CN100534176C - 基于虚拟势场的视频传感器网络覆盖增强的实现方法 - Google Patents

Abstract

一种基于虚拟势场的视频传感器网络覆盖增强的实现方法，是在视频传感器节点固定情况下，调整其传感方向来增强视频传感器网络覆盖。操作步骤为：(1)准备阶段：每个视频传感器节点通过GPS定位设备获得自身位置信息，并根据已知的环境监测参数计算各视频传感器感知区域的质心点位置和邻接点信息，为调整各节点传感方向作好准备；(2)调整阶段：在每个调整周期中，各视频传感器根据当前自身和邻接点的传感方向和位置信息，分别计算、确定旋转方向，并按照一个预设角度调整各自的传感方向，消除视频传感器网络中的感知重叠区和盲区，再将当前新的传感方向信息上传给汇聚节点进行汇总；经过多个调整周期的微调，逐步增强视频传感器网络对目标区域的覆盖性能。

Description

基于虚拟势场的视频传感器网络覆盖增强的实现方法

技术领域

本发明涉及一种视频传感器网络覆盖增强的实现方法，确切地说，涉及一种基于虚拟势场的视频传感器网络覆盖增强的实现方法，属于无线自组织网络系统技术领域。

背景技术

随着通信技术、嵌入式计算技术和传感器技术的飞速发展和日益成熟，具有感知能力、计算能力和通信能力的微型传感器开始出现，且引起了人们的极大关注。这种传感器网络能够协调地感知、采集和处理网络覆盖区域内的各种环境或监测对象信息，并发布给需要这些信息的用户。传感器网络将逻辑上的信息世界与真实的物理世界融合在一起，深刻地改变了人与自然的交互方式；可广泛地应用于军事国防、工农业控制、生物医疗、环境监测等诸多领域。

目前，传感器网络研究的一个重要的方面是在能量严重受限的微型传感器节点上如何实现简单环境数据(如温度、湿度、光强等)的采集、传输与处理。然而，随着监测环境的日趋复杂多变，由这些传统传感器网络所获取的简单数据越来越不能满足人们对环境监测的全面需求，迫切需要将信息量丰富的图像、视频等媒体信息引入到以传感器网络为基础的环境监测活动中来，实现细粒度、精准信息的环境监测。由此，视频传感器网络应运而生。

近年来，视频传感器网络技术研究已引起了科研人员的密切关注，一些学者开展了视频传感器网络方面的探索性研究，在IEEE系列会议(如MASS、ICIP、Wireless COM等)、ACM多媒体和传感器网络相关会议(ACM Multimedia、ACM MOBICOM、ACM WSNA等)发表了一些重要的研究成果。从2003年起，ACM还专门组织国际视频监控与传感器网络研讨会(ACM InternationalWorkshop on Video Surveillance & Sensor Networks)交流相关研究成果。美国加利福尼亚大学、卡耐基梅隆大学、马萨诸塞大学、波特兰州立大学等著名学府也开始了视频传感器网络方面的研究工作，纷纷成立了视频传感器网络组并启动相应的科研计划。中国也非常重视视频传感器网络方面的研究，北京邮电大学、中国科学院计算技术研究所、哈尔滨工业大学、上海交通大学都已开始该领域的探索和研究。但是这些研究尚处于起步阶段，距离实际需求还具有相当的差距。

覆盖控制是视频传感器网络的一个基本问题，即如何部署视频传感器节点，在保证服务质量前提下达到视频传感器网络覆盖范围的最大化。对视频传感器网络覆盖性能的测量，使得技术人员能够了解网络中是否存在监测盲区，从而重新调整视频传感器节点分布，或者添加视频传感器节点来增强整个网络系统的覆盖性能，更好地完成环境感知和信息获取任务。

近年来，众多国内外研究学者相继开展了传感器网络中覆盖控制方面的研究，并取得了一定的进展。但从当前可获取的资料看，绝大多数覆盖控制的研究都是针对二维全向感知模型的传感器网络展开的，即网络中传感器节点的感知范围是以节点为圆心、感知距离为半径的一个圆形区域。然而，视频传感器网络中视频传感器节点的感知能力受限于视野范围，即其感知范围是以节点为圆心、与感知距离和感知视角相关的一个扇形区域。由此可见，现有基于二维全向感知模型的传感器网络覆盖控制研究理论不能直接应用于视频传感器网络，迫切需要全新的解决方法，以指导视频传感器网络覆盖控制的有效实现。

在视频传感器网络的初始部署阶段，为获得理想的网络感知能力，通常希望网络中视频传感器节点能够最大限度地对目标区域实施覆盖。但是，视频传感器网络往往工作在未知的、复杂的环境下，难以通过人为干预将众多视频传感器节点放置在比较适宜的位置。在大规模随机部署模式下，必须部署远大于实际需要的冗余视频传感器节点，才能满足预期的网络覆盖质量。此时，很容易造成网络覆盖的不合理(如：局部目标区域中视频传感器节点分布过于密集或过于稀疏)，形成感知重叠区和盲区。

在《有向传感器网络的覆盖问题研究》(“On Coverage Problems ofDirectional Sensor Networks”发表于国际会议MSN’05)文章中，作者率先开展视频传感器网络中覆盖完整性及通信连通性的研究。

在《视频传感器网络中最差情况覆盖研究》(“Optimal Worst-Case Coverageof Directional Field-of-View Sensor Networks”发表于国际会议SECON’06)文章中，作者研究了视频传感器网络中最差情况覆盖问题。

