CN117119148B - 基于三维场景的视频监控效果可视化评估方法和*** - Google Patents
基于三维场景的视频监控效果可视化评估方法和*** Download PDFInfo
- Publication number
- CN117119148B CN117119148B CN202311014537.9A CN202311014537A CN117119148B CN 117119148 B CN117119148 B CN 117119148B CN 202311014537 A CN202311014537 A CN 202311014537A CN 117119148 B CN117119148 B CN 117119148B
- Authority
- CN
- China
- Prior art keywords
- video monitoring
- monitoring equipment
- detection
- coverage
- detection object
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 434
- 230000000694 effects Effects 0.000 title claims abstract description 72
- 238000011156 evaluation Methods 0.000 title claims abstract description 44
- 230000000007 visual effect Effects 0.000 title claims abstract description 42
- 238000001514 detection method Methods 0.000 claims abstract description 229
- 101100328518 Caenorhabditis elegans cnt-1 gene Proteins 0.000 claims description 73
- 238000000034 method Methods 0.000 claims description 52
- 238000012806 monitoring device Methods 0.000 claims description 38
- 238000005457 optimization Methods 0.000 claims description 32
- 230000008569 process Effects 0.000 claims description 31
- 238000004088 simulation Methods 0.000 claims description 15
- 230000002068 genetic effect Effects 0.000 claims description 14
- 238000012800 visualization Methods 0.000 claims description 14
- 108090000623 proteins and genes Proteins 0.000 claims description 10
- 230000001788 irregular Effects 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 5
- 239000002131 composite material Substances 0.000 claims description 4
- 238000010586 diagram Methods 0.000 claims description 4
- 238000009434 installation Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 230000035772 mutation Effects 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 238000013519 translation Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000004888 barrier function Effects 0.000 claims description 2
- 238000010187 selection method Methods 0.000 claims description 2
- 239000002699 waste material Substances 0.000 abstract description 7
- 238000004458 analytical method Methods 0.000 description 5
- 230000006872 improvement Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 230000007123 defense Effects 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/20—Image signal generators
- H04N13/275—Image signal generators from 3D object models, e.g. computer-generated stereoscopic image 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
- H04N23/90—Arrangement of cameras or camera modules, e.g. multiple cameras in TV studios or sports stadiums
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于三维场景的视频监控覆盖效果可视化评估方法,包括:根据文物保护单位对安防监控区域的要求确定监控目标,在预先构建的文物保护单位三维场景模型中生成与该监控目标对应的检测区域,通过分析检测区域对视频监控覆盖效果的需求,根据预先建立的视频监控***覆盖情况评价指标体系中影响检测区域视频监控覆盖效果需求的指标,制定视频监控***的视频监控设备布局方案,并按照视频监控设备布局方案在文物保护单位三维场景模型中放置摄像机组件来模拟布设多个视频监控设备。本发明能够解决现有监控设备布设方案由于无法确定视频监控的覆盖范围,导致出现视频监控盲区或者视频监控设备资源浪费的技术问题。
Description
技术领域
本发明属于视频监控技术领域,更具体地,涉及一种基于三维场景的视频监控覆盖效果可视化评估方法和***。
背景技术
文物保护单位包括博物馆、文化遗址、古建筑等,这些地方保存着具有重要历史、文化和艺术价值的文物。由于其特殊性和珍贵性,需要采取措施保护它们免受盗窃、破坏或其他不良行为的侵害。视频监控***覆盖情况研究旨在提供有效的监控手段,帮助预防和及时应对潜在的威胁。
在现有技术中,可以通过提取影响视频监控***覆盖效果的因素,基于专家判断或决策者的主观意见来确定影响的程度,从而确定视频监控设备布设方案,该方案往往通过图纸等简单方式进行呈现,视频监控***的覆盖情况也是根据视频监控设备的视距来预估。
