CN117688205A - 一种全景实景城市数据驾驶舱的构建方法 - Google Patents
一种全景实景城市数据驾驶舱的构建方法 Download PDFInfo
- Publication number
- CN117688205A CN117688205A CN202410101892.8A CN202410101892A CN117688205A CN 117688205 A CN117688205 A CN 117688205A CN 202410101892 A CN202410101892 A CN 202410101892A CN 117688205 A CN117688205 A CN 117688205A
- Authority
- CN
- China
- Prior art keywords
- data
- layer
- panoramic live
- action
- action video
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 13
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 51
- 238000000034 method Methods 0.000 claims abstract description 44
- 230000000007 visual effect Effects 0.000 claims abstract description 21
- 238000013079 data visualisation Methods 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims abstract description 11
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 6
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 6
- 230000003068 static effect Effects 0.000 claims description 69
- 238000004458 analytical method Methods 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 6
- 238000007635 classification algorithm Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 239000012634 fragment Substances 0.000 claims description 4
- 230000008676 import Effects 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 abstract description 5
- 238000012544 monitoring process Methods 0.000 description 11
- 239000008186 active pharmaceutical agent Substances 0.000 description 5
- 238000012800 visualization Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000007794 visualization technique Methods 0.000 description 1
Landscapes
- Closed-Circuit Television Systems (AREA)
Abstract
本发明提供一种全景实景城市数据驾驶舱的构建方法,包括步骤:S1:设计全景实景数据图层识别算法,找到和设置可叠加在全景实景视频之上的业务数据图层;S2:定义和关联设置各业务数据图层的数据源;S3:关联设置各业务数据图层的数据源的数据获取方式;S4:设置调整各业务数据图层和数据对象在全景实景视频底图的初始数据可视化方式,以及需要在全景实景视频底图打开情况下自动展示的数据图层;S5:全景实景视频底图上,实现基于使用者角色和当前应用场景的自动化数据驾驶舱合成算法;S6:全景实景视频底图缩放过程中,实现数据图层的可视化方式自适应匹配算法。本发明可以实现直观、可视化、动态智能的城市大数据分析和可视化服务。
Description
技术领域
本发明涉及一种基于阵列计算视觉的全景实景城市数据驾驶舱自动化和智能化构建的方法和流程,尤其是涉及一种全景实景城市数据驾驶舱的构建方法。
背景技术
一、阵列计算视觉和全景实景视频
