李培岳， 張鴻洲， 陳淼焱

(1.中國人民公安大學(xué)研究生院，北京 100038；2.中國人民公安大學(xué)警務(wù)信息工程與網(wǎng)絡(luò)安全學(xué)院，北京 102600； 3.中國人民公安大學(xué)公安遙感應(yīng)用工程技術(shù)研究中心，北京 100038)

視頻監(jiān)控系統(tǒng)是安全防范系統(tǒng)重要的組成部分，城市視頻監(jiān)控系統(tǒng)在平安城市和智慧城市建設(shè)中發(fā)揮著至關(guān)重要的作用[1]。隨著視頻監(jiān)控系統(tǒng)建設(shè)的深入，對視頻監(jiān)控系統(tǒng)的效能評估也在不斷深入研究[2-3]。目前對視監(jiān)控系統(tǒng)的評估研究多側(cè)重于系統(tǒng)技術(shù)參數(shù)和性能的評估，一般是靜態(tài)的不考慮人員動態(tài)活動的評估。這種評估方式雖然可以根據(jù)視頻監(jiān)控系統(tǒng)的不同任務(wù)、應(yīng)用場景和環(huán)境對系統(tǒng)進(jìn)行有效評估，但對人的行為特征沒有進(jìn)行有效分析。將視頻監(jiān)控抽象為隱形路障，如何對路面路徑進(jìn)行有效防范仍是視頻監(jiān)控系統(tǒng)建設(shè)、規(guī)劃和評估的重要研究領(lǐng)域。

違法犯罪行為在預(yù)謀或發(fā)生時，行為人總會試圖減少犯罪成本，而被發(fā)現(xiàn)即是增加犯罪成本的一個重要因素。在犯罪行為預(yù)謀或進(jìn)行時，行為人總是要降低當(dāng)時被發(fā)覺的可能性，也是想減少完成這樣行為所必需的努力。因此一旦違法犯罪行為在實施過程中被發(fā)覺，行為人總是要努力做出反應(yīng)，使被發(fā)覺所造成的影響降到最小。視頻監(jiān)控系統(tǒng)就是一雙雙從不閉合的眼睛，時時關(guān)注著各個攝像機(jī)監(jiān)控覆蓋的區(qū)域。雖然無法保證違法犯罪行為的發(fā)生過程都會記錄在視頻監(jiān)控系統(tǒng)中，但是行為人在實施違法犯罪行為的前后，總會或多或少的出現(xiàn)在監(jiān)控畫面中。因此在行為人知曉視頻監(jiān)控系統(tǒng)存在的情況下，其在實施違法犯罪行為時總是在避免被監(jiān)控探頭拍攝到，或者使自己在監(jiān)控圖像上盡可能小或不易甚至無法識別。

將入侵路徑定義為行為人實施違法犯罪行為的空間集合。犯罪行為在發(fā)生前，行為人一直處在入侵路徑之上。在入侵路徑上施以有效攔截可以阻止違法犯罪行為的發(fā)生。而在大多數(shù)情況下，在入侵路徑上進(jìn)行嚴(yán)格有效的物理攔截是不切實際的，因為無法對所有行為人在實施違法犯罪行為前實現(xiàn)完全掌控。根據(jù)通過環(huán)境設(shè)計預(yù)防犯罪(CPTED)理論，在入侵路徑上施以影響可以增加犯罪成本[4-5]。視頻監(jiān)控系統(tǒng)就是在無數(shù)可能的入侵路徑上施加的影響，從而增加了犯罪成本，即違法犯罪行為人的暴露成本。

在本文研究中，根據(jù)對視頻監(jiān)控系統(tǒng)宏觀認(rèn)知程度建立了視頻監(jiān)控系統(tǒng)的心理防范區(qū)域模型，在心理防范區(qū)域模型的基礎(chǔ)上構(gòu)建基于啟發(fā)式算法的最優(yōu)入侵路徑模型，最后對在視頻監(jiān)控環(huán)境下的入侵者的入侵路徑進(jìn)行了實驗分析。期望通過本文研究，可對視頻監(jiān)控系統(tǒng)在犯罪預(yù)防方面的評估分析提供參考和方向。