但是，这些工作都只考虑了传感器节点感知的方向性，没有考虑传感器节点传感方向的可调整性(如：云台摄像头具有推拉摇移功能)；而这个显著特点势必赋予视频传感器网络覆盖控制更为丰富的含义，成为视频传感器网络系统的重要技术特征。

目前，传感器网络覆盖增强的典型策略是基于虚拟势场的方法。虚拟势场(Virtual Potential Field)的概念最初应用于机器人的路径规划和障碍躲避。其主要思想是：对障碍物建立排斥势场，对目标建立引力势场，在排斥力和吸引力的共同作用下，机器人绕开障碍物向目标移动。

文章《利用势场方法部署移动传感器网络：一种分布式可扩展的区域覆盖问题解决方案》(“Mobile Sensor Network Deployment using Potential Field：ADistributed Scalable Solution to the Area Coverage Problem”发表于国际会议DARS’02)和文章《移动传感器网络约束覆盖问题》(“Constrained Coverage forMobile Sensor Networks”发表于国际会议Robotics & Automation’04)的作者先后将虚拟势场方法引入到传统传感器网络覆盖增强问题的研究中来。其主要思想是：把传感器网络中每个传感器节点看作一个虚拟电荷，各传感器节点受到其他传感器节点的虚拟力作用，向目标区域中的其他区域扩散，进而实现对目标区域的充分高效覆盖。也就是说，通过传感器节点间的虚拟力作用，利用随机部署的传感器节点的位置移动来实现整个传感器网络覆盖性能的增强。

在传统基于二维全向感知模型的传感器网络中，通常采用休眠冗余传感器节点、重新调整传感器节点位置分布、或添加新传感器节点等方法实现网络对目标区域的充分高效覆盖。而在实际应用中，考虑到网络部署成本，所有部署的视频传感器节点都具有移动能力是不现实的，而且视频传感器节点位置的移动只能发生在较近范围内，移动很容易引起部分传感器节点的失效，进而造成整个传感器网络拓扑变化，这些无疑都会增加网络维护成本。

发明内容

有鉴于此，本发明的目的是提供一种基于虚拟势场的视频传感器网络覆盖增强的实现方法，该方法从视频传感器节点感知的方向性特点出发，并假设视频传感器节点的初始位置固定不变，通过调整视频传感器节点的传感方向，达到消除视频传感器网络中感知重叠区和盲区的目的，进而提高整个视频传感器网络覆盖性能和目标探测率。

为了达到上述目的，本发明提供了一种基于虚拟势场的视频传感器网络覆盖增强的实现方法，其特征在于：所述方法假设视频传感器节点的初始位置固定不变，通过调整视频传感器节点的传感方向来消除视频传感器网络中感知重叠区和盲区；该方法包括下述两个操作步骤：

(1)准备阶段：视频传感器网络中的均为同构的每个视频传感器节点通过GPS定位设备获得自身地理位置信息，并根据已获知的包括视频传感器节点的传感半径、传感偏移角以及初始传感方向向量的环境监测参数计算各个视频传感器感知区域的质心点位置坐标： $(x+\frac{2R\sin \mathrm{\α}}{3\mathrm{\α}}\×{\stackrel{\→}{V}}_X\left(t_0\right),y+\frac{2R\sin \mathrm{\α}}{3\mathrm{\α}}\×{\stackrel{\→}{V}}_Y\left(t_0\right)),$ 式中，x和y是该视频传感器节点的初始位置坐标，R、α分别是该视频传感器节点的传感半径和传感偏移角度，

是该视频传感器节点的初始传感方向向量；再根据两个视频传感器节点之间的距离不大于其传感半径的两倍作为该两个视频传感器节点互为邻接点的判断条件，分别计算各个视频传感器节点的邻接点集合，为调整视频传感器节点的传感方向作好准备；

(2)调整阶段：在每个调整周期中，互为邻接点的各个视频传感器节点之间相互通信，交换各自对应的质心点位置信息；各视频传感器节点分别计算其质心点与互为邻接点的各个质心点之间距离，并用距离大小来衡量各个邻接质心点间的作用力大小，再结合各个邻接质心点之间的相互位置关系确定该视频传感器节点的质心点移动方向，即确定该视频传感器节点如何旋转而改变其传感方向；然后该视频传感器节点沿所述旋转方向转动一个预先设定的角度来调整各自的传感方向，消除视频传感器网络中的感知重叠区和盲区；各视频传感器节点都完成一个调整周期的工作后，每个视频传感器节点再分别将其当前新的传感方向信息通过“多跳”方式上传给视频传感器网络中的汇聚节点进行汇总；经过多个调整周期的微调，逐步增强视频传感器网络对目标区域的覆盖性能；即汇聚节点根据上传信息对当前视频传感器网络覆盖性能进行计算和评估，如果当前视频传感器网络覆盖性能满足设定要求，则操作结束；否则，重复执行该步骤的操作，直至达到设定的网络覆盖性能要求。

所述视频传感器网络由具有信息采集、转发和简单处理能力的多个视频传感器节点和采用有线/无线方式与各视频传感器节点进行通信交互的汇聚节点组成；其中各视频传感器节点可发送控制指令来调整自身的传感方向，将所述视频传感器节点采集的图像、视频数据沿着其他视频传感器节点传输，经过“多跳”路由传送到汇聚节点；汇聚节点负责连接视频传感器网络与Internet或其它外部网络，发布并管理视频传感器节点的监测任务。

