层面偏差指数的分析方式同理分析各焦距实验组对应的图像质量偏差指数ψr，r表示焦距实验组编号，r＝1,2,......u。
以初始拍摄转动速度为基准，保障焦距不变，设定各转速实验组，提取各转速实验组的设定拍摄转动速度值，按照各焦距实验组对应的图像质量偏差指数的分析方式同理分析得到各转速实验组对应的图像质量偏差指数ψ′d，d表示转速实验组编号，d＝1,2,......v。
提取目标摄像头监测图像质量层面偏差指数λ′1。
若λ′1-min(ψr)≥△λ0，则判定目标摄像头对应图像质量层面的调控参数为焦距，min(ψr)为各焦距实验组对应的图像质量偏差指数中的最小值，△λ0为设定的第一参照偏差指数差。
若λ′1-min(ψ′d)≥△λ0，则判定目标摄像头对应图像质量层面的调控参数为拍摄转动速度，min(ψ′d)为各转速实验组对应的图像质量偏差指数中的最小值。
若λ′1-min(ψr)≥△λ0且λ′1-min(ψ′d)≥△λ0，则判定确认目标摄像头对应图像质量层面的调控参数为焦距和拍摄转动速度。
还可以理解地，确认目标摄像头对应图像质量层面对应调控参数的调控值区间，包括：若目标摄像头对应图像质量层面的调控参数为焦距。
统计各焦距实验组对应的图像质量偏差指数差△λr，△λr＝λ′1-ψr。
将各焦距实验组对应的图像质量偏差指数差与设定的第二参照偏差指数差进行对比，筛选出大于第二参照偏差指数差的各焦距实验组，作为各参照焦距实验组。
在一个具体实施例中，第一参照偏差指数差大于第二参照偏差指数差。
提取各参照焦距实验组的设定焦距值，并从中筛选出最大设定以及最小设定焦距值，并组成焦距的调控值区间。
若目标摄像头对应图像质量层面的调控参数为拍摄转动速度，按照焦距的调控值区间的分析方式同理分析得到拍摄转动速度的调控值区间。
若目标摄像头对应图像质量层面的调控参数为焦距和拍摄转动速度，依次分析焦距以及拍摄转动速度的调控值区间。
F3、若目标摄像头的调控类型为图像内容或者图像质量和图像内容，其调控参数和调控值按照图像质量的确认方式同理确认得到。
需要补充的是，图像内容偏差对应的各调控参数分别为焦距和初始拍摄角度。
步骤4、低代码匹配设置：根据目标摄像头的调控信息，进行摄像头调控代码匹配分析，得到目标摄像头对应各调控参数的调控代码程序包。
示例性地，进行摄像头调控代码匹配分析，包括：若目标摄像头的调控参数为焦距，从云存储库中定位出焦距对应各调控代码程序包的调控值区间。
统计各调控代码程序包对应的调控区间重叠度。
需要说明的是，各调控代码程序包对应的调控区间重叠度的具体获取过程为：将各调控代码程序包对应的调控值区间以及目标摄像头的焦距调控值区间在数轴上进行标注。
得到各调控代码程序包与焦距调控值区间的重合长度。
通过公式分析得到各调控代码程序包对应的调控区间重叠度。
通过公式计算各调控代码程序包的调控匹配度，并从中筛选出调控匹配度最大的调控代码程序包，作为焦距的调控代码程序包。
若目标摄像头的调控参数为转动速度或者拍摄角度，按照焦距调控的目标调控代码程序包的分析方式同理分析得到转动速度以及拍摄角度的调控代码程序包。
步骤5、低代码设置替换：从云存储库中提取目标摄像头的源监测代码，根据目标摄像头对应各调控参数的调控代码程序包，进行源监测代码替换。
需要说明的是，进行源监测代码替换，具体替换过程为：从目标摄像头的源监测代码中定位出各调控参数的源调控代码程序包，将目标摄像头对应各调控参数的调控代码程序包与其源调控代码程序包进行替换。
本发明实施例通过当某安置摄像头需求监测调控时，确认调控参数和调控区间，进而进行摄像头调控代码匹配分析，有效解决了当前低代码构建适用场景较为局限和固定的问题，提高了监控调控类业务程序开发的灵活性和针对性，规避了当前低代码构建对应对象主体要求的局限性，满足了不同类型摄像头的低代码构建需求。
本发明实施例还通过对需求调控类摄像头进行调控低代码构建，弥补了当前低代码构建方式不能服务于控制类精细化业务程序开发的不足，实现了需求调控摄像头的自主调控，进而规避了当前人工手动控制方式存在的繁琐性，并且从另一层面而言还有效确保了摄像头的监控效果和监控调节的及时性。
请参阅图2所示，本发明第二方面提供了基于物联网的平台设备低代码构建生成系统，包括代码构建信息提取模块、摄像头监测解析模块、低代码匹配设置模块、低代码设置更替模块和云存储库。
上述中，云存储库分别与摄像头监测解析模块、低代码匹配设置模块和低代码设置更替模块连接，摄像头监测解析模块分别与代码构建信息提取模块和低代码匹配设置模块连接，低代码设置更替模块与低代码匹配设置模块连接。
所述代码构建信息提取模块，用于提取指定监测区域内摄像头安置信息以及各安置摄像头对应的各监测图像；
所述摄像头监测解析模块，用于各安置摄像头对应的监测图像进行解析，得到各安置摄像头对应监测调控需求，并当某安置摄像头需求监测调控时，将该安置摄像头记为目标摄像头，并进行调控信息分析。
所述低代码匹配设置模块，用于进行摄像头调控代码匹配分析，得到目标摄像头对应各调控参数的调控代码程序包。
所述低代码设置更替模块，用于从云存储库中提取目标摄像头的源监测代码，根据目标摄像头对应各调控参数的调控代码程序包，进行源监测代码替换。
所述云存储库，用于存储各安置摄像头的源监测代码以及配置的各图像质量参数，存储各调控参数对应各调控代码程序包的调控值区间，存储各监测对象类别对应参照轮廓，并存储图像质量偏差以及图像内容偏差对应的各调控参数。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本发明所定义的范围，均应属于本发明的保护范围。

