一种图像传感器网络优化部署方法技术

本发明专利技术提出了一种图像传感器网络优化部署方法，包括图像传感器观测模型的建立和图像传感器网络的优化部署两个基本步骤。步骤一，针对图像传感器对目标观测的特点，建立图像传感器的观测模型；步骤二，通过建立观测区域模型，网络覆盖率模型及网络的观测模型建立网络的优化部署函数，通过对该函数的优化，得到网络的最佳部署。本发明专利技术建立了图像传感器对目标的观测性能函数，通过将更为完善的图像传感器观测模型引入到图像传感器网络的优化部署中，有效解决了图像传感器网络中，部署和运行灵活性低，观测效率不高的问题。

【技术实现步骤摘要】

本专利技术涉及计算机视觉和图像传感器网络领域，尤其涉及一种图像传感器网络优化部署方法的研究。
技术介绍
图像传感器网络是多媒体传感器网络技术的核心内容。它除了具有传统传感器网络的分布式感知、自组织能力、传感器节点稠密部署、有限通信带宽等特点之外，还具有能够获得场景的图像、信息数据量巨大、观测方向和观测区域受限、智能处理和存储能力更强等特点。同时，为了适应更为复杂的应用，图像传感器网络对节点之间的协同感知和协同处理能力也提出了更高的要求。而图像传感器节点的部署决定了网络的协同感知和处理能力，是实现图像传感器网络高效、低功耗运行必须解决的关键问题。在传统传感器网络中，通常采用感知距离描述节点对事件的感知能力，并在此基础上对网络的部署进行分析和优化。但是图像传感器对场景的感知有一定的方向性和区域性，观测场景的三维结构也会对节点像机的感知产生影响。因此，传统的基于感知距离约束分析优化方法，已不再适用于图像传感器网络。近些年来，也有研究者针对图像传感器的特点进行了图像传感器网络覆盖性能的研究，提出了虚拟视场，空间覆盖等概念。但是以往的研究中，基本以网络的总体覆盖率和覆盖度为指标，来考虑网络的部署问题，并没有考虑图像传感器对目标的观测质量。因而，需要研究更加有效的图像传感器网络优化部署方法，为图像传感器网络的高效运行提供充实的理论依据。
技术实现思路
本专利技术的目的在于提出一种图像传感器网络优化部署方法，提高无线图像传感器网络部署和运行的灵活性，可以用于军事安全、公共安全、智能交通、智能楼宇、环境监测等领域。为达到上述目的，本专利技术提出一种图像传感器网络优化部署方法，具体包括图像传感器观测模型的建立和图像传感器网络的优化部署两个基本步骤。步骤一，在本专利技术的一个实施例中，所述图像传感器观测模型的建立进一步包括：在某时刻t，图像传感器模型为一个扇形，用一个四元组表示，随其传感方向的不断调整，图像传感器有能力覆盖到其传感距离内的整个圆形区域；建立图像传感器的观测性能函数其中ω为目标对图像传感器的张角，E＝2.7+0.7×(ω/αC)，αC为图像传感器的临界观测角，与其空间分辨能力有关；将观测目标等效为一个圆，以目标点X的位置为圆心坐标，圆的半径r由目标大小决定；目标点对图像传感器的张角ω对应圆上的圆心角为所述图像传感器的观测模型为：步骤二，在本专利技术的一个实施例中，所述图像传感器网络的优化部署进一步包括：建立大小为M×N的观测区域模型，对观测区域离散化处理，以密度为gs(gs的选取与系统要求精度相关)划分网格，所述观测区域中的网格点由矩阵Ω表示；建立网络覆盖率模型为：P(Ω)=Σi=1m×np(Xi)m×n,]]>其中p(Xi)=1,X∈R0,X∉R,]]>R代表任意一个图像传感器的覆盖区域，Ω为观测区域，m×n代表监控区域中所有网格点数；建立区域Ω′的观测模型为：G(Ω′)=Σi=1p1×q1G(Xi)p1×q1,]]>其中，G(X)=Σi=1Tgi(X)-Σg′(X),]]>T为能够覆盖目标点X的所有图像传感器节点数目,Σg′(X)为不同图像传感器相对于目标重叠视场部分的观测值，p1×q1为区域中Ω′网格点的个数；建立网络覆盖部署优化函数为：其中，F(Ω)为网络的部署优化函数，P(Ω)为网络的覆盖率，G(Ω′k)为网络中重点观测区域Ω′k的观测值，所述的重点观测区域Ω′的个数为t，k越大，所述重点观测区域Ω′越重要，λk为权重因子,所对应区域越重要，λk取值越大，所述λk取值满足k＝1,2,…t，其中，λ1＝10，当不考虑网络中重点观测区域的观测可靠度时，λ＝0；利用二元整数规划方法对网络的部署函数进行优化，得到网络覆盖率和重点区域观测值最大情况时的网络部署。本专利技术提出的一种图像传感器网络优化部署方法，通过建立图像传感器网络观测模型，进一步建立了更加有效的图像传感器网络优化部署模型。本专利技术克服了现有图像传感器网络部署和运行灵活性低，观测效率不高的问题，为图像传感器网络实现高效监控提供了有力的研究基础。附图说明图1为本专利技术实施例的图像传感器观测可靠度模型建立方法流程图；图2为本专利技术实施例的图像传感器模型示意图；图3a为本专利技术实施例的近距离观测时目标对图像传感器的张角示意图；图3b为本专利技术实施例的较远距离观测时目标对图像传感器的张角示意图；图4为本专利技术实施例的图像传感器对目标观测的可靠度示意图；图5为本专利技术实施例的不同目标大小下图像对目标的观测可靠度曲线；图6为网络的优化部署模型；具体实施方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的意义。下面所描述的实施例是示例性的，仅用于解释本专利技术，而不能解释为对本专利技术的限制。本专利技术是针对图像传感器网络中，部署和运行灵活性低，观测效率不高的问题，提出的一种图像传感器网络优化部署方法。为了能够对本专利技术有更清楚的理解，在此进行简要描述。本专利技术包括两个基本步骤：步骤一，图像传感器观测模型的建立；步骤二，图像传感器网络的优化部署。具体的，图1所示为本专利技术实施例的一种图像传感器网络优化部署方法的流程图，包括以下步骤：步骤S101，建立图像传感器模型。在本专利技术的一个实施例中，建立图像传感器模型为一个扇形(如图2所示)，可用一个四元组表示该模型；其中C表示图像传感器的位置坐标，R表示图像传感器的传感半径，向量为图像传感器的传感方向，α代表图像传感器的观测角；在某时刻t，图像传感器的传感区域是一个扇形，但随其传感方向的不断调整，图像传感器有能力覆盖到其传感距离内的整个圆形区域；并且，在某时刻t，若目标点X被图像传感器覆盖成立，当且仅当满足以下条件||CX→||≤R---(1)]]>其中代表目标点X到该图像传感器的欧氏距离。步骤S102，建立图像传感器观测性能函数。在本专利技术的一个实施例中，图像传感器对目标的观测符合这样一个准则，图像传感器C离目标X的距离越远，目标X相对于图像传感器C的张角ω就越小(如图3所示，ω2＜ω1)，图像传感器对目标的分辨力就越差，因而，根据Johnson准则，像机对目标的观测性能函数满足下式P(ω)=(ω/αC)E1+(ω/&本文档来自技高网...

