(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211264021.5 (22)申请日 2022.10.17 (71)申请人 天津大学四川创新研究院 地址 610000 四川省成 都市天府新经济产 业园B6号楼13层 (72)发明人 白一川　吉祥宇　刘子祯　谢宇涛　 江熠　郭丰瑞　赵书磊　唐铭　 李国良　宋乐　 (74)专利代理 机构 成都金英专利代理事务所 (普通合伙) 51218 专利代理师 郭肖凌 (51)Int.Cl. H04N 5/232(2006.01) G06V 10/74(2022.01) G06V 10/82(2022.01)G06T 7/70(2017.01) (54)发明名称 一种基于特征值拓扑网络的跨摄像头调度 方法 (57)摘要 本发明提供一种基于特征值拓扑网络的跨 摄像头调度方法， 跨摄像头分析技术领域， 包括 场景的抽象建模、 使用模型进行摄像头调度和保 存图论模型的步骤； 所述场景的抽象建模， 包括 生成S图和C图和构建偏序关系的子步骤； 所述使 用模型进行摄像头调度包括根据边权重函数B计 算图像特征差值、 设起始点为 ， 并计算和 有 偏序关系的下阶C图的边权重， 并保留最小权重 边所连接的点作为本阶的保留点和选取本阶C图 的保留点， 直至最后一阶或者所有下阶C图的边 权重高于上限阈值b时停止的子步骤。 本方法使 灵活部署在不同场景中的分布式摄像头或服务 器能相互知 道彼此之间部署位置， 建立了摄像头 拓扑网络图。 权利要求书2页 说明书7页 附图3页 CN 115361503 A 2022.11.18 CN 115361503 A 1.一种基于特 征值拓扑网络的跨摄 像头调度方法， 其特 征在于， 包括以下步骤： 步骤1： 场景的抽象建模； 步骤2： 使用模型进行摄 像头调度； 步骤3： 保存图论模型。 2.根据权利要求1所述的一种基于特征值拓扑网络的跨摄像头调度方法， 其特征在于， 步骤1所述的场景的抽象建模， 包括以下子步骤： 步骤11： 生成S图和C图； 步骤12： 构建偏序关系。 3.根据权利要求2所述的一种基于特征值拓扑网络的跨摄像头调度方法， 其特征在于， 步骤11所述的生成S图和C图具体为： S图中每个节点代表一个摄像头， 根据双方摄像头传回图片的特征值是否相似及是否 可以直接看见对方摄像头来判定两个节点是否连接； 定义S图中一个团为一个可能场景， 此 团对应一个现实中的场景， 将其称为C图。 4.根据权利要求2所述的一种基于特征值拓扑网络的跨摄像头调度方法， 其特征在于， 步骤12所述的构建偏序关系具体为： 在C图的集 合上建立包 含关系， 所述C图的集 合包含零图。 5.根据权利要求2所述的一种基于特征值拓扑网络的跨摄像头调度方法， 其特征在于， 所述C图的相对阶数 是两张C图之间的节点个数之差 。 6.根据权利要求1所述的一种基于特征值拓扑网络的跨摄像头调度方法， 其特征在于， 步骤2所述的使用模型进行摄 像头调度包括以下子步骤： 步骤21： 根据边权 重函数B计算图像特 征差值并设置上限阈值b； 步骤22： 设起始点为 ， 并计算和 有偏序关系的下阶C图的边权重， 并保留最小权重 边所连接的点作为下阶的保留点； 步骤23： 选取下阶C图的保留点作为新的起始点， 重复步骤22， 直至最后一阶或者所有 下阶C图的边权 重高于上限阈值b时停止 。 7.根据权利要求6所述的一种基于特征值拓扑网络的跨摄像头调度方法， 其特征在于， 步骤21所述的根据边权 重函数B计算图像特 征差值并设置上限阈值b具体为： 代入 中的团所涉及到的点f进入函数B， 得到B （f） ， 即点  i 中包含的所有摄像头传回 图片特征值的平均值与f中额外的摄 像头传回图片特 征值相减的值的绝对值； 设置上限阈值b； 定义摄像头的特 征值函数E。 8.根据权利要求6所述的一种基于特征值拓扑网络的跨摄像头调度方法， 其特征在于， 步骤22所述的设起始点为 ， 并计算和 有偏序关系的下阶C图的边权重， 并保留最小权 重边所连接的点作为下阶的保留点还 包括： 若B （f） 差值高于b， 则两个点对应的团象征的场景相差过远， 视为不同场景， 直接对当 前搜索路径剪枝， 否则保留B(f)作为 i与f相连边上的权 重； 如果 中所有点的边权 重不小于b， 则搜寻终止， 本次调度结束； 调度结束时， 得到一条起始点为  e 的路， 其终点称为  ,则 所包含的摄像头权　利　要　求　书 1/2 页 2 CN 115361503 A 2将是本次调度的最优解。 9.根据权利要求1所述的一种基于特征值拓扑网络的跨摄像头调度方法， 其特征在于， 还包括一种优先搜索列表， 所述优先搜索列表为设置点权重函数H， 从而给函数B设置两个 阈值 ， 在每一次调度结束后更新 最优路上团的权 重。 10.根据权利要求9所述的一种基于特征值拓扑网络的跨摄像头调度方法， 其特征在 于， 所述在每一次调度结束后更新 最优路上团的权 重具体为： 若最优路上的点f的边评价 函数值B(f)小于 , 则按照 的 比例提升f的H(f)值; 若最优路上的点f的边评价 函数值B(f)大于 ,则按照 的比 例减小f的H(f)值; 其中， H （f） 为 点f进入点权 重函数H； 每一个团， 除初始 团外， 都有函数H()的初始值， 函数H()值的更新在每一次调度结束 后进行。 11.根据权利要求9所述的一种基于特征值拓扑网络的跨摄像头调度方法， 其特征在 于， 还包括引入函数H后， 函数B的计算变为在原有的基础上乘以 的方式 进行计算。 12.根据权利要求1所述的一种基于特征值拓扑网络的跨摄像头调度方法， 其特征在 于， 步骤3所述的保存图论模型 具体为： 每个摄像头将保存调度历史， 同时作为S图中的节点并记住与之相连的其 他节点。 13.根据权利要求12所述的一种基于特征值拓扑网络的跨摄像头调度方法， 其特征在 于， 所述调度历时包括： 偏序关系 、 偏序关系中点的权 重和邻近摄 像头拍到物体的特 征值。权　利　要　求　书 2/2 页 3 CN 115361503 A 3