用于为监视相机选择位置和朝向的方法和系统的制作方法
【专利摘要】本发明公开了用于为监视相机选择位置和朝向的方法和系统。本发明涉及用于监视区域的相机放置的领域，并且更具体地涉及在包含监视区的区域中辅助相机放置的领域。本发明基于以下实现：在许多情况中，监视区的监视需要以所要求的入射视角(110)执行，以便帮助该区域(106)的监视。本发明提供用于为区域(106)中的一个或多个监视相机(102)选择位置和朝向的方法、系统和计算机可读记录介质，所述区域至少包括监视区(108)。
【专利说明】用于为监视相机选择位置和朝向的方法和系统
【技术领域】
[0001] 本发明涉及用于监视区域的相机放置的领域，更具体地涉及在包含监视区的区域 中辅助相机放置的领域。
【背景技术】
[0002] 区域的视频监视已经例如由监控行业使用多年。当在区域中设置一个或多个摄像 机以监视该区域时，考虑到该区域的配置（例如，该区域中像柱或墙这样的阻挡物），相机 最佳设置可能难以实现。在许多情况中，训练有素的人员需要使用她/他的专业知识来设 置监视系统。
[0003] US2012/0307067 (陈等人）涉及一种用于自动相机放置的系统和方法。在此文献 中公开的方法包括：将该区域分隔成例如监控区、非监控区、空白区和/或阻挡物。该方法 进一步包括：选择并改变例如相机数量、相机的位置或朝向和/或相机的型号，然后使用适 应度函数来选择相机数量、相机的位置或朝向和/或相机的型号。在US2012/0307067中公 开的此方法可以帮助何时选择相机设置，但是当设置视频监视系统时需要考虑更多特征和 约束。
【发明内容】
[0004] 鉴于上文，本发明的目的是提供一种用于为区域中的一个或多个监视相机选择位 置和朝向的改进的方法、系统和计算机可读记录介质，其中所述区域至少包括监视区。一般 地，上面的目的是通过所附的独立专利权利要求实现的。
[0005] 根据第一方面，本发明是是通过一种用于为区域中的一个或多个监视相机选择位 置和朝向的方法实现的，所述区域至少包括监视区，所述方法包括以下步骤：由处理器接收 关于所述区域的数据；由所述处理器使用所述数据对虚拟区进行建模；由所述处理器评估 适应度函数的迭代，所述适应度函数包括：所述一个或多个监视相机在所述虚拟区内的位 置和朝向，以计算关于所述一个或多个监视相机的模拟覆盖区并且计算关于所述监视区的 模拟入射视角；由所述处理器选择所述适应度函数的适应解，所述适应解包括所述一个或 多个监视相机的位置和朝向，其中该选择基于关于所述一个或多个监视相机计算的模拟覆 盖区、关于所述监视区计算的模拟入射视角、以及关于所述监视区所要求的入射视角。
[0006] 在本说明书的上下文中，术语"适应度函数"应当被理解为一种用于计算当前解 (即，适应解）有多优的度量的函数。
[0007] 在本说明书的上下文中，术语"朝向"应当被理解为相机的摇摄和倾斜角度的组合 或者仅相机的摇摄角度或倾斜角度。摇摄是相机在水平面内旋转的角度，而倾斜是相机在 坚直面内旋转的角度。
[0008] 在本说明书的上下文中，术语"监视区"应当被理解为需要由至少一个相机监视的 区域的子区域（或者在一些情况中，全部的区域）。这种区域的示例可以是博物馆的著名绘 画、银行闸门的入口或装配线中的产品安全评估区。监视区可以包括一个连续的区域或数 个分离的区域。
[0009] 在本说明书的上下文中，术语"入射视角"应当被理解为由相机监视的区域或所述 区域的对象或所述区域的一部分的角度。该角度可以在一维、二维或三维中表达。所要求 的入射视角可以指定角的范围或最大角或最小角。
[0010] 在本说明书的上下文中，术语"虚拟区"应当被理解为所述区域的任何适合的计算 机表示。多边形表示是最常见的，但是矢量表示，例如通过使用代表该区域的表面的等值面 的矢量表示，同样是可能的。根据更多实施例，采用基于离散点的表示，如水平集。
[0011] 在本说明书的上下文中，术语"覆盖区"应当被理解为被放置在该位置的至少一个 相机会监视的范围的区域。
