盧樹華, 方陳贏, 王照明, 田 方

(中國(guó)人民公安大學(xué)信息技術(shù)與網(wǎng)絡(luò)安全學(xué)院， 北京 102600)

基于組合賦權(quán)法的攝像機(jī)性能評(píng)價(jià)

盧樹華, 方陳贏, 王照明, 田 方

(中國(guó)人民公安大學(xué)信息技術(shù)與網(wǎng)絡(luò)安全學(xué)院， 北京 102600)

針對(duì)當(dāng)前視頻監(jiān)控系統(tǒng)中攝像機(jī)綜合性能的評(píng)價(jià)方法較為過(guò)于簡(jiǎn)單導(dǎo)致區(qū)分度低，難以為選擇者提供精確參考等問(wèn)題，采用組合賦權(quán)法建立了攝像機(jī)性能綜合評(píng)價(jià)模型，計(jì)算了其指標(biāo)權(quán)重，對(duì)幾種1080P數(shù)字球型攝像機(jī)的性能進(jìn)行綜合評(píng)價(jià)；并利用Visual studio 2013開發(fā)平臺(tái)，采用C#，Matlab語(yǔ)言編程，設(shè)計(jì)開發(fā)了攝像相機(jī)性能綜合評(píng)價(jià)應(yīng)用軟件。 結(jié)果表明：采用組合賦權(quán)的方法可以融合主觀和客觀賦權(quán)的優(yōu)點(diǎn)，使評(píng)價(jià)結(jié)果更為精確、合理；評(píng)價(jià)軟件可以簡(jiǎn)化計(jì)算，提高準(zhǔn)確性，具有較好的可操作性和有效性；該評(píng)價(jià)模型和軟件可為攝像機(jī)的選擇評(píng)估和視頻監(jiān)控系統(tǒng)建設(shè)與運(yùn)維提供有效的參考。

攝像機(jī)； 性能評(píng)價(jià)； 組合賦權(quán)法； 評(píng)價(jià)系統(tǒng)

0 引言

視頻監(jiān)控系統(tǒng)可以有效的防范和打擊犯罪，提高社會(huì)治安防控能力，在公共安全領(lǐng)域得到廣泛應(yīng)用。攝像機(jī)屬于視頻監(jiān)控系統(tǒng)的前端設(shè)備，其性能優(yōu)劣對(duì)整個(gè)系統(tǒng)的效能有重要影響。近年來(lái)，隨著各地視頻監(jiān)控系統(tǒng)建設(shè)的廣泛開展，相關(guān)部門對(duì)高性能攝像機(jī)的需求較大，而目前市場(chǎng)上攝像機(jī)的種類繁多，性能各異，人們對(duì)如何能選擇到性價(jià)比高的攝像機(jī)普遍比較關(guān)注[1-5]。

常用的綜合評(píng)價(jià)方法主要分為主觀和客觀評(píng)價(jià)方法。主觀評(píng)價(jià)方法包括層次分析法(analytic hierarchy process, 簡(jiǎn)稱AHP)、德爾菲法、模糊綜合法等；客觀評(píng)價(jià)方法包括熵值法、離差最大化法、數(shù)據(jù)包絡(luò)分析法等[6-12]。主觀評(píng)價(jià)方法基于專家的專業(yè)知識(shí)、經(jīng)驗(yàn)等對(duì)系統(tǒng)評(píng)價(jià)指標(biāo)進(jìn)行賦權(quán)，而客觀評(píng)價(jià)方法則基于對(duì)系統(tǒng)已測(cè)量的數(shù)據(jù)樣本進(jìn)行分析比較再賦權(quán)[6-11]。目前，對(duì)攝像機(jī)成像質(zhì)量參數(shù)以及綜合性能的評(píng)價(jià)方法主要集中在層次分析法[1-2]、模糊層次分析法[1]、模糊層次分析法、Kano法組合模型[1-4]以及屬性綜合評(píng)價(jià)模型[5]等主觀方法。其中，連禮泉等[5]測(cè)量了攝像機(jī)性能參數(shù)，并首次給出了屬性評(píng)價(jià)結(jié)果。本課題小組[2]在前期工作中利用層次分析法構(gòu)建了攝像機(jī)性能綜合評(píng)價(jià)模型，計(jì)算了指標(biāo)權(quán)重，給出了評(píng)價(jià)結(jié)果。然而上述攝像機(jī)性能評(píng)價(jià)方法主要為主觀評(píng)價(jià)方法，容易受到專家經(jīng)驗(yàn)、主觀意愿和專業(yè)知識(shí)等因素的限制，具有較大的主觀隨意性，且評(píng)價(jià)方法較為粗略，難以為選擇者提供精確的參考。為克服上述問(wèn)題，本文采用主、客觀相結(jié)合的方法，即層次分析法和熵值法組合賦權(quán)的方法，對(duì)攝像機(jī)性能指標(biāo)進(jìn)行了綜合評(píng)價(jià)，并開發(fā)了相應(yīng)的評(píng)價(jià)系統(tǒng)，以期能夠提高評(píng)價(jià)方法的可行性和有效性，為攝像機(jī)的性能評(píng)價(jià)提供有意義的參考。

