安防系统中相机拓扑的优化和相机联动

    随着社会的不断进步和现代科技的日新月异，安全越来越受到人们的重视，因为它是一个社会和企业赖以广泛的应用，比如工厂安防监控、智能小区安全防盗、海事安防、学校安防、交通监控等系统［1-3］。监控的功能也从原来简单的对视频信号进行人工的监视、系统多画面的显示以及硬盘录像的简单功能，发展到安防目标检测、提取、识别与跟踪等自动智能处理; 并提供了监控场区的三维全景虚拟显示、三维场景与视频图像融合显示、多种安防传感器与三维全景融合、运动安防目标跨机接力跟踪以及动静相机联动配合等多种智能化功能。

    1 传统相机拓扑

    相机是监控系统最重要的组成部分，也是整个监控系统的“眼睛”，其安装部署必须按照一定规则和结构进行，这样才能保证能够更大范围、更精确监控场景区域。在智能分析系统中，如果要实现跨相机接力，必须明确定义好各相机之间的邻接关系，也就是相机的拓扑结构，这种关系是非线性的。

    在传统的安防系统中，相机拓扑是如图 1 所示网格的形式产生的，在工程中根据每个相机的位置画出一个网格，每个相机都有一个唯一的标识号，如 1、2、3。我们将这个网格和其中的相机标识号写到配置文件中，在项目程序中当要进行跨相机的匹配时就将这个配置文件读到内存中以数组的形式存储，我们会先匹配它上下左右等 8 个相机。比如对于 11 号相机，对该相机产生的目标进行匹配时我们就会对 3、4、5、10、12、17、18 和 19号相机里的目标进行匹配，如果没有匹配上就会对在外面一圈的 16 个相机进行匹配。

    基于上述逻辑进行跨相机匹配时，具有两个明显的缺陷: 第一，在实际的环境中某一个相机并不一定与周围所有的相机都有关，如 11 号相机左面的 10 号相机与其可能就没有相同的照射区域，对它进行的匹配就是无用功，导致效率的降低; 第二，在网格上，相距较远的相机，如对于 11 号相机，8 号相机在实际的环境中也可能与它有相同的照射区域，此时反而没有匹配，导致遗漏。

    2 数据结构“图”与 XML 文件

    本文中采用数据结构中的“图”来表示相机拓扑。图( Graph) 是一种较线性表、树更为复杂的数据结构，图形结构中，结点之间的关系可以是任意的，图中任何两个数元素之间都可能相关，因此，图能够很好的表现监控系统中各相机之间的邻接关系。图 G 由两个集合V 和 E 组成，其中 V 是顶点的非空优先集; E 是边的有限集，边是 V 中顶点的有序或无序偶对［4］。图 2 为一个无向图，所有顶点偶对是无序的，在本项目中的相机关系列表，用无序偶对( 即无向图) 表示，如图 2 所示，相机 1与相机 2 和 4 是相关的。图 2 中，Type 标识安防系统中的摄像头类型，0 代表枪机摄像头，1 代表球机摄像头，边上的 15 等系数可以理解为一个关联的系数，用于后面联动处理。