Nhận dạng đối tượng sử dụng mạng cảm biến

Hk BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI - LÊ XUÂN TRUNG NHẬN DẠNG ĐỐI TƯỢNG SỬ DỤNG MẠNG CẢM BIẾN LUẬN VĂN THẠC SĨ KỸ THUẬT KỸ THUẬT VIỄN THÔNG Hà Nội – 2017 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI - LÊ XUÂN TRUNG NHẬN DẠNG ĐỐI TƯỢNG SỬ DỤNG MẠNG CẢM BIẾN Chuyên ngành: Kỹ thuật viễn thông LUẬN VĂN THẠC SĨ KỸ THUẬT KỸ THUẬT VIỄN THÔNG NGƯỜI HƯỚNG DẪN KHOA HỌC TS NGUYỄN HỮU PHÁT Hà Nội – 2017 Nhận dạng đối tượng sử dụng mạng cảm biến MỤC LỤC MỤC LỤC i DANH MỤC HÌNH VẼ iv DANH MỤC BẢNG BIỂU vi DANH MỤC TỪ VIẾT TẮT vii LỜI CẢM ƠN ix LỜI CAM ĐOAN x CHƢƠNG 1: GIỚI THIỆU 1.1 Lý chọn đề tài 1.2 Mục tiêu nhiệm vụ 1.2.1 Mục tiêu 1.2.2 Nhiệm vụ 1.3 Phƣơng pháp nghiên cứu 1.4 Đối tƣợng phạm vi nghiên cứu 1.4.1 Đối tƣợng nghiên cứu 1.4.2 Phạm vi nghiên cứu Ý nghĩa khoa học thực tiễn luận văn 1.5 1.5.1 Ý nghĩa khoa học 1.5.2 Ý nghĩa thực tiễn 1.6 Cấu trúc luận văn 1.7 Đóng góp luận văn CHƢƠNG 2: TỔNG QUAN VỀ MẠNG CẢM BIẾN KHÔNG DÂY 2.1 Giới thiệu chung 2.2 Cấu trúc nút cảm biến không dây 2.3 Cấu trúc mạng cảm biến không dây 10 2.3.1 Cấu trúc phẳng 12 2.3.2 Cấu trúc phân cấp 13 2.4 Kiến trúc giao thức mạng cảm biến không dây 14 2.4.1 Các vấn đề cần lƣu ý 16 2.4.2 Các giao thức định tuyến 18 Lê Xuân Trung i KTVT2014B Nhận dạng đối tượng sử dụng mạng cảm biến Các giao thức truy cập môi trƣờng 20 2.5 2.5.1 Tổng Quan 20 2.5.2 Các giao thức MAC truyền thống 21 2.5.3 Hiệu lƣợng giao thức MAC 24 2.5.4 Kỹ thuật ngủ không đồng 25 2.5.5 Kỹ thuật lập lịch ngủ 29 2.5.6 Các giao thức tự tranh chấp 34 2.5.7 Lập lịch tập trung 38 Ứng dụng mạng cảm biến không dây 40 2.6 2.6.1 Các ứng dụng giám sát bảo vệ môi trƣờng 40 2.6.2 Các ứng dụng y tế 41 2.6.3 Các ứng dụng gia đình 42 2.6.4 Các ứng dụng giao thông thông minh 42 2.6.5 Các ứng dụng quân 43 2.6.6 Các ứng dụng công nghiệp 45 CHƢƠNG 3: NHẬN DẠNG ĐỐI TƢỢNG TRONG MẠNG CẢM BIẾN KHÔNG DÂY 46 3.1 Giới thiệu chung 46 3.1.1 Tổng quan toán nhận dạng 46 3.1.2 Nhận dạng mạng cảm biến không dây 50 Phát đối tƣợng 53 3.2 3.2.1 Phƣơng pháp trừ 54 3.2.2 Phƣơng pháp chênh lệch tạm thời 57 3.2.3 Phƣơng pháp Optical flow 57 3.2.4 Kết luận 58 Trích chọn điểm đặc trƣng đối tƣợng 59 3.3 3.3.1 Phƣơng pháp SIFT 60 3.3.2 Phƣơng pháp SURF 65 3.3.3 So sánh SIFT SURF 74 Kiểm tra định danh đối tƣợng 75 3.4 3.4.1 Tìm điểm tƣơng đồng ảnh đối tƣợng sở liệu 76 3.4.2 Định danh đối tƣợng 77 Lê Xuân Trung ii KTVT2014B Nhận dạng đối tượng sử dụng mạng cảm biến 3.5 Xử lý mạng cảm