柴少?gòu)?qiáng)，王 雪，朱星昊

（中交一公局第七工程有限公司，河南 鄭州 451450）

隨著GIS技術(shù)的廣泛應(yīng)用，集成二維地圖等空間位置信息的視頻系統(tǒng)解決方案正逐步走向成熟[1]。與傳統(tǒng)的單純獲取監(jiān)控目標(biāo)的實(shí)時(shí)音頻、視頻信息的視頻監(jiān)控系統(tǒng)相比，繼承了三維空間信息的三維視頻監(jiān)控系統(tǒng)在增強(qiáng)用戶(hù)空間意識(shí)、輔助用戶(hù)應(yīng)急決策等方面將發(fā)揮更大的作用[2]。但3D GIS與監(jiān)控視頻的整合應(yīng)用方法在實(shí)際應(yīng)用中，由于網(wǎng)絡(luò)傳輸速度等原因，遠(yuǎn)沒(méi)有達(dá)到與三維周邊信息進(jìn)行融合的目標(biāo)，存在丟失大量信息的現(xiàn)象[3]。

視頻監(jiān)控的發(fā)展過(guò)程是從局部監(jiān)控到全景過(guò)渡、從定時(shí)監(jiān)控到實(shí)時(shí)監(jiān)控、從2D到3D的發(fā)展過(guò)程[4-6]。當(dāng)然，目前針對(duì)較大場(chǎng)景的實(shí)時(shí)監(jiān)控也已實(shí)現(xiàn)，主要是將多角度、全方位的視頻監(jiān)控集成于同一三維顯示場(chǎng)景。如需關(guān)注某個(gè)位置時(shí)，點(diǎn)擊放大該處實(shí)時(shí)監(jiān)控影像即可。該方法并未發(fā)揮出三維場(chǎng)景的直觀(guān)特點(diǎn)，也遠(yuǎn)沒(méi)有達(dá)到視頻位置與周邊三維信息的融合目標(biāo)[7]。

以目前市場(chǎng)需求和各研發(fā)機(jī)構(gòu)推出的技術(shù)來(lái)看，全景式、立體化是視頻監(jiān)控系統(tǒng)深度應(yīng)用技術(shù)研究未來(lái)發(fā)展的必然趨勢(shì)。本文以官渡黃河橋機(jī)電工程實(shí)踐為例，介紹基于三維全景視頻融合技術(shù)的全時(shí)空監(jiān)控方法，并對(duì)全時(shí)空監(jiān)控方法的關(guān)鍵技術(shù)進(jìn)行分析與探討。

1 三維全景視頻融合的相關(guān)技術(shù)

1.1 三維虛擬場(chǎng)景的構(gòu)建

基于場(chǎng)景掃描數(shù)據(jù)、場(chǎng)景圖像、CAD/建筑圖紙數(shù)據(jù)自動(dòng)生成高精度的三維模型，三維模型為后續(xù)全景立體監(jiān)控提供空間數(shù)據(jù)基礎(chǔ)。

1.2 三維全景虛實(shí)融合顯示、二維地圖全局導(dǎo)航顯示、實(shí)時(shí)虛實(shí)融合與聯(lián)動(dòng)技術(shù)

前端采集監(jiān)控視頻及其他多維傳感數(shù)據(jù)，預(yù)處理后自動(dòng)融合到三維場(chǎng)景模型中，形成全景立體監(jiān)控，通過(guò)三維虛擬觀(guān)測(cè)，實(shí)現(xiàn)對(duì)真實(shí)場(chǎng)景多角度全方位實(shí)時(shí)立體瀏覽。

1.3 全局時(shí)鐘控制技術(shù)

搭建媒體服務(wù)模塊與數(shù)據(jù)接入模塊，控制接入平臺(tái)的攝像頭保持時(shí)鐘同步。

2 基于三維全景視頻融合技術(shù)的全時(shí)空監(jiān)控方法關(guān)鍵技術(shù)

如圖1所示，本全時(shí)空監(jiān)控平臺(tái)主要涉及基于激光點(diǎn)云數(shù)據(jù)的自動(dòng)三維建模、全景立體監(jiān)控及全景智能分析3項(xiàng)關(guān)鍵技術(shù)，下面分別闡述3項(xiàng)關(guān)鍵技術(shù)的技術(shù)路線(xiàn)。

