一种摄像装置预置位自动设置方法及摄像组与流程

1.本技术涉及图像处理技术领域，具体涉及一种摄像装置预置位自动设置方法及摄像组。


背景技术：

2.在传统的摄像装置预置位设置中，是通过人眼判断摄像装置要拍摄的位置，然后移动摄像装置到相应的位置，定义为预置位，而后在该预置位中定期拍照，对该预置位情况进行分析处理。但在大规模的摄像装置安装实施工作中，摄像装置的预置位场景往往都是相似的（如拍摄机房门），如果通过人工方式配置，这种方法面临如下问题：（1）通过人为挑选的方式效率非常低；（2）通过人工挑选的方式标准不统一；（3）通过人工挑选的方式，随时间流逝，由于机械问题、或外界移动，会导致原有预置点不正确，需要定期检查维护。
3.因此，希望有一种技术方案来解决或至少减轻现有技术的上述不足。


技术实现要素：

4.本发明的目的在于提供一种摄像装置预置位自动设置方法来克服或至少减轻现有技术的至少一个上述缺陷。
5.本发明的一个方面，提供一种摄像装置预置位自动设置方法，用于摄像组，所述摄像组包括一个边缘计算网关以及与边缘计算网关连接的多个摄像装置，所述摄像装置预置位自动设置方法包括：步骤1：边缘计算网关获取多个经过训练的神经网络模型；步骤2：边缘计算网关根据各个经过训练的神经网络模型，控制各个摄像装置自动获取预置位；其中，所述步骤2包括：步骤21：边缘计算网关为每个摄像装置分别生成预置位探索策略，其中至少有一个预置位探索策略与其他预置位探索策略不同；边缘计算网关为每个摄像装置执行如下动作：边缘计算网关向摄像装置发送控制指令，以使摄像装置运行至预设初始视界；步骤23：边缘计算网关根据摄像装置对应的预置位探索策略以及摄像装置的预设初始视界对摄像装置所能拍摄的视域区域进行图像探索，从而获取摄像装置的预置位。
6.可选地，所述步骤22包括：步骤221：边缘计算网关向摄像装置发送初始视界动作命令；步骤222：摄像装置根据所述初始视界动作命令进行动作，从而运行至预设初始视界。
7.可选地，所述步骤222包括：步骤2221：摄像装置获取当前位置所拍摄的图像，该图像称为第一位置图像；步骤2222：摄像装置向第一方向根据边缘计算网关所传递的第一移动命令移动；
步骤2223：摄像装置获取执行第一移动命令后所拍摄的图像，该图像称为第二位置图像；步骤2224：根据所述第一位置图像以及所述第二位置图像判断摄像装置是否位于第一方向极位置，若是，则步骤2225：摄像装置拍摄当前位置的图像，该图像称为第三位置图像；步骤2226：摄像装置向第二方向根据边缘计算网关所传递的第二移动命令移动，所述第二方向与第一方向相互垂直；步骤2227：摄像装置获取执行第二移动命令后所拍摄的图像，该图像称为第四位置图像；步骤2228：根据所述第三位置图像以及所述第四位置图像判断摄像装置是否位于第二方向极位置，若是，则判断所述摄像装置位于预设初始视界。
8.可选地，所述预置位探索策略包括第一预置位探索策略以及第二预置位探索策略；当所述预置位探索策略为第一预置位探索策略时，所述步骤23包括：步骤231：边缘计算网关获取摄像装置在预设初始视界所拍摄的图像作为待对比图像；步骤232：边缘计算网关提取所述待对比图像的图像特征；步骤233：边缘计算网关将所述图像特征分别输入至各个经过训练的神经网络模型，从而获取各个经过训练的神经网络模型所输出的结果标签，所述结果标签包括未配对成功标签；步骤234：当所述结果标签为未配对成功标签时，边缘计算网关边缘计算网关生成视界移动距离；步骤235：边缘计算网关根据视界移动距离驱动摄像装置自所述预设初始视界移动至下一视界位置并获取该视界位置下的摄像装置拍摄的图像作为待对比图像并提取该待对比图像的图像特征；步骤236：边缘计算网关将新获取的图像特征分别输入至各个经过训练的神经网络模型，从而获取各个经过训练的神经网络模型所输出的结果标签，所述结果标签进一步包括配对成功标签；步骤237：当所述结果标签为配对成功标签时，获取该视界位置作为该摄像装置的预置位。
