CN101174327A - 视频传感器网络对移动目标运动轨迹覆盖增强的实现方法 - Google Patents
视频传感器网络对移动目标运动轨迹覆盖增强的实现方法 Download PDFInfo
- Publication number
- CN101174327A CN101174327A CNA2007101768738A CN200710176873A CN101174327A CN 101174327 A CN101174327 A CN 101174327A CN A2007101768738 A CNA2007101768738 A CN A2007101768738A CN 200710176873 A CN200710176873 A CN 200710176873A CN 101174327 A CN101174327 A CN 101174327A
- Authority
- CN
- China
- Prior art keywords
- node
- center
- mass point
- tracks
- video sensor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
一种视频传感器网络对移动目标运动轨迹覆盖增强的实现方法,包括准备阶段和调整阶段两个操作步骤。本发明从视频传感器节点的方向性感知特性出发,基于视频传感器节点初始位置固定不变的假设,首创性地提出将连续的移动目标运动轨迹离散化为若干个运动轨迹点的简化处理方法,再引入“质心点”概念,将覆盖增强问题转化为质心点与运动轨迹点之间和质心点与质心点之间的虚拟合力计算的问题。然后调整网络中所有可能监测到移动目标的视频传感器节点的传感方向,使之参与对移动目标的监测,从而提高移动目标沿着任意轨迹穿越视频传感器网络时被覆盖的概率,改善视频传感器网络的移动目标跟踪能力,保证移动目标监测数据的完整性和可靠性。
Description
技术领域
本发明涉及一种视频传感器网络对移动目标运动轨迹覆盖增强的实现方法,属于自组织网络系统技术领域。
背景技术
随着嵌入式计算技术、传感器技术和无线通信技术的飞速发展和日益成熟,出现一种具有感知、计算和通信能力的微型视频传感器,由这种微型视频传感器所构成的视频传感器网络已经引起了国内外学者的广泛关注。以环境感知、目标监测、信息获取和有效传输为主要目标的视频传感器网络特别需要关心对监测区域及目标的覆盖能力,由此产生了视频传感器网络的覆盖控制问题。覆盖作为视频传感器网络中的一个基本问题,它描述了网络对物理世界的感知状况,反映了视频传感器网络所能提供的“感知质量”。
近年来,许多国内外学者相继开展了视频传感器网络覆盖控制方面的研究,但是相关的研究仍然属于起步阶段。作为一种与监测应用密切相关的技术,视频传感器网络中的覆盖控制问题已不仅仅涉及单纯的覆盖含义,更与能量节约、目标探知、路径规划等具体应用紧密关联。按照视频传感器网络的应用属性,通常将视频传感器网络中覆盖控制问题的理论研究分为以下三类:(1)能量节约:此类覆盖控制方法的主要机理是将冗余节点分成多个不交叉的集合,各集合能够独立提供连续、有效的监测服务;(2)目标探知:在合理利用网络现有资源的基础上,实现视频传感器网络对监测区域的覆盖优化,以获得尽可能高的目标探知概率;(3)路径规划:采用网络动态覆盖控制方案,随时改变对某些感兴趣区域或目标路径的覆盖程度。
文章《有向视角感知传感器网络中优化最坏情况覆盖问题的研究》(“Optimal Worst-Case Coverage of Directional Field-of-View Sensor Networks”发表于国际会议SECON’06)提出利用最佳多项式时间算法解决视频传感器网络中“最坏情况覆盖”问题,用于考察所有穿越路径中不被网络中视频传感器节点监测的概率最小的情况。也就是说,其研究是找出视频传感器网络中覆盖的最差情况,并不涉及改善网络覆盖的性能。
对监测目标的跟踪覆盖能力高低是衡量视频传感器网络监测性能优劣的主要判定标准之一。当监测区域内有目标(如感兴趣对象、入侵者等)出现时,通常希望视频传感器网络能够对其监测区域内目标实施尽力监测,自动调节和实现与之相匹配的较高程度的覆盖,保证目标监测数据的完整性和可靠性。视频传感器节点的方向性感知特征丰富了目标跟踪覆盖控制研究的内容。由于视频传感器节点的感知能力是有方向性的,即使是分布在同一地理位置上的两个视频传感器节点,也会因其传感方向的不同而导致对某一目标覆盖能力上存在很大差异。视频传感器节点的传感方向可调特性,为解决视频传感器网络的目标跟踪提供了新的手段。如何利用视频传感器节点这一特性实现网络对移动目标运动轨迹的充分、高效覆盖,成为迫切需要解决的一个课题。