圖1 基于三維全景視頻融合的全時(shí)空監(jiān)控平臺(tái)系統(tǒng)構(gòu)架圖

2.1 自動(dòng)三維建模

三維數(shù)字建模是用計(jì)算機(jī)顯示還原真實(shí)世界的一個(gè)關(guān)鍵環(huán)節(jié)，也一直是計(jì)算機(jī)圖形學(xué)界的難題。基于激光掃描數(shù)據(jù)的三維建模技術(shù)因其掃描數(shù)據(jù)的精確性，為重點(diǎn)區(qū)域三維全真模型的生成奠定了堅(jiān)實(shí)的基礎(chǔ)。

2.1.1 大型三維數(shù)據(jù)獲取

采用主要由工業(yè)級(jí)高清數(shù)碼鏡頭及雙軸動(dòng)態(tài)調(diào)整支架構(gòu)成的開(kāi)放式三維激光掃描球機(jī)裝置完成近遠(yuǎn)程測(cè)量。該裝置平面內(nèi)可形成360°無(wú)死角覆蓋，垂直范圍內(nèi)也可達(dá)到270°視場(chǎng)范圍。由于其掃描精度高，圖像數(shù)據(jù)采集過(guò)程中可直接獲取彩色圖像及其灰度值，測(cè)量速度得到大范圍提升。在數(shù)據(jù)采集過(guò)程中，由于系統(tǒng)中設(shè)置了并行計(jì)算方法，相較于傳統(tǒng)拍攝掃描中將無(wú)需再進(jìn)行二次配準(zhǔn)過(guò)程，掃描速率可達(dá)每秒5萬(wàn)點(diǎn)。因此，持續(xù)掃描過(guò)程中的數(shù)據(jù)離散點(diǎn)相對(duì)時(shí)間差更小，進(jìn)而造成數(shù)據(jù)丟失的可能性非常小。

另外，由于設(shè)備采用激光掃描技術(shù)，受太陽(yáng)光照影響較小，且無(wú)需進(jìn)行白天和夜晚不同環(huán)境下圖像色彩灰度的再調(diào)整，因此可在夜間全暗環(huán)境下正常工作。

2.1.2 三維建模步驟

由上述過(guò)程中采集到的圖像離散點(diǎn)云數(shù)據(jù)運(yùn)用到三維模型的重構(gòu)是全時(shí)空監(jiān)控過(guò)程中的關(guān)鍵技術(shù)之一。該過(guò)程需考慮數(shù)據(jù)對(duì)應(yīng)時(shí)間、空間、色彩等因素，相應(yīng)的點(diǎn)云數(shù)據(jù)處理及建模需經(jīng)歷噪聲去除→多視對(duì)齊→數(shù)據(jù)精簡(jiǎn)→曲面重構(gòu)4個(gè)關(guān)鍵步驟。

（1）噪聲去除旨在對(duì)激光掃描過(guò)程中影響到完整圖像獲取的動(dòng)態(tài)環(huán)境因素進(jìn)行識(shí)別和剔除。例如，在監(jiān)測(cè)范圍內(nèi)偶然出現(xiàn)的快速移動(dòng)車(chē)輛、行人等。

（2）多視對(duì)齊是針對(duì)形狀復(fù)雜或者體積較大的被測(cè)物體，避免單角度掃描時(shí)出現(xiàn)物體不能完全囊括或者數(shù)據(jù)出現(xiàn)距離扭曲等問(wèn)題，需要從非平面內(nèi)的多視角掃描，并完成同一位置的點(diǎn)云對(duì)齊和拼接，該過(guò)程中旋轉(zhuǎn)和平移變換矩陣R，T應(yīng)滿(mǎn)足目標(biāo)函數(shù)：

式中，pi，qi為需對(duì)齊的點(diǎn)云。

（3）數(shù)據(jù)精簡(jiǎn)旨在對(duì)同一位置相同點(diǎn)云數(shù)據(jù)進(jìn)行精簡(jiǎn)，以避免海量數(shù)據(jù)對(duì)于曲面重構(gòu)計(jì)算過(guò)程的影響。當(dāng)然，該過(guò)程中應(yīng)對(duì)數(shù)據(jù)精度有相應(yīng)設(shè)置。

（4）曲面重構(gòu)即是將掃描數(shù)據(jù)用準(zhǔn)確的曲面表示出來(lái)。目前，常見(jiàn)的有三角形網(wǎng)格、細(xì)分曲面、明確的函數(shù)表示、暗含的函數(shù)表示、參數(shù)曲面、張量積B樣條曲面、NURBS曲面和曲化的面片等。

