[发明专利]一种面向视觉跟踪的无线传感器节点优化选择方法

说明书

技术领域

本发明属于信息技术领域，具体地说是涉及一种面向视觉跟踪的无线传感器节点优化选择方法，适用于无线传感器网络智能感知、监测预警等应用领域。

背景技术

随着无线传感器网络技术、微处理器技术和CMOS成像技术的发展，具有多视角视频获取与感知能力的无线视频传感器网络得到了迅猛发展。相比传统的无线传感器节点，视频传感节点具有多视角、多方位图像感知与处理能力，对网络的能耗、通信带宽、算法以及节点信息的协同处理等提出了更高的要求。受能源供给、通信带宽、计算与存储能力等资源的限制，无线视频传感器网络的推广应用面临诸多困难。近年来，随着Crossbow和Agilent Technologies相继推出Imote2、ADCM系列传感器模块、Cyclops等无线视频节点，真正意义上打破了无线视频传感器网络在计算能力和内存方面的局限性，能够满足视频采集与处理、数字图像传输的需求。

由于单个节点感知范围有限、监控场景背景复杂而且存在目标被遮挡的情况，要实现目标的大范围或跨场景跟踪必须通过多个传感器节点的协作。视频传感器协同跟踪是指选择哪些节点参与目标的跟踪，即根据目标的运动情况，在候选节点中选择最优的H监控节点H完成目标的跟踪。当目标超出传感器节点视野之后，能自动通知目标所在区域的其他H节点H继续进行追踪；当目标被遮挡造成当前传感器节点无法有效跟踪目标时，启动其他视角的传感器节点来跟踪目标。因此，传感器节点的动态选择是保证准确、连续跟踪目标的关键，是无线传感器网络视觉跟踪的关键技术之一。研究者提出了三类典型的传感器节点选择算法：基于目标表观比率的方法，基于节点邻域关系的方法和基于目标检测概率的方法。基于表观比率的方法是通过比较各传感器节点获取的目标块表观比来选择节点。视频传感节点采用帧差法检测出目标区域，其提取的目标块表观比值越大就意味着该节点对目标的检测效果越好，即节点对目标的可见性越好。但是，该方法高度依赖于目标块的正确分割，受光照条件、目标遮挡以及背景复杂等因素的影响，仅仅根据简单的帧差法很难有效提取出目标块。因此，该节点选择方法存在目标跟踪不准确，跟丢率较大的问题。基于邻域关系的方法是根据邻居节点的相对位置关系来选择新的节点。该方法的基本思想是，主节点采用颜色信息来跟踪运动目标，当目标靠近主节点视野边缘时主节点将其邻居节点置于从节点模式，从节点将在各自视野范围内搜索目标，最先检测到目标的从节点将成为新的主节点接替跟踪任务。其不足之处在于需要各传感器节点的相对位置关系以及视角重叠区域的先验知识。另外，目标遮挡、不同摄像头获取的目标存在色彩偏差等情况也影响了目标匹配的准确度。基于检测概率的方法采用粒子滤波跟踪算法评估每个节点检测到目标的概率，选择检测概率最大的节点负责目标跟踪。虽然该方法具有较高的跟踪精度，但其计算复杂，难以满足实时性的要求。

发明内容

本发明的目的是为了解决以上现有技术存在的不足，而提供一种能有效克服目标运动过程中的部分遮挡，平衡跟踪精度与计算复杂度要求的面向视觉跟踪的无线传感器节点优化选择方法，该方法能根据节点目标检测完整性与跟踪精度来构建节点置信测度，自动选择最佳的节点来跟踪目标。其中，目标块提取与运动预测在各节点内部实现，目标关联与跟踪由节点协同完成。

为了达到上述的目的，本发明采取的技术方案是：提供一种面向视觉跟踪的无线传感器节点优化选择方法，按如下步骤操作：

(一)、在t时刻,检查是否有满足节点选择的触发条件；触发条件是一个固定的时间间隔，或一个目标进入或者离开某个传感器节点的视野，或目标运动过程中出现了遮挡；

(二)、对于某一视频传感器节点的图像帧进行重构，对重构图像帧采用自适应高斯混合背景建模；检测到前景目标的节点提取出目标块，在此基础上统计目标块尺寸并建立其色调直方图模型；同时节点采用无迹卡尔曼滤波实现目标运动预测；

(三)、对检测到目标的任意两个传感器节点i,k建立单应性映射，结合目标块的色调直方图模型实现不同传感器节点视角内目标块的对应关系；

（四）、对于特定目标块j，t-1时刻的最优节点接收每个候选节点获取的目标块尺寸与跟踪后验估计的协方差，计算各节点的置信测度，确定t时刻的最优节点；

（五）、由新的最优节点确定目标的运动轨迹，并接替上任节点负责后续的跟踪任务。

本发明的方法步骤(二)中所述的图像帧重建与自适应高斯混合背景建模具体实现为：