所述视频传感器节点的感知范围是以传感器节点为圆心，与感知距离和感知视角相关的一个扇形感知区域；所述频传感器节点的感知范围采用一个四元组<P，R，

，α>来表示，其中，P＝(x，y)为视频传感器节点的位置坐标，R为传感器节点的最大传感半径，单位向量 $\stackrel{\&RightArrow;}{V}\left(t\right)=(\stackrel{\&RightArrow;}{V_x}\left(t\right),\stackrel{\&RightArrow;}{V_Y}\left(t\right))$ 为感知区域的中轴线，即视频传感器节点在某一时刻t时的传感方向，

和

分别是单位向量

在X轴和Y轴方向上的投影分量，α为边界距离传感向量

的传感偏移角度，2α为感知视角。

所述视频传感器节点的扇形感知区域的质心点位于该扇形感知区域的对称轴上，且与该视频传感器节点之间的距离为2Rsinα/3α，式中，R为视频传感器节点的传感半径，α为扇形感知区域的边界距离传感向量的传感偏移角度。

所述步骤(2)中，当某个视频传感器节点的邻接质心点数目为零时，该视频传感器节点的质心点与邻接质心点之间的作用力为零，则该视频传感器节点的质心点不需移动，即该视频传感器节点的传感方向无需改变；而当某个视频传感器节点的邻接质心点数目不为零时，该视频传感器节点的质心点与邻接质心点之间的作用力很可能不为零，则该视频传感器节点的质心点需要移动，即该节点的传感方向需要改变。

只有两个视频传感器节点互为邻接点，才有可能形成冗余覆盖区域，此时，相应的两个质心点之间才存在作用力；质心点c_i受到邻接质心点c_j的作用力

的计算公式为： ${\stackrel{\&RightArrow;}{F}}_{\mathrm{ij}}=\left\{\begin{array}{cc}(k\&times;\frac{1}{D_{\mathrm{ij}}},{\mathrm{\&alpha;}}_{\mathrm{ij}})& \mathrm{if}{v}_j\&Element;{\mathrm{\&Psi;}}_i\\ \stackrel{\&RightArrow;}{0},& \mathrm{otherwise}\end{array}\right.;$ 其中，D_ij为两个质心点c_i和c_j间的距离，常数k为作用力系数，α_ij为指示作用力方向由质心点c_j指向c_i的单位向量，ψ_i为质心点c_i的邻接点集合；当质心点c_i和c_j的位置分别为(x_i，y_i)和(x_j，y_j)时，α_ij取值为 $<\frac{\mathrm{\&Delta;x}}{\sqrt{{\left(\mathrm{\&Delta;x}\right)}^2+{\left(\mathrm{\&Delta;y}\right)}^2}},\frac{\mathrm{\&Delta;y}}{\sqrt{{\left(\mathrm{\&Delta;x}\right)}^2+{\left(\mathrm{\&Delta;y}\right)}^2}}>,$ 其中，Δx＝x_i-x_j，Δy＝y_i-y_j。

当所述视频传感器节点的质心点c_i的邻接质心点数目不为零时，其受到的合力

是相邻各个邻接质心点作用力的矢量和，该合力

的计算公式为： ${\stackrel{\&RightArrow;}{F}}_i=\left\{\begin{array}{cc}\underset{j=1,j\&NotEqual;i}{\overset{m}{\mathrm{\&Sigma;}}}{\stackrel{\&RightArrow;}{F}}_{\mathrm{ij}},& m\&GreaterEqual;1\\ \stackrel{\&RightArrow;}{0},& m=0\end{array}\right.;$ 式中，自然数m为质心点c_i的邻接质心点数目，该合力

的方向是其各个邻接点的质心点的作用力在以所述视频传感器节点为圆心、以节点与其质心点之间连线为半径的圆周切线方向的投影矢量和的方向。

在所述调整阶段的每个调整周期中，视频传感器节点是按照预先设定的角度5～15°进行旋转来调整各自的传感方向。

本发明是一种基于虚拟势场的视频传感器网络覆盖增强实现方法，它是假设视频传感器节点初始位置固定不变的情况下，通过调整视频传感器节点的传感方向来增强视频传感器网络覆盖。下面分别从两方面说明本发明方法的优点：

从增强网络覆盖性能的角度上来看，本发明充分考虑到视频传感器节点方向性的感知特性，提出一种不同于传统的利用传感器节点位置移动增强视频传感器网络覆盖的新思路：通过视频传感器节点传感方向的自调整，达到消除视频传感器网络中感知重叠区和盲区的目的，以较小的代价增强视频传感器网络对目标区域的覆盖，明显改善视频传感器网络对监控区域的目标探测能力。

从增强网络覆盖性能的具体实现方法来看，本发明通过引入“质心点”概念，将视频传感器网络覆盖增强问题转化为质心点均匀分布问题。质心点之间在虚拟势场力作用下作扩散运动。在每个调整周期内，各质心点计算来自一个或多个邻接质心点的作用合力，当合力沿该传感器节点的圆周切线方向的分量不为零时，就将视频传感器节点的传感方向朝着受力分量方向转动一个设定角度(取值为5～15°)。通过数个调整周期后，使得整个视频传感器网络覆盖性能逐步得到增强。

