李雯靜 胡 丹 李 楠

（1.武漢科技大學資源與環(huán)境工程學院，湖北武漢430081；2.冶金礦產資源高效利用與造塊湖北省重點實驗室，湖北武漢430081；3.武漢永業(yè)賽博能規(guī)劃勘測有限公司，湖北武漢430062；4.湖北省測繪成果檔案館（湖北省地理信息數據交換中心），湖北武漢430074）

智慧礦山建設能夠促進礦山信息化改造，實現采礦自動化與智能化，保障礦山安全、高效、綠色及可持續(xù)生產，實現科學采礦［1-3］。各類自動化、監(jiān)測和監(jiān)控系統(tǒng)是智慧礦山建設的重要組成部分，在礦山安全生產管理過程中發(fā)揮著重要作用。智慧礦山的研發(fā)企業(yè)也逐漸從單一設備供應商轉變?yōu)榧夹g解決方案供應商，開展了更多的跨領域研究。

在視頻監(jiān)控的智能化、高清化發(fā)展進程中，基于計算機視覺的視頻內容理解技術是研究重點之一［4］，目前已有不少學者對智能視頻監(jiān)控技術進行了研究，其中背景建模、目標檢測識別、目標跟蹤、行為事件分析等算法已經較為成熟［5-7］，各研究單位也相繼開發(fā)了通用性較強的智能視頻監(jiān)控系統(tǒng)［8-9］。

除了視頻相關算法研究及通用系統(tǒng)開發(fā)外，現階段智能視頻監(jiān)控技術的研究仍處于試驗階段，特別是在監(jiān)控設備選址、監(jiān)控畫面布局設計等方面涉及較少，在通過視角構造提升源視頻數據內容有效性的技術方面的研究深度不足。在智能視頻監(jiān)控系統(tǒng)研究方面，目前監(jiān)控設備選址技術的研究受到很大關注。研究科學合理的視頻監(jiān)控選址模型，不僅有利于在滿足公共安全區(qū)域全覆蓋需求的同時達到節(jié)約社會資源的目的，而且能夠提高視頻監(jiān)控源數據質量、減少冗余數據量，從而提高智能監(jiān)控系統(tǒng)的運算效率。雖然視頻監(jiān)控技術早已在礦業(yè)［1］、林業(yè)［11］、室內等領域的安防系統(tǒng)和監(jiān)管系統(tǒng)中得到應用，但是在監(jiān)控點選取方面，缺乏科學合理的布局。根據智慧礦山現代化開采的需求，智能、合理、自動地選取攝像頭的布設點及其監(jiān)控范圍是構建基于地理視頻的公共安全監(jiān)控系統(tǒng)的前提。

由于現代監(jiān)控設備具有位置固定特性且遵循鏡頭成像原理，地理視頻數據采集依舊依賴于監(jiān)控設備，其畫面質量受監(jiān)控設備的地理位置、畫幅尺寸、幀率、分辨率、仰角等參數影響。因此本研究在監(jiān)控選址模型中考慮地理場景等語義，將監(jiān)控對象的特征、行為、事件等語義信息融入到監(jiān)控畫面構造中，這有利于實現監(jiān)控視頻中的事件推理、信息挖掘和關聯分析，響應智能視頻監(jiān)控系統(tǒng)的監(jiān)控目標和需求，從監(jiān)控設備選址開始為智慧礦山的視頻覆蓋網絡構建服務，通過預設背景、監(jiān)控對象、報警事件等實現對范圍內有計劃地監(jiān)控。

1 視頻監(jiān)控技術路線

監(jiān)控選址問題在數學上類似于一種集合覆蓋類選址問題［11-12］，即在滿足所有需求點的服務要求下，選取最少的設施點集合。解決該類問題通常采用基于啟發(fā)式算法的近似求解算法，如啟發(fā)式貪心算法［13］、改進式遺傳算法［14］、人工蜂群算法［15］、二進制貓群優(yōu)化算法等?；趲缀蔚谋O(jiān)控選址方法常以基本地理數據（如數字高程模型）為數據源，以數字地形分析為基礎，結合模擬退火算法、遺傳算法［16］等優(yōu)化算法進行監(jiān)控點自動選址，不僅能夠縮短選址耗時，而且可以實現多個設備點進行聯合監(jiān)控，提升監(jiān)控畫面質量［17-19］。顧及屬性的監(jiān)控選址方法除了要考慮地理環(huán)境的特征外，還需要根據監(jiān)控系統(tǒng)需求和研究專題的特點，對監(jiān)控區(qū)域、監(jiān)控對象的屬性特點進行分析和分類，使選址結果能夠滿足需求［20-22］。

