CN113452955A - 用于监控区域划分的传感器和调制原件部署可视化方法 - Google Patents
用于监控区域划分的传感器和调制原件部署可视化方法 Download PDFInfo
- Publication number
- CN113452955A CN113452955A CN202010226769.0A CN202010226769A CN113452955A CN 113452955 A CN113452955 A CN 113452955A CN 202010226769 A CN202010226769 A CN 202010226769A CN 113452955 A CN113452955 A CN 113452955A
- Authority
- CN
- China
- Prior art keywords
- sensor
- sub
- area
- vertex
- monitored
- 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.)
- Withdrawn
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Pure & Applied Mathematics (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Optimization (AREA)
- Multimedia (AREA)
- Mathematical Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Image Analysis (AREA)
Abstract
本发明是用于监控区域划分的传感器和调制原件部署可视化方法。方法为根据设置的传感器及传感器视域调制元件的数量和位置,仿真所产生的传感器视域分割效果和各个监控区域的编码结果。其中分割效果包括分割出来的视域形状,大小以及视域所形成多边形的各个顶点位置。通过仿真可视化可以快速地知道传感器和调制原件的优化位置。该方法具有可视化强、部署参数信息全面、使用方便、运行效率高的特点,能够帮助部署人员快速、方便地调整部署方案并展示可视化部署效果。是一种适用性较广、可应用于大规模传感器部署的高效地可视化方法。
Description
技术领域
本发明涉及传感器部署方案测试及调整的工具,具体地说是一种针对部署人员初步设计出的二进制传感器及视域调制元件部署方案进行可视化仿真的方法,供部署人员测试、调整部署方案,输出优化结果。
背景技术
随着无线传感网络技术的进步和电子器件性能的提高,无线传感器网络技术迅速兴起并被广泛应用到我们日常的生产和生活中。其中,二进制传感器被广泛用于诸如入侵监测、轨迹追踪、步态识别和摔倒检测等诸多应用中。相比于摄像头,麦克风,穿戴式传感器等,二进制传感器有以下优势:
1)视频监控需要对一个区域不间断进行摄像,所产生数据量大,相对于巨大的拍摄数据有用信息少,分析这些数据所使用的算法复杂,给计算和有用信息的筛选工作带来极大不便。
2)视频监控对监控区域的光线敏感,夜间通常无法获取有用信息,这给需要全天候监控的区域带来许多不便。
3)视频监控容易泄露监控使用者的隐私,如对室内监控,视频监控会对用户的隐私进行记录,存储,甚至上传至边缘计算平台或云平台。这给用户隐私泄露带来极大风险。
4)麦克风与穿戴式传感器还会变成一种负担,无论何时都要携带或穿戴这类传感器,一旦遗忘则无法起到监控保护的效果。
然而,由于二进制传感器的空间感知能力差,对同时出现在监控区域内的多个目标无法进行有效识别,对同一目标的运动姿态也无法进行有效识别。采用传感器视域调制元件可以将二进制传感器的视域分割开。多个传感器在传感器视域调制元件的帮助下组合起来,可以像昆虫的复眼一样通过传感器的组合使用达到增强传感器感知能力的目的,从而对监控区域内多个目标进行区分,或对同一目标的不同运动状态进行识别,比如对独居老人摔倒进行识别。
传感器视域调制元件与传感器组合使用,对传感器和视域调制元件的数量和摆放位置都有着比较严格的要求。本发明就是针对传感器和视域调制元件的位置及数量调整给出的一个高效、便捷、可视化性好的优化仿真测试方法。避免因反复试错方式的实际部署,带来的人员和器件以及时间的浪费。极大地方便部署人员设计和调整部署方案,展示部署方案监控区域划分效果,并对部署效果进行评估。