[0012] 本发明基于以下实现：在许多情况中，监视区的监视需要以所要求的入射视角执 行，以便帮助该区域的监视。例如，当监视通过门口进入区域的人时，相机有利地被放置在 门口前方并且以平均人的高度对准门口中的位置，以帮助例如进入该区域的人的面部识 另IJ。当监视装配线时，相机有利地被放置，使得以产品的最多部分可见的角度监视产品，等 等。
[0013] 根据实施例，在每次迭代中改变所述一个或多个监视相机中至少一个在所述虚拟 区内的位置和朝向中的至少一个，并且其中所述适应度函数的迭代被评估，直至所述适应 解包括完全地覆盖所述监视区的模拟覆盖区，并且所述适应解符合关于所述监视区要求的 入射视角。
[0014] 此实施例进一步促进所述监视区的监视，因为全部的监视区将被监视。当然，可能 存在监视相机不能监视全部监视区的情况。对于那些情况，可以配置最大数量的迭代。当 适应度函数达到最大数量的迭代时，选择最佳适应解，例如所模拟的覆盖区几乎覆盖监视 区但所要求的入射视角被实现的解。可以注意，可以进行适应度函数的迭代，即使发现包括 完全地覆盖所述监视区的模拟覆盖区以及关于所述监视区所要求的入射视角的适应解。
[0015] 根据进一步的实施例，选择适应解的步骤进一步基于对由监视所述监视区的所述 一个或多个监视相机中的至少一个捕获的图像所要求的分辨率。这可以进一步促进所述监 视区的监视，因为高分辨率的图像包含比低分辨率的图像更多细节。
[0016] 根据实施例，所述区域进一步包括空白区，并且其中选择适应解的步骤进一步基 于被监视的所述空白区的百分比。
[0017] 在本说明书的上下文中，术语"空白区"应当被理解为不需要监视也不需要禁止监 视的区域（即监视区）的一部分。
[0018] 即使所述区域包括监视可能是最重要的监视区，监视所述区域的其它部分也可能 是有利的。通过进一步基于被监视的空白区的百分比选择适应解，该方法可以在多个解之 间进行选择，在这多个解中符合以所要求的入射视角监视全部监视区的要求。在那些情况 中，所选择的适应解可以是所述空白区的最大一部分被监视区的那个。
[0019] 所述区域可以进一步包括非监视区。根据此实施例，选择适应解的步骤可以进一 步基于所述至少一个或多个监视相机不监视所述非监视区。
[0020] 在本说明书的上下文中，术语"非监视区"应当被理解为不应当监视的区域。作为 示例，这种区域可以包括员工的工作空间或更多私人区，如浴室或休息区的部分。
[0021] 本实施例的优势可能是该方法解决区域的一些部分应保持不被监视的区域。
[0022] 根据一些实施例，所述适应度函数包括监视相机的数量，并且其中所述适应解进 一步包括监视相机的所述数量。由于经济或其它原因，更多或更少的相机可以用于监视该 区域。
[0023] 根据一些实施例，在每次迭代中改变所述虚拟区内监视相机的数量以及所述一个 或多个监视相机中至少一个在所述虚拟区内的位置和朝向中的至少一个。这可以使适应度 函数更灵活，因为相机的数量可以改变，这接着可以提高根据要求找出适应解的可能性。
[0024] 根据一些实施例，所述至少一个监视相机中的每个包括相机特征，所述相机特征 包括视野和缩放级别中的至少一个，并且其中所述适应解包括所述至少一个监视相机的相 机特征。在此情况中，在每次迭代中可以改变所述虚拟区内所述至少一个监视相机的相机 特征以及所述一个或多个监视相机中至少一个在所述虚拟区内的位置和朝向中的至少一 个。由于例如经济性，具有较小视野的且不能缩放的更便宜相机可能必须被用于监视。缩 放的级别可以影响例如相机的视野，而且还影响由相机拍摄的图像的分辨率。通过在迭代 适应度函数时能够改变监视相机的相机特征，即改变相机的相机型号或缩放级别，获得更 灵活的方法。