传统视频监控和智能化分析系统存在着碎片化监控,无法掌控全局态势、监控应用场景单一、缺乏智能应用、各种监测手段割裂、未能有效整合、监控录像无法满足事件调查回溯需求等弊端。
阵列计算视觉技术和装备,通过将多个高清镜头组合成为亿级像素阵列相机,并通过计算视觉技术进行拼接融合,能够实现全景、全视角、超远距、高清(即广、远、清)覆盖,支持任一区域高清细节播放,进而实现多源数据叠加、全局态势感知和智能分析预警。超清阵列计算相机,可支持数十个不同数量的超高清镜头的聚合,实现超过10亿像素的全景高清无畸变融合视频流,并提供水平视场角达1800的超大视场。
超清阵列计算相机实现的全景实景视频拥有广泛的应用场景:
1、重大基础设施(铁路、机场、港口、军营等)应用场景:包括铁路站场旅客安全防护、线路周界巡防智能监控、施工作业安全防护、线路地址灾害监测;机场探鸟和起落架监测;港口泊位和堆场监测;部队营房和靶场监测等方案以及对应AI算法集。
2、智慧城市视觉中枢应用场景:包括景区、工地、园区、城市重点监控区域、大型场馆及广场、道路交通、学校、森林防火、河流防汛、治安单兵、城市管理、应急管理等12个城市视觉中枢解决方案,以及对应AI算法集。
二、城市数据驾驶舱
城市数据驾驶舱是一个比喻性的术语,它是指一个集成和可视化展示城市数据的仪表板或控制台。就很类似于飞机的驾驶舱,有各种仪表板展示飞机数据,控制台可以控制飞机状态。数据驾驶舱是一个数据可视化工具,通过汇集和展示各种数据源的信息,帮助城市管理者更好地理解和分析数据,以支持决策和监测城市各类业务运营情况。
城市数据驾驶舱通常以图表、图形、指标和报表等形式呈现关键数据。它可以从多个数据源中获取数据,例如城市各类业务系统的数据库、系统和应用程序,以及外部的云端服务和API。城市数据驾驶舱将这些数据集成到一个统一的界面中,使城市管理者可以一目了然地了解数据的整体情况。
通过城市数据驾驶舱,城市管理者可以快速理解和分析大量的数据,同时还可以定制可视化面板、创建和共享数据仪表盘、将数据可视化和呈现并与数据进行交互。在使用数据驾驶舱期间,城市管理者可以提出自己的问题,并通过可视化分析获得回答,而不需要使用复杂的查询语句和技术术语。
通过城市数据驾驶舱,城市管理者可以与数据驾驶舱进行交互和探索,选择感兴趣的数据维度、指标和时间范围,根据自己的需求和关注点进行数据分析和比较。可以更好地了解他们的企业经营状况,发现潜在问题和机会,改进城市管理和运营业务流程,提高效率。
通过使用城市数据驾驶舱,城市管理者可以更好地了解业务和运营情况,追踪关键绩效指标(KPIs),进行数据驱动的决策,并及时采取行动来优化城市管理和运营流程。
三、现有方案的不足和缺陷
传统的城市数据驾驶舱,一般以可视化数据报表拼装作为主要展现形式。使用者直接面对的是将各种城市管理和运营的业务KPI指标以饼状图、柱状图、散点图、热力图等形式展示。但是这些都是较为抽象的数据,使用者并不能将这些指标与城市的实景直观关联。
另一种常用的方法是,将二维GIS或者三维数字孪生作为底图,在此之上叠加展示各类可视化数据报表。这种形式比传统模式直观了一些,但是因为GIS和三维孪生均属于一次性建模,均为仿真或者旧的数据,并非实景,使用者还是缺乏与现实直观关联。另外,本方法需要对室内外区域进行精细化建模,将导致较高的测绘和数据加工成本。
利用阵列计算相机采集的全景实景视频,具有实时大广角长焦距,看的宽、看的远、看的清等重要特点,可以部署在城市的重点区域(如机场、码头、交通枢纽站、重点交通区域、景区、场馆、广场、治安关键区域、重点基础设施、城乡结合部等),形成城市阵列计算视觉中枢。利用全景实景视频作为城市数据驾驶舱的底图,与全景区域内的各种摄像头、传感器、智能装备进行叠加,并以可视化报表方式展示实时状态数据、业务数据、分析和预报警数据,将帮助城市管理者更实时更直观的进行城市管理辅助决策。
发明内容
本发明提供了一种全景实景城市数据驾驶舱的构建方法,解决了利用阵列计算相机实现城市数据驾驶舱的问题,其技术方案如下所述:
一种全景实景城市数据驾驶舱的构建方法,包括以下步骤:
S1:设计全景实景数据图层识别算法,准确和快速的找到和设置各类可叠加在全景实景视频之上的业务数据图层;
S2:定义和关联设置各业务数据图层的数据源,包含基础描述信息,状态数据、集成业务数据、以及分析和预警数据;
S3:关联设置各业务数据图层的数据源的数据获取方式;
S4:设置调整各业务数据图层和数据对象在全景实景视频底图的初始数据可视化方式,以及需要在全景实景视频底图打开情况下自动展示的数据图层;
S5:全景实景视频底图上,实现基于使用者角色和当前应用场景的自动化数据驾驶舱合成算法;
S6:全景实景视频底图缩放过程中,实现数据图层的可视化方式自适应匹配算法。
进一步的,步骤S1中,通过归类/聚类算法,准确和快速的找到和设置各类可叠加在全景实景视频之上的业务数据图层,包括以下步骤:
S11:运行固定背景图像中固定物体的识别和分类算法,形成潜在静态图层列表;
S12:运行视频序列中动态对象的自动提取算法,形成潜在动态图层;