发明内容
针对二进制传感器受传感器和视域调制元件的数量和摆放位置限制的特点,本发明提出一种用于监控区域划分的传感器及调制元件部署和空间分割的可视化方法,该方法充分考虑了传感器位置及视域调制元件组合多,综合考虑了实际部署分割区域位置信息测量困难,人员及时间代价高等问题,可以保证通过仿真实验获取需要测量的监控区域分割及编码信息,从而对传感器和视域调制元件的部署数量和位置进行优化,并采用了可视化展示的方式展示监控区域的分割效果其编码,从而方便部署人员对传感器和调制原件部署方案进行评估和调整。
为解决上述技术问题,本发明采用的技术方案是:
用于监控区域划分的传感器和调制原件部署可视化方法,包括:根据传感器和视域调制元件的位置将待监控区域空间进行划分,调整上述位置迭代计算待监控区域的空间分辨率和传感器的使用效率实现传感器及调制元件部署位置优化,以及可视化展示待监控区域空间的划分图和子区域位置信息及编码结果。
具体包括:
设置待监控区域空间、传感器和视域调制元件的数量及位置坐标;
计算传感器被视域调制元件调整后的视域边界线,计算视域边界线权重和视域边界线交点权重;
将待监控区域空间进行分割获取监控子区域及各子区域编码信息;
计算监控区域空间分辨率和传感器的使用效率;
调整传感器和视域调制元件的位置,迭代上述步骤,直到满足监控区域空间分辨率和传感器的使用效率的预设阈值,则以当前的传感器及调制元件部署位置信息作为最优结果输出;
可视化展示待监控区域空间的划分图及子区域编码信息和传感器及调制元件优化结果。
所述视域边界线为传感器与视域调制元件的切线,所述视域边界线交点为视域边界线之间的交点和其与待监控区域空间边界线的交点。
所述计算视域边界线权重和视域边界线交点权重包括:
存储视域边界线被交点划分的各线段;
对交点和各线段进行赋权值,权值作为它们在提取子区域顶点过程中所被使用的次数;线段e的赋权值公式为:交点v的赋权值公式为:wv=2c=∑e∈Γwe,其中,c是以v为顶点的子区域个数,Γ是以v为端点的线段个数。
所述将待监控区域空间进行分割获取监控子区域及各区域编码信息,包括:
a.监控区域子区域的分割:
a1.基于等机会规则选取第一个顶点;
a2.基于临近点匹配规则选取第二个顶点;
a3.基于保持顺时针方向规则选取后续顶点,获取分割出的监控子区域;
b.对任意子区域内的一点,根据该点是否被每个传感器可见,计算监控区域子区域的组合编码信息。
所述基于保持顺时针方向规则选取后续顶点,包括:
定义第一、二、三临时顶点vpre1、vpre2、vpre3;所述第一、二临时顶点vpre1、vpre2的坐标初值为已选取的第一、二顶点(xf,yf)、(xs,ys),第三临时顶点为与第二临时顶点相邻的任一顶点(xt,yt);
计算叉积CP=(xf-xs,yf-ys)×(xt-xs,yt-ys);
如果CP大于零,表示当前第三临时顶点位于前两个临时顶点的顺时针方向,则选取该临时顶点作为实际的第三顶点,否则不选取该点;
如果找到实际的第三顶点,则将本次计算过程中的第二、三临时顶点作为下一次迭代过程中第一、二临时顶点,更新坐标继续计算;直至回到第一个顶点,完成一个子区域全部顶点的选取;
继续计算,直到分割出监控区域的全部子区域。
所述监控区域子区域的分割的过程中,对每一个被选取为子区域顶点的交点以及子区域所形成的多边形的边都要对其进行权值操作:交点的权值按照预设步长阈值递减,边的权值按照预设步长阈值递减。
所述对任意子区域内的一点,根据该点是否被每个传感器可见,计算监控区域子区域内的组合编码信息,包括:
将p(xd,yd)代入传感器的边界线方程:βp1=A1xd+B1yd+D1,βp2=A2xd+B2yd+D2,令Hp=βp1·βp2;
将形成这两条视域边界线的遮挡物位置M1(xm1,ym1)代入边界线方程βm1=A1xm1+B1ym1+D1,βm2=A2xm1+B2ym1+D2,令HM=βm1·βm2;
如果Hp·HM>0则该子区域对于该传感器编码为1,否则编码为0;
重复本步骤直至算出该子区域对于n个传感器的编码,并将编码值按照从左到右排列作为该子区域的组合编码;
继续计算,直到获取全部子区域的组合编码。
