一种模型化的摄像头的布局方法与流程

1.本发明涉及监控布局领域，尤其涉及一种模型化的摄像头的布局方法。


背景技术：

2.随着安全意识的增强，监控系统作为安防工作的重要组成部分，被广泛应用。而现有的视频监控布局设计方式大多数是由工程设计人员根据经验或简单的测量、估算来进行布局配置，这种人工实际的方式存在较大的主观偏差，摄像头布局的合理性难以衡量，没有统一的客观标准衡量摄像头布局的优劣性，摄像头布局质量参差不齐。


技术实现要素：

3.本发明实施例提出一种公共场合摄像头的布局方法，构建一种能够充分考虑摄像头的成本、摄像头安装数、摄像头使用寿命及摄像头的监控范围的摄像头安装布局方法，基于构建的模型化的模型来解决摄像头的布局问题，避免布局的主观偏差，提高摄像头布局的质量。
4.本发明一实施例提供一种模型化的摄像头的布局方法，所述方法包括以下步骤：
5.s1，构建需监控区域的摄像头数量和摄像头安装位置的模型约束条件，并构建摄像头布局的目标函数；
6.s2，在所述需监控区域的所有可安装摄像头中随机生成若干昆虫，计算昆虫的位置矩阵；
7.s3，将所述目标函数作为适应度函数，根据所述适应度函数计算昆虫的适应度值矩阵，并取适应度值最高的预设数量的昆虫作为初始的火焰，计算得到火焰的位置矩阵和适应度值矩阵；
8.s4，根据昆虫火焰算法的扑焰行为更新昆虫位置；
9.s5，根据更新后的昆虫的适应度函数值更新火焰位置，并根据昆虫火焰算法的弃焰行为优化火焰位置；
10.s6，设定退火机制的初始的当前温度，根据昆虫算法的退火机制对更新后的昆虫位置和优化后的火焰位置进行高斯变异，以一定概率接受新解；
11.s7，当迭代次数未达到预设的最大迭代次数且当前温度未达到预设的终止温度时，对当前温度降温，并迭代次数加一，返回步骤s4；
12.当迭代次数达到所述最大迭代次数或当前温度达到所述终止温度时，输出当前的火焰的位置矩阵作为摄像头的布局位置。
13.进一步地，所述模型约束条件具体为：
14.∑
j∈m yj＝p；
[0015][0016]
[0017][0018][0019]
所述目标函数为：
[0020]
其中，n为需监控区域的集合，m为摄像头安装位点的集合，d
ij
为摄像头对所述需监控区域的有效监控范围，p为摄像头位置个数，b为摄像头安装成本，r为摄像头安装产生的作用价值，k为摄像头寿命减少系数，di为需监控区域可安装的摄像头，g为摄像头安装点最大监控范围，x
ij
和yj均为约束变量，t为摄像头使用年限，像头使用年限，i∈n，j∈m。
[0021]
进一步地，所述在所述需监控区域的所有可安装摄像头中随机生成若干昆虫，计算昆虫的位置矩阵，具体包括：
[0022]
在所述需监控区域的所有可安装摄像头的搜索空间中随机生成若干昆虫，以生成的昆虫对应的位置计算昆虫的位置矩阵
[0023]
其中，m
nb
为昆虫的位置向量，n代表昆虫数量，b代表昆虫位置向量的维数。
[0024]
优选地，所述将所述目标函数作为适应度函数，根据所述适应度函数计算昆虫的适应度值矩阵，并取适应度值最高的预设数量的昆虫作为初始的火焰，计算得到火焰的位置矩阵和适应度值矩阵，具体包括：
[0025]
以所述目标函数作为适应度值函数：
[0026]
根据所述适应度函数计算昆虫的适应度值矩阵
[0027]
并以昆虫的适应度值矩阵中适应度值最高的n’个昆虫作为初始的火焰，并计算初始火焰的位置矩阵和火焰的适应度值矩阵
[0028]
其中，n’为火焰数量，b代表火焰位置向量的维度，f
n’b
为火焰的位置向量，omn为对应昆虫的适应度值，of
n’为对应火焰的适应度值。
[0029]