[0025] 在一些实施例中，适应度函数进一步包括至少两个监视相机，并且选择适应解的 步骤进一步基于所述至少两个监视相机中的每个关于所述监视区所要求的视角。可能存在 从例如两个方向监视区域的监视系统的需求。例如，当监视足球场的球门区时，可能需要从 两个不同角度监视球门区的两个相机，以完全保证球是否完全位于球门区内，即通过使用 三角测量技术。可以注意，所述监视区可以包括一个以上分离的监视区，并且此次情况中， 至少两个监视相机中的每个不必监视同一分离的监视区。因此，所要求的不同视角关于不 同的分离监视区。
[0026] 根据一些实施例，使用活跃边缘算法计算模拟覆盖区。共同的替代办法是使用虚 拟区的采样表示，即通过将虚拟区分隔成栅格并且对该栅格中的每个单元计算该栅格是否 被覆盖。使用活跃边缘算法的优势是连续的覆盖区被实现，因此更准确的模拟覆盖区被实 现。另一优势是该算法的时间复杂度是〇(n)，即线性时间算法。这意味着，适应度函数可以 比如果使用更慢的算法更快地被执行。
[0027] 根据一些实施例，每次迭代中的改变是由粒子群优化PS0算法执行的。当使用一 个以上相机时，这是有利的算法，因为对特定相机的每次迭代受其局部最佳已知解和全体 最佳已知解（即，考虑全部相机）影响。
[0028] 可以注意，考虑到对适应度函数的输入数据，可以使用用于优化适应度函数的解 (即，适应解）的任意合适的最佳算法。适合的优化算法的其它示例可以是搜索启发优化方 法，如进化算法。进一步的示例可以是梯度方法或使用规划方法，如动态规划或整数线性规 划（ILP)。
[0029] 在第二方面中，本发明提供一种计算机可读记录介质，所述计算机可读记录介质 在其上记录有程序，所述程序在具有处理能力的设备上执行时用于实施根据第一方面的方 法。
[0030] 在第三方面中，本发明提供一种用于为区域中的一个或多个监视相机选择位置和 朝向的系统，所述区域至少包括监视区，所述系统包括：一个或多个计算机处理器，被配置 为：接收关于所述区域的数据；使用所述数据对虚拟区进行建模；评估适应度函数的迭代 以计算适应解，所述适应度函数包括：关于所述监视区所要求的视角以及所述一个或多个 监视相机在所述虚拟区内的位置和朝向，以计算关于所述一个或多个监视相机的模拟覆盖 区和计算关于所述监视区的模拟入射视角；选择所述适应度函数的适应解，所述适应解包 括所述一个或多个监视相机的位置和朝向，其中该选择基于关于所述一个或多个监视相机 计算的模拟覆盖区、关于所述监视区计算的模拟入射视角以及关于所述监视区所要求的入 射视角。
[0031] 第二和第三方面大体地可以具有与第一方面相同的特征和优势。
[0032] -般地，在权利要求中使用的所有术语按照它们在本【技术领域】中的常规意义去理 解，除非本文另外明确地限定。对"一 / 一个/该元件、设备、组件、装置、步骤等"的所有提 及应当开放地被解释为引用该元件、设备、组件、装置、步骤等的至少一个示例，除非另外明 确阐述。本文公开的任何方法的步骤不需要以所公开的准确顺序执行，除非明确地说明。
【专利附图】
【附图说明】
[0033] 现在将参考示出本发明实施例的附图，更详细地描述本发明的上面公开的方面和 其它方面，附图中：
[0034] 图la至图lc示出根据实施例的用于为监视相机选择位置和朝向的方法；
[0035] 图2a至图2d示出根据实施例的用于为监视相机选择位置和朝向的方法；
[0036] 图3a至图3d示出根据实施例的用于为监视相机选择位置和朝向的方法；
[0037] 图4a至图4c示出根据实施例的用于为两个监视相机选择位置和朝向的方法；
[0038] 图5示出用于为一个或多个监视相机选择在区域中的位置和朝向的方法的流程 图；
[0039] 图6图示光学相机的参数；
[0040] 图7示出光学相机的覆盖区的示例；
[0041] 图8a至图8d示出根据实施例的用于为两个监视相机选择位置和朝向的方法；
[0042] 图9描述PS0粒子编码；
[0043] 图10描述对监视区域进行监视的相机的所需入射视角。
【具体实施方式】
