CN102448164B - 一种基于传感器网络定位的视频跟踪方法及系统 - Google Patents

Abstract

本发明公开了一种基于传感器网络定位的视频跟踪系统，在被跟踪人员身上、周围环境中和云台主机上部署传感器节点，组成传感器网络，利用基于双节点的视距信号强度加权质心定位算法获得人员的准确位置，然后将人员位置信息发送给后台服务器，后台服务器控制云台对人员位置周围的视频信息进行采集，通过有线将视频传输到后台服务器，由后台服务器实时显示人员跟踪画面。此外，为了使该视频跟踪系统适应不同环境，本发明还设计了视频流的无线Ad Hoc网络传输策略，按照H.264视频压缩算法进行视频压缩，最后通过无线Ad Hoc网络将云台的视频信息传输到无线移动监控终端，在移动监控终端上实时显示跟踪画面。

Description

一种基于传感器网络定位的视频跟踪方法及系统

技术领域

本发明属于无线网络技术领域，涉及视频跟踪方法及系统，尤其涉及一种基于传感器网络定位的视频跟踪方法及系统。

背景技术

视频跟踪系统是实时地观测被监视场景的运动目标，并且分析描述它们行为的一项技术。一般视频跟踪技术包括目标检测、分类、跟踪以及行为理解和描述等部分。运动目标检测的目的是从序列图像中将变化区域从背景图像中提取出来，然而受背景图像动态变化(如光照、影子及混乱干扰等)的影响，运动目标的跟踪成为一项相当困难的工作。

尽管全球定位系统(Global Positioning System，GPS)已经得到广泛的商业应用，但是GPS模块的能耗过大不适宜做传感器网络定位终端设备，另外GPS无法在被遮挡环境内获得卫星信号，无法得到准确定位。因此选择GPS作为定位辅助手段将会制约视频跟踪系统的通用性。

随着传感器网络的深入应用，基于传感器网络的定位技术得到了大量的研究，然而周围环境的复杂性以及人员身体遮挡的影响，使得无线传感器网络定位存在极大的挑战。

目前存在大量的定位算法，其中基于信号强度的定位算法因不受硬件条件的限制，得到了广泛研究，但这些定位算法均无法解决人身遮挡造成的影响。

RADAR算法(P.Bahland and V.N.Padmanabhan，“RADAR：An in-buildingRF-based user Location and tracking system”，Proc.IEEE INFOCOM，2000)是最早提及在无线网络中利用信号强度指纹进行定位的系统之一。该系统在无人遮挡的情况下，定位中位数误差达到了2.94m。但是在身体遮挡环境下定位精度却出现严重下降。

COMPASS算法(T.King，S.Kopf，T.Haenselmann，C.Lubberger and W.Effelsberg，“COMPASS：A Probabilistic Indoor Positioning System Based on802.11and Digital Compasses”，Proc.WiNTECH 2006)利用带有数字指南针的节点，在采集信号指纹的同时也采集了人身体的朝向，定位的精度较上述算法有一定的提高，但是仍然无法避免采集非视距信号强度作为指纹数据，并没有完全解决身体遮挡带来的多径和阴影问题，同时还带来了额外的开销。

另外，视频跟踪系统需要实时返回视频流来展示跟踪效果，通过有线很容易将视频流传输到后台服务器。然而为了增强视频跟踪系统的可扩展性和易实施性，需要支持无线方式通过Ad Hoc网络来传输视频流。但是无线链路的高丢包率严重影响了视频的质量，这使得在Ad Hoc网络中传输高质量的视频变得具有挑战性。同时，由于无线链路的带宽有限，在设计视频传输系统时需要采用视频压缩算法来提高系统的带宽利用率。

发明内容

本发明的目的在于克服现有技术中存在的问题，提出一种基于传感器网络定位的视频跟踪方法及系统，解决人身遮挡造成的影响。

为了实现本发明的目的，本发明的基于传感器网络定位的视频跟踪方法，包括以下步骤：

1、在人员身上部署两个定位节点，在周围环境中和云台主机上部署若干参考节点，组成可定位的传感器网络；

2、由两定位节点发送广播包，各参考节点测量收到的广播包的信号强度，将视距信号强度数据通过云台发送到后台服务器或移动监控终端；

3、后台服务器或移动监控终端根据视距信号强度确定人员的位置；

4、根据上述位置控制云台跟踪人员并将视频信息返回给后台服务器或移动监控终端。

如图1所示，在人员身上部署两个无线传感器定位节点，节点间直线距离穿过人员身体，比如将两定位节点分别设在人员的胸前或背后，或者身体的左右两侧，在周围环境中和云台主机上部署无线传感器参考节点，组成可定位的传感器网络，参考节点负责测量定位节点的信号强度并将信号强度发送到后台服务器。然后后台服务器根据定位节点的信号强度信息，利用基于双节点信号强度的传感器网络质心定位算法获得人员的准确位置，后台服务器控制云台对人员位置周围的视频信息进行采集，并将跟踪到的视频返回给后台服务器实时显示。

为了使该视频跟踪系统适应不同环境，除了可以通过有线方式进行信息传输外，在无线环境下也能高效可靠地传输到移动监控终端，本发明采用Ad Hoc网络传输策略，按照H.264视频压缩算法进行视频压缩，然后利用传统的DSR(D.Johnson，D.A.Maltz and J.Broch，The Dynamic Source Routing Protocol forMulti-Hop Wireless Ad Hoc Networks(Internet-draft)，in MANET Working Group1998.)动态源路由协议通过无线Ad Hoc网络将压缩后的视频流传输到后台服务器或无线移动监控终端进行显示。

