CN101207638B - 一种基于预测的无线传感器网络目标跟踪方法 - Google Patents
一种基于预测的无线传感器网络目标跟踪方法 Download PDFInfo
- Publication number
- CN101207638B CN101207638B CN 200710164468 CN200710164468A CN101207638B CN 101207638 B CN101207638 B CN 101207638B CN 200710164468 CN200710164468 CN 200710164468 CN 200710164468 A CN200710164468 A CN 200710164468A CN 101207638 B CN101207638 B CN 101207638B
- Authority
- CN
- China
- Prior art keywords
- target
- prediction
- motion
- current
- moving
- 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.)
- Expired - Fee Related
Links
Abstract
本发明公开了一种基于预测的无线传感器网络目标跟踪方法,该方法包含如下步骤:a.根据目标运动的当前测量数据或者历史测量数据确定目标的运动特征;b.结合目标的当前位置、速度、运动方向等信息预测目标的未来位置以及下一监控节点的唤醒时刻;c.当目标位置预测失败时,网络根据目标的运动历史记录和先验知识逐级启动预测失败恢复过程。本发明根据目标运动的统计数据确定目标的运动特征,并据此预测目标的未来运动。该方法的最大优点是在确保网络可靠跟踪目标的前提下,减少了被唤醒传感器节点的数目,从而降低了节点的能耗,延长了目标跟踪传感器网络的寿命。
Description
技术领域
本发明涉及无线传感器网络目标跟踪技术,具体来说是涉及一种基于预测的无线传感器网络目标跟踪方法。
背景技术
目标跟踪是无线传感器网络的重要应用之一。无线传感器网络通常部署在人们难以接近的危险区域,电池替换十分不便,优化网络能耗进而延长网络寿命已成为无线传感器网络商用的关键技术。由于运动预测能显著减少所需活动监控节点的数目和监控时长,有效降低网络能耗,因此在目标跟踪传感器网络中引入预测机制势在必行。
目前基于预测的无线传感器网络目标跟踪方法主要包括:基于频繁运动模式抽取的目标跟踪方法和基于运动模型的目标跟踪方法。其中基于频繁运动模式抽取的目标跟踪方法根据目标运动路径的历史记录信息抽取频繁运动模式,并结合目标的当前运动状态预测下一监控节点。基于运动模型的目标跟踪方法根据目标的先验运动模型,预测目标的各种运动属性,包括目标的下一监控节点。
显然,上述现有技术存在许多不足,具体来讲,基于频繁运动模式抽取的目标跟踪方法没有考虑某些目标运动行为的随机性,因此只能实现规则运动目标的跟踪预测。而基于运动模型的目标跟踪方法未能充分利用某些目标运动行为的规律性,同时由于未充分利用目标运动历史信息,无法提供有效的预测失败恢复机制,造成预测监控区域偏大,节点能耗增加。
发明内容
针对背景技术中存在的问题,本发明的目的在于提供一种基于预测的无线传感器网络目标跟踪方法,是以跟踪精度和能耗为指标来实现分类预测的无线传感器网络目标跟踪方法。
为了实现上述目的,本发明采用的技术方案是,具体包括如下步骤:
a、根据目标运动的当前测量数据或者从前一监控节点接收到的唤醒分组所携带的历史测量数据确定目标的运动特征;
b、当前监控节点结合目标的当前位置、速度、运动方向信息预测目标的未来位置以及下一监控节点的唤醒时刻;
c、当目标位置预测失败时,网络根据目标的运动历史记录和先验知识逐级启动预测失败恢复过程。
其中,所述的步骤a中,如果唤醒分组携带目标运动的历史测量数据,则本监控节点直接根据该历史测量数据确定目标的运动特征,否则根据目标运动的当前测量数据确定目标的运动特征。
所述的步骤b中,当前监控节点先根据目标的运动特征结合其当前位置、速度、运动方向信息估计其运动模式类别,然后采用各运动模式类别相应的估计方法预测目标的未来位置以及下一监控节点的唤醒时刻。
所述的步骤c更进一步包含如下步骤:
1)预测失败恢复节点以最后感知时刻目标位置为参考点,以最后感知时刻到本恢复过程启动时刻的时间间隔为运动时间,根据接收到的唤醒分组所携带的历史最大速度、最大加速度、最大角速度、最大角加速度极限运动参数,预测目标的最大运动范围。预测失败恢复节点向预测最大运动范围内的所有节点发送唤醒分组。