所述计算监控区域空间分辨率和传感器的使用效率,包括:
计算监控区域空间分辨率即各子区域区分度,记为d:
其中,|N|是编码监控区域的编码个数,|C|指监控区域分割出的子区域个数;
计算传感器的使用效率即编码的使用比率,记为u:
其中,|N|是编码监控区域的编码个数,2n指n个传感器所形成的编码个数。
所述可视化展示待监控区域空间的划分图,包括对如下位置信息的展示:
设置的待监控区域空间、传感器和视域调制元件的数量及位置;
计算过程中的各个传感器的视域边界线以及分割出来的视域形状、大小、视域所形成多边形的各个顶点位置;
以及最终输出的子区域顶点坐标及其编码、传感器和视域调制元件的部署最优位置。
本发明提出一种用于监控区域划分的传感器和调制原件部署可视化方法,供部署人员测试、调整部署方案。该方法充分考虑了传感器位置及视域调制元件组合多,综合考虑了实际部署分割区域位置信息测量困难,人员及时间代价高等问题,可以保证通过仿真实验获取需要测量的监控区域分割及编码信息,从而对传感器和调制原件位置进行优化部署,实现对区域的有效监控。其中对监控子区域信息提取,不但要从所有数据中将各个子区域区分开,还需要对单个子区域的顶点位置信息进行有序排列,优点和有益效果具体表现在:
1.本发明提出顶点等机会策略,对不同子区域进行区分;
2.本发明提出线性有序存储临近顶点匹配的策略,进行分割子区域顶点信息提取;
3.本发明提出顺时针方向保持的策略,对子区域中的顶点进行获取并排序。
4.本发明采用可视化方式展示监控区域的分割、传感器以及调制原件的优化部署位置,从而实现对区域的有效监控。
附图说明
图1为本发明方法流程图;
图2为传感器及视域调制元件部署示意图;
图3为监控区域分割及编码效果示意图;
图4为数据预处理时数据存储格式示意图;
图5为整体界面输出效果示意图;
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步的详细描述。
本实施例中的传感器为红外传感器,由于可见光下是看不到各个传感器被红外线分割的子区域,并且还需要用视域调制元件进一步分割各个传感器的视域范围,本发明提出一种用于监控区域划分的传感器和调制元件部署可视化方法。如图1所示,方法步骤包括部署方案设置、数据预处理、空间分割信息提取、部署参数分析、部署方案调整、可视化展示六个步骤。
1.初步方案设置:
初步方案设置,是指设置部署传感器和遮挡物的数量及位置,并对传感器和视域调制元件进行排序,图2是一个简单示例。如图2中红色圆点代表传感器SC1~SC5,蓝色圆点代表视域调制元件M1~M5,按照顺时针方向进行排序。2.数据预处理包括以下步骤:
步骤一:计算传感器被视域调制元件调整后的视域边界线(如图2中线L1和L2),用直线方程Ax+By+D=0表示,其中D=1或D=0∧B=1。该直线方程化简后,D的取值要么为0,要么为1。并将所得的A、B、D的取值按照图4所示存储在矩阵β中;
步骤二:计算传感器视域边界线的交点(如图3中顶点V22),并对同一条边界线上的交点(如图3中顶点V27,V22,V12,V7,V3,V4)进行升序排序存储在矩阵L=[L1;L2;…]中,如图4所示;
步骤三:把L中视域边界线上相邻的两点作为一个线段取出,都存储在稀疏矩阵E=[E1;E2;…]中,其中E1存储的是第一条边界线上的所有线段;
步骤四:对L中的交点(即,顶点)和E中的线段(即,相邻两顶点之间的线段,又称为子区域的边)进行赋权值,并分别存储在L和E中,权值作为它们在提取子区域顶点过程中所被使用的次数。赋权值公式如下:
交点v的赋权值公式为:wv=2c=∑e∈Γwe,
其中c是以v为顶点的子区域个数,Γ是以v为端点的线段个数。
3.空间分割信息提取包括以下步骤:
步骤一:针对每一个子区域的第一个顶点选取使用等机会策略,即每个点都有且只有一次机会成为第一个顶点。第一个子区域的第一个顶点vf我们可以设置,其后所有子区域的第一个顶点选取都采用等机会策略。如图3所示,第一个子区域C1设置为vf=v1=vFOI3,然后v1被用于步骤二到步骤四提取第一个子区域的其他顶点,可以得到C1=v1v2v3v4v1。将所得到的顶点构建成一个有序集合F={v1v2v3v4},此后v2,v3,v4依次用于C2,C3,C4的第一个顶点vf去选取这些子区域的其他顶点。如图3,可以得到C2=v2v5v6v7v3v2,C3=v3v7v8v3和C4=v4v3v8v9v10v4,那么F={v1v2v3v4v5v6v7v8v9v10}。另外,每一个被选取为子区域顶点的点以及子区域所形成的多边形的边,都要对其在L和E中权值进行操作,具体是L中的点的权值减2,而E中的边的权值减1。注,本专利无特殊说明时,每次选择顶点和边时候都要进行权值判断,每次选取成果为某个顶点时都要进行权值操作。