1 視頻監(jiān)控下的心理防范區(qū)域研究

1.1 視頻監(jiān)控有效覆蓋區(qū)域

視頻監(jiān)控攝像機(jī)的理論視域范圍由攝像機(jī)內(nèi)部光學(xué)元件的參數(shù)決定，攝像機(jī)光學(xué)系統(tǒng)獲取圖像的過程可以簡化為凸透鏡成像，視域范圍受鏡頭焦距和圖像傳感器靶面尺寸的影響。攝像機(jī)成像原理和攝像機(jī)理論視域模型如圖1、圖2所示。

f為鏡頭焦距，w和h分別為相機(jī)圖像傳感器靶面尺寸，D為成像物距，W和H分別為成像畫面里實際物體的尺寸圖1 凸透鏡成像原理Fig.1 Theory of convex imaging

θ為鏡頭縱向視角的角度圖2 攝像機(jī)理論視域Fig.2 Theoretical FoV of camera

在不考慮攝像機(jī)俯仰角對成像影響時，焦距f、目標(biāo)高度h、成像距離D、目標(biāo)在成像器件上的像高H之間的關(guān)系為

f=hD/H

(1)

當(dāng)監(jiān)控攝像機(jī)安裝在固定點位后，受安裝角度和高度及監(jiān)控環(huán)境的影響，其實際視域范圍將發(fā)生變化。圖3所示為攝像機(jī)實際視域模型[6]，可見，攝像機(jī)實際視域受地面、建筑及其他物體的影響，會出現(xiàn)遮擋理論視域的情況。

圖3 攝像機(jī)實際視域模型Fig3 Simulation models of cameras’ real-FoV

圖4展示了攝像機(jī)安裝參數(shù)與視域地面投影關(guān)系。在考慮攝像機(jī)俯仰角對成像的影響后，上述目標(biāo)高度應(yīng)當(dāng)乘以俯仰角φ的余弦。參考坐標(biāo)原點為攝像機(jī)安裝位置在地面的投影位置，D為成像物距，D1、D0、D2分別是攝像機(jī)視角在地面投影的近端、中心位置(光軸與地面交點)和遠(yuǎn)端距離參考坐標(biāo)原點位置，在畫面中分別對應(yīng)畫面底端、畫面中心水平位置、畫面頂端像素。W1、W0分別是畫面底端和中心水平位置在地面對應(yīng)位置的寬度。畫面中目標(biāo)清晰度符合特定要求的水平位置對應(yīng)于地面最遠(yuǎn)處的距離為Ds，對應(yīng)的地面位置寬度為Ws。

圖4 攝像機(jī)安裝參數(shù)與視域地面投影關(guān)系示意Fig.4 Correspondence between installation attribution of camera and ground projection of FoV

視頻監(jiān)控系統(tǒng)的監(jiān)控級別一般分為：監(jiān)視與控制、探測、觀察、辨認(rèn)和識別五個級別。視頻監(jiān)控級別如圖5所示。其中監(jiān)視與控制級別一般適用于大場景宏觀監(jiān)測。對當(dāng)前廣泛使用的數(shù)字?jǐn)z像機(jī)而言，根據(jù)《公共安全視頻監(jiān)控系統(tǒng)部署導(dǎo)則》(IEC62676-4)的界定，視頻圖像畫面中關(guān)鍵目標(biāo)的清晰度可參照以下推薦值[7]：

圖5 視頻監(jiān)控級別示意Fig.5 Classification of camera surveillance

(1)對于探測級別，視頻目標(biāo)清晰度的要求是:能夠依據(jù)畫面看到目標(biāo)群體，監(jiān)控畫面中的目標(biāo)高度不能低于畫面高度的10%。