2)如果预测失败恢复节点在规定的时间间隔内仍未接收到有效的唤醒确认消息,启动本恢复过程。此时预测失败恢复节点以最后感知时刻目标位置为参考点,以最后感知时刻到本恢复过程启动时刻的时间间隔为运动时间,根据目标最大速度、最大加速度、最大角速度、最大角加速度极限运动参数先验知识,预测目标的最大运动范围。预测失败恢复节点向预测最大运动范围内的所有节点发送唤醒分组。
本发明具有的有益效果是:
本发明提出了一种根据目标运动的历史测量数据或者当前测量数据确定目标运动特征,并根据运动特征类别进行运动预测的无线传感器网络目标跟踪方法。这种目标跟踪方法根据不同的目标运动类型采用不同的运动预测方法,其与基于频繁运动模式抽取的目标跟踪方法相比,能够实现运动轨迹变化的目标运动预测,与基于运动模型的目标跟踪方法相比,能够实现具有不同运动特征的目标运动预测,同时,本发明采用了一种高可靠、低能耗的跟踪失败恢复机制,当目标位置预测失败时,网络根据目标的运动历史记录和先验知识逐级启动预测失败恢复过程。本发明在确保网络可靠跟踪目标的前提下,减少了被唤醒传感器节点的数目,从而降低了节点的能耗,延长了目标跟踪传感器网络的寿命,具有很好的可用性和实用性。
附图说明
图1是本发明所述基于预测的无线传感器网络目标跟踪方法流程图。
图2是本发明实施例中在当前监控区域目标作直线运动的示意图。
图3是本发明实施例中在当前监控区域目标作圆周运动的示意图。
图4是本发明实施例中在当前监控区域目标同时作直线和圆周运动的示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步的说明。
本实施例应用于目标跟踪传感器网络的传感器节点,以跟踪精度和能耗为指标来实现分类预测的无线传感器网络目标跟踪方法。如图1所示,其具体包含如下步骤:
第一、根据目标运动的当前测量数据或者历史测量数据确定目标的运动特征。
根据运动目标在相继感知时刻的位置数据可以估算目标的速度和方向,从而获得目标的各种运动特性数据,包括方向特性、速度或角速度随机特性。例如由于节点能够获知目标的位置信息,因此可以通过计算感知间隔内目标的位移估计当前感知时刻目标的速度,设目标在前一感知时刻的位置坐标为(xi-1,yi-1)(i>0),当前感知时刻的位置坐标为(xi,yi),感知间隔长度为ti-1,则当前感知时刻的速度vi-1如式(1)所示。
采用类似的方法可用式(2)估计当前感知时刻目标的加速度ai-1。
ai-1=(vi-vi-1)/ti(i>0)(2)
如果目标在相继感知时刻的加速度相等并且运动方向不变,则我们认为该目标正在作匀速直线运动;如果目标在相继感知时刻的加速度线性增大或减小并且运动方向不变,则我们认为该目标正在作匀加速直线运动;如果目标在感知时段t移动的距离d可用该时段起始时刻的速度v0、加速度a0和加速度变化率Δa0以式(3)近似预测并且运动方向不变,则我们认为该目标正在作近似可预测变加速直线运动。
d=v0t+a0t2/2+Δa0t3/6(3)
如果目标运动方向不变并且其速度、加速度变化不符合上述三种运动规律,则我们认为该目标正在作随机速度直线运动。
类似地根据运动目标在相继感知时刻的位置数据,我们可以判定目标是否作匀速圆周运动、匀加速圆周运动、近似可预测变加速圆周运动、随机角速度圆周运动以及是否同时作直线和圆周运动。
当前一监控节点预测本监控区域监控时长过短时,前一监控节点在唤醒分组中添加目标运动的历史测量数据,本监控节点直接根据该历史测量数据确定目标的运动特征,否则根据目标运动的当前测量数据确定目标的运动特征。
第二、结合目标的当前位置、速度、运动方向等信息预测目标的未来位置以及下一监控节点的唤醒时刻。
目标运动的速度和方向决定了目标在当前监控区域停留的时间以及未来位置,而目标运动的随机性特征则决定了上述停留时间和未来位置预测的精确性。我们分若干种情况讨论在不同运动随机性前提下,目标在当前监控区域的停留时间以及在下一监控区域的起始位置。这里我们假设传感器节点的感知各向同性,即其感知区域为以传感器节点为圆心的一个圆,并假设感知半径为r,传感器网络中所有节点的感知半径相同。
情形1:目标作直线运动
当目标作直线运动时,目标运动的方向不变,并且该方向可由二个感知时刻目标的位置数据确定;另一方面当前监控节点知道目标在当前监控区域的起始位置,根据上述信息可以计算出目标在当前监控区域的移动距离。图2给出了在当前监控区域目标作直线运动的示意图。
设当前监控节点o为坐标原点,运动目标在当前监控区域的起始位置A坐标为(x0,y0),该起始位置A同时也是目标在前一监控区域E的退出位置,在下一感知时刻的位置B坐标为(x1,y1),由于目标作直线运动,因此目标运动的轨迹方程如式(4)所示。