1 評(píng)價(jià)方法原理

在多屬性綜合評(píng)價(jià)中，假設(shè)評(píng)價(jià)系統(tǒng)有n個(gè)屬性指標(biāo)，m個(gè)評(píng)價(jià)對(duì)象，構(gòu)造屬性集合U=(u1u2u3…un), 評(píng)價(jià)數(shù)值集V=(v1v2…vn)，評(píng)價(jià)權(quán)重集W=(w1w2w3…wn)。綜合評(píng)價(jià)方法中，權(quán)重的確定是非常重要的環(huán)節(jié)，其精確性和科學(xué)性可以直接影響到最后的評(píng)價(jià)結(jié)果，在賦權(quán)時(shí)需既要考慮科學(xué)性又要考慮可操作性等因素。綜合文獻(xiàn)分析，本文采用層次分析法和熵值法分別作為主觀和客觀賦權(quán)法。

1.1 層次分析法

層次分析為主觀賦權(quán)方法，該方法常用來(lái)作定性和定量評(píng)價(jià)，具有層次清晰、計(jì)算簡(jiǎn)便的特點(diǎn)[8,11]。層次分析法評(píng)價(jià)過(guò)程一般分為3個(gè)步驟：

①構(gòu)建層次評(píng)價(jià)模型。分析影響評(píng)價(jià)系統(tǒng)的各因素，按照屬性及相互間關(guān)系將其分為不同層次：目標(biāo)層、準(zhǔn)則層和方案層，一般目標(biāo)層位于最上端，方案層位于最底端，由此建立層次評(píng)價(jià)模型[1-4]。

②構(gòu)建判斷矩陣和計(jì)算指標(biāo)權(quán)重。根據(jù)9分制及其倒數(shù)1/9準(zhǔn)則標(biāo)度[12]，通過(guò)兩兩比較指標(biāo)的重要性來(lái)構(gòu)建評(píng)價(jià)矩陣A=(aij)n×n，i,j=1,2,3,…,n，定義下一層元素對(duì)上層結(jié)構(gòu)的比重，式中，aij=1/aji(j≠i)，aij=1(i=j)。然后對(duì)矩陣A進(jìn)行標(biāo)準(zhǔn)化處理，得到歸一化矩陣為：

X=(xij)n×n

③一致性檢驗(yàn)。為判斷評(píng)價(jià)矩陣的合理性與邏輯性，要進(jìn)行一致性檢驗(yàn)，見式(1),(2)。

(1)

(2)

式(1)，(2)中，CI為一致性指標(biāo)，RI為平均隨機(jī)一致性指標(biāo)，其取值見文獻(xiàn)[12-13]所示，CR為一致性比例，當(dāng)其小于0.1時(shí)，表示評(píng)價(jià)矩陣元的賦值是合理的，可以接受的。