步骤二:针对每一个子区域的第二个顶点选取,采用临近顶点匹配策略。从步骤一中可以获取vf,然后对存储在L中的顶点匹配存储位置与其相邻的顶点。在选取L中的一个点作为顶点时候,先要判断该点的权值是否大于1,若大于1,则该点可被选取,否则不可选取。如图3所示,对于第一个子区域的第一个顶点我们有vf=v1=vFOI3,那么依据临近顶点匹配策略,第二个顶点vs就有两个选择,v2或v4。具体选择哪个根据两点,一,他们的权值是否大于1,若都大于1则进行第二步判断;二,将v2和v4分别作为第二个顶点,代入步骤三,满足步骤三的点选为第二个顶点vs。
步骤三:针对第三个顶点及以后的顶点(第四,第五等顶点),采取顺时针方向保持的策略,从步骤一和步骤二中可以得到vpre1=vf=(xf,yf)和vpre2=vs=(xs,ys),第三个顶点为vpre3=vt=(xt,yt)。那么,vpre2vpre1=vsvf=(xf-xs,yf-ys),vpre2vpre3=vsvt=(xt-xs,yt-ys)。CP=vsvf×vsvt,如果CP大于零,则第三个点位于前两个顶点的顺时针方向选取该点为第三个顶点,否则不选取该点。重复步骤三并更新vpre1、vpre2和vpre3的坐标,直至回到第一个顶点。自此,完成一个子区域顶点的选取。
步骤四:获取完成顶点提取的子区域的编码。选取该子区域内的一点p(xd,yd),其中0<α,γ,κ<1且α+γ+κ=1。判断该点位于每个传感器的可见区域还是不可见区域,若位于可见视域则编码为1,否则编码为0。具体是,将p(xd,yd)代入传感器的边界线方程,如βp1=A1xd+B1yd+D1,βp2=A2xd+B2yd+D2。令Hp=βp1·βp2将形成这两条视域边界线的遮挡物位置M1(xm1,ym1)代入边界线方程βm1=A1xm1+B1ym1+D1,βm2=A2xm1+B2ym1+D2。令HM=βm1·βm2。如果Hp·HM>0则该子区域对于该传感器编码为1,否则编码为0,重复本步骤,直至算出该子区域对于n个传感器的编码,并将其按照从左到右组排列成编码,如n=3时,s1=1,s2=1,s3=0,则该子区域的编码为s3s2s1=011。
步骤五:重复步骤一到步骤四,直至L中所有顶点的权值为0。获取所有子区域的顶点信息和编码信息。
4.部署参数分析,我们给出了两个指标,部署人员可以根据需要自行设计指标进行分析。包括以下步骤:
步骤一:分析监控区域空间分辨率即各子区域区分度(记为d)
其中|N|是编码监控区域的编码个数,|C|指监控区域分割出的子区域个数。
步骤二:分析部署传感器的使用效率即编码的使用比率(记为u)
其中,|N|是编码监控区域的编码个数,2n指n个传感器所形成的编码个数。
根据计算结果是否满足预设阈值,来判断是否达到优化要求,如果不满足则继续以下调整。
5.调整传感器和视域调制元件的位置,迭代上述步骤,直到满足监控区域空间分辨率和传感器的使用效率的预设阈值,则以当前的传感器和视域调制元件的部署信息作为最优结果输出。包括以下步骤:
步骤一:人为或自动调整传感器数量及位置。
步骤二:调整传感器视域调制元件数量及位置。
步骤三:对调整后方案重复使用本方法步骤进行分析,直至达到传感器位置优化要求。
6.可视化展示待监控区域空间的划分图和传感器及视域调制元件部署优化结果,如图2-3所示,包括对如下位置信息的展示:
设置的待监控区域空间、传感器和视域调制元件的数量及位置;
计算过程中的各个传感器的视域边界线以及分割出来的视域形状、大小、视域所形成多边形的各个顶点位置;
以及最终输出的子区域顶点坐标及其编码、传感器和视域调制元件的定位最优位置。