[0044] 下文将参照附图更充分地描述本发明的实施例，在附图中示出本发明的特定实施 例。然而，本发明可以以多种不同形式具体实现，并且不应当被解释为局限于本文阐述的实 施例；相反，作为示例提供这些实施例，使得本公开将全面和完整，并且将本发明的范围充 分地传达给本领域技术人员。此外，相同的附图标记始终指代相同的要素。
[0045] 可以注意，为了示例和清楚，图1至图8中的每幅图描述三维场景的二维示意图或 2D投影。
[0046] 图6通过示例示出光学相机102的参数。相机102的视场（FoV)602是表示可通 过相机镜头看到的并且以度数测量的场景一部分（体积，例如椎体）的本征参数。FoV实际 上代表可以由相机监视的区域。
[0047] 在由相机提供的图像中看起来可接受地明晰的最近对象和最远对象之间的距离， 被称为景深（DoF)。这在图6中通过FoV椎体602 (在图6中以截面示出）的最近边缘610 和最远边缘612示出，最近边缘610也被称为最近深度（ND),最远边缘612也被称为最远深 度（FD)。
[0048] 相机的空间分辨率（SR)是图像上对象的像素总数和对象大小之间的比率。特定 空间分辨率要求来源于对象和相机之间的距离。相机的空间分辨率可以被转换成FD。较高 的SR要求可以导致相机具有较短的FD。
[0049] 每个相机由一组参数限定，并且存在多种相机可用。每个不同的相机具有不同的 镜头类型、组件类型等。正常情况下，三种相机是固定视角相机、摇摄-倾斜-缩放（PTZ)相 机和全向相机。一旦将固定视角相机安装在适当位置，其就具有固定的位置、朝向614和焦 距。固定视角相机由于其固定焦距（即，其不能够缩放）而可以具有小的DoF和FoV。PTZ 相机可以旋转，并且具有可调节的焦距（缩放）。因此，PTZ相机可以具有比固定视角相机 更大的DoF和FoV。全向相机具有2ji的FoV。对于PTZ相机来说，由于其能够旋转，所以 旋转角度的二等分线614是其朝向。在全向相机的情况中，朝向不是问题，因为其具有2 的FoV。
[0050] 在本说明书中，覆盖区指相机可以监视且不被障碍物阻挡的区域。这通过示例在 图7中示出。在图7中，障碍物706是相机102的FoV的阻挡部分。效果是并非全部的FoV 可以用于监视。在此示例中，区域702被监视，即相机102的覆盖区。然而，被障碍物706 阻挡的区域704仍未被监视。
[0051] 图la至图lc通过示例描述在图5中部分地描述的用于为监视相机102选择位置 和朝向的方法。图la示出待被监视的区域106。该区域包括监视区108,例如门。
[0052] 关于待被监视的区域106的数据由处理器接收S502并且被模型化S504成虚拟 区。在此示例中以及在结合图2a至图2d、图3a至图3d、图4a至图4c和图8a至图8d描 述的示例中，这些附图示出用于为一个或多个监视相机选择S508位置和朝向的适应度函 数的迭代。在适应度函数的每次迭代中，改变一个或多个监视相机中的至少一个在虚拟区 内的位置和朝向中的至少一个。可以注意，迭代结合附图被描述为实际在区域106内发生， 但是技术人员理解，这仅是为了易于示例和清晰。
[0053] 如图la中可见，并非相机102的全部F〇V104可以用于监视区域106 (更具体地监 视区108)，因为靠近监视区108的墙壁是相机102的F〇V104的阻挡部分。因此，相机102 在虚拟区内的模拟覆盖区是不覆盖监视区108。因此，由处理器执行的适应度函数的此迭代 的估计S506,可以导致适应度函数的新迭代需要发生。在图lb中，相机102的位置和朝向 都已改变。通过此新位置和朝向，任何物体都不阻挡相机102的F〇V104对监视区108进行 监视，即监视区108位于相机的覆盖区内。然而，关于监视区108的模拟入射视角112不在 所要求的入射视角范围110内。因此，由处理器执行的适应度函数的此迭代的估计S506,可 以导致适应度函数的新迭代需要发生。在图lc中，相机102的位置和朝向都已再次改变。 现在，相机102基本被放置在监视区108前方并且对准监视区108。现在，关于监视区108 的模拟入射视角112位于所要求的入射视角范围110内。此外，所模拟的覆盖区完全覆盖 监视区108。因此，处理器可以选择S508相机102的此位置和朝向作为适应度函数的适应 解。