(y-y0)/(x-x0)=(y1-y0)/(x1-x0)(4)
当前监控区域边界曲线方程如式(5)所示。
x2+y2=r2(5)
设(yj-yi)/(xj-xi)=λi,j,(y0x1-y1x0)/(x1-x0)=c1, 由式(4)和(5)我们可求出目标离开当前监控区域的最终位置D坐标为(cx,1,λ0,1 cx,1+c1),该最终位置D同时也是目标在下一监控区域F的起始位置,目标在当前监控区域的移动距离dm如式(6)所示。
情形1.1:目标作匀速直线运动
在这种情形中,目标运动的规律性很强,根据式(1)我们可以求出目标的运动速度v0,据此可以计算出目标在当前监控区域的停留时间tstay如式(7)所示。
tstay=dm/v0(7)
情形1.2:目标作匀加速直线运动
在这种情形中,目标运动的规律性也很强,根据式(1)、(2)我们可以求出目标的运动速度v0和加速度a0,据此可以计算出目标在当前监控区域的停留时间tstay如式(8)所示。
情形1.3:目标作近似可预测变加速直线运动
在这种情形中,目标运动具有一定的规律性和随机性,假设目标移动的距离d与所花时间t满足如式(9)所示的关系。
d=f(t)(9)
现对f(t)进行泰勒展开,并以三次多项式近似表示,我们有式(10)
d≈f(t0)+f′(t0)(t-t0)+f″(t0)(t-t0)2/2!+f(3)(t0)(t-t0)3/3!(10)
设目标在前一感知时刻的加速度为ai-1(i>0),当前感知时刻的加速度为ai,感知间隔长度为ti,则当前感知时刻的加速度变化率Δai-1如式(11)所示。
Δai-1=(ai-ai-1)/ti-1(i>0)(11)
我们以v0近似f′(t0),a0近似f″(t0),Δa0近似f(3)(t0),并设t0=0,f(t0)=0,d=dm,我们有式(12)
dm=v0t+a0t2/2+Δa0t3/6(12)
采用切线法、二分法等方法求出的上述三次方程的根即为目标在当前监控区域的停留时间tstay。
情形1.4:目标作随机速度直线运动
据此可以计算出目标在当前监控区域的停留时间tstay如式(14)所示。
情形2:目标作圆周运动
当目标作圆周运动时,与圆心距离不变,并且可由三个感知时刻目标的位置数据确定;另一方面当前监控节点知道目标在当前监控区域的起始位置,根据上述信息可以计算出目标在当前监控区域的移动距离。图3给出了在当前监控区域目标作圆周运动的示意图。
设当前监控节点o为坐标原点,运动目标在当前监控区域的起始位置A坐标为(x0,y0),该起始位置A同时也是目标在前一监控区域E的退出位置,在后续二个感知时刻的位置B、C坐标分别为(x1,y1)和(x1,y2)。由于目标作圆周运动,圆心坐标满足式(15)所示方程。
(x-x0)2+(y-y0)2=(x-x1)2+(y-y1)2=(x-x2)2+(y-y2)2(15)
设 则圆心坐标xo,c、yo,c、半径ro如式(16)、(17)、(18)所示。
xo,c=(c0,2λ0,1-c0,1λ0,2)/2(λ0,1-λ0,2)(16)
yo,c=(c0,1-c0,2)/2(λ0,1-λ0,2)(17)
目标运动的轨迹方程如式(19)所示。
当前监控区域边界曲线方程如式(5)所示,设 则目标离开当前监控区域的最终位置D坐标(xd,yd)为
该最终位置D同时也是目标在下一监控区域F的起始位置,实际上(xd,yd)仅取目标从当前监控区域的起始位置开始的运动轨迹与当前监控区域边界曲线的交点坐标。设符号函数sym(x)如式(22)所示。
则目标在当前监控区域的移动距离dm如式(23)所示。
设目标的直线运动速度为v,转动角速度为ω,则我们有
v=r0ω(24)
类似地目标的直线运动加速度和转动角加速度也满足上述简单线性关系,因此我们可将匀速圆周运动、匀加速圆周运动、近似可预测变加速圆周运动和随机角速度圆周运动分别近似映射为匀速直线运动、匀加速直线运动、近似可预测变加速直线运动和随机速度直线运动,以便计算目标在当前监控区域的停留时间tstay。
情形3:目标同时作直线和圆周运动
在这种情形中,目标运动的方向和法向距离均发生改变,但二者存在某种相关性,由于当前监控节点知道目标在当前监控区域的起始位置,根据上述信息可以计算出目标离开当前监控区域的最终位置坐标和目标在当前监控区域的停留时间。图4给出了在当前监控区域目标同时作直线和圆周运动的示意图。