然而,上述监控设备布设方案存在一些不可忽略的缺陷:
第一、视频监控设备的覆盖范围是模糊的,实际场景并非简单的平面而是复杂的三维立体场景,摄像机的覆盖范围也是受高度、偏转角、俯仰角等所影响的立体区域,由于没有考虑到场地中障碍物对视频监控设备的遮挡,这会造成视频监控设备的视线被遮挡,此外,由于没有设定定性指标对视频监控***的覆盖效果进行评估,布防人员无法确定视频监控的覆盖范围,这会导致出现视频监控盲区,或者造成资源的浪费;
第二、基于专家判断或决策者的主观意见来确定视频监控设备布设方案,这种方法依赖于专家知识和经验,决策者根据自身理解和判断来确定视频监控设备布防的整体方案。基于这种情况确定的视频监控布局方案没有客观标准作为依据,会导致出现视频监控布局不合理、出现监控盲区、造成设备资源浪费等问题;
第三、视频监控设备布设方案的优化需要决策者根据实际情况不断调整和改进,效率低下,无法适用于大型场景下视频监控***的视频监控设备布设。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种基于三维场景的视频监控覆盖效果可视化评估方法和***。其目的在于,解决现有监控设备布设方案由于无法确定视频监控的覆盖范围,导致出现视频监控盲区或者视频监控设备资源浪费的技术问题,以及依赖于专家知识和经验,导致确定的视频监控布局方案没有客观标准作为依据,进而出现视频监控布局不合理、出现监控盲区、造成设备资源浪费等问题,以及由于视频监控设备布设方案的优化需要决策者根据实际情况不断调整和改进,效率低下,无法适用于大型场景下视频监控***的视频监控设备布设的技术问题。
为实现上述目的,按照本发明的一个方面,提供了一种基于三维场景的视频监控覆盖效果可视化评估方法,包括以下步骤:
(1)根据文物保护单位对安防监控区域的要求确定监控目标,在预先构建的文物保护单位三维场景模型中生成与该监控目标对应的检测区域。
(2)通过分析步骤(1)中生成的检测区域对视频监控覆盖效果的需求,根据预先建立的视频监控***覆盖情况评价指标体系中影响检测区域视频监控覆盖效果需求的指标,制定视频监控***(其包括多台视频监控设备)的视频监控设备布局方案,并按照视频监控设备布局方案在文物保护单位三维场景模型中放置摄像机组件来模拟布设多个视频监控设备;再根据视频监控***覆盖效果可视化的需求,为每个视频监控设备的摄像机组件构建具有可视化功能的视频监控设备模型。
(3)在文物保护单位三维场景中生成检测物,并根据步骤(2)构建的每个视频监控设备的视频监控设备模型的对检测物的覆盖情况获取视频监控***的覆盖率。
(4)根据步骤(3)得到的视频监控***的覆盖率、并使用多目标优化遗传算法对所有视频监控设备进行优化布局,以得到优化布局结果。
优选地,步骤(1)具体为,首先根据文物保护单位对安防监控区域的要求确定监控目标,本发明中根据场景对出入人员和场景周围经过人员监测的需要,选择出入口区域和边界区域作为监控目标,然后,获取该监控目标在预先构建的文物保护单位三维场景模型中的对应位置,通过绘制不规则图形来表示监控目标对应的区域,再为该不规则图形添加复合碰撞器和触发器,从而最终得到监控目标映射在文物保护单位三维场景中的具有碰撞检测功能的检测区域。
优选地,文物保护单位三维场景模型是通过以下步骤构建的:
(1-1)获取文物保护单位的场景数据;
(1-2)通过3DMAX平台中的建模工具和编辑器对步骤(1-1)得到的场景数据进行处理和建模,以构建文物保护单位三维场景模型,其包括场地模型和建筑模型。
(1-3)将步骤(1-2)构建的场景模型导出为FBX格式,并将导出后的场景模型导入到Unity3D平台中,以获取文物保护单位三维场景模型。
优选地,步骤(2)具体为,首先,分析检测区域视频监控覆盖效果的需求,然后根据预先建立的视频监控***覆盖情况评价指标体系得到影响视频监控覆盖效果的指标和其对应的权重,接着根据指标对应的权重高低综合考虑影响检测区域视频监控覆盖效果的指标,制定视频监控设备的布局方案以满足检测区域视频监控覆盖效果的需求,该方案对所有视频监控设备的安装位置、镜头视角、监控范围等参数进行设置,随后,将视频监控***中所有视频监控设备按照视频监控设备布局方案布设到步骤(1)得到的检测区域上,以得到初始视频监控模块,其中视频监控设备在文物保护单位三维场景模型中布设时,是通过在视频监控设备布局方案中预设视频监控位置、角度、视距等参数,并将Unity3D平台中的摄像机组件放置在视频监控设备布局方案中视频监控设备的对应位置上来模拟视频监控设备在真实场景中的布局情况,最后,再根据视频监控***覆盖效果可视化的需求为初始视频监控模块中的每个视频监控设备的摄像机组件添加仿真功能和可视化展示效果,得到具有仿真功能和可视化展示效果的视频监控设备模型。具体而言,本过程首先是模拟真实情况下的视频监控设备动态调整过程,为摄像机组件添加平移、旋转功能;再根据视频监控设备的视锥形状,使用射线绘制视频监控设备的覆盖范围效果图,并结合射线检测算法动态识别视频监控设备的视频监控区域内的障碍物,实现遮挡剔除效果;由此,视频监控设备模型可以模拟一台真实视频监控设备的交互过程并展示障碍遮挡的可视化效果,得到了具有仿真功能和可视化展示效果的视频监控设备模型。
优选地,视频监控***覆盖情况评价指标体系是通过以下的过程进行构建的:
首先根据步骤(1)中选择的监控目标,得到影响视频监控***覆盖情况的指标;该指标具体包括:监控范围指标、监控设备指标、监控盲点指标、以及视野覆盖指标;
然后,使用指标赋权方法中的层次分析法为得到的指标分配权重,以反映其在整体评估中的重要性,最终得出综合的视频监控***覆盖情况评价指标体系,为各指标的评价提供依据。
优选地,步骤(3)包括以下子步骤:
(3-1)在文物保护单位三维场景模型中生成多个检测物组成的检测物集合;
(3-2)设置计数器cnt1=1;
(3-3)判断cnt1是否等于检测物集合InitialObj中的检测物总数,如果是则进入步骤(3-8),否则进入步骤(3-4);
(3-4)使用碰撞检测方法判断检测物集合InitialObj中的第cnt1个检测物是否与步骤(1)中生成的检测区域发生碰撞,如果是则说明第cnt1个检测物在检测区域内,将该检测物加入预先设置的检测区域内检测物集合ObjInTargetRegion,然后进入步骤(3-5);否则说明第cnt1个检测物不在检测区域内,过程结束;
(3-5)判断第cnt1个检测物是否被步骤(2)中构建的任意一个视频监控设备模型的覆盖范围所覆盖,如果是则进入步骤(3-6),否则进入(3-7);
(3-6)判断第cnt1个检测物与覆盖该检测物的视频监控设备之间是否存在遮挡,如果是则说明第cnt1个检测物被遮挡,该检测物为盲区区域内的检测物,设置该检测物的颜色为红色,过程结束;否则说明第cnt1个检测物是被视频监控设备的覆盖范围所覆盖的无遮挡检测物,设置该检测物的颜色为绿色,将该检测物加入预先设置的、被视频监控设备的覆盖范围所覆盖的无遮挡检测物集合ObjInTargetRegion,然后进入步骤(3-7);
(3-7)设置cnt1=cnt1+1,并返回步骤(3-3);
(3-8)获取无遮挡检测物集合ObjInCoverageRegion中的检测物数量与检测区域内检测物集合ObjInTargetRegion中检测物数量的比值,作为视频监控***的覆盖率。
优选地,步骤(3-1)首先使用泊松盘采样算法,在文物保护单位三维场景模型的范围内产生均匀的点阵,然后使用预先制作好的预制体对点阵中的所有点进行实例化,以获取多个分布均匀且随机的检测物组成的检测物集合InitialObj,其中使用的预制体是通过在Unity3D平台中制作一个立方体类型的实例,再为其添加盒体碰撞组件和刚体组件的方式实现,该预制体能够通过碰撞检测方法触发事件;