根據上述分析，目前大多數監(jiān)控選址研究聚焦于視頻監(jiān)控數據的優(yōu)化應用上，將高精技術著重投放在監(jiān)控服務的末端，且研究方法主要結合數學、幾何以及屬性信息，雖然充分考慮了選址算法、地形特征、監(jiān)控安裝成本以及成像面積等因素，但是在監(jiān)控服務上游的幅面構造、語義解析等方面的考慮較為缺乏，這也是監(jiān)控選址研究領域迫切需要深入研究的方向。本研究從GIS視角綜合分析了選址需求、監(jiān)控設備參數、監(jiān)控對象的位置語義與特征語義，提出了一種基于地理場景的礦區(qū)監(jiān)控選址模型，實現了監(jiān)控服務范圍與二三維地圖的有效融合。

本研究提出的基于地理場景的礦區(qū)監(jiān)控選址模型的技術路線如圖1所示。首先是模型方法設計，通過對比分析幾種典型的地理視頻語義模型中的地理實體、地理場景、監(jiān)控設備和選址原則，從中提取了一組面向礦區(qū)監(jiān)控選址的、可擴充的地理場景分類。接著結合實例研究地理場景相關語義模型，實現礦區(qū)監(jiān)控需求分析以及地理實體、地理場景分類。最后是試驗部分，根據監(jiān)控候選點群以及監(jiān)控設備的視域生成疊置面片，將其作為參數輸入基于監(jiān)控選址的集合覆蓋模型，使用線性規(guī)劃方法對礦區(qū)監(jiān)控范圍的集合覆蓋問題進行求解，并將選取結果進行二三維可視化。

2 基于地理場景的礦區(qū)監(jiān)控選址模型

2.1 地理場景相關語義構建

建立地理場景相關語義是為了表示和管理監(jiān)控選址模型中涉及的對象、事件及關系等語義信息，并為地理視頻技術的發(fā)展提供語義查詢基礎。隨著視頻技術的發(fā)展，對有效視頻語義模型的需求越來越迫切。為了提取出一組適合礦區(qū)監(jiān)控選址的地理場景語義，本研究選取了幾種具有代表性的視頻語義模型，從地理場景、地理實體、監(jiān)控設備、選址原則4個方面進行了簡化語義信息提取，如表1所示。

在礦區(qū)監(jiān)控選址的背景下，地理場景（Geo-Scene）通常表示為狀態(tài)相對不變的對象，其中需要規(guī)定靜態(tài)要素的類別（Geo-Scene.name），并從幾何數據中獲取各類靜態(tài)要素的面積（Geo-Scene.area）。地理實體（Geo-Entity）通常表示地理場景內具有改變自身狀態(tài)的行為能力的對象，其中需要規(guī)定動態(tài)要素的類別（Geo-Entity.name）、移動速度（Geo-Entity.speed）及其特征（Geo-Entity.features）等語義信息。監(jiān)控設備（Monitor）是監(jiān)控選址模型的研究對象之一，本研究主要考慮監(jiān)控設備的服務半徑、幀率、分辨率等信息。選址需求（Demand）則規(guī)定了在哪些場景（Demand.scene）中需要被監(jiān)控的地理實體（Demand.entity）及其特征（Demand.features），以及監(jiān)控覆蓋率。將這4個方面（或者更多）的語義信息構建視圖聯系起來（圖2），進而決定監(jiān)控設備的選址結果。

