屈立成，高芬芬，柏 超，李萌萌，趙 明

(1.長(zhǎng)安大學(xué) 信息工程學(xué)院，西安 710064; 2.西安交通大學(xué) 軟件學(xué)院，西安 710049)(*通信作者電子郵箱2415830781@qq.com)

0 引言

目標(biāo)的準(zhǔn)確定位與選擇是視頻監(jiān)控的核心環(huán)節(jié)，在邊境安防、海防和國(guó)防等監(jiān)控領(lǐng)域有著廣闊的應(yīng)用價(jià)值和發(fā)展前景，盡管目前取得了很多成就，但在實(shí)際應(yīng)用環(huán)境中，還存在著諸多挑戰(zhàn)，如監(jiān)控范圍較小、監(jiān)視盲區(qū)較多、遠(yuǎn)距離監(jiān)控受限、目標(biāo)定位困難等問(wèn)題[1]。采用雷達(dá)與視頻監(jiān)控系統(tǒng)結(jié)合的智能化目標(biāo)定位與選擇方法，可以有效優(yōu)化監(jiān)控站點(diǎn)的分布，減少視頻監(jiān)控設(shè)備的數(shù)量，不受攝像機(jī)可見(jiàn)區(qū)域限制，極大地推動(dòng)安防領(lǐng)域智能化進(jìn)程。

為了解決光學(xué)能見(jiàn)度差與目標(biāo)定位不準(zhǔn)確問(wèn)題，文獻(xiàn)[2]提出了一種雷達(dá)視頻監(jiān)控系統(tǒng)，該系統(tǒng)可實(shí)現(xiàn)大范圍目標(biāo)檢測(cè)，但當(dāng)目標(biāo)進(jìn)入監(jiān)控區(qū)域時(shí)，需要操作人員在雷達(dá)終端上通過(guò)手動(dòng)點(diǎn)擊的方式來(lái)調(diào)度攝像機(jī)指向監(jiān)控目標(biāo)，智能化程度較低，實(shí)時(shí)性較差。文獻(xiàn)[3]中提出一種導(dǎo)航雷達(dá)跟蹤參數(shù)或自動(dòng)識(shí)別系統(tǒng)(Automatic Identification System, AIS)輸出數(shù)據(jù)包引導(dǎo)的視頻監(jiān)控系統(tǒng)，由雷達(dá)測(cè)得目標(biāo)信息后，自動(dòng)引導(dǎo)攝像機(jī)追蹤目標(biāo)。系統(tǒng)使用視頻采集卡將視頻碼流采集到云臺(tái)監(jiān)控工作站，并采用云臺(tái)控制協(xié)議，在低噪聲和傳感器反饋毛刺不明顯的情況下，準(zhǔn)確跟蹤到監(jiān)控目標(biāo)。在多攝像機(jī)領(lǐng)域，文獻(xiàn)[4]提出了一種基于雷達(dá)的視頻聯(lián)動(dòng)監(jiān)控算法，將雷達(dá)探測(cè)到的目標(biāo)位置數(shù)據(jù)傳送到控制中心，由控制中心調(diào)動(dòng)位置最佳的攝像機(jī)，實(shí)現(xiàn)目標(biāo)定位與跟蹤。然而，算法實(shí)現(xiàn)時(shí)未考慮攝像機(jī)與雷達(dá)在安裝時(shí)的高度誤差以及水平角度誤差，在目標(biāo)定位的精確程度方面存在一定的不足。文獻(xiàn)[5]提出了基于雷達(dá)定位的視頻聯(lián)動(dòng)系統(tǒng)，該系統(tǒng)實(shí)現(xiàn)目標(biāo)定位時(shí)需服務(wù)器對(duì)目標(biāo)的真實(shí)坐標(biāo)與虛擬場(chǎng)景坐標(biāo)進(jìn)行標(biāo)定，這種標(biāo)定過(guò)程比較復(fù)雜，計(jì)算量較大，對(duì)硬件的工藝要求較高，在應(yīng)用方面具有一定的局限性。文獻(xiàn)[6]針對(duì)目標(biāo)的有效性選擇問(wèn)題，提出一種攝像機(jī)與多普勒雷達(dá)、傳感器相結(jié)合的裝置，該裝置主要應(yīng)用在交通監(jiān)控系統(tǒng)中，但由于連續(xù)波多普勒雷達(dá)速度測(cè)量系統(tǒng)缺乏區(qū)分多個(gè)目標(biāo)的能力，大多數(shù)系統(tǒng)只能識(shí)別最強(qiáng)的(最接近的)目標(biāo)或最快的目標(biāo)。