步骤(3-5)中判断第cnt1个检测物是否被步骤(2)中布设的任意一个视频监控设备模型的覆盖范围所覆盖是通过以下方式进行检测的:首先使用GeometryUtility.CalculateFrustumPlanes函数获取步骤(2)中布设的所有视频监控设备的视频监控设备模型,然后,使用GetComponent<Renderer>().bounds函数获取第cnt1个检测物的包围盒,最后检测第cnt1个检测物的包围盒是否与步骤(2)构建的任意一个视频监控设备模型的覆盖范围发生碰撞,如果是则说明第cnt1个检测物被步骤(2)中布设的视频监控设备的视频监控设备模型的覆盖范围所覆盖,否则说明没有被其覆盖。
步骤(3-6)中的遮挡检验是通过Unity3D平台中的Transform组件得到第cnt1个检测物和步骤(3-5)遍历过程中检测到第cnt1个检测物的包围盒与视频监控设备模型的覆盖范围发生碰撞时对应的视频监控设备的位置信息,创建一条从该视频监控设备到第cnt1个检测物的射线,通过射线检测方法检验该射线是否与文物保护单位场景模型中遮挡层的障碍物发生碰撞,如果是则说明第cnt1个检测物与该视频监控设备之间存在遮挡,否则说明第cnt1个检测物与该视频监控设备之间不存在遮挡。
优选地,步骤(4)包括以下子步骤:
(4-1)确定多目标优化遗传算法的优化目标为最大化监控覆盖率和最优化视频监控设备数量,将这两个优化目标结合成一个目标函数,使用权重来平衡两个目标的重要性;
(4-2)根据步骤(4-1)中确定的优化目标,对视频监控设备布局问题进行映射处理,以得到一个基因组,该基因组用于表示一种视频监控设备布局方案,其中的每个基因表示某个视频监控设备的位置、偏转角、俯仰角和状态参数(状态参数指的是是否启用该视频监控设备,0代表视频监控设备关闭,1代表视频监控设备开启);
(4-3)对视频监控设备布局问题中的初始种群进行初始化处理,以将步骤(4-2)中得到的基因组扩展为由M个基因组组成的初始种群,其中M的取值范围是50至200,本实例中选择M为100;
(4-4)将步骤(4-2)确立的目标函数根据视频监控设备布局优化问题的特点和基因的特点映射为遗传算法中的适应度评估问题,以此构建适应度函数,并计算视频监控设备布局方案的适应度值,用于评估步骤(4-3)中M个基因组组成的初始种群;
(4-5)根据步骤(4-4)得到的适应度值对初始种群进行迭代优化,以获取优化后的视频监控设备布局方案。
(4-6)通过步骤(2)中构建的视频监控***覆盖情况评价指标体系评估步骤(4-5)优化后的视频监控设备布局方案的有效性,并得到优化布局结果。
优选地,步骤(4-5)包括以下子步骤:
(4-5-1)根据步骤(4-4)得到的适应度值、并使用轮盘赌选择法从所有视频监控设备布局方案中选择适应度值最高的基因组,即最优视频监控设备布局方案作为父代;
(4-5-2)使用单点交叉策略对步骤(4-5-1)选定的父代进行交叉操作,以生成子代;
(4-5-3)对步骤(4-5-2)生成的子代进行变异操作,以生成一个新的子代;
(4-5-4)将步骤(4-5-3)得到的子代和步骤(4-5-1)中选择的父代进行结合,形成新种群。
(4-5-5)重复上述步骤(4-5-1)至(4-5-4)达预定迭代次数或视频监控***的覆盖率达到预设阈值为止,将步骤(4-5-4)中得到的新种群中适应度值最高的基因组作为最优视频监控***布局方案输出。
按照本发明的另一方面,提供了一种基于三维场景的视频监控覆盖效果可视化评估***,包括:
第一模块,用于根据文物保护单位对安防监控区域的要求确定监控目标,在预先构建的文物保护单位三维场景模型中生成与该监控目标对应的检测区域。
第二模块,用于通过分析第一模块生成的检测区域对视频监控覆盖效果的需求,根据预先建立的视频监控***覆盖情况评价指标体系中影响检测区域视频监控覆盖效果需求的指标,制定视频监控***(其包括多台视频监控设备)的视频监控设备布局方案,并按照视频监控设备布局方案在文物保护单位三维场景模型中放置摄像机组件来模拟布设多个视频监控设备;再根据视频监控***覆盖效果可视化的需求,为每个视频监控设备的摄像机组件构建具有可视化功能的视频监控设备模型。
第三模块,用于在文物保护单位三维场景中生成检测物,并根据第二模块构建的每个视频监控设备的视频监控设备模型的对检测物的覆盖情况获取视频监控***的覆盖率。
第四模块,用于根据第三模块得到的视频监控***的覆盖率、并使用多目标优化遗传算法对所有视频监控设备进行优化布局,以得到优化布局结果。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得下列有益效果:
(1)本发明由于采用了步骤(1),其构建了文物保护单位三维场景模型和视频监控设备模型,将视频监控设备的覆盖范围进行可视化展示,并且考虑了场景中的障碍物对视频监控的遮挡情况,有较好的可视化的效果预览与人机交互的仿真效果,改善了布防人员无法确定视频监控的覆盖范围造成的出现视频监控盲区或者视频监控设备资源的浪费情况;
(2)本发明由于采用了步骤(2),其针对专家判断或决策者的主观意见进行视频监控***布设、过于依赖经验判断的情况,通过构建指标体系对视频监控***的覆盖情况进行客观、***化的评估和分析,辅助决策者从多个方面综合评估视频监控***的性能和有效性,以及发现潜在的缺陷和改进空间;
(3)本发明由于采用了步骤(4),其将智能优化算法结合到视频监控***覆盖情况的分析当中,实现对视频监控设备布局方案的自动优化。
附图说明
图1是本发明基于三维场景的视频监控覆盖效果可视化评估方法的流程示意图;
图2是本发明基于三维场景的视频监控效果可视化评估方法中步骤(3)的细化流程图;
图3是本发明基于三维场景的视频监控效果可视化评估方法中步骤(4)的细化流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明的基本思路在于,为决策者提供视频监控***覆盖情况构建指标体系作为制定视频监控***布局方案的依据,解决复杂场景下视频监控***依赖经验进行布局的问题;以及通过构建基于三维场景的视频监控可视化***,为覆盖范围不明确的视频监控设备提供可视化展示并进行覆盖率的计算对视频监控***的覆盖问题进行分析,此外,还将障碍物的遮挡问题引入视频监控***覆盖情况的分析过程,还原障碍遮挡对视频监控***覆盖效果的影响,辅助决策者进行评估,解决视频监控布局不合理、出现监控盲区、造成设备资源浪费等问题;最后结合智能优化算法,实现对视频监控设备布局方案的自动优化。
如图1所示,本发明提供了一种基于三维场景的视频监控覆盖效果可视化评估方法,包括以下步骤:
(1)根据文物保护单位对安防监控区域的要求确定监控目标,在预先构建的文物保护单位三维场景模型中生成与该监控目标对应的检测区域。
本步骤具体为,首先根据文物保护单位对安防监控区域的要求确定监控目标,本发明中根据场景对出入人员和场景周围经过人员监测的需要,选择出入口区域和边界区域作为监控目标。
然后,获取该监控目标在预先构建的文物保护单位三维场景模型中的对应位置,通过绘制不规则图形来表示监控目标对应的区域,再为该不规则图形添加复合碰撞器和触发器,从而最终得到监控目标映射在文物保护单位三维场景中的具有碰撞检测功能的检测区域。
具体而言,本步骤中的文物保护单位三维场景模型是通过以下步骤构建的:
(1-1)获取文物保护单位的场景数据;