附图说明

图1是本发明视频传感器网络覆盖增强实现方法的操作步骤方框图

图2是视频传感器网络结构组成示意图。

图3是视频传感器网络覆盖率的计算示意图。

图4(A)、(B)分别是全向感知模型和有向感知模型的两种传感器节点感知模型示意图。

图5是视频传感器节点方向可调感知模型示意图。

图6是视频传感器节点扇形感知区域的质心点位置示意图。

图7是视频传感器节点的质心点运动模型示意图。

图8是视频传感器节点的邻接点示意图。

图9是视频传感器节点及邻接点交互各自的质心点位置信息示意图。

图10是视频传感器节点质心点作用力示意图。

图11是本发明实施例中质心点作用力示意图。

图12(A)、(B)、(C)、(D)分别是应用本发明实现视频传感器网络覆盖增强的四个不同调整周期的示意图：网络初始覆盖率为p₀＝65.74％、第10个调整周期后覆盖率为p₁₀＝76.03％、第20个调整周期后覆盖率为p₂₀＝80.20％和第30个调整周期后覆盖率为p₃₀＝81.45％。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步的详细描述。

参见图1，具体介绍本发明基于虚拟势场的视频传感器网络覆盖增强的实现方法，包括下述两个操作步骤：

(1)准备阶段：视频传感器网络中的每个视频传感器节点通过GPS定位设备获得自身地理位置信息，并根据已获知的环境监测参数计算各个视频传感器感知区域的质心点位置和邻接点信息，为调整视频传感器节点的传感方向作好准备；

(2)调整阶段：在每个调整周期中，各视频传感器节点根据当前自身和邻接点的传感方向以及位置信息，分别计算确定旋转方向，并按照一个预先设定的角度调整各自的传感方向，消除视频传感器网络中的感知重叠区和盲区，再将当前新的传感方向信息上传给汇聚节点进行汇总；经过多个调整周期的微调，逐步增强视频传感器网络对目标区域的覆盖性能。

参见图2，先简要介绍视频传感器网络：由具有信息采集、转发和简单信号处理能力的多个视频传感器节点和采用有线或无线方式与各视频传感器节点进行通信交互的汇聚节点组成；其中视频传感器节点通过GPS定位设备获得自身位置信息，且可通过发送控制指令方式调整自身的传感方向。视频传感器节点采集的图像、视频数据沿着其他视频传感器节点进行传输，经过“多跳”路由传送到汇聚节点。汇聚节点负责连接视频传感器网络与Internet等外部网络，发布管理视频传感器节点的监测任务。

参见图3，为简化问题，本发明将整个目标区域划分为若干等间隔的网格，这些网格以及网格与目标区域的边界组成了目标子区域。如果子区域划分的足够小，子区域中心点的覆盖率就可认为是该子区域的覆盖率，所有子区域中心点所构成的集合用Λ_Total表示。以此方法，本发明将对目标区域的覆盖增强问题转化为对子区域中心点的覆盖增强问题。假设被视频传感器节点覆盖的子区域中心点集合为Λ_Covered，则视频传感器网络覆盖率p＝‖Λ_Covered‖/‖Λ_Total‖，其中‖Λ_Covered‖表示被网络中视频传感器节点覆盖的子区域数目，‖Λ_Total‖表示目标区域中所有子区域中心点的数目。这种问题映射方法类似于模拟信号数字化，既可有效地描述问题，也可大大地简化计算复杂度。

图3中，将目标区域划分为10×10个子区域(用小方格表示)，两个视频传感器节点(用空心圆点表示)所能覆盖到的子区域中心点数目(用实心圆点表示)为21个。因此，当前视频传感器网络覆盖率p＝21/100＝21％。

参见图4，有别于传统基于二维全向感知模型的传感器节点(其感知范围是以传感器节点为圆心，感知距离为半径的一个圆形区域，如图4(A)所示)，视频传感器节点的感知能力受到方向性限制，即其感知范围是以传感器节点为圆心，与感知距离和感知视角相关的一个扇形区域，如图4(B)所示。

参见图5，介绍本发明对传统有向感知模型进行改进的方法：考虑到视频传感器节点具有传感方向可调整特性，设计了新型的方向可调感知模型：用一个四元组<P，R，

来表示，其中用空心圆点表示的P＝(x，y)为视频传感器节点的位置坐标；R为传感器节点的最大传感范围，即传感半径；单位向量

为感知区域的中轴线，即视频传感器节点在某一时刻t时的传感方向；

和分别是单位向量在X轴和Y轴方向上的投影分量；α为边界距离传感向量

的传感偏移角度，2α代表感知视角。当α＝π时，传统的全向感知模型是有向感知模型的一个特例。

图5中的目标区域中子区域中心点(用黑色圆点表示)被一个视频传感器节点覆盖的判定规则是：先判定该子区域中心点与视频传感器节点之间的距离是否小于等于视频传感器节点传感半径R？若不是，则该子区域中心点不被该视频传感器节点覆盖；若是，则需要再根据该视频传感器节点的传感方向信息判定该子区域中心点是否在该视频传感器节点的感知视角内？若不是，则该子区域中心点不被该视频传感器节点覆盖；否则，该子区域中心点被该视频传感器节点覆盖。一个子区域中心点被视频传感器网络覆盖的判定规则是：如果一个子区域中心点被视频传感器网络中至少一个视频传感器节点覆盖，那么我们认定该子区域中心点被视频传感器网络覆盖。

