面向交通感知的视频传感器感知能力分层认知方法及装置制造方法及图纸

本发明专利技术涉及智慧城市地理信息服务技术领域，尤其涉及一种面向交通感知的视频传感器感知能力分层认知方法及装置。本发明专利技术针对视频传感器感知能力难以准确评估的问题，构建了面向交通要素感知的视频传感器的感知能力标准，提出了视频传感器理论最大感知能力和瞬时感知能力的分层认知方法及装置。比较现有的视频传感器能力评估模型，本发明专利技术方法通过分层的思想实现了视频传感器感知能力的精细化评估，为面向交通感知的视频传感器感知能力分层认知提供了一种新的思路和方法，有利于对不同观测要素、不同感知精度下的视频传感器感知能力进行准确评价，能够为交通场景下视频传感器的能力优化与协作提供决策支持。优化与协作提供决策支持。优化与协作提供决策支持。

【技术实现步骤摘要】
面向交通感知的视频传感器感知能力分层认知方法及装置


[0001]本专利技术涉及智慧城市地理信息服务
，尤其涉及一种面向交通感知的视频传感器感知能力分层认知方法及装置。

技术介绍

[0002]视频传感器是智慧城市感知基础设施中的重要组成部分，具有全天候、实时、连续监测的特性，能够获得传感器视域范围内的目标运动状况，在城市交通感知和突发公共事件应急感知中得到广泛应用。根据研究机构IHS Markit发布的报告中指出，到2021年全球视频监控摄像头数量将超过10亿，仅中国就有5.6亿，视频传感器已成为最常见的事件感知记录工具。随着视频传感器技术的不断发展，人们对于视频传感器的需求不再停留在简单的视频监控和信息提取，对视频传感器感知能力的精细认知与定量计算的需求也日益迫切(如作者高飞于2018年在南京师范大学发表的视频传感器网络多目标多要素三维覆盖优化调度方法)。
[0003]目前的监控相机覆盖模型大多是把相机瞬时视域抽象成一个扇形、梯形或三角形(如作者王友文于2020年在南京师范大学发表的室内监控相机三维覆盖优化方法)，而对于PTZ相机，其感知范围可以用全向感知模型来描述，对于枪机类型的视频传感器，则可以用有向覆盖模型来描述(如作者陶丹、马华东于2011在软件学报上发表的有向传感器网络覆盖控制算法，刊号为：22(10):2317
‑
2334)。在大部分研究中，默认视频传感器视域内每一个点的可见度是一样的，且主要关注将点线面实体要素覆盖在视域内，并不能回答监测要素在视域内能否看的清楚、在多远的距离内可以看的清楚，缺乏对视频传感器感知能力标准的准确定义(Cohen N,Gattuso J,MacLennan
‑
Brown K.CCTV Operational Requirements Manual[M].UK:Home Office Scientific Development Branch,2009:14
‑
15)，无法区分视域内对不同要素的观效果。因此，需要针对不同目标要素划定观测清晰度标准。1958年Johnson提出约翰逊准则(J.Johnson,Analysis of image forming systems,in Proc.Image Intensifier Symp.,pp.249
‑
273,Warfare Vision Branch,Electrical Engineering Department,U.S.Army Engineering Branch and Development Laboratories,Ft.Belvoir,VA,1958.)，在不考虑目标本质和图像缺陷的情况下，根据分辨率标准和传感器上像素之间的相关性，以目标等效条纹数可分辨力来确定传感器成像系统对目标的识别能力，等效条纹可进一步转化为有效像素个数。约翰逊准则定义了视频传感器对目标要素侦测、识别、鉴别的具体标准，建立在严格的工程实验基础上，几十年间得到了广泛应用(Gerald C Holst.Electro
‑
Optical Imaging System Performance[M].4th,Beijing:National Defense Industry Press,2015:30
‑
40)。
[0004]随着城市交通拥堵问题日益严重，对于城市交通构成的主要要素：人、车的感知需求也逐渐提高。对于城市人、车要素而言，考虑现实需求的多样性，如在收费站等关键交通节点处需要详细记录车牌、人脸等信息，而在区域路段、收费广场等大范围区域，实现车辆、人员计数和基本车型、目标动作识别即可。因此，不同要素的观测需求不同，相机能力范围
也有不同，对人、车要素的视频传感器感知能力进行分层认知和定量计算，准确表征视频传感器感知能力范围，有利于对各类交通要素和事件的综合感知和及时响应；通过分析感知能力不足的区域，还可为有限观测资源的优化配置提供决策支持。
[0005]综上所述，面向交通感知的视频传感器感知能力认知主要问题是：
[0006]现有研究一般认为目标要素处于视频传感器视域范围内即被覆盖，但不关心视域范围内特定目标要素的具体感知能力，即能否看的清楚、多远距离可以看的清楚。因此，尚缺乏一种针对特定目标要素在视频传感器覆盖范围内不同位置感知能力的评价标准，从而无法对视频传感器在空间上的有效覆盖范围进行准确评价。