具体而言,本步骤是针对文物保护单位进行场地勘察,获取场地的地形、建筑结构、文物分布以及可能存在的安全隐患等勘察结果,将勘察结果作为文物保护单位的场景数据。
(1-2)通过3DMAX平台中的建模工具和编辑器对步骤(1-1)得到的场景数据进行处理和建模,以构建文物保护单位三维场景模型,其包括场地模型和建筑模型。
具体而言,在文物保护单位的场地模型和建筑模型构建过程中,首先通过精确还原建筑的形状和结构构建文物保护单位建筑模型,包括建筑物、围墙、道路、草地等。同时,在文物保护单位三维场景模型中增加环境元素,如树木、灯光、天气效果等构建文物保护单位场地模型,以增加场景的真实感和逼真度;再通过添加材质、纹理和贴图来增加场景的视觉效果;
(1-3)将步骤(1-2)构建的场景模型导出为FBX格式,并将导出后的场景模型导入到Unity3D平台中,以获取文物保护单位三维场景模型。
本步骤中得到的文物保护单位三维场景模型,能够在Unity3D平台中进行模拟仿真操作。
本步骤的优点在于,改善了布防人员无法确定视频监控的覆盖范围造成的出现视频监控盲区或者视频监控设备资源的浪费情况。
(2)通过分析步骤(1)中生成的检测区域对视频监控覆盖效果的需求,根据预先建立的视频监控***覆盖情况评价指标体系中影响检测区域视频监控覆盖效果需求的指标,制定视频监控***(其包括多台视频监控设备)的视频监控设备布局方案,并按照视频监控设备布局方案在文物保护单位三维场景模型中放置摄像机组件来模拟布设多个视频监控设备;再根据视频监控***覆盖效果可视化的需求,为每个视频监控设备的摄像机组件构建具有可视化功能的视频监控设备模型。
本步骤具体为,首先,分析检测区域视频监控覆盖效果的需求(包括覆盖率、盲区、视频监控设备的利用率等),然后根据预先建立的视频监控***覆盖情况评价指标体系得到影响视频监控覆盖效果的指标和其对应的权重,接着根据指标对应的权重高低综合考虑影响检测区域视频监控覆盖效果的指标,制定视频监控设备的布局方案以满足检测区域视频监控覆盖效果的需求,该方案对所有视频监控设备的安装位置、镜头视角、监控范围等参数进行设置。
随后,将视频监控***中所有视频监控设备按照视频监控设备布局方案布设到步骤(1)得到的检测区域上,以得到初始视频监控模块,其中视频监控设备在文物保护单位三维场景模型中布设时,是通过在视频监控设备布局方案中预设视频监控位置、角度、视距等参数,并将Unity3D平台中的摄像机组件放置在视频监控设备布局方案中视频监控设备的对应位置上来模拟视频监控设备在真实场景中的布局情况。
最后,再根据视频监控***覆盖效果可视化的需求为初始视频监控模块中的每个视频监控设备的摄像机组件添加仿真功能和可视化展示效果,得到具有仿真功能和可视化展示效果的视频监控设备模型。具体而言,本过程首先是模拟真实情况下的视频监控设备动态调整过程,为摄像机组件添加平移、旋转功能;再根据视频监控设备的视锥形状,使用射线绘制视频监控设备的覆盖范围效果图,并结合射线检测算法动态识别视频监控设备的视频监控区域内的障碍物,实现遮挡剔除效果;由此,视频监控设备模型可以模拟一台真实视频监控设备的交互过程并展示障碍遮挡的可视化效果,得到了具有仿真功能和可视化展示效果的视频监控设备模型。
具体而言,本步骤中的视频监控***覆盖情况评价指标体系是通过以下的过程进行构建的:
首先根据步骤(1)中选择的监控目标,得到影响视频监控***覆盖情况的指标;该指标具体包括:监控范围指标(划分视频监控区域和圈定待检测区域作为监控范围,根据针对监控范围的视频监控覆盖率要求作为评判标准)、监控设备指标(包括摄像头数量、安装位置和布局、设备类型和性能等)、监控盲点指标(检测区域内未覆盖区域的占比)、以及视野覆盖指标(摄像头的覆盖率,重复覆盖率);
然后,使用指标赋权方法中的层次分析法(Analytic Hierarchy Process)为得到的指标分配权重,以反映其在整体评估中的重要性,最终得出综合的视频监控***覆盖情况评价指标体系,为各指标的评价提供依据。
本步骤的优点在于,通过构建指标体系对视频监控***的覆盖情况进行客观、***化的评估和分析,从而辅助决策者从多个方面综合评估视频监控***的性能和有效性,以及发现潜在的缺陷和改进空间
(3)在文物保护单位三维场景中生成检测物,并根据步骤(2)构建的每个视频监控设备的视频监控设备模型的对检测物的覆盖情况获取视频监控***的覆盖率。
如图2所示,本步骤包括以下子步骤:
(3-1)在文物保护单位三维场景模型中生成多个检测物组成的检测物集合;
本步骤首先使用泊松盘采样算法,在文物保护单位三维场景模型的范围内产生均匀的点阵,然后使用预先制作好的预制体对点阵中的所有点进行实例化,以获取多个分布均匀且随机的检测物组成的检测物集合InitialObj。
使用泊松盘采样算法生成的点经过实例化后生成的检测物可以进行碰撞检测识别,并在分布均匀的随机检测物数量足够多时,可以通过检测物的分布情况模拟不规则的视频监控设备覆盖区域的覆盖情况。。
其中使用的预制体是通过在Unity3D平台中制作一个Cube(立方体)类型的实例,再为其添加盒体碰撞组件和刚体组件的方式实现,该预制体能够通过碰撞检测方法触发事件。
(3-2)设置计数器cnt1=1;
(3-3)判断cnt1是否等于检测物集合InitialObj中的检测物总数,如果是则进入步骤(3-8),否则进入步骤(3-4);
(3-4)使用碰撞检测方法判断检测物集合InitialObj中的第cnt1个检测物是否与步骤(1)中生成的检测区域发生碰撞,如果是则说明第cnt1个检测物在检测区域内,将该检测物加入预先设置的检测区域内检测物集合ObjInTargetRegion,然后进入步骤(3-5);否则说明第cnt1个检测物不在检测区域内,过程结束;
具体而言,本步骤中使用的碰撞检测方法是使用OnTriggerEnter(Collidercollider)函数识别含有刚体和碰撞组件的检测物和检测区域之间的碰撞,通过Collider参数获取有关碰撞的详细信息。
(3-5)判断第cnt1个检测物是否被步骤(2)中构建的任意一个视频监控设备模型的覆盖范围所覆盖,如果是则进入步骤(3-6),否则进入(3-7);
具体而言,本步骤中判断第cnt1个检测物是否被步骤(2)中布设的任意一个视频监控设备模型的覆盖范围所覆盖是通过以下方式进行检测的:
首先使用GeometryUtility.CalculateFrustumPlanes函数获取步骤(2)中布设的所有视频监控设备的视频监控设备模型,然后,使用GetComponent<Renderer>().bounds函数获取第cnt1个检测物的包围盒,最后检测第cnt1个检测物的包围盒是否与步骤(2)构建的任意一个视频监控设备模型的覆盖范围发生碰撞,如果是则说明第cnt1个检测物被步骤(2)中布设的视频监控设备的视频监控设备模型的覆盖范围所覆盖,否则说明没有被其覆盖。
(3-6)判断第cnt1个检测物与覆盖该检测物的视频监控设备之间是否存在遮挡,如果是则说明第cnt1个检测物被遮挡,该检测物为盲区区域内的检测物,设置该检测物的颜色为红色,过程结束;否则说明第cnt1个检测物是被视频监控设备的覆盖范围所覆盖的无遮挡检测物,设置该检测物的颜色为绿色,将该检测物加入预先设置的、被视频监控设备的覆盖范围所覆盖的无遮挡检测物集合ObjInTargetRegion,然后进入步骤(3-7);
具体而言,本步骤的遮挡检验是通过Unity3D平台中的Transform组件得到第cnt1个检测物和步骤(3-5)遍历过程中检测到第cnt1个检测物的包围盒与视频监控设备模型的覆盖范围发生碰撞时对应的视频监控设备的位置信息,创建一条从该视频监控设备到第cnt1个检测物的射线,通过射线检测方法检验该射线是否与文物保护单位场景模型中遮挡层的障碍物发生碰撞,如果是则说明第cnt1个检测物与该视频监控设备之间存在遮挡,否则说明第cnt1个检测物与该视频监控设备之间不存在遮挡。
