[发明专利]面向基于图像传感器的无线传感器网络的目标跟踪方法

说明书

技术领域

本发明涉及无线传感器网络领域，尤其涉及一种面向基于图像传感器的无线传感器网络的目标跟踪方法。

背景技术

在无线传感器网络的众多应用中，在一个监控区域内跟踪一个移动目标是其中的一个重要应用。目标跟踪适用于很多不同的场景，比如监控、动物栖息地监测、交通检测以及入侵者的跟踪及信息报告。在目标跟踪中，当有一个或者多个目标出现在检测区域内时，一些节点被唤醒去检测目标的状态信息，然后上报这些信息给汇聚节点，由汇聚节点综合处理之后上传给指挥中心。节点通过采样感知信息来检测目标，这些信息包括光、声音、图像和视频等。随着图像处理以及传感器和半导体技术的发展，智能图像传感器的价格正在快速下降，这极大的促进了基于图像传感器的无线传感网的应用。因此，在无线传感网的目标跟踪中使用图像传感器去获取、处理和分析关于目标的信息正在成为一种新的趋势。然而这种基于图像传感器网络的目标跟踪技术跟传统的无线传感网中的目标跟踪技术有着很大的不同，比如节点的观察区域限制、有限的能量、较低的计算能力以及方向性的观察等，都需要我们针对这些不同提出适用于图像传感网的跟踪方法。

目前主流的目标跟踪系统主要有分布式(所有节点均为融合中心，地位同等)、分散式(若干个节点有一个统一的融合中心，但计算分布在各个节点进行后传递给融合中心)和集中式系统(节点只负责将数据传给中心节点，计算在中心节点统一进行)。对于要求无中断和高可靠性的跟踪系统来说，分布式和分散式系统是最受欢迎的。对于大规模的网络来说分布式系统是可靠的并且拥有较高的容错性，因为测量值在几个不同的节点之间不断的交互。然而这种跟踪系统往往需要消耗很大的能量，因为需要不断的处理数据和与邻居节点之间进行通信交互。由于分散式跟踪系统能很好的平衡能量消耗和跟踪精度，所以对于能量受限的网络来说它更受欢迎。在分散式系统中，在目标到来之前，相关节点会够成一个簇，簇中的所有节点会检测目标，并将数据上报给簇头，由簇头统一融合不同的观察值得出目标的状态估计。因此分散式跟踪方法需要测量值融合算法和任务簇节点及其簇头的动态选举与管理机制。在许多不同的融合算法中，一些基于信息滤波的变种算法比如扩展信息滤波(extend information filter，EIF)、容积信息滤波(cubature information filter，CIF)和平方根容积信息滤波(square root cubature information filter，SRCIF)等更适合于分散式跟踪系统，因为他们能够分散计算负载而且更容易在基于簇的多传感器合作跟踪机制中实行。此外，在适用于野外监控的无线图像传感器网络中，为了保证检测任务的有效性，通常网络都会由大量带宽和资源有限的节点组成。因此，一个目标通常会被很多个节点检测到。通常情况下在分散式信息滤波算法中，越多的节点参与跟踪，得到的目标状态的估计就会越精确。然而太多的节点参与跟踪，会造成能量与带宽资源的巨大消耗，进而降低跟踪网络的生命周期。所以在分散式跟踪系统中，需要对参与跟踪的任务节点进行动态的选择。此外，在分散式跟踪机制中，簇头节点作为当前任务簇的调度者，需要消耗更多的能量与它的簇节点之间进行交互通信并且融合来自不同的节点的观测数据。因此选择一个合适的节点做簇头，对于平衡网络消耗和确保跟踪机制有效、稳定的运行有着十分重要的意义。

发明内容

本发明所要解决的技术问题是提出一种有效而且稳定的面向基于图像传感器的无线传感器网络的目标跟踪方法，旨在平衡网络能量的消耗与目标跟踪精度之间的矛盾。

为了实现上述目的，本发明解决其技术问题所采用的技术方案是：

一种面向基于图像传感器的无线传感器网络的目标跟踪方法，包括以下步骤：

S1，初始化无线传感器网络：在用于跟踪当前目标的所有节点中，选择一个簇头节点和多个簇节点组成任务簇，其余节点作为警备节点，其中，所述簇头节点和簇节点分别对目标进行观测并对各自测得的目标坐标测量值进行内部处理，并且所述簇节点将各自内部处理得到的数据传递给所述簇头节点；

S2，簇头节点进行融合处理：所述簇头节点将其自身内部处理得到的数据与各所述簇节点内部处理得到的数据进行融合处理，以得到当前目标状态估计值，并预测下一时刻的目标状态值；