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。其基本思想是: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充分、高效的覆盖。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。然而,考虑到网络的部署成本,要在实际应用中将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,何况移动极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的变化,这些无疑都会增加网络维护成本。
总之,从申请人目前掌握的专利资料来看,至今尚未发现有涉及视频传感器网络对移动目标运动轨迹覆盖增强的实现方法的相关报道和材料。
发明内容
有鉴于此,本发明的目的是提供一种视频传感器网络对移动目标运动轨迹覆盖增强的实现方法,本发明是从视频传感器节点的方向性感知特性出发,基于视频传感器节点初始位置固定不变的假设,通过调整网络中所有可能监测到移动目标的视频传感器节点的传感方向,使之参与对移动目标的监测,从而提高移动目标沿着任意轨迹穿越视频传感器网络时被覆盖的概率,进而改善视频传感器网络的移动目标跟踪能力,最终保证移动目标监测数据的完整性和可靠性。
为了达到上述目的,本发明提供了一种视频传感器网络对移动目标运动轨迹覆盖增强的实现方法,其特征在于,包括下述两个操作步骤:
(1)准备阶段:将移动目标的运动轨迹离散化为若干个运动轨迹点,根据移动目标运动轨迹确定轨迹带以及位于该轨迹带内的跟踪节点,并分别计算各个跟踪节点的质心点位置、运动轨迹点集合和邻居节点集合,准备对各个跟踪节点进行传感方向的调整;
(2)调整阶段:在每个调整周期内,计算轨迹带中各个跟踪节点的质心点所受的虚拟合力,各个质心点在虚拟合力的作用下绕跟踪节点作圆周旋转运动,以此代表跟踪节点传感方向的调整;再由掌握网络全局拓扑信息的汇聚节点汇总各个跟踪节点传感方向的调整状况,计算和评估当前视频传感器网络中移动目标覆盖性能,以便通过多个调整周期,使得视频传感器网络中的所有跟踪节点都能充分地参与到移动目标运动轨迹的监测中,显著地改善视频传感器网络对位于该网络内的移动目标的跟踪监测能力。
本发明是一种提高视频传感器网络对移动目标跟踪能力的覆盖增强的实现方法,该方法属于路径规划类,它是从移动目标的跟踪角度出发,采用网络动态覆盖控制的增强技术,改善移动目标沿着任意轨迹穿越视频传感器网络时被监测到的概率。
下面分别从改善视频传感器网络目标跟踪能力和具体实现方法两方面介绍本发明的创新特点和优势:
从改善视频传感器网络目标跟踪能力的角度上来看,本发明从视频传感器节点的方向性感知特性出发,基于视频传感器节点初始位置固定不变的假设,调整网络中所有可能监测到移动目标的视频传感器节点的传感方向,使之参与移动目标运动轨迹的监测,以获得较高的移动目标跟踪能力,最终保证移动目标监测数据的完整性和可靠性。
从改善视频传感器网络移动目标跟踪能力的具体实现方法来看,为了有效描述问题,并简化计算复杂度,本发明首创性地提出将连续的移动目标运动轨迹离散化为若干个运动轨迹点的简化处理方法,再引入“质心点”概念,将待解决的覆盖增强问题转化为质心点与运动轨迹点之间和质心点与质心点之间的虚拟合力的计算问题。在每个调整周期内,每个质心点首先计算来自邻近的运动轨迹点的所有引力作用,再计算来自相邻质心点的所有斥力作用,最后,计算质心点所受到的虚拟合力。当该虚拟合力在沿着跟踪节点与其质心点之间连线为半径的圆周切线方向分量不为零时,跟踪节点的传感方向就朝着该受力切线方向分量的方向作旋转运动。这样,经过若干个调整周期之后,视频传感器网络对移动目标的跟踪能力就得到非常显著的改善。
附图说明
图1是视频传感器节点方向可调的感知模型示意图。
图2是本发明改善视频传感器网络对移动目标跟踪能力的覆盖增强的实现方法操作步骤方框图。
图3是视频传感器网络中移动目标运动轨迹覆盖率的计算方法示意图。
图4是本发明中的跟踪节点扇形感知区域及其质心点的示意图。
图5是本发明中的轨迹带、邻居节点集合的示意图。
图6是本发明中的质心点与运动轨迹点之间的引力作用示意图。
图7是本发明中的质心点与质心点之间的斥力作用示意图。
图8是本发明实施例中的质心点受力状况示意图。
图9(a)、(b)、(c)、(d)、(e)、(f)分别是本发明实施例中的网络初始覆盖、第1个调整周期后、第2个调整周期后、第3个调整周期后、第4个调整周期后和第5个调整周期后的移动目标运动轨迹覆盖率的示意图。