2.1.3 超大數(shù)據(jù)自動(dòng)建模

因存在地理方面的高低差問(wèn)題以及掃描儀位置的物理限制，在所有表面得到完整充足的采樣存在很大的難度。另外，辦公樓的玻璃窗或墻等反光性表面不能對(duì)掃描儀返回有效信號(hào)也會(huì)存在采樣數(shù)據(jù)缺失。對(duì)于這些挑戰(zhàn)，采用由上而下的方法重建幾何，生成多邊形模型，對(duì)比常規(guī)的三角化方法，用多邊形取代了三角形進(jìn)行擬合幾何重建過(guò)程避免了常見(jiàn)的數(shù)據(jù)缺失及點(diǎn)云缺損。另外，整個(gè)建模過(guò)程完全是自動(dòng)的，只是在雙關(guān)性不能由計(jì)算解決時(shí)，才需要用戶(hù)輔助，如選擇平面、線(xiàn)或角。

2.2 全景立體監(jiān)控

實(shí)現(xiàn)全景立體監(jiān)控過(guò)程需要能對(duì)前期采集的數(shù)據(jù)點(diǎn)構(gòu)建而成的三維模型進(jìn)行識(shí)別，進(jìn)而準(zhǔn)確分辨前景目標(biāo)，然后通過(guò)標(biāo)定的監(jiān)測(cè)元件位置數(shù)據(jù)，計(jì)算前景目標(biāo)的空間位置。在此基礎(chǔ)上，根據(jù)后續(xù)獲得數(shù)據(jù)及其對(duì)應(yīng)的時(shí)間序列信息，完成多層次后續(xù)全景立體監(jiān)控圖像融合。具體步驟如下。

2.2.1 前景目標(biāo)檢測(cè)

圖像中的前景是相對(duì)于背景而言，指監(jiān)控圖像采集及融合過(guò)程中相對(duì)于靜止的背景而出現(xiàn)的需要關(guān)注及處理的運(yùn)動(dòng)目標(biāo)。例如，在交通監(jiān)控過(guò)程中的前景目標(biāo)應(yīng)包含機(jī)動(dòng)車(chē)、非機(jī)動(dòng)車(chē)和行人等。在實(shí)現(xiàn)全景立體視頻監(jiān)控過(guò)程中，將這些重點(diǎn)關(guān)注的前景目標(biāo)能準(zhǔn)確重建融合到三維場(chǎng)景中是實(shí)現(xiàn)高質(zhì)量無(wú)失真全景實(shí)時(shí)監(jiān)控的關(guān)鍵。故而，開(kāi)發(fā)全景立體監(jiān)控系統(tǒng)第一要?jiǎng)?wù)即實(shí)現(xiàn)前景運(yùn)動(dòng)目標(biāo)的準(zhǔn)確檢測(cè)，其關(guān)鍵環(huán)節(jié)在于兩個(gè)部分：（1）多層次前景背景建模；（2）運(yùn)動(dòng)陰影抑制、噪音消除和缺失補(bǔ)償。

2.2.2 多層次前景背景建模

多層次前景建模的基本思想是從當(dāng)前幀中準(zhǔn)確提取前景，以成功分離背景和前景。由于背景建模清晰度易受光照等自然環(huán)境突變影響，且在服務(wù)區(qū)、收費(fèi)廣場(chǎng)等區(qū)域，車(chē)輛、行人速度隨時(shí)變化，并且可能會(huì)出現(xiàn)某一時(shí)間段內(nèi)的完全靜止，這會(huì)對(duì)前景的提取和判別造成干擾。系統(tǒng)可能出現(xiàn)將這些“靜止”場(chǎng)景更新為背景的錯(cuò)誤，進(jìn)而易出現(xiàn)對(duì)重要目標(biāo)的遺漏傾斜。

為了較好地解決上述問(wèn)題，可建立多層次高斯混合模型，在隨機(jī)抽取的不同時(shí)間域內(nèi)取背景進(jìn)行對(duì)比篩選，剔除錯(cuò)誤識(shí)別的前景。該模型是用K個(gè)模型表征圖像中各像素點(diǎn)特征，各像素點(diǎn)按視頻時(shí)序序列{X1，X2，…，Xt}={I（x0，y0，i）：1≤i≤t}，在考慮各像素特征點(diǎn)的高斯函數(shù)權(quán)重系數(shù)ωi，t以及數(shù)學(xué)期望μi，t，可建立如公式（2）所示的K個(gè)高斯分布的疊加函數(shù)：