2.2 面向監(jiān)控選址需求的語義分析

在礦區(qū)地理要素中，提取出狀態(tài)相對不變的對象，即為地理場景。這些對象將構成地理視頻畫面的背景要素，例如道路、草地、林地、建設用地及其地上附屬物等多種地理場景。因此需要根據監(jiān)控選址需求，利用地理場景相關語義對研究區(qū)內有效的、會產生影響的地理場景進行分類合并。由于在選擇監(jiān)控設備位置時，建筑是作為視域障礙物存在的地理場景，因此在選址空間中需要先排除建筑物立體空間?？紤]到建筑周圍是人群活動最為頻繁的區(qū)域，故取建筑物適當范圍緩沖區(qū)作為建筑周圍的監(jiān)控熱區(qū)圖層。同時根據監(jiān)控需求分析得到監(jiān)控熱區(qū)分級圖，對各類地理場景的監(jiān)控優(yōu)先級進行排列，并設置梯度監(jiān)控覆蓋率目標。

2.3 集合覆蓋模型的構建和運算

根據監(jiān)控需求分析，需要在監(jiān)控候選點群中選出盡量少，但是能滿足各類地理場景監(jiān)控覆蓋率的監(jiān)控組布置點。因此，本研究進行了如下模型參數定義：式中，Z為監(jiān)控設備布置總數；xi取0或1，當xi=0時，表示i點不被選擇安裝第一種監(jiān)控設備，當xi=1時，表示i點被選擇安裝第一種監(jiān)控設備；yi、ki等與xi定義類似，表示i點是否被選擇安裝其他監(jiān)控設備；aij、bij、cij等系數分別表示i點處安裝對應監(jiān)控設備時視域覆蓋的第j（j=1,2,…,M）種地理場景的面積；Sj表示第j種地理場景的最小總覆蓋面積。

根據地理場景與候選點群的分布情況，按照一定邏輯順序將監(jiān)控選址參數模型輸入Lingo軟件進行運算得到監(jiān)控候選點的選取結果，將候選點群的視域圖層與地理場景圖斑進行疊置分析，判斷選取結果是否滿足監(jiān)控覆蓋率目標；否則，需進行一輪補充選址。

3 礦區(qū)監(jiān)控選址試驗分析

3.1 研究區(qū)域分析

作為研究區(qū)的某礦區(qū)位于長江中下游平原中部，占地約19萬m2，區(qū)域中央是一處山包，圍繞山腳有一條彎曲的道路，道路連接了山包兩側的建筑群，并在兩端分叉延伸到建筑內。該區(qū)域主要建筑物、構筑物有63棟，建筑占地面積約1萬m2。區(qū)內整體地勢較為平緩，沒有很大的高程起伏，植被稀疏低矮，視野開闊，不會對視頻監(jiān)控設備造成遮擋，因此適宜作為監(jiān)控選址模型應用試驗的研究區(qū)。

該礦區(qū)主要有道路、建筑物和林地；道路狹長彎曲、不規(guī)整，交叉較少，主要作為開采設備運送、礦業(yè)產品運輸及礦山作業(yè)人員進出之用；建筑較為低矮，分布具有聚集性，山包西側建筑群為一處礦業(yè)工程項目部，主要建筑有倉庫、機房，山包東邊是一家硫酸廠，主要建筑有辦公樓、硫精礦倉庫、泵房、機房、散熱塔、轉運站、維修間等；林地有零有整，與其他地理場景相互穿插，所占面積最大。

3.2 數據處理及地理場景語義分析

試驗數據為包含25個圖層的dwg格式圖形文件（圖3（a）），根據圖層名稱、內容對該區(qū)域的數據進行篩選，將其中具有地理意義的圖層轉換為shp格式地圖，如圖3（b）所示。利用地理場景相關語義的構建實現地理場景中道路、草地林地、建筑物及構筑物（SID={x |x=1,2,3}）等3個圖層分類輸出，如圖3（c）所示。由于在選擇園區(qū)監(jiān)控設備位置時，建筑是作為障礙物存在的地理場景，因此在選址空間中先排除了建筑物圖層（SID=3）。礦區(qū)建筑周圍是人群活動較為頻繁的區(qū)域，屬于開闊區(qū)域，因此提取建筑及構筑物周圍20 m緩沖區(qū)范圍作為建筑周圍監(jiān)控熱點圖層（SID=4）。

