GIS实现多摄像机协同的四大关键技术 - 安防知识网

GIS将多摄像机放在系统层面上来考虑可以很自然地引入资源调配的概念。就是对运动目标的前进方向进行预判，提前调度监控资源。例如让云台摄像机在某个预置位“迎接”运动物体，在分叉口上可以调集多个云台摄像机进行准备...

　　摄像机目标“握手”、协同技术

　　GIS(高清卫星图)作为多摄像机协同技术的平台基础是非常理想的。如果采用“井字格”形式的监控形式，摄像机之间的关联关系非常难确立。同一个目标在相邻摄像机之间由于视角、变焦、成像敏感度、颜色差异等，会对目标在不同摄像机之间“握手”(Re-identification)造成较大困难。通过利用GIS作为统一平台，不同摄像机之间的目标可以投射到GIS上面，从而利用位置约束来有效“握手”，大大提高了多摄像机协同的有效性。

　　将多摄像机放在系统层面上来考虑可以很自然地引入资源调配的概念。就是对运动目标的前进方向进行预判，提前调度监控资源。例如让云台摄像机在某个预置位“迎接”运动物体，在分叉口上可以调集多个云台摄像机进行准备，从而提高“握手”的成功率，用少量的摄像机达到覆盖大面积监控区域的目的。

　　动态平台跟踪技术

　　在固定摄像机中进行目标跟踪是较为成熟的技术，为了用少量摄像机覆盖较大监控面积，通常需要使用动态平台跟踪技术，即云台目标跟踪技术。

　　相对于固定摄像机，由于没有背景模型的支撑，在云台摄像机上保持对目标的跟踪难度大大增加。尤其当需要摄像机变倍来放大目标，目标转弯造成目标图像形态发生较大变化等情况下目标容易丢失。可靠的云台跟踪是当前非常先进的技术，也是国际上活跃的研究方向。

　　目前市场上有少量具有云台跟踪功能的产品，但是厂家并没有重点推广此功能。所以在选择此类产品的时候，一定要关注实际效果。单独的云台跟踪产品对于较大监控系统(几十个及以上探头)的监控效率的提升是有限的，云台跟踪产品可以做到在系统范围内调配、协同，才能真正发挥多摄像机协同的效能。

　　模式识别技术

　　智能视频分析的一个特点就是可以对运动目标的属性，例如人、小汽车、大卡车、自行车(摩托车)、人群等进行模式识别。这些运动目标可以利用图标形式在GIS界面上将它们的属性及轨迹表示出来。人用人的图标，车用车的图标。对于用户不关心的运动物体可以不显示，从而对海量图像信息进行有效过滤，将信息量控制在人生理上可以接受的范围之内。

　　人车分类为主的模式识别技术和车牌识别、人脸识别属于一类技术，但由于相对来说使用环境更多样、人车大小不一、角度更多变，所以成熟度相对差一些，但是此类技术正迅速实用化，可以期待在近期接近或者可达到人脸识别的准确度。

　　摄像机信息卫星图集成技术

　　监控摄像机图像和卫星图本质上都是图像。可以通过将它们之间的共同特征进行匹配，从而实现监控摄像机图像和卫星图之间的映射关系。也就是说摄像机中的像素和卫星图位置之间形成一一映射的关系。在摄像机中发现的运动物体轨迹可以同样在卫星图中表达出来。每个摄像机在卫星图上的相应区域“投射”目标信息，形成一个完整的、实时的运动目标全局态势图。

　　摄像机信息卫星图集成技术本质上就是将不同的摄像机视角通过数学变换，转换成一个统一的从高空俯瞰的卫星视角，从而消除了不同视角方向带来的对全局态势判断的困惑，能简单直接地表达出目标信息。