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。
首先介绍视频传感器网络,它是由具有信息采集、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;视频传感器节点采集的图像和视频数据沿着其他视频感器节点逐跳进行传输,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或其它外部网络,发布并管理视频传感器节点的监测任务。
本发明是一种视频传感器网络对移动目标运动轨迹的覆盖增强的技术方案。有别于传统的基于全向感知模型的传感器节点,视频传感器节点的感知能力受到方向性限制,即其感知范围是一个以传感器节点为圆心,与感知距离和感知视角相关的扇形区域。视频传感器节点的方向可调感知模型-扇形区域可以用一个四元组<P,R,,α>来表示(参见图1)。其中,P=(x,y)表示视频传感器节点的位置坐标;R表示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表示边界距离传感向量的传感偏移角度,2α代表感知视角。在每个设定时刻t,视频传感器节点具有方向性感知特性;但是随着其传感方向的不断调整(即旋转),视频传感器节点的感知范围能够覆盖到其传感距离内的整个圆形区域。
参见图2,介绍本发明改善视频传感器网络对移动目标跟踪能力的覆盖增强的实现方法的操作步骤:
(1)准备阶段:将移动目标的运动轨迹离散化为若干个运动轨迹点,根据移动目标运动轨迹确定轨迹带以及位于该轨迹带内的跟踪节点,并分别计算各个跟踪节点的质心点位置、运动轨迹点集合和邻居节点集合,准备对各个跟踪节点进行传感方向的调整;
(2)调整阶段:在每个调整周期内,计算轨迹带中各个跟踪节点的质心点所受的虚拟合力,各个质心点在虚拟合力的作用下绕跟踪节点作圆周旋转运动,以此代表跟踪节点传感方向的调整;再由掌握网络全局拓扑信息的汇聚节点汇总各个跟踪节点传感方向的调整状况,计算和评估当前视频传感器网络中移动目标覆盖性能,以便通过多个调整周期,使得视频传感器网络中的所有跟踪节点都能充分地参与到移动目标运动轨迹的监测中,显著地改善视频传感器网络对位于该网络内的移动目标的跟踪监测能力。
先对步骤(1)准备阶段作详细说明,它可进一步分为四个具体操作步骤:
(11)将连续的移动目标运动轨迹离散化为若干个运动轨迹点,并计算初始的移动目标运动轨迹覆盖率p: 式中,||ΛA||为运动轨迹点集合的元素数目,||ΛC||为被视频传感器节点当前覆盖到的运动轨迹点集合的元素数目;通过离散化移动目标运动轨迹,将对连续的移动目标运动轨迹的覆盖增强问题转化为对离散的运动轨迹点的覆盖增强问题,简化计算复杂度;
众所周知,现实物理世界中的物体宏观运动符合惯性定律,当时间间隔ΔT取值较小时,物体运动形式可近似看作是匀速直线运动。本发明假定目标在较小的时间间隔ΔT内以速率v作直线运动,则每隔时间间隔ΔT,选取从起点到终点的目标路径上一个运动轨迹点A(参见图3)。
如果用ΛA表示运动轨迹点集合,ΛC表示视频传感器节点被覆盖到的运动轨迹点集合,则视频传感器网络中移动目标运动轨迹覆盖率计算公式为上述公式: 由此方法,本发明创新地提出将对连续的移动目标运动路径的覆盖增强问题转化为对其离散的运动轨迹点的覆盖增强问题,这样既可有效描述问题,也可简化解决问题的计算复杂度。
在图3所示的实例中,将连续的移动目标运动轨迹离散化而划分为12个运动轨迹点(图示为深色方格),7个视频传感器节点(图示为浅色小圆圈)所能覆盖到的运动轨迹点数目为6个。因此,当前视频传感器网络所提供的移动目标运动轨迹覆盖率为:
(12)根据移动目标运动轨迹确定轨迹带,将轨迹带内的视频传感器节点作为跟踪节点,通知这些跟踪节点都加入到对移动目标的跟踪监测过程中,藉由调整跟踪节点的传感方向来改善网络对移动目标的跟踪监测能力;
因为移动目标运动轨迹附近的各个视频传感器节点不是全部都具有参与检测、覆盖运动轨迹的资格。所以视频传感器网络只需要通知运动轨迹附近的视频传感器节点作为跟踪节点加入到目标跟踪监测过程中,并通过调整跟踪节点的传感方向获得移动目标跟踪能力的改善。
轨迹带是所有与移动目标运动轨迹的距离不大于视频传感器节点传感半径(R)的点所构成的区域;位于轨迹带内的视频传感器节点称为跟踪节点(标记作TN)。每个跟踪节点维护一个运动轨迹点集合Λ,集合Λ中的所有元素-运动轨迹点与跟踪节点的距离都小于跟踪节点传感半径(R),即该跟踪节点的覆盖能力范围内包括其运动轨迹点集合Λ中的全部运动轨迹点。