綜合了雷達(dá)系統(tǒng)監(jiān)測(cè)距離遠(yuǎn)、監(jiān)控范圍廣，不受雨、雪、霧、浮塵、揚(yáng)沙等特殊天氣因素影響的特點(diǎn)，本文提出一種雷達(dá)引導(dǎo)的視頻聯(lián)動(dòng)監(jiān)控模型，在此基礎(chǔ)上研究雷達(dá)與攝像機(jī)坐標(biāo)系之間的映射關(guān)系，并由此得出運(yùn)動(dòng)目標(biāo)在攝像機(jī)坐標(biāo)系的具體方位，以引導(dǎo)攝像機(jī)準(zhǔn)確鎖定并監(jiān)控目標(biāo)。與現(xiàn)有的視頻監(jiān)控系統(tǒng)相對(duì)比，雷達(dá)引導(dǎo)的視頻聯(lián)動(dòng)監(jiān)控系統(tǒng)結(jié)合網(wǎng)絡(luò)通信技術(shù)、多線程技術(shù)、計(jì)算機(jī)圖像處理等技術(shù)，使視頻監(jiān)控系統(tǒng)朝著高清化、網(wǎng)絡(luò)化、流暢化、智能化方向發(fā)展[7]，實(shí)現(xiàn)全天候、全天時(shí)、全方位的有效監(jiān)控[8-9]。

1 系統(tǒng)結(jié)構(gòu)設(shè)計(jì)

雷達(dá)引導(dǎo)的視頻聯(lián)動(dòng)監(jiān)控系統(tǒng)利用雷達(dá)控制系統(tǒng)接收的反射電磁波，分析處理反射目標(biāo)的距離、速度、回波功率等數(shù)據(jù)信息，并將這些信息實(shí)時(shí)傳送到控制中心?？刂浦行牡姆?wù)器根據(jù)目標(biāo)定位算法驅(qū)動(dòng)攝像機(jī)迅速定位可疑目標(biāo)，當(dāng)監(jiān)控區(qū)域存在多個(gè)可疑目標(biāo)時(shí)，能夠根據(jù)多目標(biāo)選擇算法自動(dòng)選擇出優(yōu)先級(jí)最高的目標(biāo)進(jìn)行監(jiān)控。

本文系統(tǒng)包含前端設(shè)備、控制子系統(tǒng)和顯示子系統(tǒng)三部分，如圖1所示。前端設(shè)備由一個(gè)或多個(gè)雷達(dá)與智能攝像機(jī)組成，控制子系統(tǒng)和顯示子系統(tǒng)分別由控制服務(wù)器、瀏覽服務(wù)器和視頻顯示終端組成[10]?？刂品?wù)器接收雷達(dá)采集到的實(shí)時(shí)數(shù)據(jù)并解析數(shù)據(jù)，計(jì)算出目標(biāo)相對(duì)于攝像機(jī)的方位角和俯仰角[8]，再通過(guò)網(wǎng)絡(luò)通道將解析后的控制數(shù)據(jù)傳送給攝像機(jī)，從而控制其對(duì)目標(biāo)進(jìn)行精確定位。同時(shí)將攝像機(jī)拍攝到的視頻畫(huà)面上傳到瀏覽服務(wù)器，操作人員可在視頻顯示終端上查看實(shí)時(shí)監(jiān)控視頻或者錄像資料。

圖1 系統(tǒng)結(jié)構(gòu)Fig. 1 System architecture

系統(tǒng)結(jié)合雷達(dá)遠(yuǎn)距離探測(cè)的特性，實(shí)現(xiàn)了廣域范圍的超遠(yuǎn)距離監(jiān)控，并根據(jù)目標(biāo)運(yùn)動(dòng)的速度及其與攝像機(jī)之間的距離自動(dòng)調(diào)節(jié)攝像機(jī)旋轉(zhuǎn)角度與焦距。系統(tǒng)設(shè)計(jì)中，雷達(dá)向控制服務(wù)器發(fā)送數(shù)據(jù)時(shí)使用多線程技術(shù)，保證多個(gè)客戶端與服務(wù)器的實(shí)時(shí)連接。通信過(guò)程采用傳輸控制協(xié)議(Transmission Control Protocol, TCP)，保障數(shù)據(jù)可靠傳輸。攝像機(jī)控制過(guò)程采用開(kāi)放型網(wǎng)絡(luò)視頻接口(Open Network Video Interface Forum, ONVIF)協(xié)議，可兼容所有標(biāo)準(zhǔn)視頻監(jiān)控設(shè)備。瀏覽服務(wù)器獲取監(jiān)控視頻流時(shí)采用實(shí)時(shí)流傳輸協(xié)議(Real Time Streaming Protocol, RTSP)，并在需要時(shí)將其轉(zhuǎn)發(fā)至視頻顯示終端。

