無線傳感器網(wǎng)絡(luò)中運動目標(biāo)協(xié)同跟蹤技術(shù)研究.pdf

1、隨著嵌入式技術(shù)、通信技術(shù)和計算機視覺技術(shù)的高速發(fā)展，無線傳感器網(wǎng)絡(luò)以其先進(jìn)的理念和廣闊的應(yīng)用前景日益受到學(xué)術(shù)界的關(guān)注，相關(guān)技術(shù)也成為當(dāng)前國際上新興的研究熱點之一。運動目標(biāo)的協(xié)同跟蹤作為無線傳感器網(wǎng)絡(luò)的一種典型應(yīng)用一直備受關(guān)注，但目前的研究大多針對高空飛行目標(biāo)，對日常生活中的運動目標(biāo)例如人體的跟蹤則少有涉及。智能視頻監(jiān)控技術(shù)是在計算機視覺和圖像處理技術(shù)上，結(jié)合其它相關(guān)技術(shù)和理論發(fā)展起來的一個較新的研究領(lǐng)域，旨在利用計算機或智能處理單元的數(shù)

2、據(jù)分析能力，自動實現(xiàn)視頻場景中靜態(tài)和動態(tài)實物的感知、描述以及分析，滿足日常生產(chǎn)、生活中智能安防、智能交通以及城市智慧化建設(shè)需要。因此將無線傳感器網(wǎng)絡(luò)應(yīng)用在智能視頻監(jiān)控系統(tǒng)中，能夠?qū)崿F(xiàn)無線傳感器網(wǎng)絡(luò)對可疑目標(biāo)的分析和協(xié)同跟蹤，具有一定的研究及應(yīng)用價值。
　　基于無線傳感器網(wǎng)絡(luò)的運動目標(biāo)協(xié)同跟蹤涉及的知識面較為廣泛，按照工作流程主要包含的技術(shù)問題和關(guān)鍵步驟有:網(wǎng)絡(luò)資源的優(yōu)化部署、運動目標(biāo)檢測和跟蹤、目標(biāo)行為分析、特征提取和匹配、協(xié)同跟

3、蹤算法等。雖然現(xiàn)有的視頻圖像分析技術(shù)能夠解決在某些應(yīng)用場景下的以上問題，但對于無線傳感器網(wǎng)絡(luò)自身的局限性，例如無線傳感器節(jié)點對能耗敏感和運算能力有限等問題并不適用，因此本文針對以上提及的關(guān)鍵技術(shù)和難點展開研究，具體內(nèi)容如下:
　　(1)針對無線傳感器網(wǎng)絡(luò)優(yōu)化部署的效率問題，提出了建立在職能劃分基礎(chǔ)上的網(wǎng)絡(luò)優(yōu)化部署算法。由于智能監(jiān)控領(lǐng)域?qū)δ繕?biāo)的協(xié)同跟蹤，往往是針對可疑目標(biāo)來進(jìn)行的，因此提出了在網(wǎng)絡(luò)初始化階段首先區(qū)分無線傳感器節(jié)點的職

4、能，將網(wǎng)絡(luò)監(jiān)控點細(xì)分為兩大類:行為識別監(jiān)控點和協(xié)同跟蹤監(jiān)控點。然后針對系統(tǒng)存在部分可移動協(xié)同跟蹤監(jiān)控點的情況，設(shè)置行為識別監(jiān)控點為初始化聚類中心，采用動態(tài)模糊聚類算法進(jìn)行網(wǎng)絡(luò)優(yōu)化部署，而對只存在靜態(tài)監(jiān)控點的系統(tǒng)采用改進(jìn)的粒子群優(yōu)化算法進(jìn)行網(wǎng)絡(luò)部署。將監(jiān)控點的職能劃分和優(yōu)化部署算法相結(jié)合的方案，有利于充分發(fā)揮無線傳感器網(wǎng)絡(luò)的固有優(yōu)勢，為可疑目標(biāo)的確定和特征提取打下基礎(chǔ)。
　　(2)針對可疑目標(biāo)的篩選問題以及無線傳感器節(jié)點的局限性，提