式中，Σi，t為第i個(gè)高斯模型的協(xié)方差矩陣；η為高斯模型：

由此，每獲得新一幀圖像后，就會(huì)按上述方法更新高斯混合模型，然后匹配該圖像的各像素點(diǎn)以判定該點(diǎn)是否為背景點(diǎn)和停止前景點(diǎn)，若為如靜止的行人或遺留的包裹等類(lèi)似的停止前景點(diǎn)，則不能將其化為背景。如圖2（a）所示，（a）為測(cè)試視頻，（b）（c）（d）分別為運(yùn)動(dòng)前景、靜止前景和背景，（e）為檢測(cè)結(jié)果在原圖上的疊加。

圖2 多層次前景、背景檢測(cè)和提取

2.2.3 運(yùn)動(dòng)陰影抑制、噪音消除和缺失補(bǔ)償

對(duì)于全景立體監(jiān)控實(shí)現(xiàn)過(guò)程中出現(xiàn)的小部分目標(biāo)缺失或者環(huán)境引起的圖像噪音等問(wèn)題，可采用圖像學(xué)處理方法，如利用圖像陰影的顏色信息、空間信息、紋理信息等重要區(qū)別屬性，在關(guān)注區(qū)域中確定其造成的顏色形變，通過(guò)使用顏色形變補(bǔ)償和紋理校正進(jìn)行陰影抑制。如圖3所示，（a）為測(cè)試視頻，（b）為前景檢測(cè)初始結(jié)果，（c）為陰影抑制后的結(jié)果，（d）為噪音濾除后的結(jié)果，（e）為缺失補(bǔ)償后的最終結(jié)果。

圖3 前景檢測(cè)的實(shí)時(shí)后期處理

2.2.4 三維重建融合

由于所拍圖像或視頻均為二維平面，無(wú)法顯現(xiàn)隱藏在拍攝平面后的三維結(jié)構(gòu)，因此要實(shí)現(xiàn)立體監(jiān)控效果，則需要完成圖形的三維重建。通過(guò)視頻參數(shù)計(jì)算、圖像重建、全景融合的步驟完成。

照相機(jī)、攝像機(jī)等圖片及視頻拍攝工具均是通過(guò)投影矩陣的變化來(lái)實(shí)現(xiàn)真實(shí)場(chǎng)景的拍攝。故而，也可利用投影矩陣將圖像/視頻數(shù)據(jù)通過(guò)反向投影回三維場(chǎng)景模型上。

首先，檢測(cè)二維視頻和三維場(chǎng)景模型的特征點(diǎn)。引入多尺度匹配算法，采用高斯濾波器對(duì)圖像進(jìn)行濾波，計(jì)算它們差值DOG以探測(cè)出特征點(diǎn)：

L（x，y，ki+1σ）和L（x，y，kiσ）是原來(lái)的圖像I（x，y）跟高斯核G（x，y）在尺度kiσ和尺度ki+1σ的卷積。

探測(cè)出特征點(diǎn)后，設(shè)置其領(lǐng)域，為領(lǐng)域里每個(gè)像素計(jì)算下面兩個(gè)值：

將計(jì)算結(jié)果合成一個(gè)向量，從圖像數(shù)字學(xué)方面建立了特征點(diǎn)的描述符。繼而，計(jì)算描述符之間的歐幾里德距離，匹配特征點(diǎn)，實(shí)現(xiàn)實(shí)時(shí)圖像配準(zhǔn)。圖4為一具有一定高差含樓梯的道路拍攝圖像。通過(guò)算法得到探測(cè)特征點(diǎn)的位置，如圖4（a）和圖4（b）的圓圈；基于特征點(diǎn)合成的匹配結(jié)果如圖4（c）。

圖4 實(shí)時(shí)特征匹配用于配準(zhǔn)移動(dòng)視頻圖像實(shí)現(xiàn)動(dòng)態(tài)拼接

2.2.5 視頻圖像歸一化

通過(guò)上述步驟實(shí)現(xiàn)了大規(guī)模攝像機(jī)視頻數(shù)據(jù)在空間和時(shí)間上拼接融合。但由于視頻數(shù)據(jù)可能來(lái)自不同品牌的攝像機(jī)，或是使用不同的光度參數(shù)，例如，曝光時(shí)間、白平衡、伽馬校正和傳感器的靈敏度等，這些將直接產(chǎn)生不一致的顏色數(shù)據(jù)。此外，由于攝像機(jī)建設(shè)時(shí)間的不同，造成視頻圖像在色彩、亮度、飽和度和對(duì)比度等方面的情況也不同。為了達(dá)到更好的視覺(jué)拼接融合效果，要將視頻圖像在色彩、亮度、飽和度和對(duì)比度方面進(jìn)行歸一化，提高大規(guī)模攝像機(jī)網(wǎng)絡(luò)色彩的一致性。具體分以下2個(gè)步驟。