(2)對于觀察級別，視頻目標(biāo)清晰度的要求是：能夠依據(jù)畫面區(qū)別不同類型的目標(biāo)，監(jiān)控畫面中的目標(biāo)高度不能低于畫面高度的25%。

(3)對于辨認(rèn)級別，視頻目標(biāo)清晰度的要求是：能夠依據(jù)畫面判定人、車物的主要外貌(外觀)特征, 監(jiān)控畫面中的目標(biāo)高度不能低于畫面高度的50%。

(4)對于識別級別，視頻目標(biāo)清晰度的要求是：能夠依據(jù)畫面識別不同的目標(biāo),監(jiān)控畫面中的目標(biāo)高度不能低于畫面高度的100%。

暫不考慮監(jiān)控畫面中目標(biāo)尺寸過大而無法辨認(rèn)或識別的情形，即只考慮目標(biāo)距攝像機(jī)越近，監(jiān)控獲取的圖像越可靠的情形，可將上述攝像機(jī)覆蓋區(qū)域投影到地面形成二維地面上的攝像機(jī)有效覆蓋區(qū)域模型，其對應(yīng)關(guān)系如圖6所示。

圖6 攝像機(jī)視場角在地面的投影區(qū)域與監(jiān)控畫面之間的對應(yīng)關(guān)系示意圖Fig.6 Correspondence between the projection area of the camera’s FoV on the ground and the monitor screen

攝像機(jī)視場角在地面的投影大多數(shù)情況下為如圖6所示意的梯形，其中兩個平行邊中較短邊靠近攝像機(jī)安裝位。當(dāng)俯仰角很小時，視場角的遠(yuǎn)端不能與水平地面相交，可以認(rèn)為覆蓋到無限遠(yuǎn)，但有效視域范圍(即圖6中監(jiān)視區(qū)域)還是有限的。

1.2 視頻監(jiān)控心理防范覆蓋區(qū)域模型

認(rèn)為在有入侵行為發(fā)生時，入侵者會試圖規(guī)避視頻監(jiān)控攝像機(jī)的監(jiān)控。由于入侵者無法得知正在運行的監(jiān)控探頭的設(shè)備參數(shù)和安裝參數(shù)，亦無法準(zhǔn)確得知其自身是否在監(jiān)控探頭的有效監(jiān)控視域內(nèi)，因此入侵者只能根據(jù)已有知識儲備和入侵經(jīng)驗盡可能地躲開監(jiān)控探頭的有效監(jiān)控視域。視頻監(jiān)控的心理防范區(qū)域定義為由于監(jiān)控攝像機(jī)的顯性存在，入侵者認(rèn)為攝像機(jī)可監(jiān)控到的路面覆蓋范圍。入侵者通過觀察攝像機(jī)安裝的外部環(huán)境，在其心理形成監(jiān)控攝像機(jī)的防范區(qū)域。

在此對心理防范區(qū)域在地面上的二維投影進(jìn)行研究。由于行為人在運動時，對距離的感受最為直接，因此將視頻監(jiān)控心理防范區(qū)域模擬為圓形，其圓心區(qū)域為入侵者最需要規(guī)避的區(qū)域。將視頻監(jiān)控心理防范區(qū)域模型近似為以攝像機(jī)監(jiān)控覆蓋的路面中心位置(光軸與地面交點)為圓心，半徑與攝像機(jī)安裝高度正相關(guān)的圓形。視頻監(jiān)控心理防范區(qū)域強(qiáng)度定義為由入侵者的認(rèn)知程度不同，入侵者認(rèn)為的監(jiān)控覆蓋區(qū)域內(nèi)攝像機(jī)獲取圖像的清晰程度。心理防范區(qū)域強(qiáng)度模型以攝像機(jī)監(jiān)控覆蓋的路面中心位置為極值呈負(fù)對數(shù)型衰減。圖7展示了視頻監(jiān)控心理防范區(qū)域模型。

