CN108174162A - 一种基于签到poi的城市视频监控空间优化方法 - Google Patents

Abstract

本发明涉及地理信息和空间优化技术领域，尤其涉及一种基于签到POI的城市视频监控空间优化方法。一种基于签到POI的城市视频监控空间优化方法，包括：选取监控区域内所有单元中最大被监测概率点作为候选点；应用监控区域内用户签到POI数据计算候选点处摄像机视域；去除候选点处摄像机视域覆盖的单元，选取剩余单元中的最大被监测概率点；判断监控区域内所有单元是否被全部覆盖；结合最大覆盖优化模型进行视频监控优化。本发明提高了视频监控部署的科学性，降低监控覆盖重叠率，减少监控盲区。

Description

一种基于签到POI的城市视频监控空间优化方法

技术领域

本发明涉及地理信息和空间优化技术领域，尤其涉及一种基于签到POI的城市视频监控空间优化方法。

背景技术

随着我国城镇化的快速发展与平安城市建设的不断推进，城市公共安全成为各级政府关注的焦点问题之一；建设针对城市公共空间的视频监控***，成为保障公共安全、威慑犯罪行为的关键环节。在特定的城市公共空间范围内，基于建设成本最低与有效监控范围最大的双重目标约束，如何在特定位置科学配置一定数量、不同类型的监控摄像头，并降低或减少监控盲区，成为大规模视频监控***建设的基础性问题。

从影响因素来看，视频监控受到摄像机参数(如焦距、视场角度、可视距离等)、监控场景(如建筑物等遮挡情况)、监控主体(人/车等)等多个因素的影响。当前监控***部署时多数仅考虑部分因素，基于已有经验或进行简单估算，人为选择相应型号的监控探头，在监控区域的若干关键位置(如道路交叉口、建筑入口等)进行摄像机部署。

(1)目前视频监控***部署，主要结合监控区域及其内部道路交叉口、建筑物出入口进行部署，未考虑监控主体因素及监控摄像机参数因素的影响。

(2)目前视频监控***部署，主要是选取摄像机安装位置，缺少对监控摄像机数量及其类型参数的优化与配置过程。

(3)目前监控***部署以经验为主，具有一定的主观性，导致监控摄像机覆盖重叠率高，存在较多的监控盲区。

发明内容

针对上述目前视频监控***部署中存在的问题，本发明提出一种基于签到POI的城市视频监控空间优化方法，提高了视频监控部署的科学性，降低监控覆盖重叠率，减少监控盲区。

为了实现上述目的，本发明采用以下技术方案：

一种基于签到POI的城市视频监控空间优化方法，包括以下步骤：

步骤1：选取监控区域内所有栅格单元中最大被监测概率点作为候选点；

步骤2：应用监控区域内用户签到POI数据计算候选点处摄像机视域；

步骤3：去除候选点处摄像机视域覆盖的栅格单元，选取剩余栅格单元中的最大被监测概率点；

步骤4：判断监控区域内所有栅格单元是否被全部覆盖，若否，则进行步骤1；若是，则进行下一步；

步骤5：结合最大覆盖优化模型进行视频监控优化。

优选地，所述摄像机包括球形摄像机和枪型摄像机。

优选地，所述步骤1之前还包括：

划分监控区域栅格：根据监控区域范围与建筑物占地范围，选取大小固定的栅格单元，将监控区域进行空间离散，划分为大小固定的栅格单元，并剔除建筑物覆盖部分的栅格单元；

计算监控区域视场：以监控区域内每一栅格单元为视点，应用视场分析方法，计算出每一栅格单元的视场范围；

计算最大被监测概率：根据每一栅格单元视场范围计算结果，应用式(1)计算监控区域内每一栅格单元的被监测概率，所述被监测概率的最大值即为最大被监测概率：

式中，P(g|D)为监控区域所有栅格单元集合D中栅格单元g被监控到的概率，c_g为g栅格单元包含于其他栅格单元视场范围的个数，n为D中栅格单元个数，FOV_i为i栅格单元的视场范围。