biến không dây 78 3.5.1 Giả thiết 78 3.5.2 Kiến trúc hệ thống 79 3.6 Phát đối tƣợng 80 3.7 Kết luận 82 CHƢƠNG 4: MÔ PHỎNG ĐÁNH GIÁ KẾT QUẢ 84 Xây dựng chƣơng trình mơ 84 4.1 4.1.1 Phần mềm mô 84 4.1.2 Phần cứng chạy mô phỏng: 86 4.2 Cơ sở liệu sử dụng 86 4.3 Cách thực toán nhận dạng 87 4.3.1 Nhập liệu mô 87 4.3.2 Phát đối tƣợng chuyển động 87 4.3.3 Nhận dạng đối tƣợng 88 Thiết lập điều kiện chƣơng trình mơ 90 4.4 4.4.1 Xây dựng mơ hình tính tốn lƣợng 91 4.4.2 Các hàm sử dụng mô cảm biến 92 Kết nhận dạng đối tƣợng 94 4.5 4.5.1 Phát đối tƣợng 94 4.5.2 Kiểm tra định danh đối tƣợng 95 4.5.3 Phát đối tƣợng 97 Kết hiệu mạng cảm biến 98 4.6 4.6.1 Năng lƣợng tiêu thụ 98 4.6.2 Cân lƣợng toàn mạng 98 4.6.3 Thời gian sống 99 4.7 Kết luận 100 KẾT LUẬN CHUNG 101 Lê Xuân Trung iii KTVT2014B Nhận dạng đối tượng sử dụng mạng cảm biến DANH MỤC HÌNH VẼ Hình Các thành phần nút cảm biến Hình 2 Minh họa nguyên lý hoạt động MFC Hình Cấu tạo Ultra-Capacitor 10 Hình Cấu trúc mạng cảm biến không dây 10 Hình Cấu trúc phẳng 12 Hình Cấu trúc mạng phân cấp 13 Hình Cấu trúc mạng phân cấp chức theo lớp 13 Hình Kiến trúc giao thức mạng cảm biến không dây 15 Hình Các vấn đề với CSMA môi trƣờng không dây: (a) nút ẩn , (b) nút 22 Hình Cấu trúc siêu khung IEEE 802.15.4 MAC 24 Hình 11 Kỹ thuật lắng nghe công suất thấp mẫu mào đầu 27 Hình 12 a Ngủ không đồng sử dụng TICER 27 Hình 2.12 (b) Ngủ không đồng sử dụng RICER 28 Hình 13 Chu trình hoạt động ngủ thức S-MAC 29 Hình 14 Lập lịch ngủ sole D-MAC 32 Hình 15 A(7, 3, 1) thiết kế cho khe đánh thức khơng đồng 34 Hình 16 Các cấp phát khe thời gian cho cấy thu thập liệu 36 Hình 17 Thủ tục TRAMA 38 Hình 18 Thuật toán lập lịch tập trung 39 Hình 19 Ứng dụng cảm biến không dây giám sát bảo vệ mơi trƣờng40 Hình 2 Ứng dụng cảm biến không dây y tế 41 Hình 21 Ứng dụng cảm biến khơng dây gia đình 42 Hình 22 Ứng dụng cảm biến khơng dây hệ thống giao thơng thơng minh 43 Hình 23 Ứng dụng cảm biến không dây quân 44 Hình 24 Ứng dụng cảm biến không dây công nghiệp 45 Hình Các cách tiếp cận toán nhận dạng 47 Hình Sơ đồ khối xử lý nhận dạng đối tƣợng 53 Hình 3 Lƣu đồ phát đối tƣợng phƣơng pháp trừ 55 Hình Ví dụ motion vector 58 iv Lê Xuân Trung KTVT2014B Nhận dạng đối tượng sử dụng mạng cảm biến Hình Tính tốn DoG 62 Hình Điểm X đƣợc so sánh với 26 láng giềng 62 Hình Định hƣớng cho điểm đặc trƣng 64 Hình Biểu diễn vector đặc trƣng 65 Hình Sự biến đổi hàm Gaussian theo giai đoạn 67 Hình Phát điểm Keypoint thuật toán SURF 69 Hình 11 Phép lọc Haar wavelet