碰到這類問題，我們常常都不太好回答。首先是鏡頭看多遠的問題，因看多遠的問題，與目標物的大小及用戶最終能接受的顯示圖像的大小有關，所以一般情況下也只能模糊的回答。其次鏡頭究竟能看多清，我們也不好直接回答，一般也是主觀上認為這樣可以了，但沒具體的數據來表達。其實，鏡頭看多遠與看多清兩者是相互影響與制約的，同樣焦距情況下，看遠了，圖像就變小了，相應目標從畫面上感覺就沒那么清晰了，盡管此時從圖像上看是聚焦清楚的。距離近了，圖像就變大了，隨之感覺分辨目標細節的能力也提升了，所以也感覺更清晰了。對鏡頭看多遠與多清的問題，我們在具體應用環境中需客觀去對待，并與我們下面的討論相對應，以達到我們實際的應用要求就可以了。當然，鏡頭看多清的問題還有兩個制約因素，就是攝像機的分辨率與鏡頭的分辨率要相匹配，若不匹配，也會影響到最終的成像效果。
針對上述問題，我們進行了研究，發現不管攝像系統看多遠或看多清，最終都與目標物在監視器上顯示的像素有關。另外，測試結果也會受到以下幾個條件的影響，一是人的主觀判斷因素，二是環境因素（如天氣，白天，晚上，雨霧等），三是攝像機本身的因素（不同攝像機的畫質的表現不一樣）。當我們把像素大小獨立來研究時，下面我們可以先來定義下我們對監控目標的幾個主要識辨的等級要求（也可稱之為目標物的成像等級要求）,以下測試活動都是在白天光線條件相對良好的情況下拍攝，攝像機為1920*1080輸出。
一，對人的識辨分為以下4級：
1，行為識辨：能看到人的活動情況，如行走坐立，運動方向等，并簡單識辨衣著顏色等信息，在一定像素范圍內，特征明顯的，可識辨性別信息。
1
據實際測試與抓拍，如上幾幅圖中，當身高像素大于20像時，可以識辨人的行為活動，如走路的方向，動作。如圖1到圖6。特征明顯點的，還可簡單分清男女。如圖5、圖6，能分清楚是女性，因圖5留了長頭發，圖6也是長頭發與女性常著裝的短褲，但如圖6的穿著再中性化點，就會變得特征不明顯，就很難分出是男是女了。另外在環境條改變時，如晚上，雨霧天，所拍結果也會影響我們對性別方面的判別。另對行為狀態的判斷，一般來說順著觀察方向，距離遠時會不太明顯，而與觀察方向垂直時，一般運動狀態更明顯。
2，體貌識辨：能分清性別，大概年齡段，高矮胖瘦等體貌特征
2
2.1
如上圖示，經過我們測試觀察，當目標身高像素大概在60像素以上時，就基本可做到體貌識辨里的性別識，，如上圖6與圖14所示，如要判斷年紀，個人感覺身高在75像素以上。如上圖9以后的畫面，就可識辨出上述是一年輕男性，體形適中。當像素增大到140像素左右時，如是正面拍攝，就接近下一個識辨要求——人物再現了。
3，人物再現：圖像達到人眼識辨人物的要求，錄像重播時，能通過人眼再次判斷是否是同一目標人物。
3
如上圖示，圖21的畫面中，通過錄像的回放，與主體比較，我們已能基本識辨出是否是同一人了，也就是說，當人的身高像素大約在150像素以上時，通過錄像回放，就可達到人物再現要求。
4，智能識辨人物：能自動識辨人物
經查資料，一般在一個視野為6米寬度的圖像中,識別人臉的有效分別率:>32x32像素。高清攝像機人臉圖像的分辨率為:<1920*(16/600)=51像素，另通過谷哥Picasa圖像軟件進行過實測，用1920*1080的畫面抓取頭像，當頭像分辨率大于36*44像素時，此軟件可抓取頭像，但要人工確認是否是同一人。抓圖如圖27，而當分辨率大于51像素時，如圖28、圖29，谷歌軟件可自動識辨記錄在庫的人員。
4
二，對車的識辨分為以下4級：
1，行為識辨：能看到車的運動情況,大小型車及簡單顏色情況
如圖示：
5
如上圖示，經過測試，當車的像素大于20*16像素以上時，可作行為識辨，此情況下可以通過錄像看到車的基本運動情況，如是否逆行，是否轉彎等狀態。
2，車型款式識辨：能分清車的類型及款式，并能基本識辨車的顏色信息，如下圖示：
6
上圖中，我們認為當小車的像素大于55*50像素時，一般可認出車的款式，顏色特征明顯的，可以識辨顏色，如圖5，應該是一輛紅色大眾的出租車。但圖6車型可看出來，顏色確認有困難，顏色特征不明顯。另此處識辨跟天氣條件相關性也大，如是雨霧天。圖5，圖6，受天氣的影響會較大，而到了圖7，一般的天氣識辨則沒問題。另此處跟攝像機的成像能力也有關系，成像效果好的識辨度會高，成像差的識辨度也會降低。
3，人眼識辨車牌：能人眼識辨車牌