圖7 視頻監(jiān)控心理防范區(qū)域模型Fig.7 Model of psychological prevention area of video surveillance

Cp=Rs(h)e-f(d)，f(d)?[0,+∞)，

s(h)?[0，1]，R?[0,1]

(2)

式(2)中，Cp表示為入侵者對攝像機(jī)監(jiān)控覆蓋范圍的心理防范區(qū)域強(qiáng)度；R為入侵者對視頻監(jiān)控防范能力的認(rèn)知系數(shù)；h為攝像機(jī)的安裝高度；d為路面位置點與攝像機(jī)監(jiān)控覆蓋的路面中心的距離。

s(h)=e-αh

(3)

f(d)=βd

(4)

式中，α和β為心理防范區(qū)域強(qiáng)度系數(shù)，α和β取值越小，表示心理防范強(qiáng)度越大。通過強(qiáng)度系數(shù)的控制，當(dāng)d?[0,h]時，Cp(d)?[0,Cend]。

根據(jù)心理防范區(qū)域定義，入侵者無法準(zhǔn)確得知監(jiān)控實際覆蓋范圍的界限，為便于分析，認(rèn)為當(dāng)d等于攝像機(jī)安裝高度時為心理防范區(qū)域強(qiáng)度衰減截止點，此時Cp=Cend。

以攝像機(jī)在地面投影為原點，攝像機(jī)朝向在地面投影為X軸，在地面建立笛卡爾直角坐標(biāo)系。對該攝像機(jī)而言，入侵者的心理防范區(qū)域模型可以表示為

(5)

式(5)中，x和y為在上述坐標(biāo)系中的路面位置。圖8展示了監(jiān)控相機(jī)的心理防范區(qū)域與攝像機(jī)覆蓋模型的對應(yīng)關(guān)系。

圖8 監(jiān)控相機(jī)的心理防范區(qū)域示意圖Fig.8 The psychological prevention area of camera

2 基于規(guī)避心理防范區(qū)域的最優(yōu)入侵路徑算法研究

視頻監(jiān)控防范下的最優(yōu)入侵路徑定義為，為實施入侵行為，在視頻監(jiān)控環(huán)境下，入侵者為盡可能規(guī)避視頻監(jiān)控防范而選擇的入侵路徑。

在有視頻監(jiān)控系統(tǒng)存在的情況下，入侵行為人會盡量避免監(jiān)控探頭出現(xiàn)在其入侵路徑上，或者入侵行為人在監(jiān)控畫面上以盡可能小的目標(biāo)、不清晰的目標(biāo)或無法辨別/識別的目標(biāo)形式出現(xiàn)。因此，入侵行為人往往會選擇遠(yuǎn)離監(jiān)控探頭或其認(rèn)為是監(jiān)控盲區(qū)的入侵路徑。對視頻監(jiān)控系統(tǒng)進(jìn)行有效設(shè)計，盡可能使監(jiān)控探頭覆蓋監(jiān)控區(qū)域的監(jiān)控目標(biāo)在辨別/識別的監(jiān)控級別上，可有效增加入侵行為人的暴露成本；加之物防和人防的合理布控，可更加有效的預(yù)防和打擊違法犯罪行為。

在優(yōu)化理論的研究實踐中，路徑搜索已經(jīng)得到了較為深入的研究[8]。目前路徑搜索算法在航路規(guī)劃、車輛道路規(guī)劃等眾多領(lǐng)域有廣泛的應(yīng)用。啟發(fā)式算法是指在可接受的計算時間、占用空間等開銷的前提下，給出待解決的組合優(yōu)化問題的一個可行解，這種方法雖然不能保證所得解的最優(yōu)性，但在滿足一定條件的基礎(chǔ)上，啟發(fā)式算法可到較為理想的優(yōu)化解。A*算法是一種確定性的啟發(fā)式搜索算法，A*算法有一套實用的地圖分割方式，并且該算法的啟發(fā)函數(shù)可以幫助更快地找到一條通向目標(biāo)點的路徑，在搜索速度上遠(yuǎn)勝于傳統(tǒng)的深度優(yōu)化搜索和廣度優(yōu)化搜索算法，因此A*算法在工程上得到了廣泛應(yīng)用。以下研究以A*算法為基礎(chǔ)，計算視頻監(jiān)控防范下的最優(yōu)入侵路徑.