【技术保护点】
一种图像传感器网络优化部署方法，其特征在于，包括图像传感器观测模型的建立和图像传感器网络的优化部署两个步骤，所述图像传感器观测模型的建立包括：(1)建立图像传感器模型：图像传感器模型为一个扇形，用一个四元组表示；其中C表示图像传感器的位置坐标，R表示图像传感器的传感半径，向量为图像传感器的传感方向，α代表图像传感器的观测角；在某时刻t，图像传感器的传感区域是一个扇形，但随其传感方向的不断调整，图像传感器有能力覆盖到其传感距离内的整个圆形区域；并且，在某时刻t，若目标点X被图像传感器覆盖成立，当且仅当满足以下条件：||CX→||≤R---(1)]]>其中代表目标点X到该图像传感器的欧氏距离,代表向量和之间的夹角；(2)建立图像传感器观测性能函数：随着图像传感器远离目标，目标对其的张角ω会逐渐减小，进而图像传感器的观测性能会逐步下降，建立观测性能函数：P(ω)=(ω/αC)E1+(ω/αC)E---(3)]]>其中E＝2.7+0.7×(ω/αC)，αC为图像传感器的临界观测角，与其空间分辨能力有关；(3)建立图像传感器观测模型：利用图像传感器的观测性能函数可以构造其对目标的观测模型其中为目标可见区域对目标中心的张角；所述图像传感器网络的优化部署包括：(1)建立观测区域模型：所述观测区域大小为M×N，其中包括正常观测区域和重要的观测区域；对观测区域离散化处理，以密度为gs(gs的选取与系统要求精度相关)划分网格,所述观测区域中的网格点由矩阵Ω表示：其中Ω′k，k＝1,2,…t代表重要的观测区域；(2)建立网络覆盖率模型：所述网络覆盖率为：P(Ω)=Σi=1m×np(Xi)m×n---(6)]]>其中p(Xi)=1,X∈R0,X∉R---(7)]]>其中，R代表任意一个图像传感器的覆盖区域，Ω为观测区域，m×n代表监控区域中所有网格点数；(3)建立网络观测模型：所述建立网络观测模型包括：建立一个图像传感器对一个目标点的观测模型，建立多个图像传感器对一个目标点的观测模型和建立多个图像传感器对网络中某一区域的观测模型；所述一个图像传感器对一个目标点的观测模型由式(4)定义：所述多个图像传感器对一个目标点的观测模型为能观测到目标点的所有图像传感器的观测值之和：G(X)=Σi=1Tgi(X)-Σg′(X)---(8)]]>其中，T为能够覆盖目标点X的所有图像传感器的数目,Σg′(X)为不同图像传感器相对于目标重叠视场部分的观测值；所述多个图像传感器对网络中某一区域Ω′的观测模型为：G(Ω′)=Σi=1p1×q1G(Xi)p1×q1---(9)]]>其中，p1×q1为区域中网格点的个数；(4)建立网络部署优化模型：所述网络部署优化函数为F(Ω)=P(Ω)+Σk=1tλk·G(Ωk′)---(10)]]>其中，P(Ω)为网络的覆盖率，G(Ω′k)为网络中重点观测区域Ω′k的观测值，所述的重点观测区域的个数为t，k越大，所述重点观测区域Ω′越重要，λk为权重因子,所对应区域越重要，λk取值越大，所述λk取值满足λk+1λk=10,k=1,2,...t---(11)]]>其中，λ1＝10，当不考虑网络中重点观测区域的观测可靠度时，λ＝0；对式(10)利用二元整数规划方法进行优化，得到网络的优化部署结果。...

