[0001] 本发明涉及到安防监控设备领域，特别是指一种具视频分析构建和优化系统的智能分析摄像机。

[0002] 关于图2：传统的数码摄像机架构图，传统的数码摄像机通过图像传感器（以下简称IS）接收视频。从IS接收到的视频数据随后由图像信号处理器（以下简称ISP）进行处理来提高视频图像的质量。ISP随后将处理后的视频数据通过视频压缩处理器（以下简称VCP）进行视频压缩处理，压缩后的视频数据再随后被存储在一个本地磁盘或被转移到一个服务器或云作进一步分析处理。

[0003] 目标图像按照摄像机透镜所视进行记录。图3显示了三台摄像机的拍摄效果。如图3A：水平直线完整图像图。摄像机1是在一条水平直线上直接面向目标，它拍摄了目标的完整图像且未失真，所以记录的影像（图3A）保持了正确的纵横比。如图3B：顶部左侧向下俯拍图。摄像机2是从顶部左侧，向下俯拍目标，其与摄像机1拍摄的同一目标对象的定位不同，拍摄到的主干和傘体的纵横比影像如图3B所示有所缩减，傘体比图3A所示更为细长。如图
3C：左下侧向上仰拍图，摄像机3是从左下侧向上仰拍目标，通过摄像机3的透镜所拍摄的主干要高一些，傘体要粗一些。图3C图像所示的傘体的纵横比与图像3A所示的不同。

[0004] 所记录之图像的失真是造成分析误差的原因，这样的误差导致视频和图像分析不准确。它可能会因为依据失真的记录视频/图像数据进行检测呈现错误的目标对象。

[0005] 比对文件201120340904.0智能分析网络摄像机
201220515005.4一种智能红外摄像设备
201210072806.2HD-SDI 摄像机传输智能分析数据的方法
201410429249.4 基于Zigbee无线网络的球型摄像机及其控制方法。

[0029] 摄像机摄取目标物，其成像的准确度与以下三大因素有很深的关系：摄像机视角定位，目标物的景深和摄像机透镜的特性。在了解与特定图像成像的关联因素后，我们就可以对目标物进行较高准确度的视频或图像分析。判定目标物的景深，有许多不同的方法，但这不是本发明所探讨的范围。我们将专注于其他两个因素：摄像机视角定位和摄像机透镜的特性。

[0030] 参考图1：智能分析摄像机的基本架构图。我们发明了一种新的方法，来克服因摄像机不佳的视角定位造成的图像失真，从而导致无法进行准确分析的问题。图1的方框图里，显示了我们此发明的一种实施的方案，我们在传统摄像机上增加了重力传感器(GS)和视角定位修正处理器(OCP)。图1显示了我们所发明的智能分析摄像机的基本架构，它的工作原理如下。

[0031] 图像信号处理器（ISP）对IS所捕获的视频数据进行进一步处理，以提高视频图像的质量。ISP处理过的视频数据会经过OCP模块。该OCP汇合重力传感器感测到的摄像机的视角定位数据，影像拍摄的时间戳数据，和相机所使用的透镜类型数据，OCP产生定位数据(OD)。此种OD被逐帧同步标记在所记录的视频图像之上。然后，经OD标记的视频或图像数据被发送到VCP，随之进入存储或输入/输出（以下简称I/O）模块用于进一步的分析需要。

[0032] 重力传感器能感测到此摄像机本身的空间位置数据，该数据显示了摄像机透镜与目标物体的相对视角定位信息。这样的数据使得OCP模块能够知道摄像机与目标物之间所形成的相对空间位置及视角。我们可以使用此摄像机，以各种视角事先拍摄一些影像，建立好物体成像失真比率值–分析数据集（AD），这些AD集中起来，就形成了影像分析信息数据集库（ADL）。另一方面，分析引擎(AE)则根据所接收到具有OD的视频或图像，从事先建立好的ADL中，选择一个接近或符合于该OD的分析数据集(AD)，来进行比对及分析，如图4：分析数据集的示意图所示，这样我们就可以得到一个准确的分析结果。如有需要，该摄像机还可以直接连接到AE服务器上。由于分析工作需要复杂的数学运算，AE可以驻留在大功率的服务器上。这个服务器可以存在数据中心通过网络或云连接与每台摄像机进行连接。如图5：实施例云计算分析示意图。显示了基于云计算分析服务的连接的一个例子。