[0054] 图2a至图2d通过示例描述在图5中部分地描述的用于为监视相机102选择位置 和朝向的方法。图2a示出待被监视的区域106。该区域包括监视区108和空白区202。图 2a至图2b描述与结合图la至图lb已描述的相同事情，即执行两次迭代并且迭代的评估S506导致需要更多次迭代。在图2c中，关于监视区108的模拟入射视角112现在位于所要 求的入射视角范围110内。此外，所模拟的覆盖区完全覆盖监视区108。然而，由于监视区 包括空白区202,所以处理器可以被配置为继续评估S506适应度函数的迭代，以查看是否 有与在已经发现的适应解中多大部分被监视到相比可以监视空白区202的更大一部分的 适应解。如在图2d中能看到的，通过将相机102向下移动至区域106的右下角并且将其稍 微朝向右侧，从相机102的视角看，与图2c中监视的空白区202的那部分相比，空白区202 的更大一部分被监视。因此，处理器可以选择S508在图2d所示的迭代中的相机位置和朝 向为适应解。
[0055] 图3a至图3d通过示例描述在图5中部分地描述的用于为监视相机102选择位置 和朝向的方法。图3a示出待被监视的区域106。该区域包括监视区108(例如，门）以及非 监视区302。非监视区302可以是例如对门108进行守卫的员工的工作区。图3a至图3b 描述与结合图la至图lb已描述的相同事情，即执行两次迭代并且迭代的评估S506导致需 要更多次迭代。此外，图3b示出相机102的覆盖区覆盖非监视区302,非监视区302在由处 理器实现的评估过程的一些实施例中可能不被允许。根据一些实施例，非监视区的任何部 分都不允许由相机102监视。在其它实施例中，非监视区可以由具有特定入射视角的相机 监视。例如，如果非监视区包括PC，那么从该PC后面监视该非监视区可能是允许的，即因此 PC的屏幕不被监视。在结合图3a至图3d描述的实施例中，非监视区的任何部分都不允许 被监视。如在图3c中能看到的，相机102的位置和朝向都已再次改变。现在，相机102被设 置成使得关于监视区108的模拟入射视角112位于所要求的入射视角范围110内。此外， 所模拟的覆盖区完全覆盖监视区108。然而，非监视区302仍被相机102的覆盖区覆盖。因 此，迭代的评估S506导致需要更多次迭代。在图3d中，相机102的位置和朝向已经改变， 使得相机102被放置在监视区108和非监视区302之间。相机102朝向监视区，使得关于 监视区108的模拟入射视角位于所要求的入射视角范围110内，并且所模拟的覆盖区完全 覆盖监视区108。现在，非监视区302完全位于相机102的覆盖区之外。因此，处理器可以 选择S508在图3d所示的迭代中的相机位置和朝向为适应解。
[0056] 图4a至图4c通过示例描述在图5中部分地描述的用于为两个监视相机102、408 选择位置和朝向的方法。区域106包括监视区402,监视区402应当从两个方向进行监视， 即其具有所要求的两个入射视角404、406。换言之，适应解的选择S508基于两个监视相机 102、408中的每个关于监视区402所要求的入射视角404、406。图4a图示关于监视区402 的模拟入射视角112、412不位于对这两个相机102、408中任一个所要求的入射视角404、 406内。在下一次迭代中，如图4b所示，对左侧相机102进行位置设定和方向调整，使得关 于监视区402的模拟入射视角112位于所要求的入射视角406的范围之一内并且所模拟的 覆盖区完全覆盖监视区108。然而，右侧相机408仍具有不符合要求的模拟入射视角412。 因此，该迭代的评估S506导致需要更多次迭代。在下一次迭代中，如图4c所示，保持左侧 相机102的位置和朝向，使得与图4b所示的前次迭代相比，右侧相机408被不同地移动和 方向调整。现在，满足两个入射视角404、406的要求。因此，处理器可以选择S508在图4c 所示的迭代中的两个相机102、408的位置和朝向为适应解。