设O为第一极坐标系原点,运动目标在当前监控区域的起始位置A在该极坐标系中的极坐标为(ρ0,θ0),该起始位置A也是目标在前一监控区域E的退出位置;设该起始位置同时又为第二极坐标系的坐标原点,且在此极坐标系中运动目标的位移ρ1(t)和转动角度θ1(t)满足式(25)、(26)所示关系。
ρ1(t)=f(t)(25)
θ1(t)=g(t)(26)
这里t表示目标的运动时间,设ρ0sinθ0=h0, 我们有
方程式(27)的根即为目标在当前监控区域的停留时间tstay,目标离开当前监控区域的最终位置D在第二极坐标系中的极坐标为(f(tstay),g(tstay)),该最终位置D同时也是目标在下一监控区域F的起始位置。
当前监控节点根据目标在当前监控区域的起始位置、运动的方向特性、速度与角速度随机特性,估计目标离开当前监控区域最终位置的范围。如果目标作匀速、匀加速直线或者圆周运动,则最终位置范围为最终位置点本身;否则如果目标作近似可预测变加速直线或者圆周运动,则最终位置范围是以最终位置点为中心,以δ=δ1为偏移的线段范围,或者以最终位置点相位角为中心,以δω=δω1为角度偏移的弧段范围;否则如果目标作随机速度直线运动或者随机角速度圆周运动,则最终位置范围是以最终位置点为中心,以δ=δ2为偏移的线段范围,或者以最终位置点相位角为中心,以δω=δω2为角度偏移的弧段范围。这里δ2>δ1、δω2>δω1;否则如果目标同时作直线和圆周运动,则最终位置范围是以最终位置点为中心以直线运动对应的δ为径向偏移,同时以最终位置点相位角为中心以圆周运动对应的δω为角度偏移的环段范围。
当前监控节点根据目标离开当前监控区域最终位置的范围,预测即将被唤醒的节点或节点群。被唤醒节点或节点群的选择原则是节点的感知范围或者节点群内所有节点感知范围组合包含该最终位置的范围。
当前监控节点估计目标在当前监控区域的停留时间。设唤醒分组从当前监控节点到被唤醒的节点或者节点群的最大传输时延为tdelay,接收节点处理唤醒分组并启动感知操作所需时间为tp,则感知操作从当前监控节点切换到下一监控节点或者节点群所化时间tho=tdelay+tp。当前监控节点在t=tstay-tho-δt时刻向下一监控节点或者节点群传输唤醒分组,这里δt表示时间误差,其中当目标作匀速或者匀加速运动、近似可预测变加速运动和随机速度运动时,δt分别取δt1、δt2、δt3值,这里δt1<δt2<δt3。唤醒分组应包含历史最大速度、最大加速度等极限运动参数。当预测目标在下一监控节点的停留时间较短时,唤醒分组还应包含目标运动方向、运动随机性特性、速度、加速度等运动信息。
第三、当目标位置预测失败时,网络根据目标的运动历史记录和先验知识逐级启动预测失败恢复过程。
如果被唤醒节点检测到目标,则向前一监控节点发送唤醒确认消息,否则进入睡眠状态。如果前一监控节点在规定的时间间隔Timeout内接收到有效的唤醒确认消息,则进入睡眠状态;否则表明目标已丢失,启动跟踪失败恢复过程。
目标跟踪失败恢复过程分为二个阶段。在阶段1前一监控节点以最后感知时刻目标位置为参考点,以最后感知时刻到阶段1恢复过程启动时刻的时间间隔trec1为运动时间,根据唤醒分组携带的历史最大速度、最大加速度等极限运动参数,预测目标的最大运动范围。设最后感知时刻目标的运动速度为vl,目标的历史最大加速度为ahm,目标的历史最大速度为vhm,则目标的最大运动距离如式(28)所示
设最后感知时刻目标的角速度为ωl,目标的历史最大角加速度为ωahm,目标的历史最大角速度为ωhm,则目标的最大转动角度为dpm(ωl,ωahm,ωhm,trec1)。目标的预测最大运动范围是以参考点为圆心,以dpm(vl,ahm,vhm,trec1)为半径,以最后感知时刻目标运动方向为参考角,±dpm(ωl,ωahm,ωhm,trec1)角度范围内的扇形区域。前一监控节点向预测最大运动范围内的所有节点发送唤醒分组。
如果前一监控节点在规定的时间间隔Timeout内仍未接收到有效的唤醒确认消息,表明阶段1恢复过程失败,启动阶段2恢复过程。前一监控节点以最后感知时刻目标位置为参考点,以最后感知时刻到阶段2恢复过程启动时刻的时间间隔trec2为运动时间,根据目标最大速度、最大加速度等极限运动参数先验知识,预测目标的最大运动范围。设最后感知时刻目标的运动速度为vl,目标的先验已知最大加速度为am,目标的先验已知最大速度为vm,则目标的最大运动距离为dpm(vl,am,vm,trec2),设最后感知时刻目标的角速度为ωl,目标的先验已知最大角加速度为ωam,目标的先验已知最大角速度为ωm,则目标的最大转动角度为dpm(ωl,ωam,ωm,trec2)。目标的预测最大运动范围是以参考点为圆心,以dpm(vl,am,vm,trec2)为半径,以最后感知时刻目标运动方向为参考角,±dpm(ωl,ωam,ωm,trec2)角度范围内的扇形区域。前一监控节点向预测最大运动范围内的所有节点发送唤醒分组。