(3-7)设置cnt1=cnt1+1,并返回步骤(3-3);
(3-8)获取无遮挡检测物集合ObjInCoverageRegion中的检测物数量与检测区域内检测物集合ObjInTargetRegion中检测物数量的比值,作为视频监控***的覆盖率。
(4)根据步骤(3)得到的视频监控***的覆盖率、并使用多目标优化遗传算法(Multi-Objective Genetic Algorithm)对所有视频监控设备进行优化布局,以得到优化布局结果。
如图3所示,本步骤包括以下子步骤:
(4-1)确定多目标优化遗传算法的优化目标为最大化监控覆盖率和最优化视频监控设备数量,将这两个优化目标结合成一个目标函数,使用权重来平衡两个目标的重要性;
(4-2)根据步骤(4-1)中确定的优化目标,对视频监控设备布局问题进行映射处理,以得到一个基因组,该基因组用于表示一种视频监控设备布局方案,其中的每个基因表示某个视频监控设备的位置、偏转角、俯仰角和状态参数(状态参数指的是是否启用该视频监控设备,0代表视频监控设备关闭,1代表视频监控设备开启);
具体而言,基因示例为g1=(x1,y1,pitch1,yaw1,status1),一个基因组示例为G1=[g1,g2,...gn],其中(x,y)表示视频监控设备的位置,pitch为偏转角,yaw为俯仰角,status为状态参数,g代表一个基因,即一个视频监控设备的布设信息,G代表一个基因组,即一种视频监控设备布局方案,其包含n个视频监控设备的布局信息,其中n为自然数;
(4-3)对视频监控设备布局问题中的初始种群进行初始化处理,以将步骤(4-2)中得到的基因组扩展为由M个基因组组成的初始种群,其中M的取值范围是50至200,本实例中选择M为100;
(4-4)将步骤(4-2)确立的目标函数根据视频监控设备布局优化问题的特点和基因的特点映射为遗传算法中的适应度评估问题,以此构建适应度函数,并计算视频监控设备布局方案的适应度值,用于评估步骤(4-3)中M个基因组组成的初始种群;
具体而言,在视频监控设备布局优化问题中,最大化监控覆盖率目标通过视频监控设备布局方案对应的覆盖率进行评估,最优化视频监控设备数量通过计算基因组中视频监控设备的数量来评估。
(4-5)根据步骤(4-4)得到的适应度值对初始种群进行迭代优化,以获取优化后的视频监控设备布局方案。
具体而言,本步骤包括以下子步骤:
(4-5-1)根据步骤(4-4)得到的适应度值、并使用轮盘赌选择法(Roulette-wheelselection)从所有视频监控设备布局方案中选择适应度值最高的基因组,即最优视频监控设备布局方案作为父代;
(4-5-2)使用单点交叉策略(Single-point crossover)对步骤(4-5-1)选定的父代进行交叉操作,以生成子代;
(4-5-3)对步骤(4-5-2)生成的子代进行变异操作,以生成一个新的子代;
具体而言,本步骤是通过对视频监控设备进行位置微调、角度调整等实现变异操作实现变异操作,为子代引入随机值。
(4-5-4)将步骤(4-5-3)得到的子代和步骤(4-5-1)中选择的父代进行结合,形成新种群。
(4-5-5)重复上述步骤(4-5-1)至(4-5-4)达预定迭代次数(其是根据实际模拟情况设置,在本实例中为200次)或视频监控***的覆盖率达到预设阈值(在本实例中为95%)为止,将步骤(4-5-4)中得到的新种群中适应度值最高的基因组作为最优视频监控***布局方案输出;
(4-6)通过步骤(2)中构建的视频监控***覆盖情况评价指标体系评估步骤(4-5)优化后的视频监控设备布局方案的有效性,并得到优化布局结果。
本步骤的优点在于,将智能优化算法结合到视频监控***覆盖情况的分析当中,实现对视频监控设备布局方案的自动优化。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于三维场景的视频监控覆盖效果可视化评估方法,其特征在于,包括以下步骤:
(1)根据文物保护单位对安防监控区域的要求确定监控目标,在预先构建的文物保护单位三维场景模型中生成与该监控目标对应的检测区域;步骤(1)具体为,首先根据文物保护单位对安防监控区域的要求确定监控目标,根据场景对出入人员和场景周围经过人员监测的需要,选择出入口区域和边界区域作为监控目标,然后,获取该监控目标在预先构建的文物保护单位三维场景模型中的对应位置,通过绘制不规则图形来表示监控目标对应的区域,再为该不规则图形添加复合碰撞器和触发器,从而最终得到监控目标映射在文物保护单位三维场景中的具有碰撞检测功能的检测区域;
(2)通过分析步骤(1)中生成的检测区域对视频监控覆盖效果的需求,根据预先建立的视频监控***覆盖情况评价指标体系中影响检测区域视频监控覆盖效果需求的指标,制定视频监控***的视频监控设备布局方案,其中视频监控***包括多台视频监控设备,并按照视频监控设备布局方案在文物保护单位三维场景模型中放置摄像机组件来模拟布设多个视频监控设备;再根据视频监控***覆盖效果可视化的需求,为每个视频监控设备的摄像机组件构建具有可视化功能的视频监控设备模型;步骤(2)具体为,首先,分析检测区域视频监控覆盖效果的需求,然后根据预先建立的视频监控***覆盖情况评价指标体系得到影响视频监控覆盖效果的指标和其对应的权重,接着根据指标对应的权重高低综合考虑影响检测区域视频监控覆盖效果的指标,制定视频监控设备的布局方案以满足检测区域视频监控覆盖效果的需求,该方案对所有视频监控设备的安装位置、镜头视角、监控范围参数进行设置,随后,将视频监控***中所有视频监控设备按照视频监控设备布局方案布设到步骤(1)得到的检测区域上,以得到初始视频监控模块,其中视频监控设备在文物保护单位三维场景模型中布设时,是通过在视频监控设备布局方案中预设视频监控位置、角度、视距参数,并将Unity3D平台中的摄像机组件放置在视频监控设备布局方案中视频监控设备的对应位置上来模拟视频监控设备在真实场景中的布局情况,最后,再根据视频监控***覆盖效果可视化的需求为初始视频监控模块中的每个视频监控设备的摄像机组件添加仿真功能和可视化展示效果,得到具有仿真功能和可视化展示效果的视频监控设备模型;具体而言,本过程首先是模拟真实情况下的视频监控设备动态调整过程,为摄像机组件添加平移、旋转功能;再根据视频监控设备的视锥形状,使用射线绘制视频监控设备的覆盖范围效果图,并结合射线检测算法动态识别视频监控设备的视频监控区域内的障碍物,实现遮挡剔除效果;由此,视频监控设备模型模拟一台真实视频监控设备的交互过程并展示障碍遮挡的可视化效果,得到了具有仿真功能和可视化展示效果的视频监控设备模型;
(3)在文物保护单位三维场景中生成检测物,并根据步骤(2)构建的每个视频监控设备的视频监控设备模型的对检测物的覆盖情况获取视频监控***的覆盖率;步骤(3)包括以下子步骤:
(3-1)在文物保护单位三维场景模型中生成多个检测物组成的检测物集合;
(3-2)设置计数器cnt1=1;
(3-3)判断cnt1是否等于检测物集合InitialObj中的检测物总数,如果是则进入步骤(3-8),否则进入步骤(3-4);
(3-4)使用碰撞检测方法判断检测物集合InitialObj中的第cnt1个检测物是否与步骤(1)中生成的检测区域发生碰撞,如果是则说明第cnt1个检测物在检测区域内,将该检测物加入预先设置的检测区域内检测物集合ObjInTargetRegion,然后进入步骤(3-5);否则说明第cnt1个检测物不在检测区域内,过程结束;