进一步地，所述根据昆虫火焰算法的扑焰行为更新昆虫位置，具体包括：
[0030]
根据昆虫的扑焰行为，得到昆虫火焰算法中昆虫的位置更新公式：s(mi,fj)＝ωd
1ieετ
cos(2πτ) (1-ω)d
2i
fj，根据所述昆虫的位置更新公式更新昆虫的位置；
[0031]
其中，s(mi,fj)为更新后的昆虫位置，d
1i
＝|f
j-mi|，d
2i
＝|g
i-fj|，mi为第i只昆虫位置，fj为第j个火焰位置，gi为昆虫种群的历史适应度最高的最优个体的位置，d
1i
为第i只昆虫到第j个火焰的距离，d
2i
为最优个体到第j个火焰的距离，ε为螺线型轨迹与螺线形状相关的常量，τ为随机数，取值区间为[-1，1]。
[0032]
进一步地，所述根据更新后的昆虫的适应度函数值更新火焰位置，并根据昆虫火焰算法的弃焰行为优化火焰位置，具体包括：
[0033]
计算更新后的昆虫的适应度值，并取适应度值最高的n’个昆虫更新火焰；
[0034]
通过弃焰行为公式flame no＝round[l/(l l/z)]更新火焰数量，抛弃适应度值低的火焰；
[0035]
其中，fj为第j个火焰位置，为更新后的火焰位置，z预设的火焰数量的最大值；l为当前迭代次数；l为预设的最大迭代次数。
[0036]
优选地，所述设定退火机制的初始的当前温度，根据昆虫算法的退火机制对更新后的昆虫位置和优化后的火焰位置进行高斯变异，以一定概率接受新解，具体包括：
[0037]
以设定退火机制的初始温度作为当前温度t，在所述需监控区域的所有可安装摄像头的搜索空间中任取一个任意解s1；
[0038]
给任意解s1一个随机扰动，在所述搜索空间中获取一个靠近任意解s1的新解s2；
[0039]
计算增量δh＝f(s2)-f(s1)；
[0040]
根据以一定概论接受新解，以新解更新昆虫的位置；
[0041]
其中，f(s1)为任意解s1的适应度值，f(s2)为新解s2的适应度值。
[0042]
本发明提供一种模型化的摄像头的布局方法，通过构建需监控区域的摄像头数量和摄像头安装位置的模型约束条件，并构建目标函数，以目标函数作为适应度函数；在所述需监控区域的所有可安装摄像头中随机生成若干昆虫，计算昆虫的位置矩阵和适应度值矩阵，取适应度值最高的预设数量的昆虫作为初始的火焰，计算得到火焰的位置矩阵和适应度值矩阵；根据扑焰行为更新昆虫位置；根据更新后的昆虫的适应度函数值更新火焰位置，并根据昆虫火焰算法的弃焰行为优化火焰位置；设定退火机制的初始的当前温度，根据昆虫算法的退火机制对更新后的昆虫位置和优化后的火焰位置进行高斯变异，以一定概率接受新解；当迭代次数未达到预设的最大迭代次数且当前温度未达到预设的终止温度时，对当前温度降温，并迭代次数加一，重新计算昆虫的适应度值，更新昆虫位置，以适应度高的昆虫位置更新火焰，重新进行退火机制和高斯变异，直到迭代次数达到所述最大迭代次数或当前温度达到所述终止温度时，输出当前的火焰的位置矩阵作为摄像头的布局位置，改进的昆虫火焰算法，充分考虑摄像头的安装成本、维护成本、摄像头安装位点数、摄像头使用寿命及摄像头的监控范围，计算公共场所合理的摄像头安装布局，提高摄像头的准确度，减少监控成本。
附图说明
[0043]
图1是本发明实施例提供的一种模型化的摄像头的布局方法的流程示意图。
具体实施方式
[0044]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0045]
本发明实施例提供一种模型化的摄像头的布局方法，参见图1，是本发明实施例提供的一种模型化的摄像头的布局方法的流程示意图，包括s1～s7：
[0046]