1.2 熵值法

熵值法的基本思想來(lái)源于C.E Shannon的信息熵概念[10-11]，在信息論中，熵是信息有效性的度量[6-11]。在多屬性綜合評(píng)價(jià)方法中，熵值法主要是對(duì)數(shù)據(jù)樣本進(jìn)行對(duì)比，分析其差異性，如果評(píng)價(jià)對(duì)象的某項(xiàng)指標(biāo)差異較小，則其熵值較大，而該指標(biāo)對(duì)評(píng)價(jià)結(jié)果的貢獻(xiàn)較小，即權(quán)重較??；反之，某項(xiàng)指標(biāo)差異性較大，則其熵值較小，而該指標(biāo)對(duì)評(píng)價(jià)結(jié)果貢獻(xiàn)較大，即權(quán)重較大。熵值法的評(píng)價(jià)結(jié)果依賴客觀數(shù)據(jù)，需要有數(shù)據(jù)樣本進(jìn)行權(quán)重計(jì)算，不受主觀因素的影響，因此為客觀賦權(quán)方法，并被廣泛應(yīng)用于各學(xué)科領(lǐng)域的綜合評(píng)價(jià)問(wèn)題[9-11]。使用熵值法計(jì)算指標(biāo)權(quán)重一般分為以下幾個(gè)步驟。

① 首先根據(jù)系統(tǒng)屬性參數(shù)測(cè)量結(jié)果，構(gòu)造原始數(shù)據(jù)矩陣。假設(shè)評(píng)價(jià)系統(tǒng)有n個(gè)評(píng)價(jià)指標(biāo)，m個(gè)評(píng)價(jià)對(duì)象，經(jīng)過(guò)測(cè)量得其原始數(shù)據(jù)矩陣為B=(bij)m×n，i=1,2,3,…,m;j=1,2,3,…,n原始數(shù)據(jù)量綱不統(tǒng)一，不具可比性，因此需對(duì)矩陣進(jìn)行標(biāo)準(zhǔn)化處理(無(wú)量綱化) ，一般地，原始矩陣元可分為兩種類型的指標(biāo)，即效益型和成本型指標(biāo)，對(duì)效益型指標(biāo)(正向指標(biāo))可按照式(3)標(biāo)準(zhǔn)化，對(duì)成本型指標(biāo)(反向指標(biāo))按照式(4)標(biāo)準(zhǔn)化。

(3)

(4)

由式(3),(4)得到標(biāo)準(zhǔn)化矩陣為：y=(yij)m×n，式中，yij為第i個(gè)評(píng)價(jià)對(duì)象在第j個(gè)評(píng)價(jià)指標(biāo)上的標(biāo)準(zhǔn)值，yij∈[0,1]。

② 計(jì)算第j個(gè)評(píng)價(jià)指標(biāo)的熵值。在有n個(gè)評(píng)價(jià)指標(biāo)，m個(gè)評(píng)價(jià)對(duì)象的評(píng)估問(wèn)題中，第j個(gè)評(píng)價(jià)指標(biāo)的熵為，

(5)

③ 計(jì)算第j個(gè)評(píng)價(jià)指標(biāo)的熵權(quán)。計(jì)算了第j個(gè)指標(biāo)的熵值后，可以計(jì)算第j個(gè)指標(biāo)的熵權(quán)，即：

(6)

1.3 組合賦權(quán)法

組合賦權(quán)法可以彌補(bǔ)單一賦權(quán)法的弱點(diǎn)，使評(píng)價(jià)結(jié)果更為客觀、合理。考慮層次分析法和熵值法的優(yōu)點(diǎn)，組合評(píng)價(jià)的權(quán)重可為主客觀權(quán)重的線性加權(quán)，各評(píng)價(jià)參數(shù)的綜合權(quán)重的計(jì)算公式為：

(7)

(8)