để tính tốn đặc trƣng x bên trái y hƣớng (bên phải Vùng đen có trọng số -1 vùng trắng có trọng số +1 70 Hình 12 Định hƣớng điểm đặc trƣng SURF 71 Hình 13 Chi tiết ảnh Graffiti thể kích thƣớc cửa sổ mơ tả hƣớng tỷ lệ khác 72 Hình 14 Mô tả điểm đặc trƣng SURF 73 Hình 15 Mô tả đặc trƣng ảnh cƣờng độ 73 Hình 16 Lƣu đồ kiểm tra định danh đối tƣợng 76 Hình 17 Mơ hình đặt tên node 78 Hình 18 Hoạt động node 80 Hình 19 Lƣu đối tƣợng nửa 81 Hình Lƣu đồ thuật tốn dự đốn ngồi lƣu ảnh đối tƣợng 82 Hình Mơ hình triển khai mạng cảm biến 90 Hình Phát chuyển động đối tƣợng 94 Hình Trích chọn đặc trƣng SURF với ảnh từ node camera khác 95 Hình 4 Các điểm tƣơng đồng đƣợc nối với đƣờng thẳng 96 Hình Hình ảnh thu đƣợc từ node camera khác 96 Hình Dự đốn đối tƣợng ngồi 97 Hình Năng lƣợng tiêu thụ mạng biến không dây 98 Hình Phân bố 3D lƣợng mạng cảm biến không dây 99 Hình 4.9 Thời gian sống mạng cảm biến 100 Lê Xuân Trung v KTVT2014B Nhận dạng đối tượng sử dụng mạng cảm biến DANH MỤC BẢNG BIỂU ảng Các thành phần B-MAC thiết bị nhớ chúng 29 ảng So sánh phƣơng pháp phát đối tƣợng chuyển động 58 ảng Số lƣợng điểm phát thời gian tính tốn cho máy dò 75 ảng 3 Thời gian tính tốn cho việc triển khai máy dị 75 ảng ảng phân chia chức node 79 ảng Thông số mô 91 ảng Thông số mô 91 ảng So sánh lƣợng tiêu thụ toàn mạng cảm biến 98 Lê Xuân Trung vi KTVT2014B Nhận dạng đối tượng sử dụng mạng cảm biến DANH MỤC TỪ VIẾT TẮT Từ viết tắt Từ đầy đủ Nghĩa tiếng Việt ACK Acknowledgement Bản tin phúc đáp ADC Analog-to-Digital Converter Bộ chuyển đổi tƣơng tự - Số ADV Advertise Bản tin quảng bá AoA Angle of Arrival Góc đến Trạm gốc CDMA Code Division Multiple Access Đa truy nhập phân chia theo mã DD Directed Diffusion Truyền tin trực tiếp EDD Enhanced Directed Diffusion Truyền tin trực tiếp nâng cao GAF Geographic adaptive fidelity Giải thuật xác theo địa lý GEAR Geographic and Energy-Aware Định tuyến theo vùng địa lý sử Routing dụng hiệu lƣợng GPS Global Positioning System Hệ thống định vị toàn cầu LEACH Low-energy adaptive clustering Giao thức phân cấp theo cụm thích hierarchy ứng lƣợng thấp MAC Media Access Control Điều khiển truy nhập môi trƣờng PEGASIS Power-efficient in Tổng hợp lƣợng hệ Gathering Sensor Information Systems thống thông tin cảm biến QoS Quality of Service Chất lƣợng dịch vụ REQ Request Bản tin yêu cầu RSS Received Signal Strength Độ mạnh tín hiệu thu đƣợc RSSI Received Strength Bộ thị độ mạnh tín hiệu thu Signal Indicator đƣợc SAR Sequential Assignment Routing Định tuyến phân phối SMP Sensor Management Protocol Giao thức quản lí mạng cảm biến SPIN Sensor protocols for information Giao thức cho thông tin liệu thông qua đàm phán via negotiation SQDDP Sensor Query and Data Giao thức phân phối liệu truy Dissemination Protocol TADAP Lê Xuân Trung Task Assignment and vấn cảm biến Data Giao thức quảng bá liệu vii KTVT2014B Nhận dạng đối tượng sử dụng mạng cảm biến Advertisement Protocol định nhiệm vụ cho cảm biến TCP Transmission Control Protocol Giao thức điều khiển truyền dẫn TDMA Time Division Multiple Access Đa truy nhập phân chia theo thời gian TEEN Threshold sensitive Energy Giao thức hiệu lƣợng Efficient sensor Network protocol nhạy cảm với mức ngƣỡng ToA Time of Arrival Thời gian đến UDP User Datagram Protocol Giao thức gói liệu ngƣời dùng WINS Wireless Integrated Network Cảm biến mạng tích hợp khơng dây Sensors WSN Lê Xn Trung Wireless Sensor Network Mạng cảm biến không dây viii KTVT2014B Nhận dạng đối tượng sử dụng mạng cảm biến đƣợc tách khỏi ảnh, sử dụng hàm imcrop: objectImage=imcrop(frame,bbox); Trong đó: objectImage hình ảnh đối tƣợng sau đƣợc tách Frame frame ảnh chứa đối tƣợng Bbox đƣờng bao khoanh vùng đối tƣợng Bƣớc 2: Phát điểm đặc trƣng SURF từ ảnh đối tƣợng Sử dụng hàm boxPoints = detectSURFFeatures(objectImage) Trong đó: objectImage hình ảnh đối tƣợng cần phát điểm đặc trƣng boxPoints điểm đặc trƣng đƣợc phát Bƣớc 3: Xây dựng mô tả điểm đặc trƣng Sau phát đƣợc điểm đặc trƣng SURF Các điểm đƣợc mô tả lại phục vụ so sánh nhận dạng đối tƣợng sở liệu [boxFeatures, boxPoints] = extractFeatures(objectImage, boxPoints); Trong boxFeatures ma trận lƣu trữ mô tả điểm đặc trƣng đối tƣợng Đối với sở liệu ảnh, thuật toán quét ảnh, lƣu lại đặc trƣng cho ảnh sau xây dựng mơ tả Các keypoint ảnh đƣợc trích trọn lƣu lại mảng frame=rgb2gray(imobj); scenePoints = detectSURFFeatures(frame); [sceneFeatures, ~] = extractFeatures(frame, scenePoints); Bƣớc 4: Đối sánh hình ảnh đối tƣợng Để đối sánh ảnh ta thực đối sánh mảng mô tả điểm đặc trƣng ảnh cần truy vấn với mảng mô tả điểm đặc trƣng ảnh sở liệu Khi đối sánh, ta duyệt keypoint, trƣớc tiên ta tìm điểm láng giềng gần với keypoint xét theo thuật toán láng giềng gần Điểm láng giềng gần điểm mà hàm tính khoảng cách euclidDistance(Mat& vec1, Mat& vec2) Ảnh có độ tƣơng đồng lớn ảnh có tỉ lệ phần trăm keypoint so khớp cao Sử dụng hàm: Lê Xuân Trung 89 KTVT2014B Nhận dạng đối tượng sử dụng mạng cảm biến boxPairs = matchFeatures(boxFeatures, sceneFeatures) Trong