在传统基于全向感知模型的传感器网络中，通常采用休眠冗余传感器节点、重新调整传感器节点位置分布、或添加新传感器节点等方法实现传感器网络对目标区域的覆盖。但是实际应用中，考虑到视频传感器网络部署成本，所有部署的视频传感器节点都具有移动能力是不现实的。另外，传感器节点位置的移动只能发生在较近范围内，移动很容易引起部分传感器节点的失效，进而造成整个传感器网络拓扑变化，这些无疑都会增加网络维护成本。

本发明假设：在视频传感器网络初始部署阶段，一定数目的视频传感器节点以随机方式部署在目标区域内。网络中所有视频传感器节点均同构，且所有视频传感器节点一经部署后，位置固定不变，但可以分别调整各自的传感方向。网络中各视频传感器节点都可以通过GPS定位设备获得自身位置信息，且可发送控制指令来调整自身的传感方向。另外，根据实际监测的需求，本发明必须获知以下环境监测参数：目标区域面积S、单位为m²，目标区域中视频传感器节点数目N、单位为个，传感半径R、单位为m，感知视角2α、单位为弧度，以及预期达到的网络覆盖率p_expected、单位为百分比。

本发明方法的步骤(1)准备阶段可分为下述在网络中各个视频传感器节点上依次进行的三个操作步骤：

(11)利用每个视频传感器节点配设的GPS定位装置获得该视频传感器节点位置信息，即获取该节点的初始位置坐标(x，y)；

(12)根据下述公式计算位置固定的视频传感器节点扇形感知区域的质心点位置坐标： $(x+\frac{2R\sin \mathrm{\&alpha;}}{3\mathrm{\&alpha;}}\&times;{\stackrel{\&RightArrow;}{V}}_X\left(t_0\right),y+\frac{2R\sin \mathrm{\&alpha;}}{3\mathrm{\&alpha;}}\&times;{\stackrel{\&RightArrow;}{V}}_Y\left(t_0\right)),$ 式中，R、α分别是视频传感器节点的传感半径和传感偏移角度，是该视频传感器节点的初始传感方向向量；

本发明将视频传感器节点传感方向的调整看作其扇形感知区域质心点(简称为质心点)的运动。质心点是质点系中一个特定的点，它与物体的平衡、运动以及内力分布密切相关。参见图6，一个均匀的扇形感知区域，其质心点(用黑色圆点表示)位于其对称轴上，且与节点圆心距离为2Rsinα/3α。每个视频传感器节点都仅有一个质心点与其对应，并用字母c表示视频传感器节点v扇形感知区域的质心点。

下面介绍计算质心点位置信息的方法：一旦视频传感器网络部署以后，视频传感器节点的传感半径R和传感偏移角度α是确定的，已知视频传感器节点v的初始位置坐标(x，y)，初始传感向量 $\stackrel{\&RightArrow;}{V}\left(t_0\right)=(\stackrel{\&RightArrow;}{V_x}\left(t_0\right),\stackrel{\&RightArrow;}{V_Y}\left(t_0\right)),$ 则其质心点位置坐标是 $(x+\frac{2R\sin \mathrm{\&alpha;}}{3\mathrm{\&alpha;}}\&times;{\stackrel{\&RightArrow;}{V}}_X\left(t_0\right),y+\frac{2R\sin \mathrm{\&alpha;}}{3\mathrm{\&alpha;}}\&times;{\stackrel{\&RightArrow;}{V}}_Y\left(t_0\right)),$ 其中t₀表示初始部署时刻。

由于视频传感器节点位置固定不变，因此，质心点的运动方向不是任意的，只能绕视频传感器节点作圆周运动(顺时针方向或逆时针方向)，如图7所示。

(13)根据两个视频传感器节点之间的距离不大于其传感半径的两倍时，这两个视频传感器节点互为邻接点的判断条件，分别计算各个视频传感器节点的邻接点集合，为调整这些互为邻接点的视频传感器节点的传感方向做好准备。

当两个视频传感器节点v_i和v_j之间的距离不大于其传感半径的两倍时，即‖v_iv_j‖≤2R，则视频传感器节点v_i和v_j互为邻接点。每个视频传感器节点v_i维护一个邻接点集合Ψ_i，Ψ_i中包括所有与该节点v_i互为邻接点的视频传感器节点。

视频传感器节点v_i和v_j互为邻接点，则说明视频传感器节点v_i和v_j两者有可能形成感知重叠区域；反之，无论视频传感器节点v_i和v_j的传感方向无论选取何种方向，都不可能形成感知重叠区域。也就是说，只有当视频传感器节点v_i和v_j互为邻接点时，各自的传感方向的调整才受到对方影响；否则，它们的传感方向调整是相互独立的。参见图8所示，以节点v₂为例，以节点为圆心，2R为半径划一虚线圆圈，位于该虚线圆圈内的节点与节点v₂互为邻接点；反之，与节点v₂不是互为邻接点。因此，节点v₂分别与节点v₁，v₃，v₄互为邻接点，而与v₅不是互为邻接点。节点v₂的邻接点集合Ψ₂＝{v₁，v₃，v₄}。

如果视频传感器节点v_i和v_j互为邻接点，则本发明定义其相应的质心点c_i和c_j互为邻接质心点。例如，视频传感器节点v₃和v₄互为邻接点，那么其相应的质心点c₃和c₄互为邻接质心点。