Claims (4)
1.一种基于预测的无线传感器网络目标跟踪方法,其特征在于该方法包括如下步骤:
a、根据目标运动的当前测量数据或者从前一监控节点接收到的唤醒分组所携带的历史测量数据确定目标的运动特征;
b、当前监控节点结合目标的当前位置、速度和运动方向信息预测目标的未来位置以及下一监控节点的唤醒时刻;
c、当目标位置预测失败时,网络根据目标的运动历史记录和先验知识逐级启动预测失败恢复过程。
2.根据权利要求1所述的一种基于预测的无线传感器网络目标跟踪方法,其特征在于,所述的步骤a中,如果唤醒分组携带目标运动的历史测量数据,则本监控节点直接根据该历史测量数据确定目标的运动特征,否则根据目标运动的当前测量数据确定目标的运动特征。
3.根据权利要求1所述的一种基于预测的无线传感器网络目标跟踪方法,其特征在于,所述的步骤b中,当前监控节点先根据目标的运动特征结合其当前位置、速度和运动方向信息估计其运动模式类别,然后采用各运动模式类别相应的估计方法预测目标的未来位置以及下一监控节点的唤醒时刻。
4.根据权利要求1所述的一种基于预测的无线传感器网络目标跟踪方法,其特征在于,所述的步骤c分为二个阶段:
1)阶段1:预测失败恢复节点以最后感知时刻目标位置为参考点,以最后感知时刻到阶段1恢复过程启动时刻的时间间隔为运动时间,根据接收到的唤醒分组所携带的历史最大速度、最大加速度、最大角速度和最大角加速度极限运动参数,预测目标的最大运动范围;预测失败恢复节点向预测最大运动范围内的所有节点发送唤醒分组;
2)阶段2:如果预测失败恢复节点在规定的时间间隔内仍未接收到有效的唤醒确认消息,启动阶段2恢复过程;此时预测失败恢复节点以最后感知时刻目标位置为参考点,以最后感知时刻到阶段2恢复过程启动时刻的时间间隔为运动时间,根据目标最大速度、最大加速度、最大角速度和最大角加速度极限运动参数先验知识,预测目标的最大运动范围;预测失败恢复节点向预测最大运动范围内的所有节点发送唤醒分组。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200710164468 CN101207638B (zh) | 2007-12-03 | 2007-12-03 | 一种基于预测的无线传感器网络目标跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200710164468 CN101207638B (zh) | 2007-12-03 | 2007-12-03 | 一种基于预测的无线传感器网络目标跟踪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101207638A CN101207638A (zh) | 2008-06-25 |
CN101207638B true CN101207638B (zh) | 2010-11-10 |
Family
ID=39567506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200710164468 Expired - Fee Related CN101207638B (zh) | 2007-12-03 | 2007-12-03 | 一种基于预测的无线传感器网络目标跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101207638B (zh) |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101339240B (zh) * | 2008-08-26 | 2011-06-22 | 中国人民解放军海军工程大学 | 基于双层预测机制的无线传感器网络目标跟踪方法 |
US9014640B2 (en) * | 2008-10-31 | 2015-04-21 | Qualcomm Incorporated | Wake-up trigger for implementation of target actions |
JP4807600B2 (ja) * | 2009-08-18 | 2011-11-02 | 村田機械株式会社 | 移動体システム |