[0057] 可以注意，在一些情况中，需要从至少三个不同的角度（S卩，以至少三个不同的所 要求的入射视角）监视特定点或区域。技术人员理解上面的描述容易地被调整为解决这些 情况，并且本文将不再详细地对此进行描述。
[0058] 根据一些实施例，在适应度函数的每次迭代中，不仅位置和/或朝向可以改变。如 上面描述的，每个相机可以具有相机特征，如景深和缩放功能。在相机存在缩放功能的情况 下，缩放级别作为一特征存在。这些特征的设置可以在对适应度函数进行迭代时改变。例 如，如果由对监视区进行监视的监视相机拍摄的图像的分辨率可能不足够高。在此情况中， 缩放级别可以改变，使得达到所要求的分辨率。这在图8a至图8d中图示。图8a至图8b 描述与结合图la至图lb已描述的相同事情，即执行两次迭代并且迭代的评估S506导致需 要更多次迭代。在图8c中，关于监视区108的模拟入射视角112位于所要求的入射视角范 围110内。此外，所模拟的覆盖区完全覆盖监视区108。然而，由监视相机102拍摄的图像 的分辨率不符合要求。因此，可能需要进一步的迭代。在图8d中，相机102的FD减小，使 得所要求的监视区108的分辨率被达到。因此，处理器可以选择S508在图8d所示的迭代 中的相机102的位置和朝向以及缩放级别为适应解。
[0059] 上面描述的所模拟的覆盖区可以使用活动边算法（activeedgealgorithm)来 计算。活动边算法在"Automatedcameralayouttosatisfytask-specificandfloor plan-specificcoveragerequirements(满足特定任务和特定地板覆盖要求的自动化相机 布局），艾尔丹姆（Erdem)等人，2006,ComputerVisionandImageUnderstanding(计算 机视觉和图像理解），103(3) : 156-169"中详细地描述，本文将不对其进一步进行介绍。
[0060] 此迭代方法可以使用粒子群优化（PS0)算法实现。群智能（SI)激发优化技术已 经在过去的十年大大普及。受社会性昆虫（如，蚂蚁、蜜蜂、黄蜂以及动物群体，如鸟群或鱼 群）的群体行为启发，SI学科尝试通过模拟这些社会体的这种行为来设计智能系统。尽管 这些集群的单个个体是不复杂的，但是在个体成员之间的协作和相互作用的影响下以分散 的自组织的方式可以实现复杂的任务。
[0061] 在科学和工业界，优化问题具有高度的重要性。一类被称为组合优化（C0)的重要 优化问题处理从有限的一组对象（像旅行推销员问题、车辆行程安排、最小生成树等）中找 出最佳对象。已经开发用来解决C0问题的算法可以被分类为完整的或近似的算法。完整 的算法保证找出C0问题的每个实例并且对其进行评估以找出最佳解。尽管对于属于NP困 难的问题而言，多项式时间算法可能不存在，这导致我们使用近似方法。在近似方法中，牺 牲找出最佳解的保证，以在显著缩短的时间量内得到足够好的解。近似方法的使用在近些 年已经获得许多研究者的关注，因为它们比传统的基于梯度的方法更容易实现并且它们不 需要梯度信息（尤其当对象函数是隐含地给出时或当其不可区分时）。粒子群优化是用于 找出对NP困难C0问题的近似解的最著名SI技术之一，并且是将进一步介绍的此研究的焦 点。