S13:对潜在静态图层列表中的每一个潜在静态图层,进行手工管理和配置,最终形成需要的静态业务数据图层;
S14:对潜在动态图层列表中的每一个潜在动态图层,进行手工管理和配置,最终形成需要的动态业务数据图层。
进一步的,步骤S11中,运行固定背景图像中固定物体的识别和分类算法,形成潜在静态图层列表,包括以下步骤:
S111:挑选全景实景视频码流中的一张画质清晰、无遮挡的满像素的图像帧;
S112:针对该图像帧,运行通用物体和场景识别算法自动找出图像中各类对象,并自动标记出各个对象对应的百科信息和属性;
S113:针对提取出的对象,通过归类/聚类算法,实现对象的自动分组,同时自动对每个组标记缺省的属性、类别、名称;
S114:将上述各分组及内含的对象存储为潜在静态图层;
S115:重复步骤S111-S114,制作多个潜在静态图层,并形成潜在静态图层列表。
进一步的,步骤S12中,运行视频序列中动态对象的自动提取算法,形成潜在动态图层,包括以下步骤:
S121:挑选全景实景视频码流中的多个不同时间段的历史视频流片段;
S122:针对每个视频流片段,运行目标检测和目标跟踪则算法,自动找出视频中各类动态对象,并自动标记处各个对象对应的百科信息和属性;
S123:针对提取出的对象,通过归类/聚类算法,实现对象的自动分组,同时对每个组标记属性、类别、名称;
S124:将上述各分组及内含的对象存储为潜在动态图层。
进一步的,步骤S13中,最终形成需要的静态业务数据图层,包括以下步骤:
S131:确定是否需要该潜在静态图层,如不需要则删除,选择下一个潜在静态图层,否则执行下一步;
S132:确定是否需要拆分该潜在静态图层,或者与现有其他潜在静态图层合并;
S133:修订该潜在静态图层名称、类别、各类属性、描述信息;
S134:检索该潜在静态图层中当前包含每个对象,确定是否属于该静态图层,如不属于则移出;如属于该静态图层,则修订该对象的名称、位置定位和轮廓信息,各类属性、描述信息;
S135:形成最终的静态对象图层并存储,作为静态业务数据图层。
进一步的,步骤S14中,最终形成需要的动态业务数据图层,包括以下步骤:
S141:确定是否需要该潜在动态图层,如不需要则删除,选择下一个潜在动态图层,否则执行下一步;
S142:确定是否需要拆分该潜在动态图层或者与现有其他潜在动态图层合并;
S143:修订该动态图层名称、类别、各类属性、描述信息;
S144:如果有需要,对该动态图层内动态对象识别过程中提取形成的对象特征信息进行修订,从而保证未来识别的精准度;
S145:形成最终的动态对象图层并存储,作为动态业务数据图层。
进一步的,步骤S3中,数据获取方式包括两类:(1)通过手工输入或者数据导入方式设定图层及其数据对象的基础描述信息;(2)可过设置关联的数据获取接口或API方式设定图层及其数据对象的状态数据、集成业务数据、分析和预警类数据。
进一步的,步骤S4中,设置调整各业务数据图层和数据对象在全景实景视频底图的初始数据可视化方式,以及需要在全景实景视频底图打开情况下自动展示的数据图层,包括以下步骤:
S41:针对每个业务数据图层,设置其中数据对象在全景实景视频底图上的标记方式;
S42:针对每个数据图层,设置其中数据对象在全景实景视频底图上的缺省可视化数据类型及形式;
S43:针对全景实景视频底图,选择需要在其打开情况下自动展示的数据图层。
进一步的,步骤S5中,全景实景视频底图上,实现基于使用者角色和当前应用场景的自动化数据驾驶舱合成算法,包括以下步骤:
S51:获取全景实景视频底图的位置坐标;
S52:初始化数据驾驶舱布局,链接全景实景视频码流并播放;
S53:针对全景实景视频底图,选择需要在其打开情况下自动展示的数据图层,挑选出需要叠加和自动打开的数据图层列表;
S54:针对每个数据图层及其内部数据对象,重构布局:针对每个数据图层,检索出该图层内位于当前全景实景视频底图的位置坐标框架内的所有数据对象;
S55:依据各个图层和数据对象的关联数据获取模式,从对应数据源实时获取和加载数据,形成动态的数据驾驶舱。
进一步的,步骤S6中,全景实景视频底图缩放过程中,实现数据图层的可视化方式自适应匹配算法,包括以下步骤:
S61:用户采用拖拽方式在当前全景实景视频底图中拖拽出放大框,或者在当前点击处选择放大或者缩小,自动生成放大框或缩小比例;
S62:清空当前全景实景视频底图上的所有图层和数据,即在原来底图上已经存在的各种图层和数据;
S63:运行数据图层自适应定位算法,重新计算各个数据图层在全景实景视频底图中新的位置坐标;
S64:初始化新的全景实景视频窗口的归一化坐标,即阵列相机的视频像素坐标系投影到归一化平面上的坐标值;
S65:对于任意数据图层,计算其在新的全景实景视频窗口中的坐标值;
S66:跳至步骤S5,利用重新计算出的各图层和对象在新的全景实景视频窗口中的坐标,重新合成新的数据驾驶舱。