优选地，所述步骤2包括：

步骤2.1：对球形摄像机视域进行识别：通过计算候选点位置所在栅格单元视场范围的面积与周长之比，识别出视域为圆形或近圆形的候选点，以候选点所在栅格单元计算视场范围时的最远可视距离作为半径；

步骤2.2：分析签到POI核密度：通过采集社交网络用户签到POI数据，应用核密度分析方法计算监控区域内每一栅格单元核密度值；

步骤2.3：计算枪式摄像机的监控朝向：以候选点作为视域的顶点p，所述视域为扇形，选取候选点视场范围所覆盖的核密度最大值点q，以向量方向为监控朝向；

步骤2.4：枪式摄像机监控距离计算：计算直线段pq与候选点视场范围边界的交点t，以直线段pt长度为扇形的半径R；

步骤2.5：计算枪式摄像机镜头的角度：以pq为起始边，设定扩展角度步长，分别向pq两侧扩展作射线，计算其与视域的范围面的交点，以及p点与所述交点间距离S；

步骤2.6：判断R是否大于S，若否，则继续执行步骤2.5；若是，则停止扩展，记下交点；

步骤2.7：生成摄像机的视域：根据识别的圆形视域，结合其圆心、半径绘制球形摄像机视域的范围；根据选定的候选点、监控朝向、半径及圆心角，绘制枪式摄像机视域的范围。

优选地，所述交点有2个，分别位于pq两侧。

优选地，所述圆心角为2个交点与扇形顶点p的连线之间的夹角，圆心角即为枪式摄像机的视场角。

优选地，所述步骤5包括：

步骤5.1：确定视频监控优化的MCLP模型优化参数：叠合监控区域栅格单元及摄像机视域的范围，读取摄像机视域集合及每一视域覆盖的栅格单元信息，确定MCLP模型优化参数，所述MCLP模型为最大覆盖优化模型；

步骤5.2：构建视频监控优化的MCLP模型：根据确定的MCLP模型优化参数，设定监控摄像机数量，按照下式构造MCLP模型：

∑_jx_j＝m (5)

其中，i为需求点，j为候选点，N_i是覆盖需求点i的j的集合，a_i为需求点i的权重，m为候选点的个数；x_j、y_i为决策变量，设施布局于候选点j时，x_j＝1，否则为0；需求点i被覆盖时，y_i＝1，否则为0；

步骤5.3：视频监控优化MCLP模型求解：进行优化求解，并读取优化结果，获取优化后监控摄像机位置及覆盖范围结果，并读取对应的参数，所述参数包括监控距离、监控朝向、视场角；

步骤5.4：视频监控优化方案评价：选取视域覆盖率、重叠率与被遮挡率三个指标，对优化结果进行评价分析；结合评价结果形成最终视频监控部署及监控摄像机选型方案。

与现有技术相比，本发明具有的有益效果：

本发明应用签到POI数据，结合监控区域内每一栅格单元的最大被监测概率，实现候选点迭代选取；以监控区域内栅格单元为需求点，以摄像机视域为设施服务覆盖区，应用最大覆盖优化模型进行视频监控空间优化。本发明综合考虑了多个影响因素，显著降低了监控覆盖重叠率与被遮挡率，减少监控盲区，提高了监控覆盖率，并同时提供监控距离、监控朝向、视场角等相关参数，从而形成科学合理的监控部署方案。