Claims (10)

1.基于物联网的平台设备低代码构建生成方法，其特征在于：包括：
步骤1、设备信息提取：提取指定监测区域内的摄像头安置信息；
步骤2、摄像头监测信息提取：提取指定监测区域内各安置摄像头对应的各监测图像；
步骤3、摄像头监测信息解析：对各安置摄像头进行监测调控需求分析，并当某安置摄像头需求监测调控时，将该安置摄像头记为目标摄像头，分析目标摄像头的调控信息；
步骤4、低代码匹配设置：根据目标摄像头的调控信息，进行摄像头调控代码匹配分析，得到目标摄像头对应各调控参数的调控代码程序包；
步骤5、低代码设置替换：从云存储库中提取目标摄像头的源监测代码，根据目标摄像头对应各调控参数的调控代码程序包，进行源监测代码替换。
2.如权利要求1所述的基于物联网的平台设备低代码构建生成方法，其特征在于：所述摄像头安置信息包括各安置摄像头对应的初始设置参数和代码编号，其中，初始设置参数包括初始焦距值、初始拍摄转动速度和初始拍摄角度。
3.如权利要求1所述的基于物联网的平台设备低代码构建生成方法，其特征在于：所述对各安置摄像头进行监测调控需求分析，包括：
从各安置摄像头对应的各监测图像中定位出清晰度、对比度和亮度,并作为各图像质量参数，进而从云存储库中调取各安置摄像头对应配置的各图像质量参数；
计算各安置摄像头监测图像质量层面偏差指数λ1 i，i表示安置摄像头代码编号，i＝1,2,......n；
从各安置摄像头对应的各监测图像中定位出监测对象的属性、类别和轮廓，分析各安置摄像头监测图像内容层面偏差指数，并记为λ2 i；
计算各安置摄像对应的图像监测偏差综合评估指数γi，
其中，e为自然常数，ε1、ε2分别为设定的图像质量层面、图像内容层面对应图像监测偏差综合评估占比权重因子；
将各安置摄像头对应的图像监测偏差综合评估指数与其设定值进行对比，若某安置摄像头对应的图像监测偏差综合评估指数大于或者等于其设定值，则判定该安置摄像头需求监测调控，反之则判定该安置摄像头无需监测调控。
4.如权利要求3所述的基于物联网的平台设备低代码构建生成方法，其特征在于：所述计算各安置摄像头监测图像质量层面偏差指数，包括：
统计各安置摄像头的监测质量偏差图像数目Mi、监测偏差质量参数数目Ci和监测质量参数最大偏差值Pi；
计算各安置摄像头监测图像质量层面偏差指数λ1 i，
其中，a1、a2、a3分别为设定的质量偏差图像数目、监测偏差质量参数数目、监测质量参数最大偏差值对应图像质量层面偏差评估占比权重，M′、C′、P′分别为设定参照的质量偏差图像数目、监测偏差质量参数数目、监测质量参数最大偏差值，为设定的图像质量层面偏差评估修正因子。
5.如权利要求3所述的基于物联网的平台设备低代码构建生成方法，其特征在于：所述分析各安置摄像头监测图像内容层面偏差指数，包括：
若某安置摄像头对应某监测图像中监测对象的属性为变动对象，将该监测图像记为目标图像；
提取目标图像中监测对象的类别和轮廓，进而统计目标图像的轮廓重叠度和监测偏移距离L；
计算该安置摄像头监测图像内容层面偏差指数λ′2，
其中，a4、a5分别为轮廓重叠度、监测偏移距离对应图像内容层面偏差评估占比权重，L′分别为设定参照的图像重叠度、图像监测偏移距离，/>为设定的图像内容层面偏差评估修正因子；
若某安置摄像头对应各监测图像中监测对象的属性均为固定对象，则将该摄像头对应监测图像内容层面偏差指数记为λ″2；
以此得到各安置摄像头监测图像内容层面偏差指数λ2 i，λ2 i取值为λ′2或者λ″2。
6.如权利要求3所述的基于物联网的平台设备低代码构建生成方法，其特征在于：所述分析目标摄像头的调控信息，包括：
将目标摄像头监测图像质量层面偏差指数和目标摄像头监测图像内容层面偏差指数分别与其设定值进行对比，判定目标摄像头的调控类型；
若目标摄像头的调控类型为图像质量，则从云存储库中提取图像质量偏差的各调控参数，其分别为焦距和拍摄转动速度，并确认目标摄像头对应图像质量层面的调控参数和调控值区间，进而作为目标摄像头的调控信息；
若目标摄像头的调控类型为图像内容或者图像质量和图像内容，其调控参数和调控值按照图像质量的确认方式同理确认得到。
7.如权利要求6所述的基于物联网的平台设备低代码构建生成方法，其特征在于：所述确认目标摄像头对应图像质量层面的调控参数，具体确认过程为：
