碰到这类问题，我们常常都不太好回答。首先是镜头看多远的问题，因看多远的问题，与目标物的大小及用户最终能接受的显示图像的大小有关，所以一般情况下也只能模糊的回答。其次镜头究竟能看多清，我们也不好直接回答，一般也是主观上认为这样可以了，但没具体的数据来表达。其实，镜头看多远与看多清两者是相互影响与制约的，同样焦距情况下，看远了，图像就变小了，相应目标从画面上感觉就没那么清晰了，尽管此时从图像上看是聚焦清楚的。距离近了，图像就变大了，随之感觉分辨目标细节的能力也提升了，所以也感觉更清晰了。对镜头看多远与多清的问题，我们在具体应用环境中需客观去对待，并与我们下面的讨论相对应，以达到我们实际的应用要求就可以了。当然，镜头看多清的问题还有两个制约因素，就是摄像机的分辨率与镜头的分辨率要相匹配，若不匹配，也会影响到最终的成像效果。
针对上述问题，我们进行了研究，发现不管摄像系统看多远或看多清，最终都与目标物在监视器上显示的像素有关。另外，测试结果也会受到以下几个条件的影响，一是人的主观判断因素，二是环境因素（如天气，白天，晚上，雨雾等），三是摄像机本身的因素（不同摄像机的画质的表现不一样）。当我们把像素大小独立来研究时，下面我们可以先来定义下我们对监控目标的几个主要识辨的等级要求（也可称之为目标物的成像等级要求）,以下测试活动都是在白天光线条件相对良好的情况下拍摄，摄像机为1920*1080输出。
一，对人的识辨分为以下4级：
1，行为识辨：能看到人的活动情况，如行走坐立，运动方向等，并简单识辨衣着颜色等信息，在一定像素范围内，特征明显的，可识辨性别信息。
1
据实际测试与抓拍，如上几幅图中，当身高像素大于20像时，可以识辨人的行为活动，如走路的方向，动作。如图1到图6。特征明显点的，还可简单分清男女。如图5、图6，能分清楚是女性，因图5留了长头发，图6也是长头发与女性常着装的短裤，但如图6的穿着再中性化点，就会变得特征不明显，就很难分出是男是女了。另外在环境条改变时，如晚上，雨雾天，所拍结果也会影响我们对性别方面的判别。另对行为状态的判断，一般来说顺着观察方向，距离远时会不太明显，而与观察方向垂直时，一般运动状态更明显。
2，体貌识辨：能分清性别，大概年龄段，高矮胖瘦等体貌特征
2
2.1
如上图示，经过我们测试观察，当目标身高像素大概在60像素以上时，就基本可做到体貌识辨里的性别识，，如上图6与图14所示，如要判断年纪，个人感觉身高在75像素以上。如上图9以后的画面，就可识辨出上述是一年轻男性，体形适中。当像素增大到140像素左右时，如是正面拍摄，就接近下一个识辨要求——人物再现了。
3，人物再现：图像达到人眼识辨人物的要求，录像重播时，能通过人眼再次判断是否是同一目标人物。
3
如上图示，图21的画面中，通过录像的回放，与主体比较，我们已能基本识辨出是否是同一人了，也就是说，当人的身高像素大约在150像素以上时，通过录像回放，就可达到人物再现要求。
4，智能识辨人物：能自动识辨人物
经查资料，一般在一个视野为6米宽度的图像中,识别人脸的有效分别率:>32x32像素。高清摄像机人脸图像的分辨率为:<1920*(16/600)=51像素，另通过谷哥Picasa图像软件进行过实测，用1920*1080的画面抓取头像，当头像分辨率大于36*44像素时，此软件可抓取头像，但要人工确认是否是同一人。抓图如图27，而当分辨率大于51像素时，如图28、图29，谷歌软件可自动识辨记录在库的人员。
4
二，对车的识辨分为以下4级：
1，行为识辨：能看到车的运动情况,大小型车及简单颜色情况
如图示：
5
如上图示，经过测试，当车的像素大于20*16像素以上时，可作行为识辨，此情况下可以通过录像看到车的基本运动情况，如是否逆行，是否转弯等状态。
2，车型款式识辨：能分清车的类型及款式，并能基本识辨车的颜色信息，如下图示：
6
上图中，我们认为当小车的像素大于55*50像素时，一般可认出车的款式，颜色特征明显的，可以识辨颜色，如图5，应该是一辆红色大众的出租车。但图6车型可看出来，颜色确认有困难，颜色特征不明显。另此处识辨跟天气条件相关性也大，如是雨雾天。图5，图6，受天气的影响会较大，而到了图7，一般的天气识辨则没问题。另此处跟摄像机的成像能力也有关系，成像效果好的识辨度会高，成像差的识辨度也会降低。
3，人眼识辨车牌：能人眼识辨车牌