5、出了一種適用于無線傳感器網(wǎng)絡(luò)的運動人體行為識別法。通過行為識別實現(xiàn)可疑目標(biāo)的定位可分以下幾步:運動目標(biāo)檢測、跟蹤和行為識別。為了克服運動目標(biāo)檢測中遇到的場景多變的干擾和無線傳感器節(jié)點運算能力的局限性，采用背景減除法和局部廣義霍夫投票相結(jié)合的方法進(jìn)行運動檢測，能夠較為完整地提取出運動目標(biāo)區(qū)域。而運動目標(biāo)的跟蹤采用基于檢測的方法來實現(xiàn)，通過持續(xù)的運動目標(biāo)檢測，達(dá)到單節(jié)點跟蹤的目的。最后對于可疑目標(biāo)的判定問題，提出了建立行為模板庫，通過運動目

6、標(biāo)輪廓小波矩和速度小波矩的提取，結(jié)合行為庫的模板匹配法來判斷目標(biāo)的行為，若行為異常則確定為待協(xié)同跟蹤的目標(biāo)。僅對可疑目標(biāo)進(jìn)行協(xié)同跟蹤，更加符合實際系統(tǒng)的應(yīng)用需求。
　　(3)針對不同監(jiān)控點環(huán)境差異對運動目標(biāo)特征提取的影響，而復(fù)雜的特征提取算法不適用于無線傳感器節(jié)點的實際問題，提出了一種多角度數(shù)據(jù)融合的可疑目標(biāo)特征提取與匹配算法。首先利用無線傳感器網(wǎng)絡(luò)中監(jiān)控點存在重復(fù)監(jiān)控區(qū)域覆蓋的特性，不同角度的監(jiān)控點將可疑目標(biāo)輪廓外接矩形內(nèi)部的像

7、素區(qū)域進(jìn)行超像素分割，對形成的有限個超像素區(qū)域進(jìn)行顏色特征表達(dá)，然后將多角度獲得的超像素區(qū)域顏色特征進(jìn)行數(shù)據(jù)融合，得到可疑目標(biāo)的特征表達(dá)。在協(xié)同跟蹤監(jiān)控點進(jìn)行特征匹配時，對當(dāng)前運動目標(biāo)進(jìn)行類似的特征提取，再采用兩層匹配法進(jìn)行特征匹配，由匹配結(jié)果判斷當(dāng)前運動目標(biāo)是否為協(xié)同跟蹤目標(biāo)。該方法能夠降低不同場景下對同一可疑目標(biāo)特征提取的誤差，提高特征匹配精度。
　　(4)針對無線傳感器網(wǎng)絡(luò)的能耗問題，提出了一種建立在休眠與喚醒機制上的幾何監(jiān)

8、控區(qū)域近似和軌跡預(yù)測算法。該算法默認(rèn)網(wǎng)絡(luò)中的行為識別監(jiān)控點始終處于工作狀態(tài)，而協(xié)同跟蹤監(jiān)控點處于休眠狀態(tài)，通過對可疑目標(biāo)運動軌跡的預(yù)測，由行為識別監(jiān)控點發(fā)送命令將涉及協(xié)同跟蹤的監(jiān)控點喚醒。此外，針對運算能力問題，尤其是行為識別監(jiān)控點多目標(biāo)行為識別和子網(wǎng)管理的運算壓力問題，提出了一種基于DOT模型的并行計算思路，最后建立了協(xié)同跟蹤系統(tǒng)的能耗模型，并通過原型系統(tǒng)的實驗和性能仿真實驗，結(jié)合相似算法的數(shù)據(jù)對比，說明了本文所研究的協(xié)同跟蹤算法具有