捷尚智能安防产品应用指南.doc

安防产品应用指南
一、周界
1. 算法基础
周界检测算法就是以目标跟踪为基础,配合各种干扰过滤算法及过滤策略,进行目标连续跟踪及检测的智能视频分析算法。
2. 算法可用性说明
通过周界检测算法对违反自定义规则的行为进行报警,同时通过一定的策略过滤误报的算法。
目标
大小
最小像素4*4 ,即16个像素。一般建议30个像素
最大像素不能超过屏幕像素面积的1/4
目标最大及最小运动速度
最大速度:因目标距离摄像头的距离及摄像头安装位置、焦距等原因,目标检测的最大速度已目标在场景内不低于3秒为宜。
最小速度:目标在场景内运动可见,最低运动速度可精确到10像素/分。
确认时间
4~6帧(或根据当前算法指南)
抗干扰
场景建模有规律的运动一般一分钟会消除掉
无规律的运动可以通过一些方法略过
分类
只识别远动物体(有规律运动的物体会被消除掉)
轨迹线
以跟踪框对角线交点为中心的轨迹
3. 相机的兼容性
相机类型
算法
普通
高清
红外
热成像
周界
√
△1
√
△2
注:△1 部分高清相机无法看到整个图像
△2背景目标差异明显的可以检测到

所画线框尽量与图像边缘预留出一定的空间便于目标确认(注:目标确认需要4~6帧的时间,保证运动物体在确认时间内出现在规则框之外即可)
尽量避免单线或者双线与图像下边缘角度小于45度,或者大于135度。因此种情况中会涉及到目标靠近或者远离摄像机的检测方式,在实际应用中拥有很多不确定因素,此种情况下综合检测率偏低。
根据实际情况合理使用单、双线。
报警率
误报率
适应场景
功能性
单线
高
低
场景较大,目标小
只有穿越报警
双线
较单线略低
叫单线略低
目标清晰可见场景
增加踩线报警
5. 典型应用环境说明
规则设置说明
此位置因树木原因,需将摄像机假设高度放置在越2米-,此高度可躲开树冠的干扰,进行线规则绘制.
场景干扰说明
本场景造成误报的因素有两点,一、树木在大风天气晃动产生的随机干扰,此干扰会造成较多的误报。因此建议对树木进行修剪。二、夜间车辆大灯造成的光线干扰,此问题可在镜头前加装偏振镜片做减缓。在使用车辆近光灯时可改善大多数误报情况。
6. 同一场景下的规则现选择
双拌线画法,双拌线对比其他方式主要是增加了误报过滤及踩线功能,但此场景过大,不推荐使用
多边形画法,多边形对比其他方式主要是增加了区域滞留检测功能,此场景过大,不推荐使用
单拌线画法,此方式对于摄像机背后出现目标会忽略,不符合既定策略。
单绊线画法画法,两个单绊线有效的符合了既定的设计策略。同时在使用中对小目标的报警率提高,较双线效果报警率高,但代价是误报率略有提升。
针对防护区域范围内植被较多(灌木及景观树木)的场景,在大风天气会产生较多误报。
针对防护区域长度较长,因远距离目标跟踪会被算法过滤,会造成较多误报,上述场景内防护距离以30米为宜。随着摄像机老化及尘土等原因,摄像机成像清晰度会逐渐下降。
7. 误报分析
在实际应用中常会发现一些干扰的问题如何避免或减小干扰就需要在设置规则时掌握一些技巧
首先要了解产生干扰的因素
抗干扰
一般干扰都是光线引起的还有就是目标被一些其他物体挡住一部分或完全挡住
常见的干扰因素太阳路灯车灯树木或其它一些物体
目标交叉
有A,B个人面对面走当两个人相遇后会发生三种情况
A把两个跟踪框带走B身上没有既B被跟丢
A身上有一个跟踪框B身上没有既B被跟丢
B人的跟踪框都在目标没有丢失
为了避免1,2这两种情况的发生在画规则时尽量把规则线画在远离相遇的位置
误报漏报
通过设置最大像素和最小像素可以降低一定的误报率
树木的枝条
蜘蛛蜜蜂蝴蝶等一些昆虫在摄像机镜头上停留爬行或离镜头很近的飞过
晚上路边的车灯路灯恍到摄像机
注意事项:目前周界防范算法应用要求场景不能过于复杂,具体场景要求见下组图
2号图不建议使用的原因:场景植被较多,且围栏右侧为体育场周边,人群较多活着行车时场景环境复杂,平时作为周界检测可以,但有活动时会产生较多误报。
5号图不建议使用的原因:场景植被较多,会产生较多误报。
6号图不建议使用的原因:场景左侧为公路,夜间车灯对周界算法影响较大,不建议使用。
列出一些不适合的使用场景:学校(围墙边多种植树木)、小区(围墙边多种植树木且有灯光干扰)。
二、人脸检测
人脸检测技术是基于人的脸部特征,对输入的人脸图象或者视频流. 首先判断其是否存在人脸, 如果存在人脸,则进一步的给出每个脸的位置等信息。
人脸检测中的关键点
额头
面颊
眼
鼻
嘴
下巴
个数