本发明包括以下两个主要技术方案：

1)视距信号强度选择

在当前位置选择视距信号强度，处理过程具体描述如下：每个周围参考节点收到两个定位节点的数据后，首先计算两个定位节点的信号强度值，将信号强度值较大的定位节点作为该节点的视距定位节点，而将其视距定位节点的信号强度值作为该参考节点在该位置检测到的视距信号强度。

2)利用加权质心算法确定位置

原始的质心算法是将当前定位节点通信区域内的所有参考节点的质心作为当前位置。这种算法在小范围环境内，所有参考节点可能都在定位节点通信范围内，那么质心算法得到的位置没有变化，精度大幅下降。同时为了避免人身遮挡带来的多径和阴影的影响，本发明采用视距信号强度作为权值，提出了基于双节点的视距信号强度加权质心算法。假设当前位置的坐标为(X_est，Y_est)，参考节点i的坐标为(X_i，Y_i)，那么加权质心算法可描述如下：

$(X_{\mathrm{est}},Y_{\mathrm{est}})=(\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\sqrt[\mathrm{\α}]{P_i}{X}_i}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\sqrt[\mathrm{\α}]{P_i}},\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\sqrt[\mathrm{\α}]{P_i}{Y}_i}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\sqrt[\mathrm{\α}]{P_i}})$ i＝1，2，3…N

其中

RSS_i为该位置测得节点i的视距信号强度，α是衰减系数，在室外自由空间为2，在室内有障碍物的时候为4～6。

和现有技术相比，本发明的有益效果在于：

1、本发明设计了一种抗人身遮挡的无线视频跟踪系统，能够在室内外不同环境下对人员进行实时的视频跟踪；

2、本发明设计了一种基于双节点的视距信号强度加权质心算法，采用了双节点来采集视距信号强度，通过为每个参考节点选择视距信号强度，保证信号强度数据不受多径和阴影的干扰，有效避免了多径和阴影的影响；

附图说明

图1是该视频跟踪系统结构示意图。

图2是本发明视频跟踪系统流程示意图。

具体实施方式

以下结合具体实例和附图对本发明作进一步说明。

在本实施例中，硬件平台中定位节点和参考节点均采用Crossbow公司的telosb节点，定位节点通过电池供电，参考节点通过USB电源供电；云台是9寸型的智能球型匀速预置位云台；云台主机为控制云台的主机设备；后台服务器为戴尔OPTIPLEX 380主机，运行Windows XP操作系统，移动监控终端采用的是Nokia N810，运行的是Maemo操作系统，一个基于Linux Debian的系统平台。参考图2，本实施例视频跟踪的过程包括：

1)在人员身上部署两个定位节点，周期性广播数据包，数据包内容包含定位节点号和数据包序号。

2)周围环境中的参考节点计算接收数据包的视距信号强度数据，并通过串口将其转发给云台主机上的参考节点。

3)云台主机上的参考节点通过串口将视距信号强度数据发送到云台主机，再通过云台主机发送到后台服务器或移动监控终端。

4)后台服务器或移动监控终端通过基于双节点的视距信号强度加权质心定位算法确定人员的位置，然后由仲裁模块转换为云台的预置位，通过DSR路由将命令反馈回云台主机。

5)云台主机根据接收的指令，控制云台跟踪人员并将视频信息按照H.264编码压缩并组包，通过DSR路由协议发送给后台服务器或移动监控终端予以显示。

本发明的范围不局限于实施例和附图所公开的内容。

Claims (7)

1.一种基于传感器网络定位的视频跟踪方法，其步骤包括：

1)在人员身上部署两个定位节点，在周围环境中和云台主机上部署若干已知自身位置的参考节点，组成可定位的传感器网络；

2)两定位节点发送广播数据包，各参考节点测量收到的广播包的信号强度，将视距信号强度数据通过云台主机发送到后台服务器或移动监控终端；

3)后台服务器或移动监控终端通过基于双节点的视距信号强度加权质心定位算法确定人员的当前位置，公式如下：

$(X_{\mathrm{est}},Y_{\mathrm{est}})=(\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\sqrt[\mathrm{\α}]{P_i}{X}_i}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\sqrt[\mathrm{\α}]{P_i}},\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\sqrt[\mathrm{\α}]{P_i}{Y}_i}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\sqrt[\mathrm{\α}]{P_i}})i=\mathrm{1,2,3}\·\·\·N$

其中（Xest,Yest）为当前位置坐标，（Xi,Yi）为参考节点i的坐标，

RSSi为当前位置测得的参考节点i的视距信号强度，α为衰减系数；

4)根据上述位置控制云台跟踪人员并将视频信息返回给后台服务器或移动监控终端。

2.如权利要求1所述的跟踪方法，其特征在于，两定位节点间直线距离穿过人员身体。

3.如权利要求1所述的跟踪方法，其特征在于，所述定位节点周期性广播数据包，数据包内容包括定位节点号和数据包序号。

4.如权利要求1所述的跟踪方法，其特征在于，各参考节点将信号强度值较大的定位节点作为视距定位节点，将视距定位节点的信号强度值作为该参考节点测得的视距信号强度。

5.如权利要求1所述的跟踪方法，其特征在于，α在室外自由空间设为2，在室内有障碍物时设为4～6。

6.如权利要求1所述的跟踪方法，其特征在于，对所述视频数据进行压缩，然后通过无线Ad Hoc网络将视频信息发送回后台服务器或无线移动监控终端。

7.如权利要求6所述的跟踪方法，其特征在于，按照H.264视频压缩算法对所述视频信息进行压缩，按照DSR动态源路由协议通过无线Ad Hoc网络发送所述压缩后的视频信息。

Images