【技术特征摘要】
1.一种图像传感器网络优化部署方法，其特征在于，包括图像传感器观测模型的建立和
图像传感器网络的优化部署两个步骤，
所述图像传感器观测模型的建立包括：
(1)建立图像传感器模型：图像传感器模型为一个扇形，用一个四元组表
示；其中C表示图像传感器的位置坐标，R表示图像传感器的传感半径，向量为图像传
感器的传感方向，α代表图像传感器的观测角；在某时刻t，图像传感器的传感区域是一个
扇形，但随其传感方向的不断调整，图像传感器有能力覆盖到其传感距离内的整个圆形区域；
并且，在某时刻t，若目标点X被图像传感器覆盖成立，当且仅当满足以下条件：
||CX→||≤R---(1)]]>其中代表目标点X到该图像传感器的欧氏距离,代表向量和之
间的夹角；
(2)建立图像传感器观测性能函数：随着图像传感器远离目标，目标对其的张角ω会逐渐
减小，进而图像传感器的观测性能会逐步下降，建立观测性能函数：
P(ω)=(ω/αC)E1+(ω/αC)E---(3)]]>其中E＝2.7+0.7×(ω/αC)，αC为图像传感器的临界观测角，与其空间分辨能力有关；
(3)建立图像传感器观测模型：利用图像传感器的观测性能函数可以构造其对目标的观测
模型
其中为目标可见区域对目标中心的张角；
所述图像传感器网络的优化部署包括：
(1)建立观测区域模型：所述观测区域大小为M×N，其中包括正常观测区域和重要的观测
区域；对观测区域离散化处理，以密度为gs(gs的选取与系统要求精度相关)划分网格,所
述观测区域中的网格点由矩阵Ω表示：
其中Ω′k，k＝1,2,…t代表重要的观测区域；
(2)建立网络覆盖率模型：所述网络覆盖率为：
P(Ω)=Σi=1m×np(Xi)m×n---(...

【专利技术属性】
技术研发人员：孙茜，王小艺，许继平，王立，张慧妍，于家斌，
申请(专利权)人：北京工商大学，
类型：发明
国别省市：北京;11