技术实现思路

[0007]本专利技术要解决的技术问题主要在于，提供一种针对特定目标要素在视频传感器覆盖范围内不同位置感知能力的评价标准，实现对视频传感器在空间上的有效覆盖范围进行准确评价。
[0008]为了实现上述目的，本专利技术基于约翰逊标准，采用能力分层的思想，通过定义传感器在覆盖范围内对不同要素的感知能力距离标准，根据目标要素的有效观测范围划分能力层级，对视频传感器感知能力进行分层认知与定量计算。
[0009]根据本专利技术的一个方面，本专利技术提供了一种面向交通感知的视频传感器感知能力分层认知方法，包括以下步骤：
[0010]S1：定义交通感知的观测任务，根据所述观测任务确定交通场景的观测要素类型、感知精度和观测空间范围；
[0011]S2：根据所述观测要素类型、感知精度和观测空间范围，基于约翰逊准则建立视频传感器的感知能力标准，根据所述感知能力标准得到不同观测任务对应的有效像素个数；
[0012]S3：基于所述不同观测任务对应的有效像素个数，计算特定观测任务下视频传感器的理论最大感知能力；
[0013]S4：基于所述不同观测任务对应的有效像素个数，根据具体观测角度计算特定观测任务下视频传感器的瞬时感知能力。
[0014]优选地，步骤S1包括以下子步骤：
[0015]S1
‑
1：定义交通感知的观测任务，获取所述观测任务对应的道路交通场景；
[0016]S1
‑
2：根据所述道路交通场景确定交通场景的观测要素类型，所述观测要素类型包括人和车；
[0017]S1
‑
3：根据所述观测要素类型的侦测、识别和鉴别不同观测需求，将交通观测要素的感知精度划分为低精度、中精度、高精度三类；视频传感器按照高精度进行感知时，感知要素的鉴别信息，如人脸信息以及车牌信息等；视频传感器按照中精度进行感知时，感知要素的类别识别信息，如人、车的区分；所述视频传感器采用低精度感知时，仅进行计数；
[0018]S1
‑
4：根据所述观测任务确定观测的空间范围，对所述空间范围内的观测要素进行感知。空间范围的定义为研究区，空间范围确定之后才能进行视频传感器感知能力等的计算。
[0019]优选地，步骤S2包括以下子步骤：
[0020]S2
‑
1：根据观测要素的感知精度级别，确定特定交通场景下观测要素的具体观测
内容；特定交通场景包括道路交叉路口、高速收费站等，观测内本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向交通感知的视频传感器感知能力分层认知方法，其特征在于，包括以下步骤：S1：定义交通感知的观测任务，根据所述观测任务确定交通场景的观测要素类型、感知精度和观测空间范围；S2：根据所述观测要素类型、感知精度和观测空间范围，基于约翰逊准则建立视频传感器的感知能力标准，根据所述感知能力标准得到不同观测任务对应的有效像素个数；S3：基于所述不同观测任务对应的有效像素个数，计算特定观测任务下视频传感器的理论最大感知能力；S4：基于所述不同观测任务对应的有效像素个数，根据具体观测角度计算特定观测任务下视频传感器的瞬时感知能力。2.如权利要求1所述的面向交通感知的视频传感器感知能力分层认知方法，其特征在于，步骤S1包括以下子步骤：S1
‑
1：定义交通感知的观测任务，获取所述观测任务对应的道路交通场景；S1
‑
2：根据所述道路交通场景确定交通场景的观测要素类型，所述观测要素类型包括人和车；S1
‑
3：根据所述观测要素类型的不同观测需求，将交通观测要素的感知精度划分为低精度、中精度、高精度三类；S1
‑
4：根据所述观测任务确定观测的空间范围，对所述空间范围内的观测要素进行感知。3.如权利要求1所述的面向交通感知的视频传感器感知能力分层认知方法，其特征在于，步骤S2包括以下子步骤：S2
‑
1：根据观测要素的感知精度级别，确定特定交通场景下观测要素的具体观测内容；S2
‑
2：根据约翰逊准则规定的目标识别等级，确定不同目标识别等级与观测要素的观测精度的对应关系；S2
‑
3：根据所述不同目标识别等级与观测要素的观测精度的对应关系，建立视频传感器的感知能力标准，确定不同观测任务对应的有效像素个数。4.如权利要求1所述的面向交通感知的视频传...

【专利技术属性】
技术研发人员：王珂，陆瑶，闵鑫，胡楚丽，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：