参见图4,质心点是质点系中一个特定的点,它的位置与物体的平衡、运动以及内力分布密切相关。本发明提出的质心点是视频传感器节点扇形感知区域对称轴上的一点,其与节点之间距离为2Rsinα/3α,式中,R为该传感器节点的传感半径,α为感知区域边界距离传感向量的偏移角度。而且,每个跟踪节点(图示为浅色小圆圈)都仅有一个质心点(图示为深色小圆圈)与其对应。
基于本发明的视频传感器节点初始位置固定不变的假设,本发明对跟踪节点传感方向的调整被视作是视频传感器节点所感知的扇形区域的质心点(简称为质心点)在虚拟合力的作用下绕跟踪节点为圆心、以跟踪节点与其质心点之间连线为半径的圆周切线方向的旋转运动。该质心点的旋转运动是朝向相邻运动轨迹点而远离相邻质心点,反映在虚拟势场中:质心点和运动轨迹点之间存在引力,质心点和质心点之间存在斥力。
(14)计算各个跟踪节点相应的邻居节点集合:位于轨迹带内、且距离小于其传感半径两倍的一对跟踪节点,也就是经过传感方向的调整,有可能形成覆盖重叠区域的一对跟踪节点,被称为互为邻居节点;每个跟踪节点维护一个邻居节点集合Ψ,该邻居节点集合Ψ中包括与该跟踪节点互为邻居节点的所有跟踪节点。
若跟踪节点TNi和TNj互为邻居节点,则本发明定义其相应的质心点ci和cj互为邻居质心点。
参见图5,两条虚线之间形成一个轨迹带。在此实例中,深色小方格为运动轨迹点,浅色小圆圈为视频传感器节点,节点5和节点7不在轨迹带内,不满足跟踪节点的条件,因而不参与移动目标的运动轨迹监测。以跟踪节点TN8为例,其对应的运动轨迹点集合Λ8={A10,A11,A12},其邻居节点集合Ψ8={TN4,TN9}。
再对步骤(2)调整阶段作详细说明,调整阶段是通过多次逐步微调实现的。
本发明将整个调整阶段分为若干个调整周期。在每个调整周期中,各跟踪节点根据其质心点位置、运动轨迹点集合以及邻居节点集合等信息,计算并调整其传感方向;然后将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的汇聚节点。汇聚节点根据上传信息对当前视频传感器网络中目标运动轨迹覆盖性能进行计算和评估,如果当前视频传感器网络中目标运动轨迹覆盖性能满足原来的设定要求,则停止整个调整操作;否则,重复执行上述操作。
具体来说,调整阶段可进一步分为下述四个操作步骤:
(21)互为邻居节点的跟踪节点之间相互通信,交换各自质心点的当前位置信息;
(22)在当前调整周期内,轨迹带内各个跟踪节点分别计算各自质心点所受到的来自邻近的运动轨迹点和邻居质心点的虚拟合力,使得轨迹带内的所有跟踪节点的传感方向都指向邻近的运动轨迹点,并要求相邻跟踪节点的感知重叠区域尽可能小,以尽可能保障对整个移动目标运动路径实施全面、均匀的监测覆盖。可见,质心点的运动是朝向相邻运动轨迹点而远离相邻质心点。在虚拟势场中表现为:质心点和运动轨迹点之间存在引力,质心点和质心点之间存在斥力。
下面介绍质心点受力的具体计算方法,即该步骤(22)的四个细化步骤。
步骤A(参见图6,图中深色小方格为运动轨迹点,浅色小圆圈是跟踪节点,深色小圆圈是质心点)、按照下述公式,计算各个跟踪节点的质心点与其邻近的运动轨迹点之间的引力式中,dij为跟踪节点TNi与运动轨迹点Aj之间的距离,只有dij小于节点传感半径R时,跟踪节点TNi才具有监测运动轨迹点Aj的功能,运动轨迹点Aj才对跟踪节点TNi的质心点ci产生引力作用;dij′为运动轨迹点Aj与质心点ci之间的距离;dmax为运动轨迹点与质心点之间的距离最大值:R·(1+2sinα/3α);kA为引力系数(常数);αij是单位向量,表示引力方向是由质心点ci指向运动轨迹点Aj;该计算公式表明,质心点所受引力大小与Aj和ci之间的距离成正比,而质心点的引力方向取决于Aj和ci之间的相互位置关系。
步骤B(参见图7,图中深色方格为运动轨迹点,浅色小圆圈是跟踪节点,深色小圆圈是质心点)、按照下述公式,计算各个跟踪节点的质心点与其邻近的跟踪节点的质心点之间的斥力式中,跟踪节点TNj是TNi邻居节点集合Ψi中的一个节点,Dij表示互为邻居节点的两个跟踪节点TNi与TNj之间的距离,只有当Dij小于节点传感半径两倍(2R)时,它们之间才产生斥力作用,且该斥力作用于跟踪节点的质心点;Dij′为两个跟踪节点TNi与TNj的质心点ci和cj之间的距离;kR为斥力系数(常数);αij是单位向量,表示斥力的方向是由质心点ci指向质心点cj;与上述引力的计算公式相类似,该公式标明,质心点所受斥力的大小与ci和cj之间的距离成反比,而质心点的斥力方向取决于ci和cj之间的相互位置关系。
步骤C(参见图8,图中深色方格为运动轨迹点,浅色小圆圈是跟踪节点,深色小圆圈是质心点)、按照下述公式,计算各个跟踪节点对应质心点所受的合力,即求解每个质心点所受到的来自运动轨迹点的引力和与来自邻居质心点的斥力的虚拟合力: 虚拟合力的方向是其各个邻接质心点所受到的作用力的方向。