以下是人眼车牌识辨测试清况：
7
如上图示，我们发现一般当车牌像素大约在50*14像素时，就已处于人眼可识辨的临界值，如上图1可隐约认出车牌为粤BF9527，而图7则已无法认出车牌，当然，如此时图7的数字全是1，则有可能认出来，一般情况下，图8已可确认为人眼识辨的监界值了。所以，我们可认为车牌像素在50*14像素以上时，就可满足人眼识辨要求了。
4，智能识辨车牌：能自动识别车牌（车牌像素达业内默认的40*80像素左右或大于这个值时）
8
9
跟一些做电警类的朋友了解过，如要达到车牌智能识辨，一般车牌像素大概在80*40像素左右时或以上时。因车牌识辨包含了汉字、数字和字母的识辨，所以跟人眼识辨还是有区别的。对于车牌汉字，人眼可以看到一个轮廓就可大致判断出是什么字，而智能识辨则要求字符特征明显，特别是汉字部分，要求会高一些。经过实测，一般车牌在80*40左右时，车牌字符部分都较清楚。如图8，车牌可正确识辨为“粤B7SX61”。如图9，因车牌像素低了些，所以汉字部分识辨有问题，但数字部分没问题。所以图9只能算人眼识辨范围。
上述基本讨论了镜头怎样算看清的问题，下面来讨论下镜头看多远的问题:
据以上测试研究，在实际应用中我们会把镜头的焦距与物距对应起来。在计算中，会有几个相关参数：即镜头的焦距，目标物的大小，距离与成像大小，而成像大小决定了成像的清晰情况。所以，当图像像素一定时，总会有一个对应的焦距与物距的组合，可以使画面达到我们所需要的识辨要求。上述已简单描述出了目标图像的大小与可识辨的程度的对应关系，当焦距与物距已知时，可算出成像大小，再算出对应像素，看图像像素会落在上述定义的哪一个区间，就可知道这个情况或环境下可达到什么样等级的识辨要求或成像效果；当目标距离已知，达到的识辨等级（成像效果）也已确认，则可算出所需镜头的焦距；当焦距已知，也可根据我们要求的成像像素大小（要求达到的识辨等级或成像要求），来算出看多远的问题。
据光学成像近似计算方式，我们先定义如下参数：
物体标注：
D：物距（单位m）,H:物高（单位m）,W:物宽（单位m）
摄像机CCD或CMOS尺寸标注：
h:CCD高（单位：mm）,w:CCD宽（单位mm），如下图：
10
成像尺寸标注：
hp:成像高度（单位：mm）wp:成像宽度（单位：mm）
镜头标注：
f:焦距（单位：mm）
像素标注：
Pixh:对应画面高度的像素数（单位：个）Pixw:对应画面宽度的像素数（单位：个）
下面是光学成像示意图：
11
以下是光学成像镜头焦距f的近似计算公式:
f=D*hp/H（以像高参考计算）f=D*wp/W（以像宽参考计算）计算后，前两式中，当像高hp=h(CCD高)，或像宽wp=w（CCD宽）时，就相当于目标全屏显示。选f值小的那个值作为镜头焦距值，因在目标全屏显示时，要使目标完全显示在屏幕上，就要选焦距小的那个值（可视角度更广），才能满足完全显示的要求。
据上面公式可得出以下公式：
hp=f*H/Dwp=f*W/D
则据1920*1080的画面输出，可得到相应的输出像素的高度与宽度，计算如下：
Pixh=(1080/h)*hpPixw=(1920/w)*wp
得到像素高度与宽度后，可查看下相应值落在上面的哪个像素区间，就可得知我们成像的基本效果了。
下面我们来举例说明：
假设用1/3”的1920*1080的摄像机，镜头为5-50m的（焦距假设用50mm），拍100米远的成年人,人取平均身1.7米。那么能达到什么样的监控效果呢？
计算如下：
hp=50*1.7/100=0.85mm,则对应pixh=(1080/3.6)*0.85=255像素
据计算的结果，像素落在250-420区间，说明此时是可达到人物再现要求的。
同理，如我们要使目标显示像素达到250像素左右，则在焦距一定时，可计算符合条件的最小物距，在物距一定时，可计算符合本条件的最小焦距。
其实，所有监控中，镜头看多远或看多清的问题，都是我们最关注的问题。同时因每个人主观上的看法会有不同之处，也会导致最终对成像效果的判断会有些出入。当然计算上因参数实际数据会有误差，结果也可能与实际有些出入，但我们研究的主要目的只是方便人们对成像效果的一般性判断，并形成一个实用的经验值，不做精确比较用。上述讨论与测试，仅是从我们从实际应用出发，作了一个一般性讨论，有不足之处，还请同行多多指正。
|