2.1 傳統(tǒng)A*算法的基本原理

A*算法將地圖進(jìn)行柵格化處理，使用正方形作為柵格化地圖的基本元素，每個柵格用1或0進(jìn)行標(biāo)記。圖9為0/1柵格化地圖示意圖，標(biāo)記為1的柵格表示該柵格禁止穿行，標(biāo)記為0的柵格表示可以正常通過。

圖9 0/1柵格化地圖Fig.9 0/1 rasterized map

算法維護(hù)open和close兩個列表，采用8鄰域節(jié)點擴(kuò)展方法，把待擴(kuò)展的節(jié)點放入open表中，把已經(jīng)擴(kuò)展完的節(jié)點放入close表中。

圖10中，中心點表示起點，在節(jié)點擴(kuò)展過程中，先將其設(shè)為父節(jié)點，并將其放入close表中；有箭頭指向的為與起點相鄰的8個節(jié)點，箭頭指向為這些節(jié)點的父節(jié)點，它們都是為帶擴(kuò)展節(jié)點，將其放入open列表中。節(jié)點的擴(kuò)展過程就是從open表中每次取出一個最好的節(jié)點放入close表中，并以此節(jié)點作為當(dāng)前節(jié)點，進(jìn)而擴(kuò)展新節(jié)點。在尋址過程中，兩個表一直處于動態(tài)變化過程中。

圖10 節(jié)點擴(kuò)展示意圖Fig.10 Diagram of node expansion

A*算法使用一種啟發(fā)式的評價函數(shù)進(jìn)行節(jié)點的擴(kuò)展，對每一個節(jié)點使用評價函數(shù)計算該節(jié)點的優(yōu)劣，每一次擴(kuò)展當(dāng)前評價最優(yōu)的節(jié)點。A*算法的評價函數(shù)一般表示為

f(n)=g(n)+h(n)

(6)

式(6)中，g(n)為代價函數(shù)，表示從起始點到當(dāng)前節(jié)點花費的代價，表示為

(7)

式(7)中，Css和Cdd為相鄰節(jié)點間的距離常數(shù)，一般Css=10，Cdd=14。

h(n)為啟發(fā)函數(shù)，表示當(dāng)前節(jié)點到目標(biāo)節(jié)點可能消耗的代價值，即體現(xiàn)代價函數(shù)的啟發(fā)信息。h(n)通常用當(dāng)前節(jié)點與目標(biāo)節(jié)點之間的曼哈頓距離表示：

h(n)=(|xn-xend|+|yn-yend|)Css

(8)

式(8)中，(xn,yn)表示當(dāng)前節(jié)點，(xend,yend)表示目標(biāo)節(jié)點。

根據(jù)代價函數(shù)和啟發(fā)函數(shù)的定義可知，f(n)表示從起始節(jié)點開始，經(jīng)過節(jié)點n到達(dá)目標(biāo)節(jié)點所消耗的代價值。

圖11中小柵格左下角數(shù)字表示為g(n)的值，小柵格右下角數(shù)字表示為h(n)的值，小柵格右上角數(shù)字表示為f(n)的值，小柵格中間的箭頭指向當(dāng)前節(jié)點的父節(jié)點，白色圓圈所在的小柵格為起始位置，黑色圓圈所在的小柵格為終止位置，綠色柵格為搜索得到的路徑。

圖11 傳統(tǒng)A*算法路徑搜索示意圖Fig.11 Diagram of path searching uing traditional A* algorithm

2.2 基于規(guī)避心理防范區(qū)域的A*算法改進(jìn)