设定各焦距实验组，并提取各焦距实验组的设定焦距值；
提取目标摄像头在各焦距实验组对应的采集图像，分析各焦距实验组对应的图像质量偏差指数ψr，r表示焦距实验组编号，r＝1,2,......u；
设定各转速实验组，按照各焦距实验组对应的图像质量偏差指数的分析方式同理分析得到各转速实验组对应的图像质量偏差指数ψ′d，d表示转速实验组编号，d＝1,2,......v；
提取目标摄像头监测图像质量层面偏差指数λ′1；
若λ′1-min(ψr)≥△λ0，则判定目标摄像头对应图像质量层面的调控参数为焦距，min(ψr)为各焦距实验组对应的图像质量偏差指数中的最小值，△λ0为设定的第一参照偏差指数差；
若λ′1-min(ψ′d)≥△λ0，则判定目标摄像头对应图像质量层面的调控参数为拍摄转动速度，min(ψ′d)为各转速实验组对应的图像质量偏差指数中的最小值；
若λ′1-min(ψr)≥△λ0且λ′1-min(ψ′d)≥△λ0，则判定确认目标摄像头对应图像质量层面的调控参数为焦距和拍摄转动速度。
8.如权利要求7所述的基于物联网的平台设备低代码构建生成方法，其特征在于：所述确认目标摄像头对应图像质量层面对应调控参数的调控值区间，包括：
若目标摄像头对应图像质量层面的调控参数为焦距；
统计各焦距实验组对应的图像质量偏差指数差△λr，△λr＝λ′1-ψr；
将各焦距实验组对应的图像质量偏差指数差与设定的第二参照偏差指数差进行对比，筛选出大于第二参照偏差指数差的各焦距实验组，作为各参照焦距实验组；
提取各参照焦距实验组的设定焦距值，并从中筛选出最大设定以及最小设定焦距值，并组成焦距的调控值区间；
若目标摄像头对应图像质量层面的调控参数为拍摄转动速度，按照焦距的调控值区间的分析方式同理分析得到拍摄转动速度的调控值区间；
若目标摄像头对应图像质量层面的调控参数为焦距和拍摄转动速度，依次分析焦距以及拍摄转动速度的调控值区间。
9.如权利要求8所述的基于物联网的平台设备低代码构建生成方法，其特征在于：所述进行摄像头调控代码匹配分析，包括：
若目标摄像头的调控参数为焦距，从云存储库中定位出焦距对应各调控代码程序包的调控值区间；
统计各调控代码程序包对应的调控区间重叠度；
通过公式计算各调控代码程序包的调控匹配度，并从中筛选出调控匹配度最大的调控代码程序包，作为焦距的调控代码程序包；
若目标摄像头的调控参数为转动速度或者拍摄角度，按照焦距调控的目标调控代码程序包的分析方式同理分析得到转动速度以及拍摄角度的调控代码程序包。
10.基于物联网的平台设备低代码构建生成系统，其特征在于：包括：
代码构建信息提取模块，用于提取指定监测区域内摄像头安置信息以及各安置摄像头对应的各监测图像；
摄像头监测解析模块，用于各安置摄像头对应的监测图像进行解析，得到各安置摄像头对应监测调控需求，并当某安置摄像头需求监测调控时，将该安置摄像头记为目标摄像头，并进行调控信息分析；
低代码匹配设置模块，用于进行摄像头调控代码匹配分析，得到目标摄像头对应各调控参数的调控代码程序包；
低代码设置更替模块，用于从云存储库中提取目标摄像头的源监测代码，根据目标摄像头对应各调控参数的调控代码程序包，进行源监测代码替换；
云存储库，用于存储各安置摄像头的源监测代码以及配置的各图像质量参数，存储各调控参数对应各调控代码程序包的调控值区间，存储各监测对象类别对应参照轮廓，并存储图像质量偏差以及图像内容偏差对应的各调控参数。
CN202310425502.8A 2023-04-19 2023-04-19 基于物联网的平台设备低代码构建生成方法及系统 Pending CN116489497A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310425502.8A CN116489497A (zh) 2023-04-19 2023-04-19 基于物联网的平台设备低代码构建生成方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310425502.8A CN116489497A (zh) 2023-04-19 2023-04-19 基于物联网的平台设备低代码构建生成方法及系统