2 結(jié)果與討論

2.1 評(píng)價(jià)結(jié)果

利用本課題組前期工作中攝像機(jī)的層次評(píng)價(jià)模型和參數(shù)測(cè)量數(shù)據(jù)[2]，對(duì)4種1080P數(shù)字球型攝像機(jī)分別利用層次分析法、熵值法和組合賦權(quán)法進(jìn)行評(píng)價(jià)。其中，層次分析法的權(quán)重沿用文獻(xiàn)[2]的方法。熵值法的權(quán)重則利用文獻(xiàn)[2]中測(cè)量的原始數(shù)據(jù)，根據(jù)公式(3)、(4)進(jìn)行標(biāo)準(zhǔn)化處理，再由式(5)、(6)計(jì)算獲得，此外，在評(píng)價(jià)中作以下處理，3D數(shù)字降噪具備則賦值為1，不具備則為0，功能配置指標(biāo)因?yàn)槎季邆?，熵值為最大，則該指標(biāo)熵權(quán)為0，這意味著該指標(biāo)未向決策目標(biāo)提供有效的信息, 可以從評(píng)價(jià)指標(biāo)體系中剔除，不影響實(shí)驗(yàn)結(jié)果[8-11]。價(jià)格為成本型指標(biāo)，原文分為6個(gè)等級(jí)，此處按0, 1, 2, 3, 4, 5形式賦值。此外，考慮層次分析法和熵值法的優(yōu)點(diǎn)，防止主觀偏好或過(guò)分依賴數(shù)據(jù)，兩種方法采取平權(quán)思想得到各參數(shù)的組合權(quán)重，即評(píng)價(jià)參數(shù)的主觀權(quán)重和客觀權(quán)重的加權(quán)系數(shù)為0.5[14]。由此，得到4種1080P數(shù)字球型攝像機(jī)各指標(biāo)參數(shù)的主觀、客觀和組合權(quán)重以及評(píng)價(jià)結(jié)果，如表1、2所示。各指標(biāo)的層次分析法和熵值法權(quán)重并不相同，評(píng)價(jià)結(jié)果也有差異。層次分析法中，其權(quán)重依賴專家的判斷，分辨率和靈敏度，色彩還原性和灰度等級(jí)，信噪比和畸變等部分指標(biāo)權(quán)重一樣，區(qū)分度較低；而熵值法中權(quán)重主要依賴數(shù)據(jù)樣本對(duì)比分析，客觀性強(qiáng)，所有指標(biāo)權(quán)重皆存在差異性，區(qū)分性較好，但有時(shí)和實(shí)際情況不完全一致，因此，考慮將兩種方法結(jié)合。評(píng)價(jià)結(jié)果中，攝像機(jī)A在主觀評(píng)價(jià)中性價(jià)比最好，和C差距很小，而攝像機(jī)C在客觀評(píng)價(jià)中排名最好，且依靠灰度等級(jí)的優(yōu)良結(jié)果在綜合排名中分值最高。攝像機(jī)D雖在熵值法中評(píng)價(jià)結(jié)果有所改善，但是因其主觀評(píng)價(jià)過(guò)低，在組合評(píng)價(jià)中結(jié)果最差，符合主觀預(yù)期。

表1 1080P數(shù)字球型攝像機(jī)指標(biāo)參數(shù)權(quán)重

表2 1080P數(shù)字球型攝像機(jī)評(píng)價(jià)結(jié)果

2.2 攝像機(jī)性能綜合評(píng)價(jià)系統(tǒng)