[0062]肯尼迪（Kennedy)和埃博海特（Eberhart)(Particleswarmoptimization InNeuralNetworks, 1995.Proceedings. ,IEEEInternationalConference volume4,pagesl942 - 1948vol. 4. (1995 年IEEE国际会议论文集第四卷第 1942-1948 页"神 经网络中的粒子群优化"））第一次引入粒子群优化作为用于连续非线性函数的新优化方 法，该方法在两个主要的组成方法中具有基础：一般意义上的人工生命以及具体地鸟群、鱼 群和群理论。PS0概念通过简化的社会系统（在寻找食物时的群集的鸟和群集的鱼）的模 拟产生。假设每个鸟作为粒子，单独的粒子基于它们当前速度、它们自身的之前经验以及迄 今为止已知的群组的最佳之前经验，而移向一位置。PSO遵从自适应文化模型，其中若给定 大的可能性空间，那么该群体能够通过分拆式形式的社会交互，找出解决问题的多变量解、 模式。构成PSO基础的此简单社会认知理论基于三个原理：评估（评估激励的趋势，如果该 有机体不能评估或辨别吸引或排斥的环境特征，那么学习不能发生），比较（个体在特定度 量上将它们自身与它们的邻居进行比较并且模仿和遵循胜过其它的那些），和模仿（采用 其它个体的视角，这实际上意味着不去盲目地模仿行为，而是仅在适合时去实现其目的并 且执行此行为）。当肯尼迪和埃博海特最初提出PSO时，PSO是关于粒子群，每个粒子代表 可能的解，该粒子群在搜索最佳适应解时反复地飞过问题空间。像遗传算法（GA)那样，系 统用一群随机解（粒子）初始化。然而，与GA不同，每个粒子还被分配随机速度，该随机速 度在问题空间中在粒子导航过程中引导粒子。该优化通过改变每个粒子朝向其各自最佳位 置（pBest)以及该群的全局最佳位置（gBest)的速度（加速）来进行。粒子群实现方式通 常遵循两个社会经济原理之一，这两个社会经济原理被称为全局最佳（gBest)和局部最佳 (Ibest)PSO。下面的部分简要地介绍这两个类型。
[0063] 在全局最佳PS0中，每个粒子从概念上连接至每个其它粒子，并且可以说每个粒 子的邻居是整个群。使用此拓扑的效果是，每个粒子受最佳地执行的整个群成员的任何组 员影响。
[0064] 在局部最佳PS0中，对每个个体（包括该个体本身）以及其k最近邻居创建邻居。 此拓扑的简单示例会是k= 2(环形拓扑），其中粒子i受粒子i-l、i、i+l中最佳粒子影响。 换言之，每个粒子基于环境的局部知识而被影响。
[0065] 由于我们想要朝向个体和团体的成功调整个体的设置，所以pBest和gBest的存 在在更新速度公式中是必须的。从社会学的观点看，pBest类似于自传存储器，并且与其关 联的速度调整被称为"简单怀旧（nostalgia)"，其中个体试图返回它们过去已经经历的最 佳位置。可替代地，gBest类似于个体试图去模仿的公众知识或群组规范。在文献中，群组 规范还被称为"社会知识"。速度更新使用下面的公式进行：
【权利要求】
1. 一种用于为区域（106)中的一个或多个监视相机（102、408)选择位置和朝向的方 法，所述区域至少包括监视区（108、402)和非监视区（302)，所述方法包括以下步骤： 由处理器接收（S502)关于所述区域（106)的数据； 由所述处理器使用所述数据对虚拟区进行建模（S504); 由所述处理器评估（S506)适应度函数的迭代，所述适应度函数包括所述一个或多个 监视相机（102、408)在所述虚拟区内的位置和朝向，以计算关于所述一个或多个监视相 机（102、408)的模拟覆盖区并且计算关于所述监视区（108、402)的模拟入射视角（112、 412)； 由所述处理器选择（S508)所述适应度函数的适应解，所述适应解包括所述一个或 多个监视相机（102、408)的位置和朝向，其中该选择基于关于所述一个或多个监视相机 (102、408)计算的模拟覆盖区（602、702)、关于所述监视区（108、402)计算的模拟入射视角 (112、412)、以及关于所述监视区（108、402)所要求的入射视角（110、404、406); 其中所述一个或多个监视相机（1〇2、408)中至少一个在所述虚拟区内的位置和朝向 中的至少一个在每次迭代中被改变，并且其中所述适应度函数的迭代被评估，直至所述适 应解包括完全地覆盖所述监视区（1〇8、402)而不覆盖所述非监视区（302)的模拟覆盖区 (602、702)，并且所述适应解符合关于所述监视区（108、402)要求的入射视角（110、404、 406)。