附图说明

图1为本发明一种基于签到POI的城市视频监控空间优化方法的基本流程示意图之一。

图2为本发明一种基于签到POI的城市视频监控空间优化方法的基本流程示意图之二。

图3为本发明一种基于签到POI的城市视频监控空间优化方法的摄像机视域平面示意图。

图4为本发明一种基于签到POI的城市视频监控空间优化方法的栅格单元被监测概率示意图。

图5为本发明一种基于签到POI的城市视频监控空间优化方法的候选点及对应视域示意图。

图6为本发明一种基于签到POI的城市视频监控空间优化方法的视频监控优化结果曲线图。

图7为本发明一种基于签到POI的城市视频监控空间优化方法的90％覆盖率目标下摄像机位置及视域范围示意图。

具体实施方式

为了便于理解，对本发明的具体实施方式中出现的部分名词作以下解释说明：

POI：Point Of Interest，兴趣点，POI是基于位置服务的最核心数据。

下面结合附图和具体的实施例对本发明做进一步的解释说明：

实施例一：

如图1所示，本发明的一种基于签到POI的城市视频监控空间优化方法，包括以下步骤：

步骤S101：选取监控区域内所有栅格单元中最大被监测概率点作为候选点。

步骤S102：应用监控区域内用户签到POI数据计算候选点处摄像机视域。

步骤S103：去除候选点处摄像机视域覆盖的栅格单元，选取剩余栅格单元中的最大被监测概率点。

步骤S104：判断监控区域内所有栅格单元是否被全部覆盖，若否，则进行步骤S101；若是，则进行下一步。

步骤S105：结合最大覆盖优化模型进行视频监控优化。

实施例二：

如图2所示，本发明的另一种基于签到POI的城市视频监控空间优化方法，包括以下步骤：步骤S201：划分监控区域栅格：

根据监控区域范围与建筑物占地范围，选取大小固定的栅格单元，将监控区域进行空间离散，划分为大小固定的栅格单元，并剔除建筑物覆盖部分的栅格。

步骤S202：计算监控区域视场：

以监控区域内每一栅格单元为视点，应用视场分析方法，计算出每一栅格单元的视场范围；作为一种可实施方式，应用Line of Sight(LOS)视场分析方法，计算出每一栅格单元的视场范围。

步骤S203：计算最大被监测概率：

根据每一栅格单元视场范围计算结果，应用式(1)计算监控区域内每一栅格单元的被监测概率，所述被监测概率的最大值即为最大被监测概率：

式中，P(g|D)为监控区域所有栅格单元集合D中某一栅格单元g被监控到的概率，c_g为g栅格单元包含于其他栅格单元视场范围的个数，n为D中栅格单元个数，FOV_i为i栅格单元的视场范围。

步骤S204：选取监控区域内所有栅格单元中最大被监测概率点作为候选点。

步骤S205：应用监控区域内用户签到POI数据计算相应摄像机视域的范围；所述摄像机包括球形摄像机和枪型摄像机；摄像机视域如图3所示，其中图3左侧为枪型摄像机视域，为枪型摄像机的监控朝向，图3右侧为球形摄像机视域；包括：

步骤S2051：对球形摄像机视域进行识别：

通过计算候选点位置所在栅格单元视场范围的面积与周长之比，识别出视域为圆形或近圆形的候选点，以候选点所在栅格单元计算视场范围时的最远可视距离作为半径；

步骤S2052：分析签到POI核密度，公式如下：

其中，h为带宽(h>0)；x-x_i为估计点x到样本x_i处的距离(d_i)；K为四次多项式核函数；步骤S2053：计算枪式摄像机的监控朝向：

以候选点作为视域的顶点p，所述视域为扇形，选取该候选点视场范围所覆盖的核密度最大值点q，以向量方向为监控朝向；

步骤S2054：枪式摄像机监控距离计算：

计算直线段pq与该候选点视场范围边界的交点t，以直线段pt长度为扇形半径R；

步骤S2055：计算枪式摄像机镜头的角度：

以pq为起始边，设定扩展角度步长，分别向pq两侧扩展作射线，计算其与视域的范围面的交点，以及p点与该交点间距离S；

步骤S2056：判断R是否大于S，若否，则继续执行步骤S2055；若是，则停止扩展，记下交点，此时，在pq两侧共有2个交点，以此2个交点与扇形顶点p的连线之间的夹角作为扇形圆心角θ，所述圆心角θ即为视场角；