s1，构建需监控区域的摄像头数量和摄像头安装位置的模型约束条件，并构建摄像头布局的目标函数；
[0047]
s2，在所述需监控区域的所有可安装摄像头中随机生成若干昆虫，计算昆虫的位置矩阵；
[0048]
s3，将所述目标函数作为适应度函数，根据所述适应度函数计算昆虫的适应度值矩阵，并取适应度值最高的预设数量的昆虫作为初始的火焰，计算得到火焰的位置矩阵和适应度值矩阵；
[0049]
s4，根据昆虫火焰算法的扑焰行为更新昆虫位置；
[0050]
s5，根据更新后的昆虫的适应度函数值更新火焰位置，并根据昆虫火焰算法的弃焰行为优化火焰位置；
[0051]
s6，设定退火机制的初始的当前温度，根据昆虫算法的退火机制对更新后的昆虫位置和优化后的火焰位置进行高斯变异，以一定概率接受新解；
[0052]
s7，当迭代次数未达到预设的最大迭代次数且当前温度未达到预设的终止温度时，对当前温度降温，并迭代次数加一，返回步骤s4；
[0053]
当迭代次数达到所述最大迭代次数或当前温度达到所述终止温度时，输出当前的火焰的位置矩阵作为摄像头的布局位置。
[0054]
在本实施例具体实施时，构建需监控区域的摄像头数量和摄像头安装位置的模型约束条件，并构建摄像头布局的目标函数，将摄像头安装位置转化为数学问题，充分考虑摄像头的安装成本、维护成本、摄像头安装位点数、摄像头使用寿命及摄像头的监控范围，计算公共场所合理的摄像头安装布局。
[0055]
在所述需监控区域的所有可安装摄像头中随机生成若干昆虫，计算昆虫的位置矩阵，以目标函数作为适应度函数，计算并以生成的若干昆虫的适应度值，并取适应度值最高的预设数量的昆虫作为初始的火焰，计算得到火焰的位置矩阵和适应度值矩阵；根据昆虫火焰算法的扑焰行为更新昆虫位置；根据更新后的昆虫的适应度函数值更新火焰位置，并根据昆虫火焰算法的弃焰行为优化火焰位置；设定退火机制的初始的当前温度，根据昆虫算法的退火机制对更新后的昆虫位置和优化后的火焰位置进行高斯变异，以一定概率接受新解；
[0056]
当迭代次数未达到预设的最大迭代次数且当前温度未达到预设的终止温度时，对当前温度降温，并迭代次数加一，重新计算昆虫的适应度值，更新昆虫位置，以适应度高的昆虫位置更新火焰，重新进行退火机制和高斯变异，直到迭代次数达到所述最大迭代次数或当前温度达到所述终止温度时，输出当前的火焰的位置矩阵作为摄像头的布局位置。
[0057]
本发明实施例提供一种模型化的摄像头的布局方法，通过构建需监控区域的摄像
头数量和摄像头安装位置的模型约束条件，并构建目标函数，以目标函数作为适应度函数；在所述需监控区域的所有可安装摄像头中随机生成若干昆虫，计算昆虫的位置矩阵和适应度值矩阵，取适应度值最高的预设数量的昆虫作为初始的火焰，计算得到火焰的位置矩阵和适应度值矩阵；根据扑焰行为更新昆虫位置；根据更新后的昆虫的适应度函数值更新火焰位置，并根据昆虫火焰算法的弃焰行为优化火焰位置；设定退火机制的初始的当前温度，根据昆虫算法的退火机制对更新后的昆虫位置和优化后的火焰位置进行高斯变异，以一定概率接受新解；当迭代次数未达到预设的最大迭代次数且当前温度未达到预设的终止温度时，对当前温度降温，并迭代次数加一，重新计算昆虫的适应度值，更新昆虫位置，以适应度高的昆虫位置更新火焰，重新进行退火机制和高斯变异，直到迭代次数达到所述最大迭代次数或当前温度达到所述终止温度时，输出当前的火焰的位置矩阵作为摄像头的布局位置，改进的昆虫火焰算法，充分考虑摄像头的成本、摄像头安装数、摄像头使用寿命及摄像头的监控范围的摄像头安装布局方法，基于构建的模型化的模型来解决摄像头的布局问题，避免布局的主观偏差，提高摄像头布局的质量。
[0058]
在本发明提供的又一实施例中，所述步骤s1具体包括：