9.可选地，当所述预置位探索策略为第一预置位探索策略时，所述步骤23进一步包括：步骤238：当所述结果标签为未配对成功标签时，边缘计算网关根据视界移动距离驱动摄像装置自摄像装置当前所在视界位置移动至下一视界位置并获取该视界位置下的摄像装置拍摄的图像作为待对比图像并提取该待对比图像的图像特征；步骤239：边缘计算网关将新获取的图像特征分别输入至各个经过训练的神经网络模型，从而获取各个经过训练的神经网络模型所输出的结果标签，若所述结果标签为配对成功标签时，获取该视界位置作为该摄像装置的预置位；若所述结果标签为未配对成功标签时，则重复所述步骤238至239，直至所述结果标签为配对成功标签。
10.可选地，当所述预置位探索策略为第二预置位探索策略时，所述步骤23包括：步骤2301：边缘计算网关获取摄像装置在预设初始视界所拍摄的图像作为待对比图像；步骤2302：边缘计算网关提取所述待对比图像的图像特征；步骤2303：边缘计算网关将所述图像特征分别输入至各个经过训练的神经网络模型，从而获取各个经过训练的神经网络模型所输出的结果标签，所述结果标签包括未配对成功标签；步骤2304：当所述结果标签为未配对成功标签时，获取图像知识图谱，所述图像知识图谱包括至少两个预设图像以及每个预设图像与其他预设图像中的至少一个之间的相对位置关系；步骤2305：将所述步骤2301所获取的图像与所述图像知识图谱中的各个预设图像进行相似度对比，获取相似度阈值大于预设阈值的预设图像；步骤2306：获取与获取的所述预设图像之间具有相对位置关系的其他预设图像；步骤2307：将各个其他预设图像分别输入至各个所述经过训练的神经网络模型，从而获取结果标签为配对成功标签的预设图像；步骤2308：获取结果标签为配对成功标签的预设图像与相似度阈值大于预设阈值的预设图像之间的相对位置关系；步骤2309：边缘计算网关根据所述相对位置关系为所述摄像装置发送移动命令；步骤23010：摄像装置根据所述移动命令移动，并将移动后的位置作为该摄像装置的预置位。
11.可选地，当所述预置位探索策略为第一预置位探索策略时，所述步骤23进一步包括：步骤2310：获取摄像装置位于预置位时所在的视界位置并为该视界位置制作识别标签。
12.本技术还提供了一种摄像组，所述摄像组包括边缘计算网关以及多个摄像装置，所述摄像装置与所述边缘计算网关配合实现如上所述的摄像装置预置位自动设置方法。
13.有益效果本技术的摄像装置预置位自动设置方法能够自动进行各个摄像装置的预置位的设置，不需要人手工进行设置，从而减少了人的工作量。
附图说明
14.图1为本技术第一实施例的摄像装置预置位自动设置方法的流程示意图；图2是一种电子设备，用于实现图1所示的摄像装置预置位自动设置方法；图3为本技术的摄像组的系统示意图；图4为本技术的视界示意图。
具体实施方式
15.为使本技术实施的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行更加详细的描述。在附图中，自始至终相同或类
似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本技术一部分实施例，而不是全部的实施例。下面通过参考附图描述的实施例是示例性的，旨在用于解释本技术，而不能理解为对本技术的限制。基于本技术中的实施例，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，都属于本技术保护的范围。下面结合附图对本技术的实施例进行详细说明。
16.图1为本技术第一实施例的摄像装置预置位自动设置方法的流程示意图。
17.如图1所示的摄像装置预置位自动设置方法包括：步骤1：边缘计算网关获取多个经过训练的神经网络模型；步骤2：边缘计算网关根据各个经过训练的神经网络模型，控制各个摄像装置自动获取预置位。
18.本技术的摄像装置预置位自动设置方法能够自动进行各个摄像装置的预置位的设置，不需要人手工进行设置，从而减少了人的工作量。
19.在本实施例中，步骤2包括：步骤21：边缘计算网关为每个摄像装置分别生成预置位探索策略，其中至少有一个预置位探索策略与其他预置位探索策略不同；边缘计算网关为每个摄像装置执行如下动作：步骤22：边缘计算网关向摄像装置发送控制指令，以使摄像装置运行至预设初始视界；步骤23：边缘计算网关根据摄像装置对应的预置位探索策略以及摄像装置的预设初始视界对摄像装置所能拍摄的视域区域进行图像探索，从而获取摄像装置的预置位。