所述全景实景城市数据驾驶舱的构建方法,能智能自动的识别潜在数据图层和数据对象,并定义了可进行关联和可视化的各类静态和动态数据类型、数据获取源和数据可视化方式,以及基于上下文状态信息的动态装配算法,可以快速、全面、低成本的开发城市数据驾驶舱,实现直观、可视化、动态智能的城市大数据分析和可视化服务。
附图说明
图1是所述全景实景城市数据驾驶舱的构建方法的流程示意图。
具体实施方式
本发明提供的全景实景城市数据驾驶舱的构建方法,是一种基于城市全景实景视频为底图的数据驾驶舱自动化和智能化装配的方法。首先对全景实景视频底图进行图层和对象自动化识别,设置和关联对应的数据获取方式,并依据用户角色、权限、状态信息、预警和分析结果等动态上下文信息、条件和规则动态装配数据驾驶舱。不但能够产生更加直观、实时、智能的可视化效果,而且可以支持更加灵活的二次应用开发。
如图1所示,所述全景实景城市数据驾驶舱的构建方法,包括以下步骤:
S1:设计全景实景数据图层识别算法,准确和快速的找到和设置各类可叠加在全景实景视频之上的业务数据图层;
本步骤应在尽量少人工(手动)参与的情况下,利用通用对象检测算法和运动物体识别算法等,自动识别常见(通用)固定物体和动态对象,通过归类/聚类算法,自动识别业务数据图层,具体包括以下步骤:
S11:运行固定背景图像中多种常见(通用)固定物体的识别和分类算法;
(1)挑选全景实景视频码流中的一张画质清晰、无遮挡的满像素(即对应阵列相机提供的最高分辨率)图像帧;
(2)针对该图像帧,运行通用物体和场景识别算法自动找出图像中各类对象,并自动标记出各个对象对应的百科信息和属性;
(3)针对提取出的对象,通过归类/聚类算法,实现对象的自动分组,例如建筑组、设备组、植物组、设备组、特殊场所组等,同时自动对每个组标记缺省的属性、类别、名称等;
(4)将上述各分组及内含的对象(固定物体)存储为潜在静态图层;
(5)重复步骤(1)-(4),制作多个潜在静态图层,并形成潜在静态图层列表。
S12:运行视频序列中动态对象(运动目标)的自动提取算法;
(1)挑选全景实景视频码流中的多个不同时间段的历史视频流片段;
(2)针对每个视频流片段,运行目标检测和目标跟踪则算法,自动找出视频中各类动态对象,并自动标记处各个对象对应的百科信息和属性;
(3)针对提取出的对象,通过归类/聚类算法,实现对象的自动分组,例如车辆组、人员组、动物组、其他运动物体组等,同时对每个组标记属性、类别、名称等;
(4)将上述各分组及内含的对象存储为潜在动态图层。
S13:对潜在静态图层列表中的每一个潜在静态图层,进行手工管理和配置,最终形成需要的静态业务数据图层;
包括以下步骤:
(1)确定是否需要该潜在静态图层,如不需要则删除,选择下一个潜在静态图层,否则执行下一步;
(2)确定是否需要拆分该潜在静态图层,或者与现有其他潜在静态图层合并;
(3)修订该潜在静态图层名称、类别、各类属性、描述信息等;
(4)检索该潜在静态图层中当前包含每个对象,确定是否属于该静态图层,如不属于则移出;如属于该静态图层,则修订该对象的名称、位置定位和轮廓信息,各类属性、描述信息等;
(5)形成最终的静态对象图层并存储,作为静态业务数据图层。
S14:对潜在动态图层列表中的每一个潜在动态图层,进行手工管理和配置,最终形成需要的动态业务数据图层;
包括以下步骤:
(1)确定是否需要该潜在动态图层,如不需要则删除,选择下一个潜在动态图层,否则执行下一步;
(2)确定是否需要拆分该潜在动态图层或者与现有其他潜在动态图层合并;
(3)修订该动态图层名称、类别、各类属性、描述信息等;
(4)如果有需要,对该动态图层内动态对象识别过程中提取形成的对象特征信息进行修订,从而保证未来识别的精准度;
(5)形成最终的动态对象图层并存储,作为动态业务数据图层。
其中,动态业务数据图层和静态业务数据图层的差别是,静态业务数据图层内有固定物体(对象),动态业务数据图层内只有动态对象的特征信息。静态业务数据图层和动态业务数据图层统称为业务数据图层。
S2:定义和关联设置各业务数据图层的数据源,包含基础描述信息,状态数据、集成业务数据、以及分析和预警数据;
针对各个数据图层,可关联以下几类数据:
(1)基础描述信息,该图层中各个数据对象的基础描述信息,包括名称、结构、功能等;
(2)状态数据,该图层中各个数据对象的视频码流、内含的各类传感器时序数据等。例如,一个低点摄像头实时视频码流,一个设备上的一个或多个传感器的状态数据;
(3)集成业务数据,该图层中各个数据对象相关的各类业务和流程数据;
(4)分析和预警类数据,该图层中各个数据对象相关的各种数据分析结果以及相关的警报和预警信息。
无论静态对象图层和动态对象图层,其内部包含对象都会关联上述四种相关的数据,这四种数据有些是静态的(比如基本描述信息),有一些是从其他系统或者传感器或者分析得到的动态数据。
S3:关联设置各业务数据图层的数据源的数据获取方式;
针对各个业务数据图层,可关联以下两类数据获取方式:
(1)可通过手工输入或者数据导入方式设定图层及其数据对象的基础描述信息;