如图5所示,整体界面输出效果示意图。采用MATLAB作为效果图输出,但本方法不限于MATLAB实现。图中,Rso,Rsi,Rmi与图1中相应名称参数对应,分别表示,传感器部署区域的外边界线半径,内边界线半径和调制元件部署区域的内边界线半径;Rm表示调制元件半径,这些半径单位m,这四种半径是部署人员可输入的参数。图5中Sensors和Modulators后边框内的数值分别为传感器和调制元件的数量,可由部署人员设置其数值。右下侧参数:Edgelights,Vertices,Cells,及Signatures,分别表示视域边界线方程A,B,D参数,视域边界线交点坐标,所有子区域顶点按顺时针方向坐标构建先后顺序排列的坐标,各子区域编码。我们可以通过鼠标点击这四种参数,使显示菜单显示相应参数输出信息。图5中显示的三幅子图:FOI Segmentation Results子图用来显示传感器及调制元件部署位置和部署后的空间分割效果,图中的线是视域边界线;Cell Reconstruction Results子图用来显示空间分割后采用本专利中算法重构出来的效果;Utilized Signature子图用来显示用来编码各子区域的编码,编码原本是二进制序列,我们将其转化为十进制数,并以点的形式直观地画在图中。
Claims (10)
1.用于监控区域划分的传感器和调制原件部署可视化方法,其特征在于,包括:根据传感器和视域调制元件的位置将待监控区域空间进行划分,调整上述位置迭代计算待监控区域的空间分辨率和传感器的使用效率实现传感器及调制元件部署位置优化,以及可视化展示待监控区域空间的划分图和子区域位置信息及编码结果。
2.根据权利要求1所述的用于监控区域划分的传感器和调制原件部署可视化方法,其特征在于,具体包括:
设置待监控区域空间、传感器和视域调制元件的数量及位置坐标;
计算传感器被视域调制元件调整后的视域边界线,计算视域边界线权重和视域边界线交点权重;
将待监控区域空间进行分割获取监控子区域及各子区域编码信息;
计算监控区域空间分辨率和传感器的使用效率;
调整传感器和视域调制元件的位置,迭代上述步骤,直到满足监控区域空间分辨率和传感器的使用效率的预设阈值,则以当前的传感器及调制元件部署位置信息作为最优结果输出;
可视化展示待监控区域空间的划分图及子区域编码信息和传感器及调制元件优化结果。
3.根据权利要求2所述的用于监控区域划分的传感器和调制原件部署可视化方法,其特征在于,所述视域边界线为传感器与视域调制元件的切线,所述视域边界线交点为视域边界线之间的交点和其与待监控区域空间边界线的交点。
5.根据权利要求2所述的用于监控区域划分的传感器和调制原件部署可视化方法,其特征在于,所述将待监控区域空间进行分割获取监控子区域及各区域编码信息,包括:
a.监控区域子区域的分割:
a1.基于等机会规则选取第一个顶点;
a2.基于临近点匹配规则选取第二个顶点;
a3.基于保持顺时针方向规则选取后续顶点,获取分割出的监控子区域;
b.对任意子区域内的一点,根据该点是否被每个传感器可见,计算监控区域子区域的组合编码信息。
6.根据权利要求5所述的用于监控区域划分的传感器和调制原件部署可视化方法,其特征在于,所述基于保持顺时针方向规则选取后续顶点,包括:
定义第一、二、三临时顶点vpre1、vpre2、vpre3;所述第一、二临时顶点vpre1、vpre2的坐标初值为已选取的第一、二顶点(xf,yf)、(xs,ys),第三临时顶点为与第二临时顶点相邻的任一顶点(xt,yt);
计算叉积CP=(xf-xs,yf-ys)×(xt-xs,yt-ys);
如果CP大于零,表示当前第三临时顶点位于前两个临时顶点的顺时针方向,则选取该临时顶点作为实际的第三顶点,否则不选取该点;
如果找到实际的第三顶点,则将本次计算过程中的第二、三临时顶点作为下一次迭代过程中第一、二临时顶点,更新坐标继续计算;直至回到第一个顶点,完成一个子区域全部顶点的选取;
继续计算,直到分割出监控区域的全部子区域。
7.根据权利要求6所述的用于监控区域划分的传感器和调制原件部署可视化方法,其特征在于,所述监控区域子区域的分割的过程中,对每一个被选取为子区域顶点的交点以及子区域所形成的多边形的边都要对其进行权值操作:交点的权值按照预设步长阈值递减,边的权值按照预设步长阈值递减。
8.根据权利要求5所述的用于监控区域划分的传感器和调制原件部署可视化方法,其特征在于,所述对任意子区域内的一点,根据该点是否被每个传感器可见,计算监控区域子区域内的组合编码信息,包括:
将p(xd,yd)代入传感器的边界线方程:βp1=A1xd+B1yd+D1,βp2=A2xd+B2yd+D2,令Hp=βp1·βp2;
将形成这两条视域边界线的遮挡物位置M1(xm1,ym1)代入边界线方程βm1=A1xm1+B1ym1+D1,βm2=A2xm1+B2ym1+D2,令HM=βm1·βm2;
如果Hp·HM>0则该子区域对于该传感器编码为1,否则编码为0;
重复本步骤直至算出该子区域对于n个传感器的编码,并将编码值按照从左到右排列作为该子区域的组合编码;
继续计算,直到获取全部子区域的组合编码。
10.根据权利要求2所述的用于监控区域划分的传感器和调制原件部署可视化方法,其特征在于,所述可视化展示待监控区域空间的划分图,包括对如下位置信息的展示:
设置的待监控区域空间、传感器和视域调制元件的数量及位置;
计算过程中的各个传感器的视域边界线以及分割出来的视域形状、大小、视域所形成多边形的各个顶点位置;
以及最终输出的子区域顶点坐标及其编码、传感器和视域调制元件的部署最优位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010226769.0A CN113452955A (zh) | 2020-03-27 | 2020-03-27 | 用于监控区域划分的传感器和调制原件部署可视化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010226769.0A CN113452955A (zh) | 2020-03-27 | 2020-03-27 | 用于监控区域划分的传感器和调制原件部署可视化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113452955A true CN113452955A (zh) | 2021-09-28 |
Family
ID=77807671
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010226769.0A Withdrawn CN113452955A (zh) | 2020-03-27 | 2020-03-27 | 用于监控区域划分的传感器和调制原件部署可视化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113452955A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140012854A (ko) * | 2012-07-23 | 2014-02-04 | 국방과학연구소 | 센서네트워크의 센서노드 배치방법 |
CN106803926A (zh) * | 2016-12-22 | 2017-06-06 | 南京师范大学 | 一种顾及多种监控任务的视频传感器部署优化方法 |
CN107070968A (zh) * | 2016-12-27 | 2017-08-18 | 中国人民解放军空军预警学院监控系统工程研究所 | 对监控区域部署传感器的方法 |
CN110278567A (zh) * | 2019-05-21 | 2019-09-24 | 杭州电子科技大学 | 无线可充电传感网的k-栅栏构建与充电器优化部署方法 |
-
2020
- 2020-03-27 CN CN202010226769.0A patent/CN113452955A/zh not_active Withdrawn
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140012854A (ko) * | 2012-07-23 | 2014-02-04 | 국방과학연구소 | 센서네트워크의 센서노드 배치방법 |
CN106803926A (zh) * | 2016-12-22 | 2017-06-06 | 南京师范大学 | 一种顾及多种监控任务的视频传感器部署优化方法 |
CN107070968A (zh) * | 2016-12-27 | 2017-08-18 | 中国人民解放军空军预警学院监控系统工程研究所 | 对监控区域部署传感器的方法 |