20.参见图3，以图3所示的摄像组为例，在图3所示的摄像组中包括一个边缘计算网关以及3个摄像装置（摄像头1、摄像头2、摄像头3），在具体进行本技术的方法时，边缘计算网关分别对3个摄像装置进行上述的步骤22以及步骤23，具体而言，边缘计算网关向摄像头1发送控制指令，以使摄像装置运行至预设初始视界，然后边缘计算网关据摄像头1对应的预置位探索策略以及摄像头1的预设初始视界对摄像装置所能拍摄的视域区域进行图像探索，从而获取摄像装置的预置位。
21.同样的，边缘计算网关向摄像头2发送控制指令，以使摄像装置运行至预设初始视界，然后边缘计算网关据摄像头2对应的预置位探索策略以及摄像头1的预设初始视界对摄像装置所能拍摄的视域区域进行图像探索，从而获取摄像装置的预置位。
22.同样的，边缘计算网关向摄像头3发送控制指令，以使摄像装置运行至预设初始视界，然后边缘计算网关据摄像头3对应的预置位探索策略以及摄像头3的预设初始视界对摄像装置所能拍摄的视域区域进行图像探索，从而获取摄像装置的预置位。
23.在下述举例中，为了描述方便，仅以对其中一个摄像装置的处理为例。
24.在本实施例中，步骤22包括：步骤221：边缘计算网关向摄像装置发送初始视界动作命令；步骤222：摄像装置根据初始视界动作命令进行动作，从而运行至预设初始视界。
25.具体而言，步骤222包括：步骤2221：摄像装置获取当前位置所拍摄的图像，该图像称为第一位置图像；步骤2222：摄像装置向第一方向根据边缘计算网关所传递的第一移动命令移动；
步骤2223：摄像装置获取执行第一移动命令后所拍摄的图像，该图像称为第二位置图像；步骤2224：根据所述第一位置图像以及所述第二位置图像判断摄像装置是否位于第一方向极位置，若是，则步骤2225：摄像装置拍摄当前位置的图像，该图像称为第三位置图像；步骤2226：摄像装置向第二方向根据边缘计算网关所传递的第二移动命令移动，所述第二方向与第一方向相互垂直；步骤2227：摄像装置获取执行第二移动命令后所拍摄的图像，该图像称为第四位置图像；步骤2228：根据所述第三位置图像以及所述第四位置图像判断摄像装置是否位于第二方向极位置，若是，则判断所述摄像装置位于预设初始视界。
26.参见图4，以图4为例，图4代表一个摄像装置所能拍摄到的全部区域，其中，图4中的1至3代表3个视界位置（每个视界位置代表在该视界中，摄像装置所能拍摄到的区域，其中，视界位置1为一个实线框，视界位置2为虚线框（上虚线与下虚线所组成的框形成视界位置2），视界位置1与视界位置2有重叠部分，视界位置1的视界位置的整体大小与视界位置2相同），假设在第一时间，摄像装置位于其中任意一个视界内（例如，在视界2内），此时，步骤2221：摄像装置获取当前位置所拍摄的图像，该图像称为第一位置图像；步骤2222：摄像装置向第一方向根据边缘计算网关所传递的第一移动命令移动（可以理解的是，本技术的摄像装置为可进行转动以及俯仰角度调节的摄像装置，根据第一移动命令移动即为摄像装置的电机控制摄像装置进行旋转角度的调节，可以理解的是，本技术的摄像装置的旋转角度可以在0至360度之间，但是不能是0点也不能是360度，通常来讲，本技术的摄像装置的旋转角度为1至180度，在本实施例中，该第一移动命令发送给摄像装置的电机，当电机已经转动至不可转动位置时，同样会根据该第一移动命令进行运动，例如，电机走过预设的行程，但是，此时摄像装置不会在进行转动，仅仅是电机走过预设的行程）；步骤2223：摄像装置获取执行第一移动命令后所拍摄的图像，该图像称为第二位置图像；步骤2224：根据所述第一位置图像以及所述第二位置图像判断摄像装置是否位于第一方向极位置（当处于第一方向极位置时，即表示摄像装置已经在该方向上转到极限，无法继续转动），若是，则步骤2225：摄像装置拍摄当前位置的图像，该图像称为第三位置图像；步骤2226：摄像装置向第二方向（在本实施例中，第一方向为旋转方向，第二方向为俯仰方向）根据边缘计算网关所传递的第二移动命令移动，所述第二方向与第一方向相互垂直；步骤2227：摄像装置获取执行第二移动命令后所拍摄的图像，该图像称为第四位置图像；步骤2228：根据所述第三位置图像以及所述第四位置图像判断摄像装置是否位于第二方向极位置，若是，则判断所述摄像装置位于预设初始视界。