本发明方法的步骤(2)调整阶段是通过逐步微调实现的，它是将整个调整阶段分为若干个调整周期。在每个调整周期中，每个视频传感器节点根据当前自身和邻接点的传感方向以及位置信息，分别计算确定旋转方向，并按照一个预先设定的角度调整各自的传感方向；并将当前新的传感方向信息通过“多跳”方式上传给汇聚节点。汇聚节点根据上传信息对当前视频传感器网络覆盖性能进行计算和评估，如果当前视频传感器网络覆盖性能满足设定要求，停止整个调整操作；否则，继续进行重复调整周期的相关操作。

具体来说，调整阶段可以分为下述四个操作步骤，具体操作内容如下：

(21)互为邻接点的各个视频传感器节点之间相互通信，交换各自对应的质心点位置信息；

参见图9，经过步骤(1)后，节点v₁得到相邻质心点c₂和c₃的位置信息；节点v₂得到相邻质心点c₁，c₃和c₄的位置信息，节点v₃得到相邻质心点c₁，c₂和c₄的位置信息，节点v₄得到相邻质心点c₂，c₃和c₅的位置信息，节点v₅得到相邻质心点c₄的位置信息。

(22)各视频传感器节点分别计算其质心点与互为邻接点的各个质心点之间的距离，并用距离大小来衡量各个邻接质心点间的作用力大小，再结合各个邻接质心点之间的相互位置关系确定该视频传感器节点的质心点移动方向，即确定如何旋转改变该视频传感器节点的传感方向；然后该视频传感器节点的传感方向沿该方向转动一个预先设定的角度(取值为5～15°)；

当邻接质心点数目为零时，该视频传感器节点的质心点与邻接质心点之间的作用力为零，则该质心点不需移动，即该视频传感器节点的传感方向无需改变；而当邻接质心点数目不为零时，该视频传感器节点的质心点与邻接质心点之间的作用力很可能不为零，则该质心点需要移动，即该视频传感器节点的传感方向需要改变。

质心点c_i受到邻接质心点c_j的作用力

的计算公式为： ${\stackrel{\&RightArrow;}{F}}_{\mathrm{ij}}=\left\{\begin{array}{cc}(k\&times;\frac{1}{D_{\mathrm{ij}}},{\mathrm{\&alpha;}}_{\mathrm{ij}})& \mathrm{if}{v}_j\&Element;{\mathrm{\&Psi;}}_i\\ \stackrel{\&RightArrow;}{0},& \mathrm{otherwise}\end{array}\right.;$ 其中，D_ij为两个质心点c_i和c_j间的距离，常数k为作用力系数，α_ij为单位向量，指示作用力方向(由质心点c_j指向c_i)，ψ_i为质心点c_i的邻接点集合；当质心点c_i和c_j的位置分别为(x_i，y_i)和(x_j，y_j)时，α_ij取值为 $<\frac{\mathrm{\&Delta;x}}{\sqrt{{\left(\mathrm{\&Delta;x}\right)}^2+{\left(\mathrm{\&Delta;y}\right)}^2}},\frac{\mathrm{\&Delta;y}}{\sqrt{{\left(\mathrm{\&Delta;x}\right)}^2+{\left(\mathrm{\&Delta;y}\right)}^2}}>,$ 其中，Δx＝x_i-x_j，Δy＝y_i-y_j。

上述公式表明，只有当视频传感器节点v_i和v_j互为邻居节点(‖v_iv_j‖≤2R)时，才有可能形成感知重叠区域，其相应的质心点c_i和c_j间才存在作用力。质心点所受作用力大小与c_i和c_j间距离成反比，而质心点所受作用力方向由c_i和c_j间相互位置的关系所决定，如图10所示。

当质心点c_i的邻接质心点数目不为零时，其受到的合力

是相邻各个邻接质心点作用力的矢量和，该合力

的计算公式为： ${\stackrel{\&RightArrow;}{F}}_i=\left\{\begin{array}{cc}\underset{j=1,j\&NotEqual;i}{\overset{m}{\mathrm{\&Sigma;}}}{\stackrel{\&RightArrow;}{F}}_{\mathrm{ij}},& m\&GreaterEqual;1\\ \stackrel{\&RightArrow;}{0},& m=0\end{array}\right.;$ 式中，自然数m为质心点c_i的邻接质心点数目，该合力

的方向是其各个邻接质心点的作用力在以该视频传感器节点为圆心、以节点与其质心点之间连线为半径的圆周切线方向的投影矢量和的方向。

下面结合图11的实例，说明如何分析质心点的受力情况。图中包括5个视频传感器节点：v₁，v₂，v₃，v₄和v₅，其相应的质心点分别为c₁，c₂，c₃，c₄和c₅。以质心点c₂为例，其相应节点v₂维护的邻接点集合Ψ₂＝{v₁，v₃，v₄}。此时，质心点c₂的邻接质心点数目为3，它们分别为c₁，c₃，c₄。因而，质心点c₂所受合力 ${\stackrel{\&RightArrow;}{F}}_2={\stackrel{\&RightArrow;}{F}}_{21}+{\stackrel{\&RightArrow;}{F}}_{23}+{\stackrel{\&RightArrow;}{F}}_{24}.$ 由于视频传感器节点传感方向的旋转，导致质心点的运动轨迹不是任意的，而是固定环绕视频传感器节点作圆周运动。因此，该合力的方向是相应各个邻接质心点的作用力在以该视频传感器的节点位置为圆心、以节点与其质心点之间连线为半径的圆周切线方向的投影矢量和的方向。质心点的运动仅仅受到该合力沿所述圆周∏(参见图11中虚线圆圈)的切线方向的投影分量影响。