Publications (1)

Publication Number Publication Date
CN116489497A true CN116489497A (zh) 2023-07-25

Family

ID=87220780

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310425502.8A Pending CN116489497A (zh) 2023-04-19 2023-04-19 基于物联网的平台设备低代码构建生成方法及系统

Country Status (1)

Country Link
CN (1) CN116489497A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116781869A (zh) * 2023-08-17 2023-09-19 北京泰豪智能工程有限公司 一种基于监控视野分析的安防监控系统分布管理方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116781869A (zh) * 2023-08-17 2023-09-19 北京泰豪智能工程有限公司 一种基于监控视野分析的安防监控系统分布管理方法
CN116781869B (zh) * 2023-08-17 2023-11-03 北京泰豪智能工程有限公司 一种基于监控视野分析的安防监控系统分布管理方法

Similar Documents

Publication Publication Date Title
CN116489497A (zh) 基于物联网的平台设备低代码构建生成方法及系统
CN110889091B (zh) 基于温度敏感区间分段的机床热误差预测方法与系统
CN116229036B (zh) 数据采集系统、方法、计算机设备及存储介质
CN113168167B (zh) 用于制造产品的方法和装置以及计算机可读存储介质
CN111273701B (zh) 一种云台视觉控制系统以及控制方法
CN114881997A (zh) 一种风电机组缺陷评估方法及相关设备
KR102335356B1 (ko) 체결공구 시스템 및 그 제어 방법
CN113703506B (zh) 一种建筑材料生产车间环境控制调节方法及系统
CN117406844B (zh) 一种基于神经网络的显卡风扇控制方法及相关装置
CN115187612A (zh) 一种基于机器视觉的平面面积测量方法、装置及系统
CN117111568B (zh) 基于物联网的设备监测方法、装置、设备及存储介质
CN116823872B (zh) 基于目标追踪和图像分割的风机巡检方法及系统
CN116385969B (zh) 基于多摄像头协同和人类反馈的人员聚集检测系统
CN116452961A (zh) 一种工业设备状态判断方法及装置
CN107491099A (zh) 一种基于视觉和陀螺仪的云台控制方法及装置
CN115953427A (zh) 一种小样本训练的动态目标实时跟踪方法及装置
CN113485438A (zh) 一种无人机空间监测路径智能规划方法及系统
CN113897587B (zh) 镀膜机的设备监测方法、装置及镀膜机
WO2023135621A1 (ja) 監視カメラ画像解析システム
CN116931601A (zh) 一种基于无人机的航拍摄影摄像控制系统
CN117312591B (zh) 一种基于虚拟现实的图像数据存储管理系统及方法
CN117237367B (zh) 一种基于机器视觉的螺旋叶片厚度磨损检测方法及系统
CN117289651B (zh) 一种模具制造的数控加工方法及控制系统
CN115034335B (zh) 一种基于决策树模型的机器人自主协同控制方法和系统
CN114820543B (zh) 缺陷检测方法和装置

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