27.通过上述控制，即可以保证摄像装置所在的预设初始视界为某个角视界，具体而
言，可以是图4中的视界1。
28.在本实施例中，第一方向表示图4中的自右向左方向，第二方向表示图4中的自下向上方向，可以理解的是，例如，在本实施例中，第一方向极位置代表视界1的最左边，第二方向极位置代表视界1的最上边，而预设初始视界则表示视界1。
29.可以理解的是，如果根据所述第一位置图像以及所述第二位置图像判断摄像装置是否位于第一方向极位置，若否，则继续让摄像装置继续向第一方向继续移动，并在每移动一次之后都进行拍摄，从而根据移动之前的图像与移动之后的图像判断是否位于第一方向极位置。
30.在一个实施例中，一个视界的定义为：当前图像的前一帧图像与当前图像在指定方向上，图像的相似度差异大于70%，小于80%则认为是一个视界。可以理解的是，其中最大最小值可以根据需要自行设置，也可以每个视界具有不同的相似度差异。
31.下面以举例的方式对本技术的预设初始视界进行进一步详细举例，可以理解的是，该举例并不构成对本技术的任何限制。
32.参见图4，边缘计算网关程序控制摄像头移动到视界1。视界1定义如下：(1)首先获取当前位置图像（称为第一图像），获取后向左移动一定距离并进行拍摄从而获取第二图像；(2)调用图像比对算法，判断第一图像与第二图像的图像变化是否超过阈值，例如阈值是10%，若没有超过，则认为已经到达摄像装置所能移动的最左边（即第一方向极位置）；(4)在达到第一方向极位置后，获取当前位置图像（称为第三图像）并控制摄像装置向上移动一定距离后，获取移动后的第四图像；(5)调用图像比对算法，判断第三图像与第四图像的图像变化是否超过阈值，若没有超过，则认为已经到达摄像装置所能移动的最上边（即第二方向极位置），若移动到最上边后，则认为已经到达预设初始视界，即此时摄像装置所能拍摄到的图像为图4中的视界1的范围。
33.在本实施例中，预置位探索策略包括第一预置位探索策略以及第二预置位探索策略；当预置位探索策略为第一预置位探索策略时，所述步骤23包括：步骤231：边缘计算网关获取摄像装置在预设初始视界所拍摄的图像作为待对比图像；步骤232：边缘计算网关提取所述待对比图像的图像特征；步骤233：边缘计算网关将所述图像特征分别输入至各个经过训练的神经网络模型，从而获取各个经过训练的神经网络模型所输出的结果标签，所述结果标签包括未配对成功标签；步骤234：当所述结果标签为未配对成功标签时，边缘计算网关边缘计算网关生成视界移动距离；步骤235：边缘计算网关根据视界移动距离驱动摄像装置自所述预设初始视界移动至下一视界位置并获取该视界位置下的摄像装置拍摄的图像作为待对比图像并提取该待对比图像的图像特征；
步骤236：边缘计算网关将新获取的图像特征分别输入至各个经过训练的神经网络模型，从而获取各个经过训练的神经网络模型所输出的结果标签，所述结果标签进一步包括配对成功标签；步骤237：当所述结果标签为配对成功标签时，获取该视界位置作为该摄像装置的预置位。
34.在本实施例中，当所述预置位探索策略为第一预置位探索策略时，所述步骤23进一步包括：步骤238：当所述结果标签为未配对成功标签时，边缘计算网关根据视界移动距离驱动摄像装置自摄像装置当前所在视界位置移动至下一视界位置并获取该视界位置下的摄像装置拍摄的图像作为待对比图像并提取该待对比图像的图像特征；步骤239：边缘计算网关将新获取的图像特征分别输入至各个经过训练的神经网络模型，从而获取各个经过训练的神经网络模型所输出的结果标签，若所述结果标签为配对成功标签时，获取该视界位置作为该摄像装置的预置位；若所述结果标签为未配对成功标签时，则重复所述步骤238至239，直至所述结果标签为配对成功标签。
35.步骤231：边缘计算网关获取摄像装置在预设初始视界所拍摄的图像作为待对比图像，以图4举例来说，即为视界1所拍摄的图像。
