摄像头传感器网络模拟框架

1、摄像头传感器网络模拟仿真研究摘要目前我们在虚拟视觉方面取得了一些进展，其规定了视觉和现实行为的虚拟环境，我们称为“现实仿真器”作为在大范围的摄像头传感器网络模拟工具研究方便。我们在一个有许多自由行人的虚拟火车站，成功的利用现实仿真模型。一些具有挑战性的问题，急需一些新的解决方案，例如：多传感器对人类持续监视和调度。下一代微型传感器将在公共空间中的存在。1.介绍在未来的监视、环境监测、灾害监测、城市交通管理和军事应用中，视觉传感器网络变的越来越重要。相比现在的视频监控系统，相机传感器网络具有以下特点：智能相机、大型网络化和临时部署等。这个系统位于机器视觉和传感器网络的关节处，在这两个领域中地址的

2、统一是个问题。在城市、灾区和战场等大范围中，影响视觉的覆盖，就需要多个视觉传感器的协作共同感知目标。随着相机网络尺寸的增加,人类操作多个视频流和识别所有感兴趣的事件或在执行任务控制单个相机变的不可行。因此，需要发展相机传感器网络能够自动监视任务或用最少的人工干预。这是一个长期挑战性问题，需要大量的研究工作。不幸的是，在现实世界部署大量的视觉传感器网络是不太现实的。对于传感器设计和实验感兴趣的研究者来说成本是受限制的。而且，由于隐私法律的限制了对公共场合的进行监视实验的限制。这些障碍阻碍了研究和发展。这个论文报告了视觉仿真框架的发展，它很方便的用于大量相机传感器网络的研究。还有丰富的人口数量。计

3、算机视觉具有独特的协同作用，电脑图形和人工生命技术、虚拟视觉规定了在模拟逼真的虚拟环境时的摄像机网络的模拟和行为。称为现实模拟器。利用原型现实模拟器，虚拟了一个有大量自由行人的火车站，我们已经成功开发了多相机控制和下一代智能相机的调度算法。法律和成本的限制，在用现实虚拟环境传感器网络的研究中，提供了快速原型大大增强了在设计和周期评估时的灵活性。因此推进了工程的过程。尽管它比较复杂，模拟器可以运行在个人电脑上,避免了对硬件和软件的特别需要。与现实世界不同（1）多虚拟摄像机很容易重构空间，（2）我们很容易确定对算法和参数修改的影响，因为实验在虚拟世界可以完全重复的。（3）虚拟世界为视觉传感器网络算

4、法的有效性提供了可存取的数据。另外，通过简单地延长虚拟世界相对于现实世界的时间，我们可以评估其能力，目前非实时性算法。从而评估潜在的回报，通过更有效的软件和/或特别用途的硬件实现。2.相关工作在十年前，TerzopoulosandRabie19介绍了基于一种纯粹的软件设计方法用于设计计算机视觉系统。而不是在那时通常关注视觉研究者在相机和移动机器人的硬件方面。他们的“动画视觉”方法支持人工动物在基于物理虚拟世界作为自拟态嵌入式的自治。用于在活跃的视觉系统的实现和实验。他们开发了自激发虚拟人类和低等动物的系统14。后来动画视觉算法用于移动车辆的跟踪和交通控制系统13,它也证明了在计算机视觉研究和视

5、觉系统原型设计方面的价值。在2003年，Terzopoulos18在设计机器视觉系统时提出了利用视觉和现实虚拟环境的主意，即“现实仿真器”他设想了用计算机来模拟现实世界复杂性的方法。虚拟在现实世界里的人类外观、行为和移动像真正的人类。这样的一个虚拟世界。他提出具有革命性的跨多个学科的方法及其影响将是深远的。在过去的两年，我们一直致力于实现这一想法io,11,12。我们使用的现实模拟器原型是ShaoandTerzopoulos2005年开发的，最初的虚拟重建是纽约的宾夕法尼亚车站。虚拟了本地的行人，是一种有身体和大脑功能自治的智能体。15主张通过几个非自治脚本化的字符开发和评价行人分割与跟踪算法

6、虚拟合成的视频博物馆模拟器。他们关注的是低水平的计算机视觉，而我们的工作不仅仅是这些，也包括高水平的计算机视觉问题，特别是在大规模的智能摄像机网络中的多传感器的控制和调度。以前的多传感器系统的工作是处理目标识别、分类和跟踪等2,20,6。许多研究人员提出了网络摄像机的合作策略来实现识别和跟踪多视点的移动对象9,5。然而，在需要更多的监视时，很少有人关注摄像机的控制问题和调度活跃相机问题。2CognitionMemory4WorldmodelBehavioralControl9TireMotorControlInterface14Rendering16DIGuy73iZGetadrinkMeet

7、afriendHaveares?t11CognitiveControl(PlannersGetonatrain-Actionsetectiion-Behavtorroutine宫Curiosity12MotionRepertoire-tvig-atkMiEdTrofons(walk,jog,run,turn,stop,eit)-NoRiavigStionfldmotianssitdown.wait,自治的行人仿真模型主从系统已经提出了在一个固定的地方控制一个或者多个相机的倾斜变焦等活动3,4。一般来说，假设相机校和在固定的视野内全覆盖。在传感器网络群体中，对于给定的一个任务选择最优的传感器节点

8、。特别，许多研究者已经处理了先前基于任务需求传感器群的问题和资源的可用性21,7。节点组成了传感器网络，节点通常是带有限能量的无线传感器单元。因此，传感器网络中的一个关键问题是每个节点的能耗，它决定了传感器网络的生命周期1。节点的通信需要大量的能耗；所以，通过传感器网络的控制策略来最小化节点间的通信22。目前，我们没有忙于解决这个问题；然而，通信协议的提出限制了活跃节点和邻居节点间的通信。在下面我们将要描述来自ContractNet解决协议问题的节点选择和分组策略17和实现群体内节点间的谈判。群体性冲突是一个约束满足问题(CSP)，我们用回溯“集中”来解决这个问题。我们通过约束优化技术来避免由

9、于大量通信的需求8。3现实仿真器虚拟现实仿真器是有在虚拟火车站里有大量的自由行人组成，并详细描述了每个地方16。利用一个先进的人工生命建模方法，行人动画系统结合了人类的行为、知觉和认知模拟算法(Fig.2).运行在高端的个人电脑上，在大规模的室内城市环境中，模拟器可以有效合成1000多个自由行人的各种各样的活动。像真人一样，合成的行人完全自治。他们能够感知周围的环境，分析环境的情况，并做出决定和行为。他们可以进入拥挤的车站并且可以避免碰撞，当需要时排队，可以在售票窗口购买车票，累了坐在长凳上，饿了从自动售货机上购买食物等等。最终进入合流区域到火车轨道。个人电脑上呈现了几何管道和光度细节。4.虚

10、拟视觉在对一个广阔的公共空间里的覆盖中，很少有人注意摄像机活动的控制/调度，例如在机场或者火车站。虚拟视觉方法使我们可以更迅速的针对这一问题进行研究。特别是，我们部署合成的视觉传感器网络是由静态和活跃的仿真视频监控摄像头组成，它能感知虚拟的火车站。多个虚拟相机可以生成合成视频，通过那些真正监控公共空间仿真产生。摄像机的行为是由那些低级的机器视觉负责收集感知数据。因此，当相机网络工作时，可假想低级的视觉感知过程中感知的数据的精度是很重要的。我们要确保对低级视觉假设的有效性。Figure4:计划虚拟Penn车站的环境，屋顶不呈现，显示了广场和车站轨道，主等候室，和购物商场。例如一个视觉传感器网络由

11、16个模拟活动的视频监控相机显示。(a)(a)相机的变焦(b)相机行为控制行人跟踪系统可以通过操作虚拟相机捕获视频。在传感器网络中，每一个虚拟相机节点活动的行为过程。相机能够在低级视觉处理中执行。对行人的识别和跟踪有一套视觉分析的例程，我们称为“本地愿景”例程。计算机视觉算法通过操作虚拟摄像头来识别、定位和跟踪现场的行人。针对行人的识别和跟踪系统的性能表现出的错误进行模仿，通常在真实的画面中与行人的跟踪系统进行相关操作，由于遮挡、严重的图像分割和照明的改变导致跟踪的丢失,特别是如果场景包含多个相似视觉出现，例如，穿的衣服相似。通过操作色调、色相和显示图像信道的评估我们可以响应颜色模型的变化。我们的视觉分析例程依靠基于外观模型跟踪行人;因此，不同相机交换的相机颜色的变化很敏感。总之，在相机网络中，特别。在许多情况下，通过相机节点将捕获图像传输到中央位置进行分析、存储和监控。在相机交换信息期间相机节点彼此交换信息，相机的协调和多相机感知操作。在相机网络中，最典型的数据流是图像/视频数据，网络基础设施比其它地方需求更高，字母数字或声音数据。因此，由于宽带的限制在传输到其它相机节点的监控站之前需要压缩传感器节点捕捉到的图像和视频。视频分析例程把捕获低分辨率的图像/视频压缩在一起。压缩的数据可以进行相机网络的相关研究。在传输给认知的行人和跟踪模块之前我们引进了视频压缩效应，