CN101631272B (zh) * | 2009-08-19 | 2011-08-10 | 长讯通信服务有限公司 | 基于粒子滤波无线传感器网络目标预测跟踪方法 |
US20130103348A1 (en) * | 2010-06-30 | 2013-04-25 | Nokia Corporation | Methods and apparatuses for controlling invocation of a sensor |
WO2012037725A1 (en) * | 2010-09-21 | 2012-03-29 | Nokia Corporation | Method and apparatus for collaborative context recognition |
WO2013063778A1 (en) | 2011-11-02 | 2013-05-10 | Nokia Corporation | Method and apparatus for context sensing inference |
CN103188601A (zh) * | 2011-12-29 | 2013-07-03 | 宇龙计算机通信科技(深圳)有限公司 | 终端、服务器、信息获取方法和信息推送方法 |
CN103810450B (zh) * | 2012-11-12 | 2017-01-25 | 北京计算机技术及应用研究所 | 一种射频识别的精确区域定位方法及系统 |
CN104113896A (zh) * | 2013-04-16 | 2014-10-22 | 华为技术有限公司 | 一种传感器节点的探测频率调整方法、系统及传感器 |
CN106465041B (zh) * | 2014-05-08 | 2021-01-12 | 诺基亚技术有限公司 | 允许网络中的节点的激活和去激活的技术 |
CN106326240A (zh) * | 2015-06-18 | 2017-01-11 | 中兴通讯股份有限公司 | 一种物体移动轨迹识别方法及系统 |
CN107800736B (zh) * | 2016-09-02 | 2021-06-18 | 星贝瑞有限公司 | 大众交通枢纽信道中发送服务信息的系统及其方法 |
CN108257147A (zh) * | 2017-12-20 | 2018-07-06 | 广东技术师范学院 | 一种基于视频传感网络的目标跟踪方法及装置 |
CN110568436B (zh) * | 2018-06-06 | 2021-12-03 | 中国民航科学技术研究院 | 一种基于随机有限模型集的飞行物多目标跟踪方法 |
CN109451500A (zh) * | 2018-12-10 | 2019-03-08 | 杭州全维技术股份有限公司 | 一种无线漫游优化方法 |
CN109982420B (zh) * | 2019-05-07 | 2021-12-14 | 肇庆学院 | 一种基于监测行为规则的无线传感器网络休眠调度方法 |
CN110267007A (zh) * | 2019-06-28 | 2019-09-20 | Oppo广东移动通信有限公司 | 图像处理方法、装置、服务器以及存储介质 |
CN112752067A (zh) * | 2019-10-30 | 2021-05-04 | 杭州海康威视系统技术有限公司 | 目标追踪方法、装置、电子设备及存储介质 |
CN111338275B (zh) * | 2020-02-21 | 2022-04-12 | 中科维卡(苏州)自动化科技有限公司 | 一种电气设备运行状态监控方法及系统 |
CN115052110B (zh) * | 2022-08-16 | 2022-11-18 | 中保卫士保安服务有限公司 | 安保方法、安保系统及计算机可读存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1963561A (zh) * | 2006-12-01 | 2007-05-16 | 清华大学 | 一种跟踪多移动目标的室内精确定位方法 |
-
2007
- 2007-12-03 CN CN 200710164468 patent/CN101207638B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1963561A (zh) * | 2006-12-01 | 2007-05-16 | 清华大学 | 一种跟踪多移动目标的室内精确定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101207638A (zh) | 2008-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101207638B (zh) | 一种基于预测的无线传感器网络目标跟踪方法 | |