[0059]
所述模型约束条件具体为：∑
j∈m yj＝p；
[0060][0061][0062][0063][0064]
所述目标函数为：
[0065]
其中，其中，n为需监控区域的集合，m为摄像头安装位点的集合，d
ij
为摄像头对所述需监控区域的有效监控范围，p为摄像头位置个数，b为摄像头安装成本，r为摄像头安装产生的作用价值，k为摄像头寿命减少系数，di为需监控区域可安装的摄像头，g为摄像头安装点最大监控范围，x
ij
和yj均为约束变量，t为摄像头使用年限，均为约束变量，t为摄像头使用年限，i∈n，j∈m。
[0066]
在本实施例具体实施时，通过构建模型，将摄像头的布局问题转化为模型问题：
[0067]
模型的目标函数：
[0068]
其中，n为需监控区域的集合，m为摄像头安装位点的集合，dij为摄像头对需监控区域的有效监控范围，i∈n，j∈m，p为摄像头位置个数，b为摄像头安装成本，r为摄像头设定的作用价值，例如摄像头监控十字路口和监控偏僻角落的监控价值是不一样的，因此人为加权以区别不同地点的监控作用，t为摄像头使用年限，k为摄像头寿命减少系数，di为需
监控区域安装摄像头数量，g为摄像头安装点最大监控范围；
[0069]
模型具有以下约束条件：∑
j∈m yj＝p
ꢀꢀꢀ
(2)；
[0070][0071][0072][0073][0074]
目标函数为摄像头安装和年维护费用之和；约束条件(2)表示摄像头启用个数为p；约束条件(3)为摄像头的监控范围约束，约束条件(4)为摄像头有效监控范围必须将需监控区域全覆盖；约束条件(5)、(6)是对决策变量x
ij
、yj的取值范围进行约束。
[0075]
通过将摄像头的布局问题转化为数学模型，通过对模型参数的设定，能够充分考虑摄像头的安装成本、维护成本、摄像头安装位点数、摄像头使用寿命及摄像头的监控范围，计算公共场所合理的摄像头安装布局。
[0076]
在本发明提供的又一实施例中，所述步骤s2具体包括：
[0077]
在所述需监控区域的所有可安装摄像头的搜索空间中随机生成若干昆虫，以生成的昆虫对应的位置计算昆虫的位置矩阵
[0078]
其中，m
nb
为昆虫的位置向量，n代表昆虫数量，b代表昆虫位置向量的维数。
[0079]
在本实施例具体实施时，在所述需监控区域的所有可安装摄像头的搜索空间中随机生成若干昆虫的空间位置，昆虫的位置矩阵
[0080]
其中，m
nb
为昆虫的位置向量，n代表昆虫数量，b代表昆虫位置向量的维数；
[0081]
本发明提供的又一实施例中，步骤s3，具体包括：
[0082]
以所述目标函数作为适应度值函数：
[0083]
根据所述适应度函数计算昆虫的适应度值矩阵
[0084]
并以昆虫的适应度值矩阵中适应度值最高的n’个昆虫作为初始的火焰，并计算初始火焰的位置矩阵和火焰的适应度值矩阵
[0085]
其中，n’为火焰数量，b代表火焰位置向量的维度，f
n’b
为火焰的位置向量，omn为对应昆虫的适应度值，of
n’为对应火焰的适应度值。
[0086]
在本实施例具体实施时，以所述目标函数作为适应度值函数：
[0087]
将每个昆虫的位置向量传递给适应度函数，并将结果输出分配给相应的昆虫作为适应度值，构成昆虫适应度值矩阵
[0088]
火焰矩阵与昆虫位置矩阵的结构相似，同样由每个火焰的位置向量组成。昆虫充当在搜索空间中不停移动的搜索单元，而火焰是有史以来昆虫搜索到的最佳解；以昆虫的适应度值矩阵中适应度值最高的n’个昆虫作为初始的火焰，并计算初始火焰的位置矩阵和火焰的适应度值矩阵
[0089]
其中，n’为火焰数量，b代表火焰位置向量的维度，f
n’b