(3-5)判断第cnt1个检测物是否被步骤(2)中构建的任意一个视频监控设备模型的覆盖范围所覆盖,如果是则进入步骤(3-6),否则进入(3-7);
(3-6)判断第cnt1个检测物与覆盖该检测物的视频监控设备之间是否存在遮挡,如果是则说明第cnt1个检测物被遮挡,该检测物为盲区区域内的检测物,设置该检测物的颜色为红色,过程结束;否则说明第cnt1个检测物是被视频监控设备的覆盖范围所覆盖的无遮挡检测物,设置该检测物的颜色为绿色,将该检测物加入预先设置的、被视频监控设备的覆盖范围所覆盖的无遮挡检测物集合ObjInTargetRegion,然后进入步骤(3-7);
(3-7)设置cnt1=cnt1+1,并返回步骤(3-3);
(3-8)获取无遮挡检测物集合ObjInCoverageRegion中的检测物数量与检测区域内检测物集合ObjInTargetRegion中检测物数量的比值,作为视频监控***的覆盖率;
(4)根据步骤(3)得到的视频监控***的覆盖率、并使用多目标优化遗传算法对所有视频监控设备进行优化布局,以得到优化布局结果;步骤(4)包括以下子步骤:
(4-1)确定多目标优化遗传算法的优化目标为最大化监控覆盖率和最优化视频监控设备数量,将这两个优化目标结合成一个目标函数,使用权重来平衡两个目标的重要性;
(4-2)根据步骤(4-1)中确定的优化目标,对视频监控设备布局问题进行映射处理,以得到一个基因组,该基因组用于表示一种视频监控设备布局方案,其中的每个基因表示某个视频监控设备的位置、偏转角、俯仰角和状态参数;
(4-3)对视频监控设备布局问题中的初始种群进行初始化处理,以将步骤(4-2)中得到的基因组扩展为由M个基因组组成的初始种群,其中M的取值范围是50至200;
(4-4)将步骤(4-1)确立的目标函数根据视频监控设备布局优化问题的特点和基因的特点映射为遗传算法中的适应度评估问题,以此构建适应度函数,并计算视频监控设备布局方案的适应度值,用于评估步骤(4-3)中M个基因组组成的初始种群;
(4-5)根据步骤(4-4)得到的适应度值对初始种群进行迭代优化,以获取优化后的视频监控设备布局方案;
(4-6)通过步骤(2)中构建的视频监控***覆盖情况评价指标体系评估步骤(4-5)优化后的视频监控设备布局方案的有效性,并得到优化布局结果。
2.根据权利要求1所述的基于三维场景的视频监控覆盖效果可视化评估方法,其特征在于,文物保护单位三维场景模型是通过以下步骤构建的:
(1-1)获取文物保护单位的场景数据;
(1-2)通过3DMAX平台中的建模工具和编辑器对步骤(1-1)得到的场景数据进行处理和建模,以构建文物保护单位三维场景模型,其包括场地模型和建筑模型;
(1-3)将步骤(1-2)构建的场景模型导出为FBX格式,并将导出后的场景模型导入到Unity3D平台中,以获取文物保护单位三维场景模型。
3.根据权利要求2所述的基于三维场景的视频监控覆盖效果可视化评估方法,其特征在于,视频监控***覆盖情况评价指标体系是通过以下的过程进行构建的:
首先根据步骤(1)中选择的监控目标,得到影响视频监控***覆盖情况的指标;该指标具体包括:监控范围指标、监控设备指标、监控盲点指标、以及视野覆盖指标;
然后,使用指标赋权方法中的层次分析法为得到的指标分配权重,以反映其在整体评估中的重要性,最终得出综合的视频监控***覆盖情况评价指标体系,为各指标的评价提供依据。
4.根据权利要求3所述的基于三维场景的视频监控覆盖效果可视化评估方法,其特征在于,
步骤(3-1)首先使用泊松盘采样算法,在文物保护单位三维场景模型的范围内产生均匀的点阵,然后使用预先制作好的预制体对点阵中的所有点进行实例化,以获取多个分布均匀且随机的检测物组成的检测物集合InitialObj,其中使用的预制体是通过在Unity3D平台中制作一个立方体类型的实例,再为其添加盒体碰撞组件和刚体组件的方式实现,该预制体能够通过碰撞检测方法触发事件;
步骤(3-5)中判断第cnt1个检测物是否被步骤(2)中布设的任意一个视频监控设备模型的覆盖范围所覆盖是通过以下方式进行检测的:首先使用GeometryUtility.CalculateFrustumPlanes函数获取步骤(2)中布设的所有视频监控设备的视频监控设备模型,然后,使用GetComponent<Renderer>().bounds函数获取第cnt1个检测物的包围盒,最后检测第cnt1个检测物的包围盒是否与步骤(2)构建的任意一个视频监控设备模型的覆盖范围发生碰撞,如果是则说明第cnt1个检测物被步骤(2)中布设的视频监控设备的视频监控设备模型的覆盖范围所覆盖,否则说明没有被其覆盖;
步骤(3-6)中的遮挡检验是通过Unity3D平台中的Transform组件得到第cnt1个检测物和步骤(3-5)遍历过程中检测到第cnt1个检测物的包围盒与视频监控设备模型的覆盖范围发生碰撞时对应的视频监控设备的位置信息,创建一条从该视频监控设备到第cnt1个检测物的射线,通过射线检测方法检验该射线是否与文物保护单位场景模型中遮挡层的障碍物发生碰撞,如果是则说明第cnt1个检测物与该视频监控设备之间存在遮挡,否则说明第cnt1个检测物与该视频监控设备之间不存在遮挡。
5.根据权利要求4所述的基于三维场景的视频监控覆盖效果可视化评估方法,其特征在于,步骤(4-5)包括以下子步骤:
(4-5-1)根据步骤(4-4)得到的适应度值、并使用轮盘赌选择法从所有视频监控设备布局方案中选择适应度值最高的基因组作为父代;
(4-5-2)使用单点交叉策略对步骤(4-5-1)选定的父代进行交叉操作,以生成子代;
(4-5-3)对步骤(4-5-2)生成的子代进行变异操作,以生成一个新的子代;
(4-5-4)将步骤(4-5-3)得到的子代和步骤(4-5-1)中选择的父代进行结合,形成新种群;
(4-5-5)重复上述步骤(4-5-1)至(4-5-4)达预定迭代次数或视频监控***的覆盖率达到预设阈值为止,将步骤(4-5-4)中得到的新种群中适应度值最高的基因组作为最优视频监控***布局方案输出。
6.一种基于三维场景的视频监控覆盖效果可视化评估***,其特征在于,包括:
第一模块,用于根据文物保护单位对安防监控区域的要求确定监控目标,在预先构建的文物保护单位三维场景模型中生成与该监控目标对应的检测区域;第一模块具体为,首先根据文物保护单位对安防监控区域的要求确定监控目标,根据场景对出入人员和场景周围经过人员监测的需要,选择出入口区域和边界区域作为监控目标,然后,获取该监控目标在预先构建的文物保护单位三维场景模型中的对应位置,通过绘制不规则图形来表示监控目标对应的区域,再为该不规则图形添加复合碰撞器和触发器,从而最终得到监控目标映射在文物保护单位三维场景中的具有碰撞检测功能的检测区域;