主觀、客觀，特別是組合評(píng)價(jià)的過(guò)程，計(jì)算量較大，若是評(píng)價(jià)對(duì)象和指標(biāo)較多時(shí)，其計(jì)算過(guò)程更為繁瑣，為提高組合評(píng)價(jià)方法的可操作性和有效性，根據(jù)層次分析法和熵值法計(jì)算原理，結(jié)合文獻(xiàn)[2]中的數(shù)據(jù)，利用Visual studio 2013開發(fā)平臺(tái)，采用C#，Matlab語(yǔ)言編程，設(shè)計(jì)開發(fā)了攝像相機(jī)性能綜合評(píng)價(jià)應(yīng)用軟件。軟件名稱為“攝像機(jī)綜合評(píng)價(jià)系統(tǒng)”，軟件登錄窗口如圖1所示。該軟件可分別根據(jù)層次分析法、熵值法以及組合賦權(quán)法進(jìn)行評(píng)價(jià)，采用組合賦權(quán)的計(jì)算界面見圖2所示，3種評(píng)價(jià)方法的計(jì)算輸出結(jié)果見圖3所示。通過(guò)此軟件進(jìn)行綜合評(píng)價(jià)，其結(jié)果與計(jì)算結(jié)果一致，且可以節(jié)省計(jì)算量，簡(jiǎn)化評(píng)價(jià)過(guò)程，提高準(zhǔn)確性。綜合以上分析，攝像機(jī)組合賦權(quán)評(píng)價(jià)過(guò)程模型如圖4所示，該模型條理清晰，簡(jiǎn)捷實(shí)用，易于操作，此外，評(píng)價(jià)軟件為開放軟件，可根據(jù)評(píng)價(jià)對(duì)象編輯評(píng)價(jià)參數(shù)，具有較好的兼容性和有效性。

圖1 攝像機(jī)性能綜合評(píng)價(jià)系統(tǒng)登陸界面

圖2 攝像機(jī)性能組合賦權(quán)評(píng)價(jià)界面

圖3 攝像機(jī)性能評(píng)價(jià)結(jié)果: (a)層次分析法；(b)熵值法；(c)組合法

圖4 攝像機(jī)組合賦權(quán)評(píng)價(jià)模型示意圖

值得一提的是，通過(guò)不斷探索和嘗試，文章采用C#語(yǔ)言實(shí)現(xiàn)了熵值法計(jì)算權(quán)重，其中，原始數(shù)據(jù)矩陣的讀取和熵值的計(jì)算較為困難，在數(shù)據(jù)矩陣讀取時(shí)調(diào)用C#中現(xiàn)成的StreamReader及FileStream類，分別實(shí)例化一個(gè)對(duì)象對(duì)寫有評(píng)價(jià)矩陣的TXT文件進(jìn)行打開和讀取。調(diào)用FileStream類的Peek方判斷數(shù)據(jù)矩陣是否已讀取完畢，調(diào)用FileStream類的ReadLine方法按行的形式將數(shù)據(jù)矩陣進(jìn)行讀取，調(diào)用Split方法，將每行按空格形式把各評(píng)價(jià)參數(shù)分別存儲(chǔ)到已經(jīng)定義的一個(gè)C#數(shù)組中，其程序如下所示。

name = openFileDialog1.FileName.ToString();

FileStream f1 = new FileStream(name, FileMode.Open, FileAccess.Read);

StreamReader sr = new StreamReader(f1);

string[][] b1 = new string[10][];

int i1 = 0;

for (; i1 < 50; i1++)

{

if (sr.Peek() > 0)

{

b1[i1] = sr.ReadLine().Trim().Split(' ');

}

else

break;

}

public static double[] shangzhi(double[][] a) ∥獲取熵值

{

double [][]temp=new double[100][];

double []result=new double[a[0].Length];

temp=my_method_cengcifenxifa.guiyihua(a,my_method_cengcifenxifa.sum(a));

for(int i=0;i

{

for(int j=0;j

{

if(temp[j][i]==0)

{

temp[j][i]=1;

}

result[i]+=temp[j][i]*Math.Log(temp[j][i],Math.E);

}

result[i]*=-1/Math.Log(a.Length,Math.E);

}

}

3 結(jié)論

本文采用層次分析和熵值法組合賦權(quán)的方法評(píng)價(jià)了攝像機(jī)的性能；建立了組合評(píng)價(jià)模型，該模型條理清晰，簡(jiǎn)捷實(shí)用，易于操作；計(jì)算了攝像機(jī)參數(shù)組合賦權(quán)的權(quán)重。組合賦權(quán)法可以融合主觀和客觀賦權(quán)的優(yōu)點(diǎn)，使評(píng)價(jià)結(jié)果更為客觀、合理。利用Visual studio 2013開發(fā)平臺(tái)，采用C#，Matlab語(yǔ)言編程，設(shè)計(jì)開發(fā)了攝像機(jī)性能綜合評(píng)價(jià)應(yīng)用軟件，可以簡(jiǎn)化計(jì)算，提高準(zhǔn)確性，具有較好的可操作性和有效性。該評(píng)價(jià)模型和軟件可為攝像機(jī)的選擇和視頻監(jiān)控系統(tǒng)建設(shè)與運(yùn)維提供有效的參考。