根據(jù)心理防范強(qiáng)度的定義，心理防范強(qiáng)度的取值在區(qū)間[0,1]中，因此，傳統(tǒng)A*算法在地圖柵格化過程中使用的0/1柵格劃分法并不能滿足規(guī)避心理防范區(qū)域的尋找需求。在改進(jìn)的A*算法中[9]，采用0～1柵格化分法[10]，圖12為0～1柵格化地圖

圖12 0～1柵格化地圖Fig.12 0～1 rasterized map

示意圖。標(biāo)記為1的柵格仍表示為該柵格不可穿行；標(biāo)記為0的柵格表示該柵格可穿行且不再防范區(qū)域內(nèi)；標(biāo)記為其他值的柵格表示該柵格在防范區(qū)域內(nèi)，標(biāo)記值表示心理防范強(qiáng)度，值越大表示入侵路徑經(jīng)過該柵格時受到的威脅越大，即越容易別發(fā)現(xiàn)。

傳統(tǒng)A*算法的評價函數(shù)只考慮距離因素，節(jié)點擴(kuò)展過程中只會擴(kuò)展到標(biāo)記為0的柵格。為適應(yīng)規(guī)避心理防范區(qū)域的A*算法，對評價函數(shù)做出以下改進(jìn)：

f(n)=g(n)+h(n)

(9)

(10)

h(n)=(|xn-xend|+|yn-yend|)Css+

Ri(Cp)

(11)

改進(jìn)算法的f(n)和g(n)函數(shù)引入風(fēng)險規(guī)避函數(shù)Ri(Cp)，Ri(Cp)表示心理防范區(qū)域?qū)β窂皆u價函數(shù)的影響。風(fēng)險規(guī)避函數(shù)與心理防范強(qiáng)度呈正相關(guān)，與當(dāng)前節(jié)點到目標(biāo)節(jié)點的距離呈負(fù)相關(guān)。即表現(xiàn)為柵格所在位置的心理防范強(qiáng)度越大，入侵路徑經(jīng)過該柵格時風(fēng)險越高；柵格所在位置與目標(biāo)距離越近，入侵路徑經(jīng)過該柵格時風(fēng)險越高。將風(fēng)險規(guī)避函數(shù)定義為

Ri(Cp)=eCpCD-weightMn(dend)-1

(12)

Mn(dend)=λdend

(13)

式中，Cp為心理防范強(qiáng)度，CD-weight為距離權(quán)重常數(shù)(與Css和Cdd相關(guān))，Mn(dend)表示當(dāng)前節(jié)點到目標(biāo)節(jié)點的曼哈頓距離，λ為距離系數(shù)。

圖13與圖11表示方法一樣，選取CD-weight=12，取λ=1。從圖13可以看出，在使用改進(jìn)A*算法搜索得到的路徑上包含視頻監(jiān)控心理防范區(qū)域較弱的部分。

圖13 改進(jìn)A*算法路徑搜索示意圖Fig.13 Diagram of path searching uing improved A* algorithm

3 視頻監(jiān)控下的最優(yōu)入侵路徑示例

基于以上理論研究，使用基于規(guī)避心理防范區(qū)域的A*算法，使用QT框架，開發(fā)了視頻監(jiān)控下模擬入侵軟件平臺，在此基礎(chǔ)上對視頻監(jiān)控下的最優(yōu)入侵路徑進(jìn)行了實驗研究。

對實驗所在街道的監(jiān)控部署方案進(jìn)行實地調(diào)研后，在軟件平臺上進(jìn)行了攝像機(jī)部署，結(jié)合前文視頻監(jiān)控心理防范覆蓋區(qū)域模型的研究，視頻監(jiān)控環(huán)境下的行為人心理防范區(qū)域如圖14所示。

圖14 視頻監(jiān)控下心理防范區(qū)域示意圖Fig.14 Psychological prevention areas of video surveillance

圖14所示的心理防范區(qū)域為入侵者對視頻監(jiān)控防范能力的認(rèn)知系數(shù)R=1，心理防范系數(shù)α=0.001，心理防范系數(shù)β=0.000 1。

根據(jù)前文所述的基于規(guī)避心理防范區(qū)域的最優(yōu)入侵路徑算法研究，在監(jiān)控方案部署環(huán)境中，將建筑位置設(shè)置為不可到達(dá)區(qū)域后，進(jìn)行入侵模擬，得到最優(yōu)入侵路徑如圖15所示。

圖15 視頻監(jiān)控環(huán)境下最優(yōu)入侵路徑Fig.15 Optimal intrusion path under video surveillance

在計算最優(yōu)入侵路徑時，取距離權(quán)重常數(shù)CD-weight=16，距離系數(shù)λ=19?？梢钥闯觯诋?dāng)前選取的心理防范區(qū)域和最優(yōu)路徑的參數(shù)條件下，入侵者有一定的視頻監(jiān)控常識，或者說入侵者可以在規(guī)避監(jiān)控相機(jī)的情況下選取較為便捷的入侵路徑。雖然入侵路線也經(jīng)過了幾個監(jiān)控相機(jī)對應(yīng)的入侵者的心理防范區(qū)域，但可以看到入侵路徑只是從這些心理防范區(qū)域的邊緣經(jīng)過，即入侵者認(rèn)為此時其監(jiān)控圖像上表現(xiàn)出的目標(biāo)足夠小，對其完成入侵行為的影響不至于增加過多的風(fēng)險，這與上文的討論情況一致。

對于心理防范強(qiáng)度較小的入侵者，將入侵者對視頻監(jiān)控防范能力的認(rèn)知系數(shù)R=0.8，心理防范系數(shù)α=0.005，心理防范系數(shù)β=0.03。最優(yōu)入侵路徑的計算系數(shù)保持不變，此時最優(yōu)入侵路徑計算結(jié)果如圖16所示。

圖16 對視頻監(jiān)控心理防范認(rèn)知較低情況下的最優(yōu)入侵路徑Fig.16 Optimal intrusion path for low cognition of psychological prevention under video surveillance

從圖16中可以看到，入侵路徑幾乎忽視視頻監(jiān)控系統(tǒng)的存在，或者說入侵者不認(rèn)為監(jiān)控相機(jī)對其入侵行為能操成影響，其所得結(jié)果也與上文的討論情況一致。

4 結(jié)論

本文對違法犯罪行為人對視頻監(jiān)控防范認(rèn)知情況進(jìn)行了概要分析，提出了視頻監(jiān)控的心理防范區(qū)域模型，并進(jìn)行了基于規(guī)避心理的最優(yōu)入侵路徑研究。通過研究得到以下結(jié)論。

(1)視頻監(jiān)控系統(tǒng)是安全防范系統(tǒng)的重要組成部分，與其他傳感器網(wǎng)絡(luò)一樣，對視頻監(jiān)控系統(tǒng)的部署和應(yīng)用的研究應(yīng)將其防范能力的研究放在重要位置，不宜將全部重心傾向于是否能看清或者如何指導(dǎo)偵破案件。

(2)在突出監(jiān)控攝像機(jī)的威懾作用時，違法犯罪行為人對攝像機(jī)的心理防范程度對其實施入侵行為的路徑是有較大影響的。

(3)通過基于規(guī)避心理防范區(qū)域的入侵路徑研究，可以評估視頻監(jiān)控系統(tǒng)的路徑防范能力，從而指導(dǎo)前端攝像機(jī)的合理部署。

下一步仍需對進(jìn)一步深入分析違法犯罪行為人對視頻監(jiān)控防范的認(rèn)知程度對其實施違法犯罪行為的影響，進(jìn)一步優(yōu)化心理防范區(qū)域模型，提出科學(xué)的參數(shù)配置等級。對于最優(yōu)入侵路徑的研究還需配合視頻監(jiān)控的實際防范區(qū)域的進(jìn)行進(jìn)一步驗證。