步骤S2057：生成摄像机的视域：

根据识别的圆形视域，结合其圆心、半径绘制球形摄像机视域范围；根据选定的候选点、监控朝向、半径及圆心角，绘制枪式摄像机视域范围。

步骤S206：去除候选点处摄像机视域覆盖的栅格单元，选取剩余栅格单元中的最大被监测概率点。

步骤S207：判断监控区域内所有栅格单元是否被全部覆盖，若否，则进行步骤S204；若是，则进行下一步。

步骤S208：结合最大覆盖优化模型进行视频监控优化，包括：

步骤S2081：确定视频监控优化的MCLP模型优化参数：

叠合监控区域栅格单元及摄像机视域的范围，读取摄像机视域集合及每一视域覆盖的栅格单元信息，确定MCLP模型优化参数，所述MCLP模型为最大覆盖优化模型；

步骤S2082：构建视频监控优化的MCLP模型：

根据确定的MCLP模型优化参数，设定监控摄像机数量，按照下式构造MCLP模型：

∑_jx_j＝m (5)

其中，i为需求点，j为候选点，N_i是覆盖需求点i的j的集合，a_i为需求点i的权重，m为候选点的个数；x_j、y_i为决策变量，设施布局于候选点j时，x_j＝1，否则为0；需求点i被覆盖时，y_i＝1，否则为0；

步骤S2083：视频监控优化MCLP模型求解：

进行优化求解，并读取优化结果，获取优化后监控摄像机位置及覆盖范围结果，并读取对应的参数，所述参数包括视场角；

作为一种可实施方式，应用GLPK优化器进行优化求解；

步骤S2084：视频监控优化方案评价：

选取视域覆盖率、重叠率与被遮挡率三个指标，对优化结果进行评价分析；结合评价结果形成最终视频监控部署及监控摄像机选型方案；

视域覆盖率定义为摄像机视域融合后覆盖面积与监控区域面积之比；重叠率定义为所有布设的摄像机视域面积之和与融合后视域面积之比；被遮挡率定义为摄像机视域被建筑物遮挡部分面积与融合后视域面积之比。

作为一种可实施方式，选取郑州市二七区汉江路、长江路、淮南街、大学路之间的街区的签到POI数据作为实验数据，选取候选监控位置点即候选点966个，对应生成966个监控摄像机视域，其中圆形视域16个，扇形视域950个。

栅格单元被监测概率如图4所示，其中颜色较浅的区域的被监测概率较高，颜色较深的区域被监测概率较低。

候选点分布及对应视域如图5所示。

视频监控优化结果如图6所示，由图可知，随着摄像机数目的增长，覆盖率呈上升趋势，当覆盖率达到90％时，上升趋势变缓。

90％覆盖率目标下摄像机位置及视域的范围如图7所示，此时共包括枪式摄像机223个，且不同摄像机包括不同视场角、半径及监控朝向等多种参数；球形摄像机16个。

以上所示仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (7)