Xu et al. | Prediction-based strategies for energy saving in object tracking sensor networks | |
Chen et al. | Distributed sensor activation algorithm for target tracking with binary sensor networks | |
Bhuiyan et al. | Local area prediction-based mobile target tracking in wireless sensor networks | |
CN103139863B (zh) | 无线传感器网络动态簇机制的目标跟踪和耗能优化方法 | |
Bhatti et al. | Survey of target tracking protocols using wireless sensor network | |
Keally et al. | Watchdog: Confident event detection in heterogeneous sensor networks | |
CN103188707B (zh) | 一种无线多媒体传感器网络的路径覆盖监控方法 | |
CN105089929A (zh) | 风力发电机组叶片结冰检测系统及其方法 | |
KR100775504B1 (ko) | 에너지 소비를 감소시키기 위한 목표물 검출 시스템 및 그검출 방법 | |
CN106494321A (zh) | 一种汽车ecu休眠管理策略方法及系统 | |
CN104270805A (zh) | 面向动态目标跟踪的能量获取传感器网络节点休眠调度方法 | |
Khedr et al. | Coverage aware face topology structure for wireless sensor network applications | |
CN105489046A (zh) | 一种基于运动触发的车辆定位方法、车载终端及定位系统 | |
Alaybeyoglu et al. | Tracking fast moving targets in wireless sensor networks | |
CN109856658A (zh) | 一种资产标签的移动定位方法 | |
CN105636093A (zh) | 无线传感器网络节点的智能唤醒方法 | |
CN109695539A (zh) | 多台风力发电机的控制系统和运行方法 | |
Khare et al. | On recovery of lost targets in a cluster-based wireless sensor network | |
Lin | Research on adaptive target tracking in vehicle sensor networks | |
Jiang et al. | Energy efficient sleep scheduling in sensor networks for multiple target tracking | |
CN109284554B (zh) | 无线传感网络中基于气体运动模型的有毒气体监测与追踪方法 | |
Sankaliya et al. | Performance evaluation of prediction algorithm-based tracking methods in a recovery of a lost target using wireless sensor network | |
Mirsadeghi et al. | Low power prediction mechanism for wsn-based object tracking | |
Chen et al. | Prediction-based object tracking in visual sensor networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20101110 Termination date: 20161203 |