2 目標(biāo)定位算法

2.1 標(biāo)準(zhǔn)安裝條件下的目標(biāo)定位算法

在標(biāo)準(zhǔn)安裝條件下雷達(dá)與視頻監(jiān)控系統(tǒng)聯(lián)動(dòng)模型如圖2所示。其中，雷達(dá)坐標(biāo)系為直角坐標(biāo)系，智能攝像機(jī)的坐標(biāo)系為球坐標(biāo)系。在雷達(dá)坐標(biāo)系o′uv中，目標(biāo)坐標(biāo)通常用(u，v)表示，其中，u為目標(biāo)在雷達(dá)的水平方向距離(以雷達(dá)為中心點(diǎn)，左側(cè)值為負(fù)，右側(cè)值為正)，v為目標(biāo)在雷達(dá)的垂直方向距離(v≥0)，u、v可由雷達(dá)測(cè)得。以安裝支柱與地面的交點(diǎn)為原點(diǎn)o建立空間直角坐標(biāo)系oxyz。其中，u軸與y軸平行，v軸與x軸及z軸在一個(gè)平面內(nèi)。通過(guò)(u，v)可知目標(biāo)在雷達(dá)坐標(biāo)系中的實(shí)際位置，結(jié)合智能攝像機(jī)的球型坐標(biāo)系，可以采用目標(biāo)定位算法求出目標(biāo)對(duì)應(yīng)于攝像機(jī)的方位角和俯仰角，將目標(biāo)在雷達(dá)坐標(biāo)系中的坐標(biāo)轉(zhuǎn)換到攝像機(jī)坐標(biāo)系中，從而達(dá)到驅(qū)動(dòng)攝像機(jī)快速定位監(jiān)控目標(biāo)的目的。

圖2 系統(tǒng)模型Fig. 2 System model

在實(shí)際應(yīng)用時(shí)，可以預(yù)先測(cè)量出攝像機(jī)距離地面的高度h和雷達(dá)與攝像機(jī)之間的垂直距離h′。目標(biāo)在點(diǎn)P(u，v)對(duì)應(yīng)攝像機(jī)的方位角與其對(duì)應(yīng)雷達(dá)的方位角均為θ(0°≤θ≤360°，θ未知)，對(duì)應(yīng)攝像機(jī)的俯仰角與雷達(dá)俯仰角分別為λ和φ(0°≤λ≤90°，0°≤φ≤90°，λ與φ均未知)，當(dāng)λ和φ為零時(shí)，雷達(dá)平面與攝像機(jī)正切平面的法線均平行于水平面。若要控制攝像機(jī)鎖定目標(biāo)，需求出目標(biāo)對(duì)應(yīng)攝像機(jī)的俯仰角λ和方位角θ。首先，需計(jì)算出目標(biāo)P(u，v)與雷達(dá)的距離d′：

(1)

已知雷達(dá)安裝時(shí)高度為h+h′，可以求出目標(biāo)P(u，v)到原點(diǎn)o的距離r：

(2)

目標(biāo)在點(diǎn)P(u，v)時(shí)，攝像機(jī)的俯仰角為λ：

(3)

目標(biāo)對(duì)應(yīng)雷達(dá)與攝像機(jī)的方位角都為θ：

(4)

在圖2中，若目標(biāo)以一定的速度在時(shí)間t內(nèi)運(yùn)動(dòng)到點(diǎn)P1(u1，v1)，則運(yùn)動(dòng)后其對(duì)應(yīng)攝像機(jī)的俯仰角λ1與方位角θ1由式(3)～(4)可知。圖2中d1與d1′分別表示目標(biāo)在點(diǎn)P1時(shí)與攝像機(jī)和雷達(dá)的距離。

目標(biāo)運(yùn)動(dòng)后，攝像機(jī)的方位角變化Δθ1，如圖3所示，目標(biāo)初始位置在點(diǎn)P(u，v)對(duì)應(yīng)攝像機(jī)的方位角為θ，運(yùn)動(dòng)到點(diǎn)P1(u1，v1)對(duì)應(yīng)攝像機(jī)的方位角為θ1，則Δθ1為：

Δθ1=(θ1-θ)×180°/π

(5)

當(dāng)Δθ1>0°時(shí)，攝像機(jī)在水平方向上順時(shí)針旋轉(zhuǎn)；Δθ1=0°時(shí)，攝像機(jī)在水平方向靜止不動(dòng)；Δθ1<0°時(shí)，攝像機(jī)在水平方向上逆時(shí)針旋轉(zhuǎn)。