[0033] 在分析过程中，分析数据集(AD)对于准确的分析和物体检测是非常重要的。一个典型的视频和图像分析公司会花费巨大的财力和人力资源，为其分析算法和分析引擎获取有用的数据集库。扩充和生成这样的集库，通常是一个耗时，乏味和持续的工作。此集库应涵盖从摄像机所能拍摄到的图像变化，还应该包括诸如气候变化，灯光的变化等环境因素。但市面上充斥着许多不同的摄像机，目标物体也可能会摆成许多形式和形状，拍摄可能发生在不同的时间和季节。所以建立这样理想的全分析集库，以覆盖所有面市的摄像机和应用程序，其实是一件非常困难的工作。

[0034] 我们的发明也可以用来简化扩充和产生这种有用的分析数据集库(ADL)的任务。我们可以在服务器机房里，添加一个分析数据集库产生引擎（以下简称ADGE），图6：分析数据集库产生引擎示意图。显示了这种基于云概念，来产生分析数据集库(ADL)的例子。智能分析摄像机1一直到智能分析摄像机n被安装在不同方向的远程位置。这些摄像机通过云连接到在服务器机房里的分析引擎(AE)，所有拍摄到的图像和视频数据，都被发送到云端的AE来分析。 AE将检测从每个摄像机记录的检测对象数据的具体OD。如果与检测对象关联的OD不属于ADL的一部分，分析引擎(AE)将通知分析数据集库产生引擎（ADGE）来生成这样的与该具体OD相关联的AD，并存储这个新AD在ADL中备用。因为许多带有不同定位设置和各种对象图像的摄像机被连接到这个AE，大量AD汇集形成的ADL比前述手动生成更加容易。连接到该云的摄像机越多，建立一整套理想的ADL越快。

[0035] 对于直接连接到分析引擎(AE)的智能分析摄像机，我们可以设计具有自我学习的能力，形成可以扩充自身ADL的智能分析摄像机。如图7：自我学习的能力摄像机示意图。展示了这样的实施方案。在安装摄像机后，安装程序可以显示在摄像机透镜某固定距离的预选对象。这种训练可以在几个预先确定的不同的距离和方向来进行，也可以在一天的不同时间和/或一月的不同日期来进行。

[0036] 然后摄像机会将这些检测到的图像（新数据集）与同一摄像机预先安装的理想的定位所产生的分析数据集进行比对。任何不同的新图像及与其关联的OD将被分析数据集库产生引擎（ADGE）产生一个新的分析数据集(AD)并存储在ADL。经过初次学习期后，AE在每次接收到不属于ADL的新OD图像后都会通知ADGE。因此，摄像机自带的自学程序能帮助其建立起优化的ADL，从而扩充此分析数据集库(ADL)，以达到拥有准确的分析和检测功能。

[0037] 在摄像机内增加云台变焦控制模块 (PTZ）是另一种实施方案。如图8：云台变焦结构示意图。展示了这样的实施方案。摄像机安装后，重力传感器告知其目标对象的定位。OCP生成初步的OD，随后与其ADL里优选的OD范围进行比对。如果初步的OD在该范围内时，摄像机将保持不变。否则，摄像机在通过PTZ控制模块时OCP会自动调整其镜头定位，以进入到该优选的OD范围以期更好的满足监测需求。

[0038] 如图9：摄像机的自动定位调整和优化示意图。这个过程也可以以相反的顺序工作。当摄像机通过云台变焦控制模块 (PTZ）转向一个新的定位时，PTZ控制器模块将通知分析数据集库产生引擎（ADGE）其新的OD。 ADGE会从ADL选择相应的优化AD并发送给分析引擎(AE)处理。这对非专业人士使用摄像机特别有用。摄像机的自动定位调整和优化AD的选项将有助于简化安装工作。

[0039] 由上所述，本创作一前所未见之新发明结构设计,具有创造性、实用性及新颖性,符合发明专利申请的要求,因此提出专利申请。以上已将本创作一一详细说明, 但以上所述,公为本发明之较佳实施例而已, 应当不能限定本创作实施的范围。即凡依本创作申请范围所作的同等变化与修饰等, 皆应仍属本创作的专利涵盖范围内。