36.步骤232：边缘计算网关提取待对比图像的图像特征；步骤233：边缘计算网关将图像特征分别输入至各个经过训练的神经网络模型，从而获取各个经过训练的神经网络模型所输出的结果标签，所述结果标签包括未配对成功标签以及成功配对标签；在本实施例中，本技术的摄像头有3个，而每个摄像头都有一个预置位，则经过训练的神经网络模型就有3个，一个神经网络模型对应一个预置位，如果每个摄像头有多个预置位，例如，每个摄像头有2个预置位，则对应的神经网络模型就有6个。
37.可以理解的是，如果结果标签为成功配对标签，则配对成功，当每个摄像头只有一个预置位时，则不用再进行其他操作，即确定当前摄像装置所在位置即为预置位，当前摄像装置所能拍摄的照片就是预置位所需要拍摄的位置的照片。如果每个摄像头有多个预置位，则将已经找到的该预置位的位置存储并赋标号，继而移动摄像装置寻找其他预置位，当有与预置位数量相同的配对成功标签后，即找到所有的预置位，即可以结束本技术，例如，一个摄像装置的预置位有两个，则应该能够获取到2个配对成功标签。
38.如果当前结果标签为未配对成功标签时，边缘计算网关边缘计算网关生成视界移动距离（可以理解的是，该视界移动距离可以根据自身需要自行设定，该视界移动距离可以与上述的第一移动命令所要求移动的距离相同，也可以不同，上述的第一移动命令所要求移动的距离也可以与第二移动命令所要求移动的距离相同），参见图4，在本实施例中，该视界移动即为视界1移动至视界2的距离；步骤235：边缘计算网关根据视界移动距离驱动摄像装置自所述预设初始视界移动至下一视界位置并获取该视界位置下的摄像装置拍摄的图像作为待对比图像并提取该待对比图像的图像特征；步骤236：边缘计算网关将新获取的图像特征分别输入至各个经过训练的神经网络模型，从而获取各个经过训练的神经网络模型所输出的结果标签，所述结果标签进一步包括配对成功标签；
步骤237：当结果标签为配对成功标签时，获取该视界位置作为该摄像装置的预置位。
39.步骤238：当所述结果标签为未配对成功标签时，边缘计算网关根据视界移动距离驱动摄像装置自摄像装置当前所在视界位置移动至下一视界位置并获取该视界位置下的摄像装置拍摄的图像作为待对比图像并提取该待对比图像的图像特征；步骤239：边缘计算网关将新获取的图像特征分别输入至各个经过训练的神经网络模型，从而获取各个经过训练的神经网络模型所输出的结果标签，若所述结果标签为配对成功标签时，获取该视界位置作为该摄像装置的预置位；若所述结果标签为未配对成功标签时，则重复所述步骤238至239，直至所述结果标签为配对成功标签。
40.举例来说，本技术重复进行比对，以图4为例，当视界1的图像所获取的标签为未配对成功标签后，则移动到视界2获取图像后提取特征输入至各个经过训练的神经网络模型，如果视界2所获取的标签同样为未配对成功标签后，再移动到视界3获取标签，以此类推，直至获取到配对成功标签。
41.采用这种方式，可以不必探索完整个摄像装置的所有视界，即可以找到预置位。
42.可以理解的是，在另一个实施例中，还可以是先将所有视界所对应的图像都获取完，然后将所有图像分别输入至各个经过训练的神经网络模型，最终获取到哪个视界的图像获取到配对成功标签。
43.以图4为例，假设图4中一共有视界1至视界3这3个视界，则首先分别获取视界1至视界3对应的图像（视界1拍摄的图像1、视界2拍摄的图像2、视界3拍摄的图像3），并将3个图像都输入至各个经过训练的神经网络模型，从而获取标签，假设视界2拍摄的图像2所对应的标签为配对成功标签，则认为摄像装置能够拍摄到视界2的画面时所在的位置为预置位。
44.采用这种方式，虽然需要探测摄像装置所有的视界，但是检测比较全面，不太可能出现遗漏。