(224)由于跟踪节点传感方向的旋转调整是其质心点绕节点作圆周运动,因而计算合力在以该跟踪节点为圆心、以跟踪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,由的大小决定质心点沿圆周的转动角度大小;如果质心点所受的越大,表明其距离“合适”位置越远,要转动较大角度来加快移动目标运动轨迹覆盖增强的进程;
下面,以图8所示为实例,分析轨迹带内跟踪节点相应质心点的受力情况。在当前调整周期内,跟踪节点TN1的质心点c1同时受到来自运动轨迹点A1,A2的引力和邻居质心点c2的斥力作用。因此,质心点c1所受到的虚拟合力为 此时需要将引力和斥力分别沿圆周∏的切线方向进行投影(分别见图8中两个相向的直线箭头),其虚拟合力沿圆周∏的切线方向投影不为零,因此使得质心点c1沿圆周∏逆时针方向作旋转运动。
考虑到对移动目标执行跟踪过程的时效性,本发明对虚拟合力设置的控制规则为:该虚拟合力沿圆周∏切线方向投影的大小决定质心点沿圆周∏的转动角度。质心点所受越大,表明其距离“合适”位置越远,需要以较大角度转动,才能加速覆盖增强的调整进程。
假设邻居节点之间每个调整周期交换一次传感方向信息,并根据交换信息计算当前调整周期质心点所受合力,进而确定质心点在当前调整周期的运动情况。当质心点所受到的小于预定受力门限ε时,即认定质心点已经达到稳定状态,不再运动。经过若干个调整周期后,当轨迹带中所有质心点全部达到稳定状态时,整个轨迹带中跟踪节点即达到稳定状态。
(23)每次完成一个调整周期后,网络中各个跟踪节点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;
(24)根据上传信息,汇聚节点计算和评估当前视频传感器网络对移动目标运动轨迹的覆盖性能:若当前视频传感器网络对移动目标运动轨迹的覆盖性能满足设定要求,则结束调整操作;否则,继续执行上述步骤(22)、(23)的操作。
最后,详细介绍申请人通过本发明覆盖增强的技术方案提高视频传感器网络对移动目标运动轨迹进行覆盖控制的跟踪能力的一个具体实施例。
在500×500m2的目标区域内,随机部署105个视频传感器节点,用于完成场景监测。该网络中的所有视频传感器节点均同构,其性能指标为:节点传感半径R=40m,传感偏移角度α=45°。虚拟势场的受力模型中引力参数kA=3,斥力参数kR=1。初始视频传感器网络的覆盖率达到33.56%。
参见图9(a)~(f),这六个图分别形象地表明和记录了本发明方法的实施例中,视频传感器网络在不同调整周期时对移动目标运动轨迹(图中用离散小方格表示的曲线)执行覆盖控制的跟踪能力改善情况:网络初始覆盖时运动轨迹覆盖率为47.47%、第1个调整周期后的运动轨迹覆盖率为61.59%、第2个调整周期后的运动轨迹覆盖率为74.75%、第3个调整周期后的运动轨迹覆盖率为78.96%、第4个调整周期后的运动轨迹覆盖率为81.79%、第5个调整周期后的运动轨迹覆盖率为85.71%。
从这六个图可以直观地看到:在引力作用下,移动目标运动轨迹沿途的各个跟踪节点朝向运动轨迹点实施全力覆盖,以实现目标运动轨迹的相关性最大化覆盖;而在斥力作用下,相邻各个跟踪节点在保证重叠感知区域尽可能小的前提下,对目标运动轨迹实现相关性最小化的覆盖。
总之,该实施例利用本发明方法的网络动态覆盖增强技术方案,使得移动目标运动轨迹沿途的各个具有跟踪资格的视频传感器节点能够自动调整其传感方向,改善对移动目标运动轨迹的覆盖程度,进而保证移动目标监测数据的完整性和可靠性。正如图9(b)~(f)所示,轨迹带内各个跟踪节点仅仅经过五个调整周期后,移动目标运动轨迹覆盖率就由最初的47.47%提高至85.71%,改善程度达到38.24个百分点,效率是非常显著的。
Claims (9)
1.一种视频传感器网络对移动目标运动轨迹覆盖增强的实现方法,其特征在于,包括下述两个操作步骤:
(1)准备阶段:将移动目标的运动轨迹离散化为若干个运动轨迹点,根据移动目标运动轨迹确定轨迹带以及位于该轨迹带内的跟踪节点,并分别计算各个跟踪节点的质心点位置、运动轨迹点集合和邻居节点集合,准备对各个跟踪节点进行传感方向的调整;
(2)调整阶段:在每个调整周期内,计算轨迹带中各个跟踪节点的质心点所受的虚拟合力,各个质心点在虚拟合力的作用下绕跟踪节点作圆周旋转运动,以此代表跟踪节点传感方向的调整;再由掌握网络全局拓扑信息的汇聚节点汇总各个跟踪节点传感方向的调整状况,计算和评估当前视频传感器网络中移动目标覆盖性能,以便通过多个调整周期,使得视频传感器网络中的所有跟踪节点都能充分地参与到移动目标运动轨迹的监测中,显著地改善视频传感器网络对位于该网络内的移动目标的跟踪监测能力。