此时，需要再将

和

分别沿圆周∏切线方向进行投影(参见图11中细实线箭头)，最终合力沿圆周∏切线方向分量决定质心点的运动方向。

以图11中质心点c₂为例，在当前调整周期内，其合力沿圆周∏切线方向分量不为零，使得质心点c₂沿圆周∏逆时针方向运动，即节点v₂的传感方向要逆时针转动5～15°。

在一个调整周期内，质心点按照固定的弧长旋转运动，即表现为视频传感器节点传感方向按照固定的角度旋转改变。该转动角度的选取设定要适中，取值过大会导致视频传感器网络覆盖性能改善精准度降低，而取值过小会导致视频传感器节点的频繁计算及传感方向频繁调整。经过权衡，本发明选取转动角度取值为5°。这样，在每一个调整周期内，当质心点所受合力沿圆周∏切线方向分量不为零时，其相应视频传感器传感方向朝着受力方向转动5°。

(23)各视频传感器节点都完成一个调整周期的工作后，则各视频传感器节点分别将其新的传感方向信息通过“多跳”方式上传给视频传感器网络中的汇聚节点；

(24)汇聚节点根据上传信息对当前视频传感器网络覆盖性能进行计算和评估，如果当前视频传感器网络覆盖性能满足设定要求，则全部操作结束；否则，重复上述步骤(22)～(23)操作，直至达到设定的网络覆盖性能要求。

最后，参见图12(A)～(D)，具体介绍申请人进行仿真试验实施的一个本发明视频传感器网络覆盖增强的实施例。在500×500m²的目标区域内，我们部署了传感半径R＝60m、传感偏移角度α＝45°的105个视频传感器节点来完成场景的监测。这四个图记录了本发明方法在不同调整周期时视频传感器网络覆盖增强情况。直观看来，质心点在虚拟力作用下，进行扩散运动，逐步消除视频传感器网络中感知重叠区和盲区，最终实现整个视频传感器网络覆盖性能的增强。

先参见图12(A)，此时的视频传感器网络中所有视频传感器节点的位置以及传感方向信息都是随机生成的，不可避免地会导致网络中视频传感器节点分布的不均匀。因此，初始网络覆盖率仅为65.74％。分布过于密集的多个相邻视频传感器节点间形成感知重叠区域大大浪费了视频传感器网络资源；而一些视频传感器节点分布过于稀疏的区域则是视频传感器网络无法监测到的区域，一旦这些盲区出现目标，视频传感器网络将无能为力。

利用本发明方法，对视频传感器网络中位置固定但传感方向可调整的视频传感器节点传感方向进行30次调整。其中第10个调整周期的网络覆盖率为p₁₀＝76.03％、第20个调整周期的网络覆盖率为p₂₀＝80.20％、第30个的网络覆盖率增强至81.45％，增强幅度达到15.71个百分点(参见图12(B)～(D)所示)。因此，经过三十个调整周期后，多个相邻视频传感器节点间的感知重叠区域显著降低，有效地增强了整个视频传感器网络的覆盖性能。

Claims (8)

1、一种基于虚拟势场的视频传感器网络覆盖增强的实现方法，其特征在于：所述方法假设视频传感器节点的初始位置固定不变，通过调整视频传感器节点的传感方向来消除视频传感器网络中感知重叠区和盲区；该方法包括下述两个操作步骤：

(1)准备阶段：视频传感器网络中的均为同构的每个视频传感器节点通过GPS定位设备获得自身地理位置信息，并根据已获知的包括视频传感器节点的传感半径、传感偏移角以及初始传感方向向量的环境监测参数计算各个视频传感器感知区域的质心点位置坐标： $(x+\frac{2R\sin \mathrm{\&alpha;}}{3\mathrm{\&alpha;}}{\stackrel{\&RightArrow;}{V}}_X\left(t_0\right),y+\frac{2R\sin \mathrm{\&alpha;}}{3\mathrm{\&alpha;}}\&times;{\stackrel{\&RightArrow;}{V}}_Y\left(t_0\right)),$ 式中，x和y是该视频传感器节点的初始位置坐标，R、α分别是该视频传感器节点的传感半径和传感偏移角度，

是该视频传感器节点的初始传感方向向量；再根据两个视频传感器节点之间的距离不大于其传感半径的两倍作为该两个视频传感器节点互为邻接点的判断条件，分别计算各个视频传感器节点的邻接点集合，为调整视频传感器节点的传感方向作好准备；

(2)调整阶段：在每个调整周期中，互为邻接点的各个视频传感器节点之间相互通信，交换各自对应的质心点位置信息；各视频传感器节点分别计算其质心点与互为邻接点的各个质心点之间距离，并用距离大小来衡量各个邻接质心点间的作用力大小，再结合各个邻接质心点之间的相互位置关系确定该视频传感器节点的质心点移动方向，即确定该视频传感器节点如何旋转而改变其传感方向；然后该视频传感器节点沿所述旋转方向转动一个预先设定的角度来调整各自的传感方向，消除视频传感器网络中的感知重叠区和盲区；各视频传感器节点都完成一个调整周期的工作后，每个视频传感器节点再分别将其当前新的传感方向信息通过“多跳”方式上传给视频传感器网络中的汇聚节点进行汇总；经过多个调整周期的微调，逐步增强视频传感器网络对目标区域的覆盖性能；即汇聚节点根据上传信息对当前视频传感器网络覆盖性能进行计算和评估，如果当前视频传感器网络覆盖性能满足设定要求，则操作结束；否则，重复执行该步骤的操作，直至达到设定的网络覆盖性能要求。