45.在本实施例中，当预置位探索策略为第二预置位探索策略时，所述步骤23包括：步骤2301：边缘计算网关获取摄像装置在预设初始视界所拍摄的图像作为待对比图像；步骤2302：边缘计算网关提取所述待对比图像的图像特征；步骤2303：边缘计算网关将所述图像特征分别输入至各个经过训练的神经网络模型，从而获取各个经过训练的神经网络模型所输出的结果标签，所述结果标签包括未配对成功标签；步骤2304：当所述结果标签为未配对成功标签时，获取图像知识图谱，所述图像知识图谱包括至少两个预设图像以及每个预设图像与其他预设图像中的至少一个之间的相对位置关系；步骤2305：将所述步骤2301所获取的图像与所述图像知识图谱中的各个预设图像进行相似度对比，获取相似度阈值大于预设阈值的预设图像；步骤2306：获取与获取的所述预设图像之间具有相对位置关系的其他预设图像；步骤2307：将各个其他预设图像分别输入至各个所述经过训练的神经网络模型，从而获取结果标签为配对成功标签的预设图像；步骤2308：获取结果标签为配对成功标签的预设图像与相似度阈值大于预设阈值
的预设图像之间的相对位置关系；步骤2309：边缘计算网关根据所述相对位置关系为所述摄像装置发送移动命令；步骤23010：摄像装置根据所述移动命令移动，并将移动后的位置作为该摄像装置的预置位。
46.仍然以图4所示为例说明本技术的第二预置位探索策略，在步骤2301与步骤2303中，其具体方案与上述的步骤231至步骤233类似，在此不在赘述。
47.在步骤2304中，获取图像知识图谱，图像知识图谱包括至少两个预设图像以及每个预设图像与其他预设图像中的至少一个之间的相对位置关系，举例来说，图像知识图谱中包括4个预设图像a、b、c、d、e，其中，a分别与b和c有相对位置关系（相对位置关系都是互相具有的，即如果a与b有相对关系，那么b也同样与a具有相对关系，且a如果b与c均由相对位置关系，则c与b之间也同样具有相对位置关系，其通过简单的几何关系即可推导出，在此不再赘述，在本实施例中，相对位置关系是指a、b、c在一个二维空间内坐标关系，例如，a可能为0,0（x轴为0，y轴为0），而b可能为1,1（即x轴为1，y轴为1）），c与d之间有相对位置关系，事实上，有位置关系代表属于同一摄像装置所能拍摄的图像，举例来说，a所对应图像即为图4中视界1的所能拍摄的图像，b所对应图像即为图4中视界2所能拍摄的图像，而c与d可能是其他摄像装置所能拍摄的图像。
48.步骤2305：将步骤2301所获取的图像与所述图像知识图谱中的各个预设图像进行相似度对比，获取相似度阈值大于预设阈值的预设图像，举例来说，步骤2301所获取的图像为图4中的视界1的图像，那么此时，其与a的相似度必然超过阈值，即获取图像a 。
49.步骤2306：获取与获取的预设图像（图像a）之间具有相对位置关系的其他预设图像（图像c、e）；步骤2307：将各个其他预设图像（图像c、e）分别输入至各个所述经过训练的神经网络模型（可以理解的是，也需要分别提取图像c的特征以及图像e的特征），从而获取结果标签为配对成功标签的预设图像；步骤2308：获取结果标签为配对成功标签的预设图像与相似度阈值大于预设阈值的预设图像之间的相对位置关系（假设具有成功配对标签的图像为c，则获取c与a的相对位置关系）；步骤2309：边缘计算网关根据相对位置关系为所述摄像装置发送移动命令（即生成能够让摄像装置从能够拍摄到a的位置移动至能够拍摄到c的位置）；步骤23010：摄像装置根据移动命令移动，并将移动后的位置作为该摄像装置的预置位。
50.采用这种方式，能够以最快的方式获取到摄像装置的预置位，并且不需要频繁的移动摄像装置，可以防止由于频繁进行摄像装置运动导致机械老化。
51.在本实施例中，当预置位探索策略为第一预置位探索策略时，所述步骤23进一步包括：步骤2310：获取摄像装置位于预置位时所在的视界位置并为该视界位置制作识别标签。
52.在本实施例中，每个预置位都制作成识别标签并进行存储，日后客户业务系统可以根据场景直接读取识别标签从而调取对应预置位图片。客户调取预置位时，边缘计算网
关检测当前截图，与对应场景的匹配度，若低于一个阈值（如70%），则返回预置位失效。客户可以根据需要，决定是否重新检测预置位。
53.本技术还提供了一种摄像组，所述摄像组包括边缘计算网关以及多个摄像装置，所述摄像装置与所述边缘计算网关配合实现如上所述的摄像装置预置位自动设置方法。
54.虽然，上文中已经用一般性说明及具体实施方案对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。