2. 根据权利要求1所述的方法，其中选择（S508)所述适应解的步骤进一步基于对由监 视所述监视区（108、402)的所述一个或多个监视相机（102、408)中至少一个拍摄的图像所 要求的分辨率。
3. 根据权利要求1所述的方法，其中所述区域（106)进一步包括空白区（202)，并且其 中选择（S508)所述适应解的步骤进一步基于被监视的所述空白区（202)的百分比。
4. 根据权利要求1所述的方法，其中所述适应度函数包括监视相机（102、408)的数量， 并且其中所述适应解进一步包括监视相机（1〇2、408)的所述数量。
5. 根据权利要求4所述的方法，其中在每次迭代中改变所述虚拟区内监视相机（102、 408)的所述数量以及所述一个或多个监视相机（102、408)中至少一个在所述虚拟区内的 位置和朝向中的至少一个。
6. 根据权利要求1所述的方法，其中所述至少一个监视相机（102、408)中的每个包括 相机特征，所述相机特征包括视野和缩放级别中的至少一个，并且其中所述适应解包括所 述至少一个监视相机（102、408)的所述相机特征。
7. 根据权利要求6所述的方法，其中在每次迭代中改变所述虚拟区内所述至少一个监 视相机（1〇2、408)的所述相机特征以及所述一个或多个监视相机（102、408)中至少一个在 所述虚拟区内的位置和朝向中的至少一个。
8. 根据权利要求1所述的方法，其中所述适应度函数进一步包括至少两个监视相机 (102、408)，并且其中选择（S508)所述适应解的步骤进一步基于所述至少两个监视相机 (102、408)中的每个关于所述监视区（402)所要求的入射视角（404、406)。
9. 根据权利要求1所述的方法，其中所述模拟覆盖区是使用活动边缘算法计算的。
10. 根据权利要求1所述的方法，其中每次迭代中的改变是由粒子群优化PSO算法执行 的。
11. 一种计算机可读记录介质，所述计算机可读记录介质在其上记录有程序，所述程序 在具有处理能力的设备上执行时用于实施根据权利要求1所述的方法。
12. -种用于为区域（106)中的一个或多个监视相机（102、408)选择位置和朝向的系 统，所述区域至少包括监视区（1〇8、402)和非监视区（302)，所述系统包括： 一个或多个计算机处理器，被配置为： 接收（S502)关于所述区域（106)的数据； 使用所述数据对虚拟区进行建模（S504); 评估（S506)适应度函数的迭代以计算适应解，所述适应度函数包括所述一个或多个 监视相机（102、408)在所述虚拟区内的位置和朝向，以计算关于所述一个或多个监视相机 (102、408)的模拟覆盖区并且计算关于所述监视区（108、402)的模拟入射视角（112、412); 以及 选择（S508)所述适应度函数的适应解，所述适应解包括所述一个或多个监视相机 (102、408)的位置和朝向，其中该选择基于关于所述一个或多个监视相机（102、408)计算 的模拟覆盖区（602、702)、关于所述监视区（108、402)计算的模拟入射视角（112、412)、以 及关于所述监视区（1〇8、402)所要求的入射视角（110、404、406); 其中所述一个或多个监视相机（1〇2、408)中至少一个在所述虚拟区内的位置和朝向 中的至少一个在每次迭代中被改变，并且其中所述适应度函数的迭代被评估，直至所述适 应解包括完全地覆盖所述监视区（1〇8、402)而不覆盖所述非监视区（302)的模拟覆盖区 (602、702)，并且所述适应解符合关于所述监视区（108、402)所要求的入射视角（110、404、 406)。
【文档编号】H04N7/18GK104349134SQ201410347759
【公开日】2015年2月11日 申请日期:2014年7月21日 优先权日:2013年8月7日
【发明者】戈兰·桑德贝里, 萨尔马迪·鲁哈尼, 穆罕默德·热扎·沙姆斯·阿米里 申请人:安讯士有限公司