为火焰的位置向量，omn为对应昆虫的适应度值，of
n’为对应火焰的适应度值。
[0090]
通过迭代搜寻昆虫的适应度，以搜索到的最高适应度值的昆虫的位置作为火焰位置，能够优化火焰位置，得到适应度最高的火焰位置作为摄像头的位置，输出最佳的摄像头布局。
[0091]
在本发明提供的又一实施例中，所述步骤s4，具体包括：
[0092]
根据昆虫的扑焰行为，得到昆虫火焰算法中昆虫的位置更新公式：s(mi，fj)＝ωd
1ieετ
cos(2πτ) (1-ω)d
2i
fj，根据所述昆虫的位置更新公式更新昆虫的位置；
[0093]
其中，s(mi，fj)为更新后的昆虫位置，d
1i
＝|f
j-mi|，d
2i
＝|g
i-fj|，mi为第i只昆虫位置，fj为第j个火焰位置，gi为昆虫种群的历史适应度最高的最优个体的位置，d
1i
为第i只昆虫到第j个火焰的距离，d
2i
为最优个体到第j个火焰的距离，ε为螺线型轨迹与螺线形状相关的常量，τ为随机数，取值区间为[-1，1]。
[0094]
在本实施例具体实施时，由于自然界中具有趋光性的昆虫依靠横向定位导航机制向距离最近的光源移动，其飞行轨迹呈螺线型，因此模拟昆虫的趋光性的移动公式为：s(mi，fj)＝d
ieετ
cos(2πτ) fj.
ꢀꢀꢀ
(8)；
[0095]
式中：di＝|f
j-mi|，s(mi，fj)为更新后的昆虫位置，其中mi为第i只昆虫位置，fj为第j个火焰位置；|f
j-mi|为第i只昆虫到第j个火焰的距离；ε为与螺线形状相关的常量；τ为随机数，取值区间为[-1，1]，τ＝-1表示最接近火焰的位置，τ＝1表示离火焰最远的位置。
[0096]
借鉴粒子群算法中的惯性权重思想，引入自适应权重，对昆虫飞行对数螺旋函数进行改进，使在昆虫靠近火焰寻找最优解时，自适应权重值减小，则昆虫的局部寻优能力将得到提高。自适应权重ω的计算公式为：
[0097]
将自适应权重应用到式(8)中：d
1i
＝|m
i-fj|，d
2i
＝|g
i-fj|，其中gi为种群历史最优个体的位置，得到昆虫位置的更新公式：s(mi，fj)＝ωd
1ieετ
cos(2πτ) (1-ω)d
2i
fjꢀꢀ
(10)；
[0098]
高斯变异策略源自高斯正态分布，高斯变异可以在原始父母附近产生新的后代，借助这一特性，可以增加昆虫和火焰的多样性，进一步提升局部搜索能力和收敛速度。对火焰位置进行改进后公式如下：
[0099][0100]
式中：randn为高斯分布的随机数。
[0101]
以火焰的位置对昆虫位置进行更新，便于昆虫搜索最优解。
[0102]
在本发明提供的又一实施例中，步骤s5具体包括：
[0103]
计算更新后的昆虫的适应度值，并取适应度值最高的n’个昆虫更新火焰；
[0104]
通过弃焰行为公式flameno＝round[l/(l l/z)]更新火焰数量，抛弃适应度值低的火焰；
[0105]
其中，fj为第j个火焰位置，f
j、
为更新后的火焰位置，z预设的火焰数量的最大值；l为当前迭代次数；l为预设的最大迭代次数。
[0106]
在本实施例具体实施时，计算更新后的昆虫的适应度值，并取适应度值最高的n’个昆虫更新火焰；
[0107]
并通过放弃火焰数量的机制来保持最佳火焰位置，自适应地减少火焰数量：弃焰行为的火焰数量为flame no＝round[z-l(z-1)/l]
ꢀꢀ
(12)；
[0108]
其中，z表示火焰数量的最大值；l为当前迭代次数；l表示最大迭代次数。
[0109]