(2)可通过设置关联的数据获取接口或API方式设定图层及其数据对象的状态数据、集成业务数据、分析和预警类数据,例如:第三方SDK提供的视频码流获取API、数据库视图、传感器数据获取API、业务系统提供的数据服务接口,分析算法的结果输出接口等。
S4:设置调整各业务数据图层和数据对象在全景实景视频底图的初始数据可视化方式,以及需要在全景实景视频底图打开情况下自动展示的数据图层;
包括以下步骤:
S41:针对每个业务数据图层,设置其中数据对象在全景实景视频底图上的标记方式,包括标记所用的图标,标记缺省自带的文字描述格式,以及是否增加边框轮廓、填充颜色等。所述“全景实景视频底图”就是以全景实景视频作为底图,在上面标记各类图层、图层内对象及关联数据。这个视频底图相当于数字孪生的模型底图。
S42:针对每个数据图层,设置其中数据对象在全景实景视频底图上的缺省可视化数据类型及形式。例如:对于一个普通摄像头,可设定是否缺省打开其视频播放,播放的分辨率以及窗口大小,播放时是叠加在全景实景视频底图上以画中画形式播放,还是在全景实景视频底图的上下左右以拼接窗口形式播放等;对于一个机电设备或传感器,可设定其状态、业务或分析预警数据是否缺省展示,展示是以图表叠加在全景实景视频底图上,还是在全景实景视频底图的上下左右以拼接窗口形式呈现。
S43:针对全景实景视频底图,选择需要在其打开情况下自动展示的数据图层。此处,可以设定为固定模式,或者基于规则和条件的动态模式。例如,可针对不同登录用户、或者由预警或报警产生,或者触发某个分析结果阈值。
S5:全景实景视频底图上,实现基于使用者角色和当前应用场景的自动化数据驾驶舱合成算法,包括以下步骤:
S51:获取全景实景视频底图的位置坐标;
S52:初始化数据驾驶舱布局,链接全景实景视频码流并播放;
S53:依据步骤S43,挑选出需要叠加和自动打开的数据图层列表;
S54:针对每个数据图层及其内部数据对象,重构布局:针对每个数据图层,检索出该图层内位于当前全景实景视频底图的位置坐标框架内的所有数据对象,依据设定的可视化方式:(1)在全景实景视频底图上进行标记,(2)如果有,展开并叠加该数据对象缺省可视化数据图层(窗口);
S55:依据各个图层和数据对象的关联数据获取模式,从对应数据源实时获取和加载数据(依据步骤S2中设置的数据源,以及步骤S3中数据获取接口,获取实时数据),形成动态的数据驾驶舱。
S6:全景实景视频底图缩放过程中,实现数据图层的可视化方式自适应匹配算法,包括以下步骤:
S61:用户采用拖拽方式在当前全景实景视频底图中拖拽出放大框,或者在当前点击处选择放大或者缩小,自动生成放大框或缩小比例;
S62:清空当前全景实景视频底图上的所有图层和数据,即在原来底图上已经存在(标记)的各种图层和数据;
S63:运行数据图层自适应定位算法,重新计算各个数据图层(包含内部对象)在全景实景视频底图中新的位置坐标;
S64:初始化新的全景实景视频窗口的归一化坐标(x,y,w),即阵列相机的视频像素坐标系投影到归一化平面上的坐标值;
S65:对于任意数据图层(数据对象)item,计算其在新的全景实景视频窗口中的坐标值如下:
{left:(-(x-number(item.x))videowidth/w - (labelwidth/2)+‘px’,top:(-(y-number(item.y))/>videoHeight / w - (labelheight/2)+‘px’}
其中:videowidth和videoheight分别为新的全景实景视频窗口在web界面上的宽度和高度,(x,y,w)为新的全景实景视频窗口的归一化坐标值,labelwidth和labelwidth分别为数据对象在新的全景实景视频窗口标记图像的宽度和高度,number(item.x)和number(item.y)分别为数据对象在原全景实景视频窗口的坐标,px为像素单位,left和top分别为数据对象最终在新的全景实景视频窗口中距离左边框和上边框的位置。
S66:跳至步骤S5,利用重新计算出的各图层和对象在新的全景实景视频窗口中的坐标,重新合成新的数据驾驶舱。
本发明具有以下特点:
(1)步骤S1中,创新性的提出全景实景数据图层高效识别算法。首先,利用全景实景视频,通过对关键静态图像帧进行切割分析,识别出各类通用物体和场景,以及通过对关键时序视频码流片段进行检测、跟踪和分析,识别出动态对象,然后通过聚类方式,将具有共同特性的对象聚合到一起,组建潜在的静态和动态数据图层。算法同时将针对图形图像的静态对象检测和针对视频片段的动态对象的识别算法组合应用在本发明所需的特定场景中,为后续手工操作提供了全面的数据支撑。进一步,设计简洁的手工调整和管理流程,使得业务和管理人员可以快速的挑选和设置所需的数据图层。比较传统纯手工设置图层方式,这一步骤能够以极低的成本,更加快速、全面的找出潜在图层,降低图层设置的手工工作量,以及减少潜在的出错概率。
(2)步骤S2和步骤S3中,创新性的定义了数据对象的四类数据类型:静态基础数据、状态数据、集成业务数据、预警分析数据,以及这四类数据与实时数据的关联方式,这种方式是实现数据实时自动装配和可视化方法的基础。