CN110278567A (zh) * | 2019-05-21 | 2019-09-24 | 杭州电子科技大学 | 无线可充电传感网的k-栅栏构建与充电器优化部署方法 |
Non-Patent Citations (1)
Title |
---|
LONGXIANG LUO: "A Cell Reconstruction Tool to Deploy Binary Pyroelectric Sensor Arrays,Longxiang Luo,IEEE SENSORS JOURNAL", 《IEEE SENSORS JOURNAL》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109903331B (zh) | 一种基于rgb-d相机的卷积神经网络目标检测方法 | |
CN104063702B (zh) | 一种基于遮挡修复和局部相似性匹配的三维步态识别方法 | |
CN108038846A (zh) | 基于多层卷积神经网络的输电线路设备图像缺陷检测方法及系统 | |
CN109886241A (zh) | 基于长短期记忆网络的驾驶员疲劳检测 | |
EP0363828A2 (en) | Method and apparatus for adaptive learning type general purpose image measurement and recognition | |
CN112818925B (zh) | 一种城市建筑和树冠识别方法 | |
CN112712535A (zh) | 基于模拟困难样本的Mask-RCNN滑坡分割方法 | |
CN106407943A (zh) | 金字塔层定位的快速dpm行人检测 | |
CN113408594A (zh) | 一种基于注意力网络尺度特征融合的遥感场景分类方法 | |
CN111626951A (zh) | 一种基于内容感知信息的图像阴影消除方法 | |
US9396552B1 (en) | Image change detection | |
CN112287857A (zh) | 一种多视角异常步态识别方法 | |
CN114332644B (zh) | 一种基于视频卫星数据的大视场交通密度获取方法 | |
CN107543507A (zh) | 屏幕轮廓的确定方法及装置 | |
AU2015376657B2 (en) | Image change detection | |
CN104361573B (zh) | 融合颜色信息和全局信息的sift特征匹配算法 | |
CN104851102A (zh) | 一种基于人类视觉系统的红外小目标检测方法 | |
CN113452955A (zh) | 用于监控区域划分的传感器和调制原件部署可视化方法 | |
CN104392209A (zh) | 一种目标与背景的图像复杂度评价模型 | |
CN116778214A (zh) | 一种行为检测方法、装置、设备及其存储介质 | |
CN116311218A (zh) | 基于自注意力特征融合的带噪植株点云语义分割方法及系统 | |
Saba et al. | The optimazation of multi resolution segmentation of remotely sensed data using genetic alghorithm | |
CN115511899A (zh) | 浅层小型滑坡形态结构的提取方法及装置 | |
CN112116561B (zh) | 基于图像处理融合网络权值的电网传输线检测方法及装置 | |
Chen et al. | An image restoration and detection method for picking robot based on convolutional auto-encoder |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210928 |
|
WW01 | Invention patent application withdrawn after publication |