（1）視頻色彩校準(zhǔn)。將Macbeth彩色影像板放置在監(jiān)控區(qū)域內(nèi)，對(duì)每個(gè)攝像機(jī)的標(biāo)定進(jìn)行增益和偏移，最大限度地減少對(duì)比度和黑度，并確保線(xiàn)性響應(yīng)和白場(chǎng)景的平衡。

（2）視頻的色彩傳遞。歸一化目標(biāo)是一致的色彩反應(yīng)，而不是絕對(duì)的色彩精確度，因此無(wú)需將每個(gè)攝像機(jī)視頻匹配成標(biāo)準(zhǔn)色彩，而是將一幅視頻圖像的顏色特征傳遞給另一幅視頻圖像，通過(guò)色彩傳遞對(duì)攝像視頻進(jìn)行兩兩色彩匹配。

2.3 全景智能分析

開(kāi)發(fā)先進(jìn)的算法對(duì)融合后的全景立體監(jiān)控視頻進(jìn)行全局智能分析。諸多事件都可歸為行為模式分析問(wèn)題，這些行為的發(fā)生與發(fā)展往往跨越多個(gè)攝像機(jī)監(jiān)控時(shí)空區(qū)域，在全景立體監(jiān)控系統(tǒng)中，多個(gè)攝像機(jī)之間的相關(guān)性及互補(bǔ)性，實(shí)現(xiàn)了非特定目標(biāo)行為模式的準(zhǔn)確識(shí)別。

結(jié)合全景立體監(jiān)控，實(shí)現(xiàn)基于全場(chǎng)景視頻智能分析的自動(dòng)預(yù)警功能，對(duì)各種異常事件進(jìn)行預(yù)警，同時(shí)自動(dòng)顯示預(yù)警地點(diǎn)的全景立體監(jiān)控場(chǎng)景，保障全景立體智能視頻監(jiān)控系統(tǒng)的應(yīng)用和指揮效能。

2.3.1 異常行為模式的實(shí)時(shí)分級(jí)分析

（1）異常行為預(yù)檢。異常行為多種多樣，從技術(shù)上講，不可能提前對(duì)所有行為都預(yù)先定義，而且受計(jì)算速度的影響，不可能對(duì)所有預(yù)定義異常行為在每個(gè)攝像機(jī)上都進(jìn)行檢測(cè)和分析。這就要求智能分析算法在第一級(jí)對(duì)所有可能的異常行為進(jìn)行預(yù)檢，并將異常結(jié)果交給下一級(jí)進(jìn)行進(jìn)一步分析和處理。雖然對(duì)異常行為不能窮舉，但是可以通過(guò)收集大量的正常場(chǎng)景，積累海量的正常運(yùn)動(dòng)數(shù)據(jù)，對(duì)這些數(shù)據(jù)異常行為模式進(jìn)行剔除。該過(guò)程關(guān)鍵在于從海量數(shù)據(jù)中發(fā)現(xiàn)和整理出正常的行為模式。

對(duì)海量數(shù)據(jù)的分析和挖掘是世界級(jí)的難題，在官渡黃河大橋的實(shí)踐中采用了國(guó)際領(lǐng)先的基于范例的矩陣逼近和分解技術(shù)，該技術(shù)可以有效地用于監(jiān)測(cè)和分析大規(guī)模數(shù)據(jù)中異常波動(dòng)。

（2）異常行為識(shí)別和分析。異常行為分析離不開(kāi)對(duì)目標(biāo)的追蹤。服務(wù)區(qū)人流車(chē)流密集，遮擋現(xiàn)象嚴(yán)重。將根據(jù)運(yùn)動(dòng)前景的焦點(diǎn)和顏色特征，快速、準(zhǔn)確和魯棒地提取場(chǎng)景內(nèi)目標(biāo)的運(yùn)動(dòng)軌跡。一方面，這些信息可以傳到服務(wù)器上，用于實(shí)現(xiàn)大場(chǎng)景內(nèi)人流和車(chē)流的綜合分析，為大場(chǎng)景眾多目標(biāo)的實(shí)時(shí)分析，行為模式分析快速及目標(biāo)快速排除打下良好的基礎(chǔ)。另一方面，可以通過(guò)統(tǒng)計(jì)分析運(yùn)動(dòng)軌跡，建立行為分布圖。根據(jù)實(shí)際情況，預(yù)定義一系列異常行為模式。在預(yù)檢報(bào)警的情況下，根據(jù)統(tǒng)計(jì)特征，可以對(duì)異常行為進(jìn)行進(jìn)一步識(shí)別、分類(lèi)和分級(jí)。