第二模块,用于通过分析第一模块生成的检测区域对视频监控覆盖效果的需求,根据预先建立的视频监控***覆盖情况评价指标体系中影响检测区域视频监控覆盖效果需求的指标,制定视频监控***的视频监控设备布局方案,其中视频监控***包括多台视频监控设备,并按照视频监控设备布局方案在文物保护单位三维场景模型中放置摄像机组件来模拟布设多个视频监控设备;再根据视频监控***覆盖效果可视化的需求,为每个视频监控设备的摄像机组件构建具有可视化功能的视频监控设备模型;第二模块具体为,首先,分析检测区域视频监控覆盖效果的需求,然后根据预先建立的视频监控***覆盖情况评价指标体系得到影响视频监控覆盖效果的指标和其对应的权重,接着根据指标对应的权重高低综合考虑影响检测区域视频监控覆盖效果的指标,制定视频监控设备的布局方案以满足检测区域视频监控覆盖效果的需求,该方案对所有视频监控设备的安装位置、镜头视角、监控范围参数进行设置,随后,将视频监控***中所有视频监控设备按照视频监控设备布局方案布设到第一模块得到的检测区域上,以得到初始视频监控模块,其中视频监控设备在文物保护单位三维场景模型中布设时,是通过在视频监控设备布局方案中预设视频监控位置、角度、视距参数,并将Unity3D平台中的摄像机组件放置在视频监控设备布局方案中视频监控设备的对应位置上来模拟视频监控设备在真实场景中的布局情况,最后,再根据视频监控***覆盖效果可视化的需求为初始视频监控模块中的每个视频监控设备的摄像机组件添加仿真功能和可视化展示效果,得到具有仿真功能和可视化展示效果的视频监控设备模型;具体而言,本过程首先是模拟真实情况下的视频监控设备动态调整过程,为摄像机组件添加平移、旋转功能;再根据视频监控设备的视锥形状,使用射线绘制视频监控设备的覆盖范围效果图,并结合射线检测算法动态识别视频监控设备的视频监控区域内的障碍物,实现遮挡剔除效果;由此,视频监控设备模型模拟一台真实视频监控设备的交互过程并展示障碍遮挡的可视化效果,得到了具有仿真功能和可视化展示效果的视频监控设备模型;
第三模块,用于在文物保护单位三维场景中生成检测物,并根据第二模块构建的每个视频监控设备的视频监控设备模型的对检测物的覆盖情况获取视频监控***的覆盖率;第三模块包括:
第一子模块,用于在文物保护单位三维场景模型中生成多个检测物组成的检测物集合;
第二子模块,用于设置计数器cnt1=1;
第三子模块,用于判断cnt1是否等于检测物集合InitialObj中的检测物总数,如果是则进入第八子模块,否则进入第四子模块;
第四子模块,用于使用碰撞检测方法判断检测物集合InitialObj中的第cnt1个检测物是否与第一模块生成的检测区域发生碰撞,如果是则说明第cnt1个检测物在检测区域内,将该检测物加入预先设置的检测区域内检测物集合ObjInTargetRegion,然后进入第五子模块;否则说明第cnt1个检测物不在检测区域内,过程结束;
第五子模块,用于判断第cnt1个检测物是否被第二模块构建的任意一个视频监控设备模型的覆盖范围所覆盖,如果是则进入第六子模块,否则进入第七子模块;
第六子模块,用于判断第cnt1个检测物与覆盖该检测物的视频监控设备之间是否存在遮挡,如果是则说明第cnt1个检测物被遮挡,该检测物为盲区区域内的检测物,设置该检测物的颜色为红色,过程结束;否则说明第cnt1个检测物是被视频监控设备的覆盖范围所覆盖的无遮挡检测物,设置该检测物的颜色为绿色,将该检测物加入预先设置的、被视频监控设备的覆盖范围所覆盖的无遮挡检测物集合ObjInTargetRegion,然后进入第七子模块;
第七子模块,用于设置cnt1=cnt1+1,并返回第三子模块;
第八子模块,用于获取无遮挡检测物集合ObjInCoverageRegion中的检测物数量与检测区域内检测物集合ObjInTargetRegion中检测物数量的比值,作为视频监控***的覆盖率;
第四模块,用于根据第三模块得到的视频监控***的覆盖率、并使用多目标优化遗传算法对所有视频监控设备进行优化布局,以得到优化布局结果;第四模块包括:
第九子模块,用于确定多目标优化遗传算法的优化目标为最大化监控覆盖率和最优化视频监控设备数量,将这两个优化目标结合成一个目标函数,使用权重来平衡两个目标的重要性;
第十子模块,用于根据第九子模块确定的优化目标,对视频监控设备布局问题进行映射处理,以得到一个基因组,该基因组用于表示一种视频监控设备布局方案,其中的每个基因表示某个视频监控设备的位置、偏转角、俯仰角和状态参数;
第十一子模块,用于对视频监控设备布局问题中的初始种群进行初始化处理,以将第十子模块得到的基因组扩展为由M个基因组组成的初始种群,其中M的取值范围是50至200;
第十二子模块,用于将第九子模块确立的目标函数根据视频监控设备布局优化问题的特点和基因的特点映射为遗传算法中的适应度评估问题,以此构建适应度函数,并计算视频监控设备布局方案的适应度值,用于评估第十一子模块中M个基因组组成的初始种群;
第十三子模块,用于根据第十二子模块得到的适应度值对初始种群进行迭代优化,以获取优化后的视频监控设备布局方案;
第十四子模块,用于通过第二模块构建的视频监控***覆盖情况评价指标体系评估第十三子模块优化后的视频监控设备布局方案的有效性,并得到优化布局结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311014537.9A CN117119148B (zh) | 2023-08-14 | 2023-08-14 | 基于三维场景的视频监控效果可视化评估方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311014537.9A CN117119148B (zh) | 2023-08-14 | 2023-08-14 | 基于三维场景的视频监控效果可视化评估方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117119148A CN117119148A (zh) | 2023-11-24 |
CN117119148B true CN117119148B (zh) | 2024-02-02 |
Family
ID=88810334
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311014537.9A Active CN117119148B (zh) | 2023-08-14 | 2023-08-14 | 基于三维场景的视频监控效果可视化评估方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117119148B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102007048857A1 (de) * | 2007-10-11 | 2009-04-16 | Robert Bosch Gmbh | Verfahren zur Erzeugung und/oder Aktualisierung von Texturen von Hintergrundobjektmodellen, Videoüberwachungssystem zur Durchführung des Verfahrens sowie Computerprogramm |
KR20190058230A (ko) * | 2017-11-20 | 2019-05-29 | (주)포스트미디어 | 감시카메라 배치 모델링 시스템 및 방법 |
CN112445995A (zh) * | 2020-11-30 | 2021-03-05 | 北京邮电大学 | WebGL下的场景融合展示方法及装置 |
CN113489952A (zh) * | 2021-06-30 | 2021-10-08 | 电子科技大学 | 一种面向室内三维场景的视频监控设施布设方法 |
CN113643149A (zh) * | 2021-07-07 | 2021-11-12 | 国网四川省电力公司 | 一种面向全覆盖监控的变电站监控布局优化方法及装置 |
CN114510865A (zh) * | 2021-12-06 | 2022-05-17 | 国网四川省电力公司眉山供电公司 | 一种基于Unity3D视频监控可视化布局优化的方法 |