2、根据权利要求1所述的视频传感器网络覆盖增强的实现方法，其特征在于：所述视频传感器网络由具有信息采集、转发和简单处理能力的多个视频传感器节点和采用有线/无线方式与各视频传感器节点进行通信交互的汇聚节点组成；其中各视频传感器节点可发送控制指令来调整自身的传感方向，将所述视频传感器节点采集的图像、视频数据沿着其他视频传感器节点传输，经过“多跳”路由传送到汇聚节点；汇聚节点负责连接视频传感器网络与Internet或其它外部网络，发布并管理视频传感器节点的监测任务。

3、根据权利要求1所述的视频传感器网络覆盖增强的实现方法，其特征在于：所述视频传感器节点的感知范围是以传感器节点为圆心，与感知距离和感知视角相关的一个扇形感知区域；所述视频传感器节点的感知范围采用一个四元组

表示，其中，P＝(x，y)为视频传感器节点的位置坐标，R为传感器节点的最大传感半径，单位向量 $\stackrel{\&RightArrow;}{V}\left(t\right)=(\stackrel{\&RightArrow;}{V_x}\left(t\right),\stackrel{\&RightArrow;}{V_Y}\left(t\right))$ 为感知区域的中轴线，即视频传感器节点在某一时刻t时的传感方向，

和

分别是单位向量

在X轴和Y轴方向上的投影分量，α为边界距离传感向量

的传感偏移角度，2α为感知视角。

4、根据权利要求1所述的视频传感器网络覆盖增强的实现方法，其特征在于：所述视频传感器节点的扇形感知区域的质心点位于该扇形感知区域的对称轴上，且与视频传感器节点之间的距离为2Rsinα/3α，式中，R为视频传感器节点的传感半径，α为扇形感知区域的边界距离传感向量

的传感偏移角度。

5、根据权利要求1所述的视频传感器网络覆盖增强的实现方法，其特征在于：所述步骤(2)中，当某个视频传感器节点的邻接质心点数目为零时，该视频传感器节点的质心点与邻接质心点之间的作用力为零，则该视频传感器节点的质心点不需移动，即该视频传感器节点的传感方向无需改变；而当某个视频传感器节点的邻接质心点数目不为零时，该视频传感器节点的质心点与邻接质心点之间的作用力很可能不为零，则该视频传感器节点的质心点需要移动，即该视频传感器节点的传感方向需要改变。

6、根据权利要求1或5所述的视频传感器网络覆盖增强的实现方法，其特征在于：只有两个视频传感器节点互为邻接点，才有可能形成冗余覆盖区域，此时，相应的两个质心点之间才存在作用力；质心点c_i受到邻接质心点c_j的作用力

的计算公式为： ${\stackrel{\&RightArrow;}{F}}_{\mathrm{ij}}=\left\{\begin{array}{cc}(k\&times;\frac{1}{D_{\mathrm{ij}}},{\mathrm{\&alpha;}}_{\mathrm{ij}})& \mathrm{if}{v}_j\&Element;{\mathrm{\&Psi;}}_i\\ \stackrel{\&RightArrow;}{0},& \mathrm{otherwise}\end{array}\right.;$ 其中，D_ij为两个质心点c_i和c_j间的距离，常数k为作用力系数，α_ij为指示作用力方向由质心点c_j指向c_i的单位向量，ψ_i为质心点c_i的邻接点集合；当质心点c_i和c_j的位置分别为(x_i，y_i)和(x_j，y_j)时，α_ij取值为 $<\frac{\mathrm{\&Delta;x}}{\sqrt{{\left(\mathrm{\&Delta;x}\right)}^2+{\left(\mathrm{\&Delta;y}\right)}^2}},\frac{\mathrm{\&Delta;y}}{\sqrt{{\left(\mathrm{\&Delta;x}\right)}^2+{\left(\mathrm{\&Delta;y}\right)}^2}}>,$ 其中，Δx＝x_i-x_j，Δy＝y_i-y_j。

7、根据权利要求1或5所述的视频传感器网络覆盖增强的实现方法，其特征在于：当所述视频传感器节点的质心点c_i的邻接质心点数目不为零时，其受到的合力

是相邻各个邻接质心点作用力的矢量和，该合力

的计算公式为： ${\stackrel{\&RightArrow;}{F}}_i=\left\{\begin{array}{cc}\underset{j=1,j\&NotEqual;i}{\overset{m}{\mathrm{\&Sigma;}}}{\stackrel{\&RightArrow;}{F}}_{\mathrm{ij}},& m\&GreaterEqual;1\\ \stackrel{\&RightArrow;}{0},& m=0\end{array}\right.;$ 式中，自然数m为质心点c_i的邻接质心点数目，该合力的方向是其各个邻接点的质心点的作用力在以所述视频传感器节点为圆心、以节点与其质心点之间连线为半径的圆周切线方向的投影矢量和的方向。

8、根据权利要求1或5所述的视频传感器网络覆盖增强的实现方法，其特征在于：在所述调整阶段的每个调整周期中，视频传感器节点是按照预先设定的角度5～15°进行旋转来调整各自的传感方向。

Images