2.3.2 大場(chǎng)景、多攝像機(jī)的時(shí)空關(guān)聯(lián)關(guān)系

為實(shí)現(xiàn)各個(gè)離散視頻在全景三維場(chǎng)景下的關(guān)聯(lián)分析，首先，基于靜態(tài)貝葉斯網(wǎng)絡(luò)構(gòu)建攝像機(jī)之間的空間拓?fù)潢P(guān)系，然后利用動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)推理和預(yù)測(cè)多種行為模式之間的語(yǔ)義關(guān)聯(lián)結(jié)構(gòu)。

我們將根據(jù)攝像機(jī)之間的空間關(guān)系和公安實(shí)戰(zhàn)經(jīng)驗(yàn)，對(duì)貝葉斯網(wǎng)絡(luò)參數(shù)（先驗(yàn)概率和條件概率）進(jìn)行賦值。

動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)是貝葉斯網(wǎng)絡(luò)隨時(shí)間變化的一個(gè)動(dòng)態(tài)擴(kuò)展，如圖5所示，可以反映各攝像機(jī)之間一系列行為模式間的概率依賴(lài)關(guān)系。由于攝像機(jī)網(wǎng)絡(luò)空間拓?fù)浣Y(jié)構(gòu)不隨時(shí)間改變，可以假設(shè)各攝像機(jī)之間滿(mǎn)足一階馬爾可夫性，從而對(duì)其中行為模式的時(shí)間連續(xù)性進(jìn)行建模?；舅枷胧侨中袨槟Ｊ绞怯梢幌盗芯植啃袨闃?gòu)成的。通過(guò)對(duì)局部行為及其關(guān)系的識(shí)別，可以有效地預(yù)測(cè)全局場(chǎng)景和行為。在一個(gè)攝像機(jī)發(fā)現(xiàn)異常行為的情況下，利用動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)，迅速對(duì)相關(guān)攝像機(jī)和行為模式進(jìn)行預(yù)判，在三維大場(chǎng)景下顯示相關(guān)視頻和信息。

圖5 多層動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)

當(dāng)場(chǎng)景內(nèi)交通工具發(fā)生異常報(bào)警時(shí)，依據(jù)目標(biāo)參數(shù)與預(yù)定義模式進(jìn)行匹配，對(duì)異常行為進(jìn)行識(shí)別和確定優(yōu)先級(jí)別，實(shí)時(shí)跨鏡頭智能報(bào)警和結(jié)果顯示。同時(shí)根據(jù)異常報(bào)警的優(yōu)先級(jí)，選取和該報(bào)警信息有時(shí)空關(guān)聯(lián)關(guān)系的所有攝像機(jī)數(shù)據(jù)，實(shí)現(xiàn)全景立體視頻自動(dòng)聚焦顯示，結(jié)合球機(jī)協(xié)同追視，根據(jù)報(bào)警信息自動(dòng)調(diào)用球機(jī)鎖定該區(qū)域。

3 結(jié)束語(yǔ)

本文探討了基于三維全景視頻融合技術(shù)的全時(shí)空監(jiān)控方法。該全時(shí)空監(jiān)控平臺(tái)關(guān)鍵技術(shù)包括基于激光點(diǎn)云數(shù)據(jù)的自動(dòng)三維建模、全景立體監(jiān)控和全景智能分析3項(xiàng)關(guān)鍵技術(shù)，并對(duì)此3項(xiàng)關(guān)鍵技術(shù)進(jìn)行了深入研究。該技術(shù)對(duì)高速公路設(shè)施監(jiān)控、水上交通安全監(jiān)控以及公共設(shè)施異常預(yù)警等業(yè)務(wù)具有輔助及決策效能。本文成果將極大促進(jìn)為機(jī)電工程全時(shí)空監(jiān)控方案的設(shè)計(jì)與實(shí)施提供技術(shù)參考與支撐，具有重要的理論意義和實(shí)踐價(jià)值。