CN115879181A (zh) * | 2022-12-01 | 2023-03-31 | 西安中创新能网络科技有限责任公司 | 基于三维感知模型的视频传感器覆盖优化方法及装置 |
-
2023
- 2023-08-14 CN CN202311014537.9A patent/CN117119148B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102007048857A1 (de) * | 2007-10-11 | 2009-04-16 | Robert Bosch Gmbh | Verfahren zur Erzeugung und/oder Aktualisierung von Texturen von Hintergrundobjektmodellen, Videoüberwachungssystem zur Durchführung des Verfahrens sowie Computerprogramm |
KR20190058230A (ko) * | 2017-11-20 | 2019-05-29 | (주)포스트미디어 | 감시카메라 배치 모델링 시스템 및 방법 |
CN112445995A (zh) * | 2020-11-30 | 2021-03-05 | 北京邮电大学 | WebGL下的场景融合展示方法及装置 |
CN113489952A (zh) * | 2021-06-30 | 2021-10-08 | 电子科技大学 | 一种面向室内三维场景的视频监控设施布设方法 |
CN113643149A (zh) * | 2021-07-07 | 2021-11-12 | 国网四川省电力公司 | 一种面向全覆盖监控的变电站监控布局优化方法及装置 |
CN114510865A (zh) * | 2021-12-06 | 2022-05-17 | 国网四川省电力公司眉山供电公司 | 一种基于Unity3D视频监控可视化布局优化的方法 |
CN115879181A (zh) * | 2022-12-01 | 2023-03-31 | 西安中创新能网络科技有限责任公司 | 基于三维感知模型的视频传感器覆盖优化方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN117119148A (zh) | 2023-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112052503B (zh) | 一种基于人工智能的商业街区建筑体块生成的方法 | |
US20220309201A1 (en) | Artificial-intelligence-assisted method for providing urban design form and layout with improved wind environment | |
US8442306B2 (en) | Volume-based coverage analysis for sensor placement in 3D environments | |
CN107742093A (zh) | 一种红外图像电力设备部件实时检测方法、服务器及*** | |
JP5430999B2 (ja) | 防犯性能評価方法、防犯性能評価システム、および防犯性能評価プログラム | |
CN110362923B (zh) | 基于三维可视域分析的三维监控覆盖率方法及监控安装方法和监控*** | |
CN107843913A (zh) | 辐射场的3d显示方法和装置 | |
JP4803581B2 (ja) | 景観解析方法とこの方法を実行するコンピュータプログラムおよびこのプログラムを格納した媒体 | |
Pratt et al. | A method for the design and analysis of parametric building energy models | |
CN107480826A (zh) | 基于gis的输电线路覆冰预警三维***的应用 | |
CN107340534A (zh) | 一种基于三维地形坡度坡向的观测***炮点优化设计方法 | |
CN112347705A (zh) | 一种建立变电站厂界噪声模型的方法和*** | |
CN117119148B (zh) | 基于三维场景的视频监控效果可视化评估方法和*** | |
Gao et al. | The influence of surrounding buildings on the natural ventilation performance of residential dwellings in Hong Kong | |
KR100683120B1 (ko) | 일조권 침해 분석 시스템 및 그 방법 | |
Liu et al. | Quantifying the effects of urban fabric and vegetation combination pattern to mitigate particle pollution in near-road areas using machine learning | |
CN107885913A (zh) | 辐射场屏蔽方案可行性判别方法、装置、计算机设备及存储介质 | |
Shen et al. | Geosimulation model using geographic automata for simulating land-use patterns in urban partitions | |
DE112014005225T5 (de) | Simulationsvorrichtung, Simulationsverfahren und Simulationsprogramm | |
Hågbo et al. | Sensitivity of urban morphology and the number of CFD simulated wind directions on pedestrian wind comfort and safety assessments | |
JP2015133075A (ja) | 景観定量化装置 | |
Mohseni et al. | Proposing an adapted visibility analysis methodology for the building height codes of the Shiraz development plan | |
Sousa et al. | Empirical analysis of three wind simulation tools to support urban planning in early stages of design | |
Rodrigues et al. | Improving the design of an open auditorium: On the relationship between flow dynamics and building arrangement | |
Gu et al. | CIM-powered physics-based assessment of wind damages to building clusters considering trees |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |