[发明专利]跨感测器间的物体追踪方法与系统

权利要求书

1.一种跨感测器间的物体追踪方法，进行于一感测器网络内，该感测器网络包含多支感测器，该方法分为一训练阶段与一侦测阶段，并包含：

于该训练阶段，通过该多支感测器的各感测器，取得多个感测器量测资料作为训练样本；

于该各感测器的量测范围内，规划至少一进出点；

经由一自动学习的方式，估测出物体关联的至少三种特征函数，包括感测器空间相关性的函数、移动时间差的函数、以及外貌相似度的函数；以及

于该侦测阶段，由该至少三种特征函数，作为物体追踪与关联性连结的准则。

2.如权利要求1所述的跨感测器间的物体追踪方法，其中该自动学习的方式是一种递归式学习策略。

3.如权利要求1所述的跨感测器间的物体追踪方法，其中该感测器空间相关性是该多支感测器间的不同进出点的相关性，该移动时间差是物体进出该多支感测器的不同感测器视野的时间差，该外貌相似度是物体外貌的相似度差。

4.如权利要求1所述的跨感测器间的物体追踪方法，其中该至少三种特征函数皆以机率函数来估算。

5.如权利要求2所述的跨感测器间的物体追踪方法，其中该递归式学习策略还包括：

(a)对于各感测器的每一进出点发生的进入事件，记录先前一段时间内的所有离开事件于一训练样本空间内；

(b)由存在于该训练样本空间内的样本，估计一进出点相关性机率函数、一移动时间差机率函数、以及一外貌相似度差机率函数；

(c)观察该外貌相似度差机率函数，将统计上属于外围粗差的资料移除；

(d)由留下来的资料更新该移动时间差机率函数及该外貌相似度差机率函数；

重复步骤(c)与(d)直到该移动时间差机率函数收敛为止。

6.如权利要求5所述的跨感测器间的物体追踪方法，其中由一混合高斯模型去近似该外貌相似度差机率函数。

7.如权利要求5所述的跨感测器间的物体追踪方法，其中更新该移动时间差机率函数之前，由另一混合高斯模型去近似该移动时间差机率函数并观察是否移除没有集中趋势的资料。

8.如权利要求5所述的跨感测器间的物体追踪方法，其中移除该外围粗差的资料是根据该外貌相似度差机率函数的函数值是否小于一预定值来决定。

9.如权利要求7所述的跨感测器间的物体追踪方法，其中当该移动时间差机率函数的函数值小于另一预定数时，移除该没有集中趋势的资料。

10.如权利要求5所述的跨感测器间的物体追踪方法，其中该训练样本空间用一n×n矩阵来表示，n为该多支感测器的量测范围内进出点的总个数，该矩阵的每一个字段(d、b)存所有两相关的进出事件，表示当观察到一物体进入进出点d时，在过去一特定时间周期内的所有离开进出点b的事件。

11.如权利要求3所述的跨感测器间的物体追踪方法，其中该物体追踪与关联性的准则正相关于该外貌相似度、该移动时间差以及该感测器空间相关性。

12.如权利要求5所述的跨感测器间的物体追踪方法，其中该移动时间差机率函数的收敛视被移除事件的个数是否小于一预定数目来决定。

13.如权利要求12所述的跨感测器间的物体追踪方法，其中所剩事件的资料用来估算该进出点相关性机率函数。

14.一种跨感测器间的物体追踪系统，该系统包含：

多支感测器，每一支感测器的量测范围内被规划出至少一进出点；

一训练阶段处理模块，通过该多支感测器的每一支感测器，取得多个感测器量测资料作为训练样本，并且对于每一支感测器的每一进出点发生的进入事件，记录先前一段时间内的所有离开事件于一训练样本空间内；

一特征函数估算与更新模块，由存在于该训练样本空间内的样本，经由一自动学习的方式，估测出物体关联的至少三种特征函数，包括感测器空间相关性的函数、移动时间差的函数、以及外貌相似度的函数；以及

一侦测阶段追踪处理模块，由估测出的该至少三种特征函数，作为物体追踪与关联性连结的准则。

15.如权利要求14所述的跨感测器间的物体追踪系统，其中该训练阶段处理模块备有一存储器，并且该训练样本空间是配置在该存储器内。