(3)步骤S4和步骤S5中,创新性的提出:(1)基于规则和特定条件定义的数据对象动态展示方法、以及(2)基于场景和角色的数据图层自动挑选方法,这两种方式使得在数据驾驶舱具备根据状态条件和上下文信息动态自动装配的能力,增强了二次开发效率和实际应用效果。
(4)步骤S6中,创新性的提出数据图层(数据对象)自适应定位算法,通过归一化坐标体系与全景实景视频像素之间的转化算法,在WEB页面上视频控件中视频放大、缩小、移动情况下,快速灵活的计算出数据图层和数据对象在WEB页面上新的坐标位置,从而保证页面刷新和操作情况下,各个数据图层和数据对象标记的准确性。
本发明针对以全景实景视频为底图的城市数据驾驶舱,智能自动的识别其上的潜在数据图层和数据对象,并定义了可进行关联和可视化的各类静态和动态数据类型、数据获取源和数据可视化方式,以及基于上下文状态信息的动态装配算法,可以快速、全面、低成本的开发城市数据驾驶舱,实现直观、可视化、动态智能的城市大数据分析和可视化服务。
Claims (10)
1.一种全景实景城市数据驾驶舱的构建方法,包括以下步骤:
S1:设计全景实景数据图层识别算法,找到和设置各类可叠加在全景实景视频之上的业务数据图层;
S2:定义和关联设置各业务数据图层的数据源,包含基础描述信息,状态数据、集成业务数据、以及分析和预警数据;
S3:关联设置各业务数据图层的数据源的数据获取方式;
S4:设置调整各业务数据图层和数据对象在全景实景视频底图的初始数据可视化方式,以及需要在全景实景视频底图打开情况下自动展示的数据图层;
S5:全景实景视频底图上,实现基于使用者角色和当前应用场景的自动化数据驾驶舱合成算法;
S6:全景实景视频底图缩放过程中,实现数据图层的可视化方式自适应匹配算法。
2.根据权利要求1所述的全景实景城市数据驾驶舱的构建方法,其特征在于:步骤S1中,通过归类/聚类算法,准确和快速的找到和设置各类可叠加在全景实景视频之上的业务数据图层,包括以下步骤:
S11:运行固定背景图像中固定物体的识别和分类算法,形成潜在静态图层列表;
S12:运行视频序列中动态对象的自动提取算法,形成潜在动态图层;
S13:对潜在静态图层列表中的每一个潜在静态图层,进行手工管理和配置,最终形成需要的静态业务数据图层;
S14:对潜在动态图层列表中的每一个潜在动态图层,进行手工管理和配置,最终形成需要的动态业务数据图层。
3.根据权利要求2所述的全景实景城市数据驾驶舱的构建方法,其特征在于:步骤S11中,运行固定背景图像中固定物体的识别和分类算法,形成潜在静态图层列表,包括以下步骤:
S111:挑选全景实景视频码流中的一张画质清晰、无遮挡的满像素的图像帧;
S112:针对该图像帧,运行通用物体和场景识别算法自动找出图像中各类对象,并自动标记出各个对象对应的百科信息和属性;
S113:针对提取出的对象,通过归类/聚类算法,实现对象的自动分组,同时自动对每个组标记缺省的属性、类别、名称;
S114:将上述各分组及内含的对象存储为潜在静态图层;
S115:重复步骤S111-S114,制作多个潜在静态图层,并形成潜在静态图层列表。
4.根据权利要求2所述的全景实景城市数据驾驶舱的构建方法,其特征在于:步骤S12中,运行视频序列中动态对象的自动提取算法,形成潜在动态图层,包括以下步骤:
S121:挑选全景实景视频码流中的多个不同时间段的历史视频流片段;
S122:针对每个视频流片段,运行目标检测和目标跟踪则算法,自动找出视频中各类动态对象,并自动标记处各个对象对应的百科信息和属性;
S123:针对提取出的对象,通过归类/聚类算法,实现对象的自动分组,同时对每个组标记属性、类别、名称;
S124:将上述各分组及内含的对象存储为潜在动态图层。
5.根据权利要求2所述的全景实景城市数据驾驶舱的构建方法,其特征在于:步骤S13中,最终形成需要的静态业务数据图层,包括以下步骤:
S131:确定是否需要该潜在静态图层,如不需要则删除,选择下一个潜在静态图层,否则执行下一步;
S132:确定是否需要拆分该潜在静态图层,或者与现有其他潜在静态图层合并;
S133:修订该潜在静态图层名称、类别、各类属性、描述信息;
S134:检索该潜在静态图层中当前包含每个对象,确定是否属于该静态图层,如不属于则移出;如属于该静态图层,则修订该对象的名称、位置定位和轮廓信息,各类属性、描述信息;
S135:形成最终的静态对象图层并存储,作为静态业务数据图层。
6.根据权利要求2所述的全景实景城市数据驾驶舱的构建方法,其特征在于:步骤S14中,最终形成需要的动态业务数据图层,包括以下步骤:
S141:确定是否需要该潜在动态图层,如不需要则删除,选择下一个潜在动态图层,否则执行下一步;
S142:确定是否需要拆分该潜在动态图层或者与现有其他潜在动态图层合并;
S143:修订该动态图层名称、类别、各类属性、描述信息;
S144:如果有需要,对该动态图层内动态对象识别过程中提取形成的对象特征信息进行修订,从而保证未来识别的精准度;