1.一种基于签到POI的城市视频监控空间优化方法，其特征在于，包括以下步骤：

步骤1：选取监控区域内所有栅格单元中最大被监测概率点作为候选点；

步骤2：应用监控区域内用户签到POI数据计算候选点处摄像机视域；

步骤3：去除候选点处摄像机视域覆盖的栅格单元，选取剩余栅格单元中的最大被监测概率点；

步骤4：判断监控区域内所有栅格单元是否被全部覆盖，若否，则进行步骤1；若是，则进行下一步；

步骤5：结合最大覆盖优化模型进行视频监控优化。

2.根据权利要求1所述的一种基于签到POI的城市视频监控空间优化方法，其特征在于，所述摄像机包括球形摄像机和枪型摄像机。

3.根据权利要求1所述的一种基于签到POI的城市视频监控空间优化方法，其特征在于，所述步骤1之前还包括：

划分监控区域栅格：根据监控区域范围与建筑物占地范围，选取大小固定的栅格单元，将监控区域进行空间离散，划分为大小固定的栅格单元，并剔除建筑物覆盖部分的栅格单元；

计算监控区域视场：以监控区域内每一栅格单元为视点，应用视场分析方法，计算出每一栅格单元的视场范围；

计算最大被监测概率：根据每一栅格单元视场范围计算结果，应用式(1)计算监控区域内每一栅格单元的被监测概率，所述被监测概率的最大值即为最大被监测概率：

式中，P(g|D)为监控区域所有栅格单元集合D中栅格单元g被监控到的概率，c_g为g栅格单元包含于其他栅格单元视场范围的个数，n为D中栅格单元个数，FOV_i为i栅格单元的视场范围。

4.根据权利要求2所述的一种基于签到POI的城市视频监控空间优化方法，其特征在于，所述步骤2包括：

步骤2.1：对球形摄像机视域进行识别：通过计算候选点位置所在栅格单元视场范围的面积与周长之比，识别出视域为圆形或近圆形的候选点，以候选点所在栅格单元计算视场范围时的最远可视距离作为半径；

步骤2.2：分析签到POI核密度：通过采集社交网络用户签到POI数据，应用核密度分析方法计算监控区域内每一栅格单元核密度值；

步骤2.3：计算枪式摄像机的监控朝向：以候选点作为视域的顶点p，所述视域为扇形，选取候选点视场范围所覆盖的核密度最大值点q，以向量方向为监控朝向；

步骤2.4：枪式摄像机监控距离计算：计算直线段pq与候选点视场范围边界的交点t，以直线段pt长度为扇形的半径R；

步骤2.5：计算枪式摄像机镜头的角度：以pq为起始边，设定扩展角度步长，分别向pq两侧扩展作射线，计算其与视域的范围面的交点，以及p点与所述交点间距离S；

步骤2.6：判断R是否大于S，若否，则继续执行步骤2.5；若是，则停止扩展，记下交点；

步骤2.7：生成摄像机的视域：根据识别的圆形视域，结合其圆心、半径绘制球形摄像机视域的范围；根据选定的候选点、监控朝向、半径及圆心角，绘制枪式摄像机视域的范围。

5.根据权利要求4所述的一种基于签到POI的城市视频监控空间优化方法，其特征在于，所述交点有2个，分别位于pq两侧。

6.根据权利要求4所述的一种基于签到POI的城市视频监控空间优化方法，其特征在于，所述圆心角为2个交点与扇形顶点p的连线之间的夹角，圆心角即为枪式摄像机的视场角。

7.根据权利要求1所述的一种基于签到POI的城市视频监控空间优化方法，其特征在于，所述步骤5包括：

步骤5.1：确定视频监控优化的MCLP模型优化参数：叠合监控区域栅格单元及摄像机视域的范围，读取摄像机视域集合及每一视域覆盖的栅格单元信息，确定MCLP模型优化参数，所述MCLP模型为最大覆盖优化模型；

步骤5.2：构建视频监控优化的MCLP模型：根据确定的MCLP模型优化参数，设定监控摄像机数量，按照下式构造MCLP模型：

∑_jx_j＝m (5)

其中，i为需求点，j为候选点，N_i是覆盖需求点i的j的集合，a_i为需求点i的权重，m为候选点的个数；x_j、y_i为决策变量，设施布局于候选点j时，x_j＝1，否则为0；需求点i被覆盖时，y_i＝1，否则为0；

步骤5.3：视频监控优化MCLP模型求解：进行优化求解，并读取优化结果，获取优化后监控摄像机位置及覆盖范围结果，并读取对应的参数，所述参数包括监控距离、监控朝向、视场角；

步骤5.4：视频监控优化方案评价：选取视域覆盖率、重叠率与被遮挡率三个指标，对优化结果进行评价分析；结合评价结果形成最终视频监控部署及监控摄像机选型方案。