2.根据权利要求1所述的覆盖增强的实现方法,其特征在于:所述视频传感器网络是由具有信息采集、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;视频传感器节点采集的图像和视频数据沿着其他视频感器节点逐跳进行传输,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或其它外部网络,发布并管理视频传感器节点的监测任务。
4.根据权利要求1所述的覆盖增强的实现方法,其特征在于:所述轨迹带是所有与移动目标运动轨迹的距离不大于视频传感器节点传感半径的点所构成的区域;所述跟踪节点是位于轨迹带内的视频传感器节点,该跟踪节点传感方向的调整被视作是视频传感器节点所感知扇形区域的质心点在虚拟合力的作用下绕跟踪节点为圆心、以跟踪节点与其质心点之间连线为半径的圆周切线方向的旋转运动;所述质心点的旋转运动是朝向相邻运动轨迹点而远离相邻质心点,反映在虚拟势场中:质心点和运动轨迹点之间存在引力,质心点和质心点之间存在斥力。
5.根据权利要求1或4所述的覆盖增强的实现方法,其特征在于:所述质心点是视频传感器节点扇形感知区域对称轴上的一点,其与节点之间距离为2Rsinα/3α,式中,R为该传感器节点的传感半径,α为感知区域边界距离传感向量的偏移角度;质心点的位置与物体的平衡、运动和内力分布密切相关。
6.根据权利要求1所述的覆盖增强的实现方法,其特征在于:所述步骤(1)进一步包括下述操作步骤:
(11)将连续的移动目标运动轨迹离散化为若干个运动轨迹点,并计算初始的移动目标运动轨迹覆盖率p: 式中,||ΛA||为运动轨迹点集合的元素数目,||ΛC||为被视频传感器节点当前覆盖到的运动轨迹点集合的元素数目;通过离散化移动目标运动轨迹,将对连续的移动目标运动轨迹的覆盖增强问题转化为对离散的运动轨迹点的覆盖增强问题,简化计算复杂度;
(12)根据移动目标运动轨迹确定轨迹带,将轨迹带内的视频传感器节点作为跟踪节点,通知这些跟踪节点都加入到对移动目标的跟踪监测过程中,藉由调整跟踪节点的传感方向来改善网络对移动目标的跟踪监测能力;
(14)计算各个跟踪节点相应的邻居节点集合:位于轨迹带内、且距离小于其传感半径两倍的一对跟踪节点,也就是经过传感方向的调整,有可能形成覆盖重叠区域的两个跟踪节点,被称为互为邻居节点;每个跟踪节点维护一个邻居节点集合,该邻居节点集合中包括与该跟踪节点互为邻居节点的所有跟踪节点。
7.根据权利要求1所述的覆盖增强的实现方法,其特征在于:所述步骤(2)进一步包括下述操作步骤:
(21)互为邻居节点的跟踪节点之间相互通信,交换各自质心点的当前位置信息;
(22)在当前调整周期内,轨迹带内各个跟踪节点分别计算各自质心点所受到的来自邻近的运动轨迹点和邻居质心点的虚拟合力,使得轨迹带内的所有跟踪节点的传感方向指向邻近的运动轨迹点,并要求相邻跟踪节点的感知重叠区域尽可能小,以尽可能保障对整个移动目标运动轨迹实施全面、均匀的监测覆盖;
(23)每次完成一个调整周期后,各个跟踪节点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;
(24)根据上传信息,汇聚节点计算和评估当前视频传感器网络对移动目标运动轨迹的覆盖性能:若当前视频传感器网络对移动目标运动轨迹的覆盖性能满足设定要求,则结束调整操作;否则,继续执行上述步骤(22)、(23)的操作。
8.根据权利要求7所述的覆盖增强的实现方法,其特征在于:所述步骤(22)进一步包括下述操作步骤:
(221)按照下述公式,计算各个跟踪节点对应质心点与其邻近的运动轨迹点之间的引力 式中,dij为跟踪节点TNi与运动轨迹点Aj之间的距离,只有dij小于节点传感半径R时,跟踪节点TNi才具有监测覆盖运动轨迹点Aj的功能,运动轨迹点Aj才对跟踪节点TNi的质心点ci产生引力作用;dij′为运动轨迹点Aj与质心点ci之间的距离;dmax为运动轨迹点与质心点之间的距离最大值:R·(1+2sinα/3α);kA为引力系数;αij为单位向量,表示由质心点ci指向运动轨迹点Aj的引力方向;该计算公式表明,质心点所受引力大小与Aj和ci之间的距离成正比,而质心点所受的引力方向取决于Aj和ci之间的相互位置关系;