现对昆虫算法的弃焰行为进行改进，将火焰数量更新机制由直线下降改为曲线下降，可以提高自适应火焰数量的收敛速度，进而加快算法的收敛速度，改进后的火焰数量更新公式为：flame no＝round[l/(l l/z)]. (13)，以式13更新火焰的数量，并抛弃适应度值低的火焰；
[0110]
其中，fj为第j个火焰位置，f
j、
为更新后的火焰位置，z预设的火焰数量的最大值；l为当前迭代次数；l为预设的最大迭代次数。
[0111]
在本发明提供的又一实施例中，所述步骤s6具体包括：
[0112]
以设定退火机制的初始温度作为当前温度t，在所述需监控区域的所有可安装摄像头的搜索空间中任取一个任意解s1；
[0113]
给任意解s1一个随机扰动，在所述搜索空间中获取一个靠近任意解s1的新解s2；
[0114]
计算增量δh＝f(s2)-f(s1)；
[0115]
根据以一定概论接受新解，以新解更新昆虫的位置；
[0116]
其中，f(s1)为任意解s1的适应度值，f(s2)为新解s2的适应度值。
[0117]
在本实施例具体实施时，为避免算法陷入局部最优，引入模拟退火机制，接受劣解，对所有的昆虫和火焰进行高斯变异，可解决昆虫算法陷入局部最优解的问题。退火流程如下：
[0118]
以设定初始温度t0作为当前温度t，确定当前的迭代次数t；
[0119]
在所述需监控区域的所有可安装摄像头的搜索空间中任取一个任意解s1；
[0120]
给任意解s1一个随机扰动，在所述搜索空间中获取一个靠近任意解s1的新解s2；
[0121]
计算增量δh＝f(s2)-f(s1)；
[0122]
根据以一定概论接受新解，以新解更新昆虫的位置；
[0123]
其中，f(s1)为任意解s1的适应度值，f(s2)为新解s2的适应度值。
[0124]
在本发明提供的又一实施例中，采用改进的昆虫火焰算法，确立摄像头布局模型参数、初始化昆虫的种群和位置矩阵、计算昆虫适应度、以适应度高的昆虫形成火焰的初始空间、通过昆虫算法的扑焰行为更新昆虫位置、并以适应度高的昆虫更新火焰位置、引入退火机制对昆虫和火焰进行高斯变异、退火降温；
[0125]
当迭代次数未达到预设的最大迭代次数且当前温度未达到预设的终止温度时，对当前温度降温，并迭代次数加一，重新更新昆虫位置、并以适应度高的昆虫更新火焰位置，并引入退火机制对昆虫和火焰进行高斯变异、退火降温；直到迭代次数达到所述最大迭代次数或当前温度达到所述终止温度时，输出当前的火焰的位置矩阵作为摄像头的布局位置。通过科学方法充分考虑摄像头的安装数量和监控范围，提高摄像头的准确度，减少监控成本，确定公共场所摄像头的安装布局。
[0126]
本发明提供的一种模型化的摄像头的布局方法，采用改进的昆虫火焰算法，确立摄像头布局模型参数、初始化昆虫的种群和位置矩阵、计算昆虫适应度、以适应度高的昆虫形成火焰的初始空间、通过昆虫算法的扑焰行为更新昆虫位置、并以适应度高的昆虫更新火焰位置、引入退火机制对昆虫和火焰进行高斯变异、退火降温；当迭代次数未达到预设的最大迭代次数且当前温度未达到预设的终止温度时，对当前温度降温，并迭代次数加一，重新更新昆虫位置、并以适应度高的昆虫更新火焰位置，并引入退火机制对昆虫和火焰进行高斯变异、退火降温；直到迭代次数达到所述最大迭代次数或当前温度达到所述终止温度时，输出当前的火焰的位置矩阵作为摄像头的布局位置。通过将摄像头布局问题模型化，充分考虑摄像头的成本、摄像头安装数、摄像头使用寿命及摄像头的监控范围的摄像头安装布局方法，基于构建的模型化的模型来解决摄像头的布局问题，避免布局的主观偏差，提高摄像头布局的质量。
[0127]
以上所述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，这些改进和润饰也视为本发明的保护范围。