[1] ALPTEKIN S E．A fuzzy decision support system for digital camera selection based on user preferences[J]．Expert Systems with Applications，2012，39(3)： 3037-3047．

[2] 盧樹華，黃鴻志，張鴻洲，等. 視頻監(jiān)控?cái)z像機(jī)性能參數(shù)綜合評(píng)價(jià)研究[J]. 激光與光電子學(xué)進(jìn)展, 2015(9): 91-102.

[3] WANG X G．Intelligent multi-camera video surveillance: A review[J]．Pattern Recognition Letters，2013(1)：3-19．

[4] WANG C H，WANG J．Combining fuzzy AHP and fuzzy Kano to optimize product varieties for smart cameras: A zero-one integer programming perspective[J]．Applied Soft Computing Journal，2014，22(5)：410-416．

[5] 連禮泉，周桃庚，張鵬嵩，等. 數(shù)碼相機(jī)綜合評(píng)測(cè)系統(tǒng)[J]. 應(yīng)用光學(xué)，2012(4): 756-760.

[6] 徐澤水，達(dá)慶利. 多屬性決策的組合賦權(quán)方法研究[J]. 中國(guó)管理科學(xué)，2002(2): 84-87.

[7] 彭張林, 張強(qiáng), 李珠瑞, 等. 改進(jìn)的離差最大化決策模型及其在臨近空間多任務(wù)規(guī)劃中的應(yīng)用[J]. 系統(tǒng)工程理論與實(shí)踐, 2014(2): 421-427.

[8] 程啟月. 評(píng)測(cè)指標(biāo)權(quán)重確定的結(jié)構(gòu)熵權(quán)法[J]. 系統(tǒng)工程理論與實(shí)踐，2010(7):1225-1228.

[9] XIE C S，DONG D P，HUA S P，et al．Safety Evaluation of Smart Grid based on AHP-Entropy Method[J]．Systems Engineering Procedia，2012(4)：203-209．

[10] 郭顯光. 改進(jìn)的熵值法及其在經(jīng)濟(jì)效益評(píng)價(jià)中的應(yīng)用[J]. 系統(tǒng)工程理論與實(shí)踐,1998, 18(12)：98-102.

[11] 陳衍泰, 陳國(guó)宏, 李美娟. 綜合評(píng)價(jià)方法分類及研究進(jìn)展[J]. 管理科學(xué)學(xué)報(bào)，2004(2):69-79.

[12] 鄧雪，李家銘，曾浩健, 等. 層次分析法權(quán)重計(jì)算方法分析及其應(yīng)用研究[J]. 數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2012(7):93-100.

[13] 劉克會(huì),朱偉. 基于多屬性決策的城市基礎(chǔ)設(shè)施事故風(fēng)險(xiǎn)評(píng)價(jià)[J]. 北京理工大學(xué)學(xué)報(bào)(自然科學(xué)版), 2014, 34(增刊2): 136-139.

[14] 閆書麗, 劉思峰, 方志耕, 等. 區(qū)間灰數(shù)群決策中決策者和屬性權(quán)重確定方法[J].系統(tǒng)工程理論與實(shí)踐， 2014(9): 2372-2378.

D035.39

國(guó)家重點(diǎn)研發(fā)計(jì)劃資助項(xiàng)目(2016YFC0801005)。

盧樹華(1978—)， 男， 山東德州人， 博士，副教授。研究方向?yàn)槌上裣到y(tǒng)性能評(píng)測(cè)。

(責(zé)任編輯于瑞華)