(222)按照下述公式,计算各个跟踪节点对应质心点与其邻近质心点之间的斥力 式中,跟踪节点TNj是TNi邻居节点集合Ψi中的一个节点,Dij表示互为邻居节点的两个跟踪节点TNi与TNj之间的距离,只有当Dij小于节点传感半径两倍时,它们之间才产生斥力作用,且该斥力作用于跟踪节点的质心点;Dij′为两个跟踪节点TNi与TNj的质心点ci和cj之间的距离;kR为斥力系数;αij是单位向量,表示由质心点ci指向质心点cj的斥力方向;该公式表明,质心点所受斥力的大小与ci和cj之间的距离成反比,而质心点所受的斥力方向取决于ci和cj之间的相互位置关系;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2007101768738A CN101174327A (zh) | 2007-11-06 | 2007-11-06 | 视频传感器网络对移动目标运动轨迹覆盖增强的实现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2007101768738A CN101174327A (zh) | 2007-11-06 | 2007-11-06 | 视频传感器网络对移动目标运动轨迹覆盖增强的实现方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101174327A true CN101174327A (zh) | 2008-05-07 |
Family
ID=39422821
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2007101768738A Pending CN101174327A (zh) | 2007-11-06 | 2007-11-06 | 视频传感器网络对移动目标运动轨迹覆盖增强的实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101174327A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101894058A (zh) * | 2010-05-31 | 2010-11-24 | 北京航空航天大学 | 针对自动测试系统的测试覆盖性自动分析方法及其装置 |
CN101316200B (zh) * | 2008-07-04 | 2010-12-15 | 北京交通大学 | 一种检测与修补无线视频传感器网络最坏情况覆盖的方法 |
CN104010168A (zh) * | 2014-06-13 | 2014-08-27 | 东南大学 | 一种无重叠视域多摄像机监控网络拓扑自适应学习方法 |
CN104038730A (zh) * | 2014-05-09 | 2014-09-10 | 浙江工业大学 | 一种基于贪心计算的视频传感器网络多移动目标监测优化方法 |
CN104244270A (zh) * | 2014-09-29 | 2014-12-24 | 安徽云维信息科技有限公司 | 一种面向精准农业的wsn网络划分及终端节点部署方法 |
CN106304114A (zh) * | 2016-08-18 | 2017-01-04 | 中国人民解放军国防科学技术大学 | 一种三维空间无人移动平台群体移动部署通信与控制方法 |
CN106709939A (zh) * | 2016-12-09 | 2017-05-24 | 中国电子科技集团公司第三研究所 | 目标跟踪方法和目标跟踪装置 |
-
2007
- 2007-11-06 CN CNA2007101768738A patent/CN101174327A/zh active Pending
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101316200B (zh) * | 2008-07-04 | 2010-12-15 | 北京交通大学 | 一种检测与修补无线视频传感器网络最坏情况覆盖的方法 |
CN101894058A (zh) * | 2010-05-31 | 2010-11-24 | 北京航空航天大学 | 针对自动测试系统的测试覆盖性自动分析方法及其装置 |
CN101894058B (zh) * | 2010-05-31 | 2011-11-16 | 北京航空航天大学 | 针对自动测试系统的测试覆盖性自动分析方法及其装置 |
CN104038730A (zh) * | 2014-05-09 | 2014-09-10 | 浙江工业大学 | 一种基于贪心计算的视频传感器网络多移动目标监测优化方法 |
CN104010168A (zh) * | 2014-06-13 | 2014-08-27 | 东南大学 | 一种无重叠视域多摄像机监控网络拓扑自适应学习方法 |
CN104010168B (zh) * | 2014-06-13 | 2017-06-13 | 东南大学 | 一种无重叠视域多摄像机监控网络拓扑自适应学习方法 |
CN104244270A (zh) * | 2014-09-29 | 2014-12-24 | 安徽云维信息科技有限公司 | 一种面向精准农业的wsn网络划分及终端节点部署方法 |