將道路、草地林地、監(jiān)控熱區(qū)這3類地理場景按照以下順序進行監(jiān)控順序級別排列：監(jiān)控熱區(qū)＞道路＞草地（即SID:4＞1＞2），得到監(jiān)控熱區(qū)分級圖，如圖3（d）所示。

地理場景方面的語義分類結果如表2所示。

3.3 地理實體與監(jiān)控設備分析

研究區(qū)的地理實體一般是指礦業(yè)工程人員和各類車輛（如機械車輛、作業(yè)車輛、農務設備等），這兩類地理實體的詳細屬性信息如表3所示。

在安裝監(jiān)控設備組方面，考慮到礦山地理條件較為空曠、地勢有一定起伏，且沒有太多固定的附著物，本研究在繪制地形圖時采集了大量高程點、控制點，由于這些測繪控制點視野較為開闊、分布較為均勻、不受道路走向影響，因此將741處測繪控制點作為安裝組合監(jiān)控設備的候選點群（圖3（b）中點群）。最終滿足監(jiān)控需求的監(jiān)控點在監(jiān)控候選點群中產生。

3.4 選址需求分析

研究區(qū)為一處具有普遍性特征的礦區(qū)，按照監(jiān)控重要程度（即：監(jiān)控熱區(qū)＞道路＞草地林地）給各類地理場景設置了最低監(jiān)控覆蓋率，并設定了區(qū)域內重點監(jiān)控對象，進而對該區(qū)域提出了如表4所示的監(jiān)控選址需求。

3.5 對草地林地、監(jiān)控熱區(qū)進行A型監(jiān)控設備組選址

在對草地林地、監(jiān)控熱區(qū)進行A型監(jiān)控設備組選址時，首先可以排除候選點群中的20 m緩沖區(qū)與草地林地、監(jiān)控熱區(qū)沒有交集的部分，保留有交集的717處候選點，如圖4（a）所示。然后將候選點群及逐個的交集面積輸入集合覆蓋模型進行運算，得到了56處符合監(jiān)控需求的選址結果，如圖4（b）和表5所示。

3.6 對道路進行B型監(jiān)控設備組選址

在對道路進行B型監(jiān)控設備組選址時，首先可以排除候選點群中的12 m緩沖區(qū)與道路沒有交集的部分，保留有交集的179處候選點，如圖5（a）所示。然后將候選點群及逐個的交集面積輸入集合覆蓋模型進行運算，得到符合監(jiān)控需求的22處選址結果，如圖5（b）和表6所示。

3.7 綜合選址結果及可視化

在741處候選點中，選取出56處用于安裝A型監(jiān)控設備組，其服務范圍為20 m，監(jiān)控對象主要為草地林地和監(jiān)控熱區(qū)中活動的人員，兩類地理場景的覆蓋面積分別為6 571.01 m2和30 462.25 m2。

注：加“*”號的候選點需要同時安裝A型及B型設備。

注：加“*”號的候選點需要同時安裝A型及B型設備。

在741處候選點中，選取出了22處點位用于安裝B型監(jiān)控設備組，其服務范圍為12 m，監(jiān)控對象主要為道路上行駛的車輛，覆蓋面積為2 134.26 m2。其中有3處B型監(jiān)控設備組安裝點群與A型點群重合，即表5中序號為31、51、52的點與表6中序號為6、13、14的點，這3處監(jiān)控點需要同時安裝兩種監(jiān)控設備組。

該研究區(qū)的地理視頻監(jiān)控設備組選址結果如圖6（a）所示，包含高程的選址結果如圖6（b）所示。選址后研究區(qū)監(jiān)控覆蓋面積統(tǒng)計如表7所示。

3.8 本研究方法與一般選址方法對比分析

本研究方法與一般選址方法均采用了相同的試驗數據及可視化方法，主要區(qū)別為數據處理流程、語義分析方式和監(jiān)控選址模型方面，兩組試驗的流程及數據結果對比如圖7所示，兩種方法詳細對比結果如表8所示。

本研究監(jiān)控選址方法首先對研究區(qū)的原始底圖進行處理，實現圖層同類合并、語義分類以及數據格式轉換。然后通過地理場景相關語義模型，實現對研究區(qū)的監(jiān)控需求分析和地理實體、地理場景、監(jiān)控設備分類，從特征語義和位置語義方面來描述研究區(qū)。最后根據監(jiān)控候選點群以及監(jiān)控設備的視域生成疊置面片，將其作為參數輸入基于監(jiān)控選址的集合覆蓋模型，并使用線性規(guī)劃方法對研究區(qū)的集合覆蓋問題進行求解，并對選取結果進行二三維可視化。

一般選址方法在簡單的數據處理后，以總監(jiān)控面積以及監(jiān)控緩沖區(qū)與底圖的疊置面積為參數，輸入集合覆蓋模型進行運算，得到若干符合條件的監(jiān)控選址結果，并且每組選址結果的選點分布不均勻、毫無特征，不利于進行監(jiān)控選址決策。

本研究方法具有一定的前瞻性，能夠充分考慮地理視頻的成像區(qū)域組成，并約束每類地理場景下的監(jiān)控比例，有利于輔助地理視頻監(jiān)控選址決策。而且該方法具有穩(wěn)定性，能夠克服一般選址方法中選址結果不確定、分布不均勻、無規(guī)律等問題。

4 結 論

本研究在監(jiān)控選址模型中考慮地理場景相關語義，將監(jiān)控對象的特征、行為、事件等語義信息融入到監(jiān)控畫面的構造中，有利于地理視頻的事件推理、信息挖掘和關聯分析，響應地理視頻監(jiān)控系統(tǒng)的監(jiān)控目標和需求。針對礦山安全中地理視頻監(jiān)控選址問題，從地理場景相關語義和集合覆蓋模型入手，展開了基于地理場景相關語義的礦區(qū)監(jiān)控選址研究，從選址開始為視頻監(jiān)控系統(tǒng)的整體構建提供服務。

本研究提出的基于地理場景相關語義的監(jiān)控選址模型能夠通過分析監(jiān)控區(qū)域的地理場景，預設監(jiān)控對象和事件，將監(jiān)控選址方案置于視頻數據采集鏈的上游，既克服了一般選址方法中選址結果分布不均勻、監(jiān)控畫面內容比例不確定等問題，也在源頭為礦區(qū)視頻監(jiān)控系統(tǒng)提供高質量的地理視頻數據，為將來智能化、無人化礦山的安防建設奠定了基礎。而且所提的監(jiān)控選址方法具有普遍性，地理場景分析、地理實體分析的方法不僅適用于礦區(qū)，還能夠擴充到其他復雜環(huán)境中，并能夠在地圖上直觀顯示監(jiān)控設備點及其監(jiān)控范圍?；谝胤诸惖膱@區(qū)視頻監(jiān)控點覆蓋選址方法能夠取代以往的人工篩選方法，提高選址效率和準確性，對于不斷變化的監(jiān)控需求和環(huán)境要素能夠做出應變。

未來研究應著重于監(jiān)控選址模型參數固定化、數據處理流程模塊化、模型運算過程一體化和結果可視分析精細化這4個方面。文中模型固定參數應為各類地理場景的覆蓋率，但是在使用示例數據時，圖層同類合并、語義分類都影響了所提的監(jiān)控選址模型。在后續(xù)研究中，應確定地理場景、地理實體、監(jiān)控設備的標準，讓這些因素作為定量存在。在數據獲取與處理中，本研究提出了一套數據處理流程，其中包含地圖數據格式轉換及自動處理的ArcGIS流程模型，在后續(xù)研究中可以通過FME實現跨軟件平臺的流程鏈接，實現無縫數據處理，提高自動化水平。在集合覆蓋模型構建及運算中，本研究將交集圖層的屬性表導出為表格后輸入Lingo計算，在后續(xù)研究中可以嘗試將該運算過程嵌入空間分析平臺。在監(jiān)控點選取結果可視化中，本研究使用ArcGIS Pro軟件實現圖層的二三維可視化，在表達方式上較為粗糙，在后續(xù)研究中需著重研究三維精細化表達方式。