圖3 攝像機(jī)方位角變化Fig. 3 Changing of camera azimuth

在垂直平面，以安裝支柱與地面的交點(diǎn)為原點(diǎn)o，建立直角坐標(biāo)系oij，如圖4所示。其中，i軸表示攝像機(jī)水平初始的任意一個(gè)方向，j軸表示固定攝像機(jī)與雷達(dá)的安裝支柱，點(diǎn)Q表示攝像機(jī)的安裝位置。在oij坐標(biāo)系中，目標(biāo)初始位置在點(diǎn)P(u，v)，對(duì)應(yīng)攝像機(jī)俯仰角為λ。

若目標(biāo)在一定時(shí)間內(nèi)運(yùn)動(dòng)到點(diǎn)P1(u1，v1)，對(duì)應(yīng)攝像機(jī)俯仰角變?yōu)棣?，則攝像機(jī)在垂直方向需旋轉(zhuǎn)的角度為Δλ1：

Δλ1=(λ1-λ)×180°/π

(6)

當(dāng)Δλ1>0°時(shí)，攝像機(jī)靠近j軸；當(dāng)Δλ1=0°時(shí)，攝像機(jī)在垂直方向靜止不動(dòng)；Δλ1<0°時(shí)，攝像機(jī)遠(yuǎn)離j軸。

圖4 攝像機(jī)俯仰角變化Fig. 4 Changing of camera pitch angle

2.2 存在安裝夾角的目標(biāo)定位算法

目標(biāo)定位算法適用于雷達(dá)平面的法線與智能攝像機(jī)正切平面的法線指向的水平方向相同，并且智能攝像機(jī)正切平面的法線平行于地面。然而，在實(shí)際操作中，雷達(dá)平面法線與攝像機(jī)正切平面法線在水平方向會(huì)存在一定夾角Δα，攝像機(jī)正切平面的法線與地面也會(huì)有一定的夾角Δβ。為了減小攝像機(jī)旋轉(zhuǎn)時(shí)的誤差，提出改進(jìn)后的目標(biāo)定位算法。

2.2.1 法線之間存在水平夾角

如圖5所示，從水平方向上看，雷達(dá)坐標(biāo)系為o′uv，攝像機(jī)坐標(biāo)系為o′xy。若雷達(dá)平面的法線與攝像機(jī)正切平面法線的初始方向均指向真北，但兩者與真北均存在一定的夾角，可通過(guò)測(cè)量?jī)x器知道雷達(dá)與真北方向之間的夾角αr，智能攝像機(jī)與真北方向夾角αc。目標(biāo)初始位置在點(diǎn)P(u，v)對(duì)應(yīng)雷達(dá)的方位角θ由式(4)可知。由αr、αc求出雷達(dá)與攝像機(jī)夾角為Δα：

Δα=αc-αr

(7)

當(dāng)雷達(dá)坐標(biāo)系的v軸最靠近真北時(shí)(圖5(a))，攝像機(jī)從初始位置到點(diǎn)P需旋轉(zhuǎn)θr：

θr=(θ-|Δα|)×180°/π

(8)

同理可知，當(dāng)攝像機(jī)坐標(biāo)系的y軸最靠近真北時(shí)(圖5(b))，攝像機(jī)從初始位置到點(diǎn)P需旋轉(zhuǎn)θc：

θc=(θ+|Δα|)×180°/π

(9)

當(dāng)θr>0°或θc>0°時(shí)，雷達(dá)控制攝像機(jī)在水平方向順時(shí)針旋轉(zhuǎn)；θr=0°或θc=0°時(shí)，攝像機(jī)在水平方向靜止不動(dòng)；θr<0°或θc<0°時(shí)，雷達(dá)控制攝像機(jī)在水平方向逆時(shí)針旋轉(zhuǎn)。目標(biāo)運(yùn)動(dòng)到點(diǎn)Pi(ui，vi)時(shí)對(duì)應(yīng)的雷達(dá)方位角為θi，由式(5)可知攝像機(jī)從點(diǎn)P運(yùn)動(dòng)到點(diǎn)Pi方位角變化Δθi。

圖 5 雷達(dá)與攝像機(jī)存在水平夾角Fig. 5 Horizontal angle between radar and camera

2.2.2 攝像機(jī)法線與地面存在夾角

如圖6所示，在oij坐標(biāo)系中，若智能攝像機(jī)初始安裝位置與地面存在夾角Δβ(Δβ≠0°)，在這種情況下，采用目標(biāo)定位算法求得的攝像機(jī)俯仰角會(huì)有一定的誤差。本節(jié)在目標(biāo)定位算法的基礎(chǔ)上，對(duì)攝像機(jī)俯仰角的計(jì)算方法提出改進(jìn)。當(dāng)目標(biāo)首次出現(xiàn)在點(diǎn)P(u，v)時(shí)，由式(3)可知攝像機(jī)俯仰角為λ。目標(biāo)運(yùn)動(dòng)到點(diǎn)Pi對(duì)應(yīng)攝像機(jī)的俯仰角為λi，則攝像機(jī)從初始位置到目標(biāo)P需旋轉(zhuǎn)λc：

λc=λ-Δβ

(10)

若λc>0°，攝像機(jī)靠近j軸；λc=0°，攝像機(jī)在垂直方向靜止不動(dòng)；λc<0°，則攝像機(jī)遠(yuǎn)離j軸。當(dāng)目標(biāo)距離原點(diǎn)o的位移發(fā)生變化時(shí)，目標(biāo)對(duì)應(yīng)攝像機(jī)的俯仰角變化Δλi由式(6)可知。

圖 6 攝像機(jī)法線與地面不平行Fig. 6 Camera normal not parallel to ground

3 多目標(biāo)選擇算法

在雷達(dá)引導(dǎo)的視頻聯(lián)動(dòng)監(jiān)控模型中，雷達(dá)可檢測(cè)到多個(gè)目標(biāo)，攝像機(jī)數(shù)量卻相當(dāng)有限，當(dāng)雷達(dá)監(jiān)測(cè)區(qū)域出現(xiàn)多個(gè)目標(biāo)時(shí)，攝像機(jī)無(wú)法正確地選擇出合理的監(jiān)測(cè)目標(biāo)。針對(duì)上述問(wèn)題，本章提出多目標(biāo)選擇算法。雷達(dá)獲取到多個(gè)目標(biāo)Pi(i={2，3，…，15})的監(jiān)測(cè)信息后發(fā)送給控制服務(wù)器，服務(wù)器分析和比較雷達(dá)發(fā)送來(lái)的目標(biāo)信息，計(jì)算并選擇出最可疑的一個(gè)或者多個(gè)目標(biāo)，根據(jù)選中目標(biāo)的方位角和俯仰角生成支持標(biāo)準(zhǔn)的全方位移動(dòng)及鏡頭變倍、變焦(Pan/Tilt/Zoom, PTZ)控制的攝像機(jī)命令，并將其通過(guò)ONVIF協(xié)議發(fā)送到攝像機(jī)，引導(dǎo)攝像機(jī)鎖定和追蹤目標(biāo)。

多目標(biāo)選擇算法綜合考慮了目標(biāo)的離散程度、徑向速度及其與攝像機(jī)之間的距離，根據(jù)這三個(gè)主要因素綜合評(píng)估攝像機(jī)要追蹤的重點(diǎn)目標(biāo)。目標(biāo)的離散程度可通過(guò)目標(biāo)與攝像機(jī)的距離離均差來(lái)計(jì)算，徑向速度為目標(biāo)靠近警戒區(qū)域的位移與時(shí)間之比，其中，目標(biāo)與攝像機(jī)的距離可通過(guò)坐標(biāo)間接求出。圖2中，將雷達(dá)坐標(biāo)系o′uv轉(zhuǎn)換到空間直角坐標(biāo)系oxyz，則雷達(dá)監(jiān)測(cè)區(qū)域中運(yùn)動(dòng)目標(biāo)P(u，v)的坐標(biāo)對(duì)應(yīng)空間直角坐標(biāo)系的坐標(biāo)為P(x，y，z)。由于目標(biāo)在水平面運(yùn)動(dòng)，所以z等于0。雷達(dá)坐標(biāo)系中的u軸與空間直角坐標(biāo)系的y軸平行，v軸與x軸和z軸在同一個(gè)平面內(nèi)，攝像機(jī)的安裝高度已知為h，雷達(dá)安裝高度為h+h′，目標(biāo)i與原點(diǎn)o的實(shí)際距離ri由式(2)可知，則目標(biāo)Pi與攝像機(jī)的距離di計(jì)算方法如式(11):

(11)

其中，di越小，則目標(biāo)越靠近攝像機(jī)，優(yōu)先級(jí)越高。再根據(jù)目標(biāo)與攝像機(jī)之間的距離離均差求出其離散度，離均差si由式(12)可知：

si=|di-μ|

(12)

其中μ表示目標(biāo)到攝像機(jī)的平均距離，由式(13)可知 ：

(13)

其中，N為雷達(dá)檢測(cè)到的目標(biāo)數(shù)量。式(12)求得的離均差越大，表示目標(biāo)越分散；離均差越小，表示目標(biāo)所處位置越集中，則優(yōu)先級(jí)越高。

如圖7所示，在平面直角坐標(biāo)系oxy中，雷達(dá)監(jiān)測(cè)區(qū)域出現(xiàn)多個(gè)目標(biāo)，目標(biāo)以速度vp向某方向運(yùn)動(dòng)，其靠近警戒范圍的徑向速度為vr計(jì)算式如下：

vr=Δy/Δt

(14)

其中：Δy(Δy=Δu)表示目標(biāo)運(yùn)動(dòng)前后在y軸方向的位移差；Δt表示目標(biāo)運(yùn)動(dòng)前后的時(shí)間差；vr越大表示目標(biāo)靠近警戒區(qū)域的速度越大，則優(yōu)先級(jí)越高。

圖7 多目標(biāo)示意圖Fig. 7 Schematic diagram of multiple targets

由式(11)～(12)、(14)求出目標(biāo)與攝像機(jī)之間的距離、離散度、徑向速度，并使用冒泡排序法按照優(yōu)先級(jí)高低分別對(duì)其從大到小排序，將排序結(jié)果m、n、p分別與其對(duì)應(yīng)影響因素的權(quán)重相乘并求和[11]，得出權(quán)函數(shù)值Wi：

Wi=α·m+β·n+γ·p

(15)

其中，α、β、γ表示各個(gè)影響因子的權(quán)重系數(shù)，且α+β+γ=1。對(duì)式(15)中求出的Wi進(jìn)行排序，求出權(quán)函數(shù)值最大的目標(biāo)Pi，并控制攝像機(jī)對(duì)其進(jìn)行實(shí)時(shí)定位與追蹤。

4 實(shí)驗(yàn)結(jié)果與分析

4.1 實(shí)驗(yàn)環(huán)境

本文在Qt開(kāi)發(fā)環(huán)境下，使用筆記本電腦(Windows 7,64位操作系統(tǒng)，CPU 1.9 GHz，處理器A8-4500M，內(nèi)存4.00 GB)編程，采用海康智能攝像機(jī)和FD4-80C-J60雷達(dá)進(jìn)行實(shí)驗(yàn)。其中，雷達(dá)輻射的距離量程可達(dá)6 km，輻射角量程為72.5°；智能攝像機(jī)水平旋轉(zhuǎn)角量程為360°，垂直旋轉(zhuǎn)角量程為90°；攝像機(jī)與雷達(dá)的安裝高度分別為2 m和2.3 m。

系統(tǒng)的軟件實(shí)現(xiàn)界面如圖8所示(圖8～12中的小轎車(chē)1和小轎車(chē)2均處于靜止?fàn)顟B(tài))，圖中左側(cè)為雷達(dá)的監(jiān)控界面，扇形區(qū)域?yàn)槔走_(dá)的監(jiān)測(cè)范圍，右側(cè)為攝像機(jī)視頻畫(huà)面，當(dāng)目標(biāo)出現(xiàn)在雷達(dá)監(jiān)測(cè)區(qū)域時(shí)，攝像機(jī)會(huì)指向該目標(biāo)，實(shí)現(xiàn)聯(lián)動(dòng)監(jiān)控。實(shí)驗(yàn)中，選取校園某時(shí)刻路面行人、車(chē)輛較少時(shí)進(jìn)行測(cè)量，將目標(biāo)所受外界環(huán)境干擾因素降到最低，研究目標(biāo)分別為行人和自行車(chē)，目標(biāo)所受的干擾因素如表1所示，實(shí)驗(yàn)中不同研究目標(biāo)所受的干擾因素[12-14]如表2所示。

圖8 系統(tǒng)軟件界面Fig. 8 Software interface of system表1 干擾因素含義Tab. 1 Meanings of interference factors

簡(jiǎn)稱(chēng)全稱(chēng)含義SVScale Variation目標(biāo)尺度有明顯變化OCCOcclusion目標(biāo)被部分或全部遮擋FMFast Motion目標(biāo)存在快速運(yùn)動(dòng)情況IPRIn-Plane Rotaion目標(biāo)在圖像上存在旋轉(zhuǎn)OPROut-of-Plane Rotation目標(biāo)在圖像外有旋轉(zhuǎn)OVOut-of-View目標(biāo)離開(kāi)攝像機(jī)視野BCBackground Clutters存在與目標(biāo)相似的物體

表2 測(cè)試所用視頻序列及其包含的干擾因素Tab. 2 Experimental video sequences and their interference factors

4.2 目標(biāo)中心誤差評(píng)價(jià)方法

本文采用目標(biāo)中心誤差評(píng)價(jià)方法驗(yàn)證目標(biāo)定位算法的有效性。首先，設(shè)定目標(biāo)的標(biāo)準(zhǔn)邊界框sn和定位邊界框sl。其中，sn在視頻顯示器的中心，sl表示攝像機(jī)定位目標(biāo)的實(shí)際邊界框。sn和sl的中心距離差表示誤差E。E值越小，則目標(biāo)被實(shí)時(shí)定位的準(zhǔn)確率越高。實(shí)驗(yàn)中，首先給定誤差閾值T，若E

(16)

其中，wn和hn為人工指定目標(biāo)的標(biāo)準(zhǔn)邊界框的寬與高。誤差E可由式(17)求得：

E=

(17)

其中:hm與vm表示目標(biāo)定位邊界框sl到視頻顯示界面的水平邊界與垂直邊界的最短距離;ln與bn分別表示目標(biāo)標(biāo)準(zhǔn)邊界框sn到視頻顯示界面左側(cè)與底部的距離;wl和hl為目標(biāo)定位邊界框的寬與高。

4.3 結(jié)果分析

4.3.1 目標(biāo)定位的實(shí)驗(yàn)分析

實(shí)驗(yàn)中的測(cè)試對(duì)象主要為行人和自行車(chē)，選取表2中的Person1和Bicycle視頻序列。表3為實(shí)驗(yàn)測(cè)得的兩組數(shù)據(jù)，每組實(shí)驗(yàn)選取的目標(biāo)位置均在雷達(dá)中心的左側(cè)、中心及右側(cè)。表3中，u表示目標(biāo)在水平方向與雷達(dá)中心位置的距離，v表示目標(biāo)在垂直方向與雷達(dá)的距離，θ與λ為算法求得的目標(biāo)對(duì)于智能攝像機(jī)的方位角和俯仰角，根據(jù)方位角和俯仰角控制其準(zhǔn)確、快速地定位目標(biāo)。

表3 對(duì)Person1和Bicycle視頻序列的測(cè)試結(jié)果Tab. 3 Test results of video sequences Person1 and Bicycle

在Person1視頻序列中，當(dāng)目標(biāo)在雷達(dá)的第546、581、615幀時(shí)，顯示終端的視頻圖像如圖9所示。序列中的主要干擾因素為部分或全部遮擋，在雷達(dá)的第546幀時(shí)將行人作為跟蹤目標(biāo)，由雷達(dá)反射回的信息得知，行人以1.2 m/s的速度勻速行駛。在第581幀時(shí)，目標(biāo)與攝像機(jī)之間被停在路邊的車(chē)輛部分遮擋，當(dāng)目標(biāo)從車(chē)輛后穿過(guò)時(shí)，攝像機(jī)迅速捕獲目標(biāo)。智能攝像機(jī)拍攝的視頻畫(huà)面?zhèn)魉偷斤@示終端時(shí)，根據(jù)式(16)中閾值T的設(shè)定方法及式(17)的誤差分析方法得出：攝像機(jī)正中心與目標(biāo)位置能準(zhǔn)確匹配，平均準(zhǔn)確率為0.94。

在雷達(dá)的第1 618、1 633、1 653幀時(shí)，Bicycle 視頻序列對(duì)應(yīng)的圖像如圖10所示。序列中的主要干擾因素為快速運(yùn)動(dòng)。由于自行車(chē)運(yùn)動(dòng)速度較大(平均以4.9 m/s的速度行駛)，采用目標(biāo)中心誤差評(píng)價(jià)方法定位時(shí)誤差相對(duì)行人較大，平均準(zhǔn)確率為0.84。

圖9 對(duì)Peron1視頻序列的定位結(jié)果Fig. 9 Positioning results of video sequence Person1

圖10 對(duì)Bicycle 視頻序列的定位結(jié)果Fig. 10 Positioning results of video sequence Bicycle

4.3.2 目標(biāo)定位算法與OT4算法對(duì)比實(shí)驗(yàn)

實(shí)驗(yàn)選取表2中的Person2視頻序列，將本文的目標(biāo)定位算法與文獻(xiàn)[4]算法進(jìn)行對(duì)比，為了便于描述，簡(jiǎn)稱(chēng)文獻(xiàn)[4]算法為OT4(Object Tracking 4)算法。在雷達(dá)的第757、790、812幀時(shí)，目標(biāo)定位算法與OT4算法的實(shí)驗(yàn)結(jié)果如圖11所示,圖中，F(xiàn)r表示目標(biāo)在視頻畫(huà)面的中心位置，F(xiàn)m表示本文算法對(duì)目標(biāo)定位的結(jié)果，F(xiàn)o表示OT4算法對(duì)目標(biāo)定位的結(jié)果。從圖11中可以看出，在綜合考慮雷達(dá)與攝像機(jī)存在安裝高度誤差及水平角度誤差的前提情況下，本文算法對(duì)目標(biāo)進(jìn)行定位時(shí)最接近視頻顯示畫(huà)面的中心，相對(duì)于OT4算法的準(zhǔn)確率更高。

圖11 對(duì)Person2視頻序列的實(shí)驗(yàn)結(jié)果對(duì)比Fig. 11 Experimental result comparison of video sequence Person2

4.3.3 多目標(biāo)選擇的實(shí)驗(yàn)分析

在驗(yàn)證多目標(biāo)選擇算法的可靠性時(shí)，選取道路上行人和車(chē)輛較多的時(shí)間段進(jìn)行測(cè)試，并在選取的道路路面上設(shè)置警戒區(qū)域，根據(jù)多目標(biāo)選擇算法，實(shí)驗(yàn)中將權(quán)重系數(shù)α、β、γ分為設(shè)為0.2、0.3、0.5，計(jì)算結(jié)果如表4所示。

表4 對(duì)Multi-obj視頻序列的目標(biāo)選擇結(jié)果Tab. 4 Target selection results of video sequence Multi-obj

在雷達(dá)的第1 211、1 226、1 242幀時(shí)，Multi-obj視頻序列對(duì)應(yīng)的圖像如圖12所示。在雷達(dá)監(jiān)測(cè)范圍的第1 211幀中有兩個(gè)運(yùn)動(dòng)目標(biāo)：自行車(chē)和行人，兩者均向圖12(c)的警戒區(qū)域靠近。從表4可知,此時(shí)自行車(chē)的權(quán)函數(shù)值最大，所以智能攝像機(jī)會(huì)鎖定自行車(chē)為定位目標(biāo)，并對(duì)其追蹤。在后續(xù)幀中，雷達(dá)檢測(cè)到三個(gè)目標(biāo)的數(shù)據(jù)信息，此時(shí)Multi-obj視頻序列對(duì)應(yīng)有三個(gè)運(yùn)動(dòng)目標(biāo)，如圖12(b)所示。比較得出自行車(chē)的權(quán)函數(shù)值最大，智能攝像機(jī)仍然會(huì)追蹤自行車(chē)。在1 242幀雷達(dá)監(jiān)測(cè)區(qū)域僅有一個(gè)目標(biāo)，系統(tǒng)根據(jù)目標(biāo)定位算法直接鎖定目標(biāo)并對(duì)其追蹤，無(wú)需使用多目標(biāo)選擇算法。

基于上述實(shí)驗(yàn)與分析得出：多目標(biāo)選擇算法能在最短時(shí)間內(nèi)選中最佳跟蹤目標(biāo)，實(shí)現(xiàn)對(duì)最關(guān)注目標(biāo)的實(shí)時(shí)監(jiān)測(cè)，大大優(yōu)化了監(jiān)控站點(diǎn)的分布，減少了視頻監(jiān)控設(shè)備數(shù)量。

圖12 對(duì)Multi-obj視頻序列的定位結(jié)果Fig. 12 Positioning results of video sequence Multi-obj

5 結(jié)語(yǔ)

本文在建立雷達(dá)引導(dǎo)的視頻聯(lián)動(dòng)監(jiān)控模型的基礎(chǔ)上，提出目標(biāo)定位算法和多目標(biāo)選擇算法，實(shí)現(xiàn)了目標(biāo)的準(zhǔn)確定位和有效篩選。實(shí)驗(yàn)結(jié)果表明，本文算法在目標(biāo)定位的準(zhǔn)確性和多目標(biāo)選擇的有效性方面均能達(dá)到很好的效果。雷達(dá)引導(dǎo)的視頻聯(lián)動(dòng)監(jiān)控系統(tǒng)結(jié)合雷達(dá)探測(cè)距離遠(yuǎn)、不受天氣因素影響的工作特性，引導(dǎo)攝像機(jī)快速精確地聚焦監(jiān)控目標(biāo)，可廣泛應(yīng)用于邊境、油田、海岸等地理位置復(fù)雜、分布范圍較廣的無(wú)人值守區(qū)域的重點(diǎn)監(jiān)控，解決了視頻監(jiān)控系統(tǒng)監(jiān)控范圍小、監(jiān)視盲區(qū)多、目標(biāo)發(fā)現(xiàn)困難等問(wèn)題，實(shí)現(xiàn)了全天候、全天時(shí)、全方位、遠(yuǎn)距離的視頻安防監(jiān)控，大大優(yōu)化了監(jiān)控站點(diǎn)的位置分布，精減監(jiān)控設(shè)備的數(shù)量。隨著人工智能、大數(shù)據(jù)、人臉識(shí)別等新技術(shù)的不斷出現(xiàn)，雷達(dá)引導(dǎo)的視頻聯(lián)動(dòng)監(jiān)控系統(tǒng)會(huì)有更好的發(fā)展前景，也會(huì)更加廣泛地應(yīng)用到視頻安防監(jiān)控領(lǐng)域。