CN106304114A (zh) * | 2016-08-18 | 2017-01-04 | 中国人民解放军国防科学技术大学 | 一种三维空间无人移动平台群体移动部署通信与控制方法 |
CN106304114B (zh) * | 2016-08-18 | 2019-07-09 | 中国人民解放军国防科学技术大学 | 一种三维空间无人移动平台群体移动部署通信与控制方法 |
CN106709939A (zh) * | 2016-12-09 | 2017-05-24 | 中国电子科技集团公司第三研究所 | 目标跟踪方法和目标跟踪装置 |
CN106709939B (zh) * | 2016-12-09 | 2019-07-23 | 中国电子科技集团公司第三研究所 | 目标跟踪方法和目标跟踪装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101174327A (zh) | 视频传感器网络对移动目标运动轨迹覆盖增强的实现方法 | |
CN101127657B (zh) | 自主移动传感器网络动态建模与控制技术 | |
Tokekar et al. | Multi-target visual tracking with aerial robots | |
CN103389738B (zh) | 一种用于乒乓球机器人预测乒乓球轨迹的方法和装置 | |
CN102158988B (zh) | 一种有向传感器网络强栅栏覆盖判定方法 | |
Ma et al. | A coverage-enhancing method for 3D directional sensor networks | |
CN105487544B (zh) | 基于模糊推理系统的多机器人角度控制围捕方法 | |
Jing et al. | A virtual centripetal force-based coverage-enhancing algorithm for wireless multimedia sensor networks | |
CN105717923B (zh) | 基于椭圆聚类-碰撞锥推演的无人艇海洋动态避障控制算法 | |
CN102339019B (zh) | 一种基于模糊神经网络的智能轮椅避障方法 | |
CN107295541B (zh) | 一种基于虚拟力和萤火虫算法的无线传感网络覆盖优化方法 | |
CN110275436A (zh) | 一种多单臂机械手的rbf神经网络自适应控制方法 | |
CN103997748B (zh) | 一种基于混合型传感器网络的差异覆盖方法 | |
CN101902752A (zh) | 一种有向传感器网络覆盖控制方法 | |
CN207133655U (zh) | 一种水电站分区智能巡检系统 | |
CN107671831A (zh) | 一种水电站分区智能巡检系统及方法 | |
CN110162035A (zh) | 一种集群机器人在有障碍物场景中的协同运动方法 | |
Huang et al. | Coverage control of multiple unmanned aerial vehicles: A short review | |
Salehizadeh et al. | Coverage in wireless sensor networks based on individual particle optimization | |
CN104038730B (zh) | 一种视频传感器网络多移动目标监测优化方法 | |
CN102547107A (zh) | 障碍物遮挡环境下的视频传感器监视方向控制方法 | |
CN109190325B (zh) | 基于行人拥挤度分析的人群疏散路径规划仿真方法 | |
CN101316200B (zh) | 一种检测与修补无线视频传感器网络最坏情况覆盖的方法 | |
Navin et al. | Solving coverage problem in wireless camera-based sensor networks by using genetic algorithm | |
CN101835170B (zh) | 基于智能演化的无线多媒体传感器网络覆盖增强方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20080507 |
|
C20 | Patent right or utility model deemed to be abandoned or is abandoned |