以下是人眼車牌識辨測試清況：
7
如上圖示，我們發現一般當車牌像素大約在50*14像素時，就已處于人眼可識辨的臨界值，如上圖1可隱約認出車牌為粵BF9527，而圖7則已無法認出車牌，當然，如此時圖7的數字全是1，則有可能認出來，一般情況下，圖8已可確認為人眼識辨的監界值了。所以，我們可認為車牌像素在50*14像素以上時，就可滿足人眼識辨要求了。
4，智能識辨車牌：能自動識別車牌（車牌像素達業內默認的40*80像素左右或大于這個值時）
8
9
跟一些做電警類的朋友了解過，如要達到車牌智能識辨，一般車牌像素大概在80*40像素左右時或以上時。因車牌識辨包含了漢字、數字和字母的識辨，所以跟人眼識辨還是有區別的。對于車牌漢字，人眼可以看到一個輪廓就可大致判斷出是什么字，而智能識辨則要求字符特征明顯，特別是漢字部分，要求會高一些。經過實測，一般車牌在80*40左右時，車牌字符部分都較清楚。如圖8，車牌可正確識辨為“粵B7SX61”。如圖9，因車牌像素低了些，所以漢字部分識辨有問題，但數字部分沒問題。所以圖9只能算人眼識辨范圍。
上述基本討論了鏡頭怎樣算看清的問題，下面來討論下鏡頭看多遠的問題:
據以上測試研究，在實際應用中我們會把鏡頭的焦距與物距對應起來。在計算中，會有幾個相關參數：即鏡頭的焦距，目標物的大小，距離與成像大小，而成像大小決定了成像的清晰情況。所以，當圖像像素一定時，總會有一個對應的焦距與物距的組合，可以使畫面達到我們所需要的識辨要求。上述已簡單描述出了目標圖像的大小與可識辨的程度的對應關系，當焦距與物距已知時，可算出成像大小，再算出對應像素，看圖像像素會落在上述定義的哪一個區間，就可知道這個情況或環境下可達到什么樣等級的識辨要求或成像效果；當目標距離已知，達到的識辨等級（成像效果）也已確認，則可算出所需鏡頭的焦距；當焦距已知，也可根據我們要求的成像像素大小（要求達到的識辨等級或成像要求），來算出看多遠的問題。
據光學成像近似計算方式，我們先定義如下參數：
物體標注：
D：物距（單位m）,H:物高（單位m）,W:物寬（單位m）
攝像機CCD或CMOS尺寸標注：
h:CCD高（單位：mm）,w:CCD寬（單位mm），如下圖：
10
成像尺寸標注：
hp:成像高度（單位：mm）wp:成像寬度（單位：mm）
鏡頭標注：
f:焦距（單位：mm）
像素標注：
Pixh:對應畫面高度的像素數（單位：個）Pixw:對應畫面寬度的像素數（單位：個）
下面是光學成像示意圖：
11
以下是光學成像鏡頭焦距f的近似計算公式:
f=D*hp/H（以像高參考計算）f=D*wp/W（以像寬參考計算）計算后，前兩式中，當像高hp=h(CCD高)，或像寬wp=w（CCD寬）時，就相當于目標全屏顯示。選f值小的那個值作為鏡頭焦距值，因在目標全屏顯示時，要使目標完全顯示在屏幕上，就要選焦距小的那個值（可視角度更廣），才能滿足完全顯示的要求。
據上面公式可得出以下公式：
hp=f*H/Dwp=f*W/D
則據1920*1080的畫面輸出，可得到相應的輸出像素的高度與寬度，計算如下：
Pixh=(1080/h)*hpPixw=(1920/w)*wp
得到像素高度與寬度后，可查看下相應值落在上面的哪個像素區間，就可得知我們成像的基本效果了。
下面我們來舉例說明：
假設用1/3”的1920*1080的攝像機，鏡頭為5-50m的（焦距假設用50mm），拍100米遠的成年人,人取平均身1.7米。那么能達到什么樣的監控效果呢？
計算如下：
hp=50*1.7/100=0.85mm,則對應pixh=(1080/3.6)*0.85=255像素
據計算的結果，像素落在250-420區間，說明此時是可達到人物再現要求的。
同理，如我們要使目標顯示像素達到250像素左右，則在焦距一定時，可計算符合條件的最小物距，在物距一定時，可計算符合本條件的最小焦距。
其實，所有監控中，鏡頭看多遠或看多清的問題，都是我們最關注的問題。同時因每個人主觀上的看法會有不同之處，也會導致最終對成像效果的判斷會有些出入。當然計算上因參數實際數據會有誤差，結果也可能與實際有些出入，但我們研究的主要目的只是方便人們對成像效果的一般性判斷，并形成一個實用的經驗值，不做精確比較用。上述討論與測試，僅是從我們從實際應用出發，作了一個一般性討論，有不足之處，還請同行多多指正。
|