S145:形成最终的动态对象图层并存储,作为动态业务数据图层。
7.根据权利要求1所述的全景实景城市数据驾驶舱的构建方法,其特征在于:步骤S3中,数据获取方式包括两类:(1)通过手工输入或者数据导入方式设定图层及其数据对象的基础描述信息;(2)可过设置关联的数据获取接口或API方式设定图层及其数据对象的状态数据、集成业务数据、分析和预警类数据。
8.根据权利要求1所述的全景实景城市数据驾驶舱的构建方法,其特征在于:步骤S4中,设置调整各业务数据图层和数据对象在全景实景视频底图的初始数据可视化方式,以及需要在全景实景视频底图打开情况下自动展示的数据图层,包括以下步骤:
S41:针对每个业务数据图层,设置其中数据对象在全景实景视频底图上的标记方式;
S42:针对每个数据图层,设置其中数据对象在全景实景视频底图上的缺省可视化数据类型及形式;
S43:针对全景实景视频底图,选择需要在其打开情况下自动展示的数据图层。
9.根据权利要求1所述的全景实景城市数据驾驶舱的构建方法,其特征在于:步骤S5中,全景实景视频底图上,实现基于使用者角色和当前应用场景的自动化数据驾驶舱合成算法,包括以下步骤:
S51:获取全景实景视频底图的位置坐标;
S52:初始化数据驾驶舱布局,链接全景实景视频码流并播放;
S53:针对全景实景视频底图,选择需要在其打开情况下自动展示的数据图层,挑选出需要叠加和自动打开的数据图层列表;
S54:针对每个数据图层及其内部数据对象,重构布局:针对每个数据图层,检索出该图层内位于当前全景实景视频底图的位置坐标框架内的所有数据对象;
S55:依据各个图层和数据对象的关联数据获取模式,从对应数据源实时获取和加载数据,形成动态的数据驾驶舱。
10.根据权利要求1所述的全景实景城市数据驾驶舱的构建方法,其特征在于:步骤S6中,全景实景视频底图缩放过程中,实现数据图层的可视化方式自适应匹配算法,包括以下步骤:
S61:用户采用拖拽方式在当前全景实景视频底图中拖拽出放大框,或者在当前点击处选择放大或者缩小,自动生成放大框或缩小比例;
S62:清空当前全景实景视频底图上的所有图层和数据,即在原来底图上已经存在的各种图层和数据;
S63:运行数据图层自适应定位算法,重新计算各个数据图层在全景实景视频底图中新的位置坐标;
S64:初始化新的全景实景视频窗口的归一化坐标,即阵列相机的视频像素坐标系投影到归一化平面上的坐标值;
S65:对于任意数据图层,计算其在新的全景实景视频窗口中的坐标值;
S66:跳至步骤S5,利用重新计算出的各图层和对象在新的全景实景视频窗口中的坐标,重新合成新的数据驾驶舱。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410101892.8A CN117688205A (zh) | 2024-01-25 | 2024-01-25 | 一种全景实景城市数据驾驶舱的构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410101892.8A CN117688205A (zh) | 2024-01-25 | 2024-01-25 | 一种全景实景城市数据驾驶舱的构建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117688205A true CN117688205A (zh) | 2024-03-12 |
Family
ID=90137363
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410101892.8A Pending CN117688205A (zh) | 2024-01-25 | 2024-01-25 | 一种全景实景城市数据驾驶舱的构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117688205A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103679561A (zh) * | 2013-12-24 | 2014-03-26 | 云南电力调度控制中心 | 一种电力调度运行驾驶舱的显示系统架构及其实现方法 |
US20140199050A1 (en) * | 2013-01-17 | 2014-07-17 | Spherical, Inc. | Systems and methods for compiling and storing video with static panoramic background |
CN105045870A (zh) * | 2015-07-15 | 2015-11-11 | 贵州电力试验研究院 | 一种基于wpf的电力运行驾驶舱可视化方法和系统 |
