买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安中创新能网络科技有限责任公司申请的专利基于三维感知模型的视频传感器覆盖优化方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115879181B 。

龙图腾网通过国家知识产权局官网在2026-03-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211530965.2，技术领域涉及：G06F30/10；该发明授权基于三维感知模型的视频传感器覆盖优化方法及装置是由陈奇;董安国;吴林河设计研发完成，并于2022-12-01向国家知识产权局提交的专利申请。

本基于三维感知模型的视频传感器覆盖优化方法及装置在说明书摘要公布了：本发明公开了一种基于三维感知模型的视频传感器覆盖优化方法及装置，涉及机器学习技术领域，包括：获取待监测区域A，待监测区域A内包括L个摄像机；构建第i个摄像机的三维感知模型，获取该摄像机在待监测区域A中的覆盖范围；获取L个摄像机在待监测区域A中的覆盖范围；将待监测区域A进行离散化，获取离散后的目标点集Ω；获取待监测区域中被L个摄像机覆盖的目标点集合Ht；根据目标点集Ω和目标点集合Ht，获取待监测区域A的覆盖率；根据粒子群算法和梯度算法，优化待监测区域的覆盖率；其中，使用精英反向学习产生粒子群算法的初始种群；获取优化后的待监测区域的覆盖率。本申请能够快速获取优化的摄像机覆盖率。

本发明授权基于三维感知模型的视频传感器覆盖优化方法及装置在权利要求书中公布了：1.一种基于三维感知模型的视频传感器覆盖优化方法，其特征在于，包括： 获取待监测区域，所述待监测区域内包括个摄像机； 构建第个摄像机的三维感知模型，获取该摄像机在所述待监测区域中的覆盖范围；获取个摄像机在所述待监测区域中的覆盖范围； 将所述待监测区域进行离散化，获取离散后的目标点集；获取所述待监测区域中被个摄像机覆盖的目标点集合； 根据目标点集和目标点集合，获取所述待监测区域的覆盖率； 根据粒子群算法和梯度算法，优化待监测区域的覆盖率，包括： 使用精英反向学习产生粒子群算法的初始种群，包括个粒子，设置最大迭代次数、自适应惯性权重和阈值；其中，每个粒子包括个摄像机待优化的参数； 针对当前迭代次数，更新各个粒子的速度和状态变量，根据更新的各个粒子的状态变量，计算各个粒子的当前适应度值，并找出第0~次迭代过程中每个粒子历史最优点、以及全局最优点；其中，所述适应度值为所述待监测区域的覆盖率； 将所述每个粒子历史最优点作为梯度算法的初始值进行迭代优化，，设置最大迭代次数、适应度值增量阈值和步长阈值； 针对梯度算法当前迭代次数，计算待监测区域的覆盖率对应的第个偏增量，其表达式为： ； 其中，为自变量中各分量的增量，为第个分量为1、其他分量均为0的维向量，，为待监控区域范围；其中，所述第个偏增量的获取表达式为： ； 其中，为时未被任何摄像机覆盖的目标点、且时被第个摄像机覆盖的目标点数量，即为覆盖净增加的数量；为仅仅被第个摄像机覆盖的目标点在时不被其覆盖，即为覆盖净减少的目标点数量，为没有被任意摄像机覆盖的目标点，为仅仅被第个摄像机覆盖的目标点，为被第个摄像机覆盖的目标点，为第个目标点； 根据所述偏增量的正负，确定梯度算法迭代的方向，沿梯度方向移动，表示为： ； 其中，为当前点，为下一点，为迭代步长，为偏增量，其中，，为偏增量的维度； 如果，则，，进入下一次梯度算法迭代次数；否则，如果，则继续沿梯度方向移动；如果，则输出和适应度值； 获取每个粒子历史最优点对应的梯度优化最优点Igradient，计算所有粒子中梯度优化全局最优点，如果，则，；否则，，； 执行下一次迭代次数，直至收敛或达到最大迭代次数，获取优化后的待监测区域的覆盖率。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安中创新能网络科技有限责任公司，其通讯地址为：710075 陕西省西安市高新区丈八街办高新二路9号天使楼七楼G-30；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。