CN116295336A (zh) * | 2023-02-13 | 2023-06-23 | 国汽大有时空科技(安庆)有限公司 | 一种地图分层结构的构建方法、装置、设备及存储介质 |
-
2024
- 2024-01-25 CN CN202410101892.8A patent/CN117688205A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140199050A1 (en) * | 2013-01-17 | 2014-07-17 | Spherical, Inc. | Systems and methods for compiling and storing video with static panoramic background |
CN103679561A (zh) * | 2013-12-24 | 2014-03-26 | 云南电力调度控制中心 | 一种电力调度运行驾驶舱的显示系统架构及其实现方法 |
CN105045870A (zh) * | 2015-07-15 | 2015-11-11 | 贵州电力试验研究院 | 一种基于wpf的电力运行驾驶舱可视化方法和系统 |
CN116295336A (zh) * | 2023-02-13 | 2023-06-23 | 国汽大有时空科技(安庆)有限公司 | 一种地图分层结构的构建方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11941887B2 (en) | Scenario recreation through object detection and 3D visualization in a multi-sensor environment | |
CN108960566B (zh) | 一种交通可视化监控系统 | |
US7847807B2 (en) | Geometry creation tool | |
US5815417A (en) | Method for acquiring and presenting data relevant to an emergency incident | |
CN102724482B (zh) | 基于gps和gis的智能视觉传感网络运动目标接力跟踪系统 | |
US5831876A (en) | Method for monitoring regional air quality | |
US7984055B2 (en) | Method and system for presenting traffic-related information | |
US20050034075A1 (en) | GIS-based emergency management | |
CN111506688B (zh) | 一种铁路客运车站多源数据可视化集成展示方法 | |
CN114399606A (zh) | 基于立体可视化的交互展示系统、方法、设备 | |
CN114419231B (zh) | 基于点云数据和ai技术的交通设施矢量识别提取分析系统 | |
CN111222190A (zh) | 一种古建筑管理系统 | |
WO2020211593A1 (zh) | 交通道路的数字化重建方法、装置和系统 | |
Donald | The classification of vigilance tasks in the real world | |
CN115859689B (zh) | 一种全景可视化数字孪生应用的方法 | |
CN116524143A (zh) | 一种gis地图构建方法 | |
CN112066998A (zh) | 用于航线地图的渲染方法及系统 | |
CN117688205A (zh) | 一种全景实景城市数据驾驶舱的构建方法 | |
Hong et al. | The use of CCTV in the emergency response: A 3D GIS perspective | |
CN114003678A (zh) | 数据分布方法、基于该数据分布方法的危废品管理方法和道路应急事件管理方法 | |
CN106777078A (zh) | 一种基于信息数据库的视频检索方法和系统 | |
Abdullah et al. | Additional feet-on-the-street deployment method for indexed crime prevention initiative | |
CN116452397B (zh) | 一种警务数字沙盘用的联动控制系统和控制方法 | |
TWI813118B (zh) | 自動更新地標數據庫中的視覺地標圖像之系統與方法 | |
KR102573708B1 (ko) | 교통 정보 센터의 상황판 제어 장치 및 방법 |
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 |