boxPairs ngƣỡng tỷ lệ keypoint so khớp Thông thƣờng, ảnh tƣơng đồng tỉ lệ phần trăm keypoint so khớp >=5 %, ngƣợc lại không tƣơng đồng Bƣớc 5: Định danh đối tƣợng Nếu đối trƣợng đƣợc xác định tƣơng đồng với ghi sở dũ liệu, ID đối tƣợng đc gán trùng với ghi sở liệu: assignments(k,1)=saves(j).id; Trong đó: saves(j).id ID đối tƣợng đƣợc lƣu sẵn CSDL assignments(k,1)là ID đối tƣợng đƣợc nhận dạng 4.4 Thiết lập điều kiện chƣơng trình mơ Thiết lập mô mạng cảm biến với điều kiện đặt nhƣ Hình 4.1 ảng 4.1 Hình 4.1 Mơ hình triển khai mạng cảm biến Lê Xuân Trung 90 KTVT2014B Nhận dạng đối tượng sử dụng mạng cảm biến ảng 4.1 Thông số mô Thông số Giá trị Số node mạng 100 Kích thƣớc mạng 500x500m Số lƣợng node nguồn 20 Điều kiện coi mạng WSN chết 20 node nguồn chết Kích thƣớc video đầu vào 640x360 pixel Frame rate 24 fps Số đối tƣợng di chuyển mạng thời điểm Tổng thời gian đối tƣợng di chuyển mạng 2.581 Chi phí truyền thơng, routing, Wat Năng lƣợng node tiêu hao trạng thái ngủ Wat Năng lƣợng node tiêu hao camera hoạt động 1.10105 W Thuật toán định tuyến Dijkstra Phần mềm mô Matlab Để so sánh ƣu điểm giải pháp đề xuất, em mô hai trƣờng hợp: Trƣờng hợp 1: Xử lý phân tán: Các node camera làm nhiệm vụ phát đối tƣợng gửi hình ảnh node sink để nhận dạng, so sánh với sở liệu, dự đoán đối tƣợng sang vùng khác Trƣờng hợp 2: Xử lý tập trung: Các node camera làm nhiệm vụ phát đối tƣợng, trích chọn điểm đặc trƣng gửi kết node sink để so sánh với sở liệu ảng 4.2 Thông số mô Xử lý phân tán Xử lý tập trung Phát đối Trích chọn đặc Dự đốn đối tƣợng trƣng tƣợng Node camera Node sink Node sink Node camera Node camera Node camera So sánh với sở liệu để định danh Node sink Node sink 4.4.1 Xây dựng mơ hình tính tốn lƣợng Để tính tốn lƣợng tiêu thụ em sử dụng phần mềm Joule meter [11] Để đánh giá lƣợng tiêu tốn cho truyền liệu, sử dụng mơ hình tính tốn lƣợng [12], [13], [14] Theo mơ hình này, lƣợng truyền bít liệu là:  elec   fs d , d  d etx   ,    d , d  d  elec mp Lê Xuân Trung ( 4.1) 91 KTVT2014B Nhận dạng đối tượng sử dụng mạng cảm biến lƣợng nhận bít là: erx   elec , ( 4.2) Ở d0 khoảng cách ngƣỡng đƣợc xác định nhờ đo khoảng cách truyền thẳng lớn d khoảng cách thiết bị truyền nhận Ký hiệu  elec lƣợng tiêu tốn mạch điện cho bít  fs d  mp d lƣợng phụ thuộc vào phƣơng thức truyền liệu 4.4.2 Các hàm sử dụng mô cảm biến Xây dựng mạng cảm biến Các tham số nhƣ số lƣợng node, kích cỡ mạng cảm biến, lƣợng ban đầu cung cấp đƣợc đƣa vào chƣơng trình tạo mạng cảm biến với vị trí node mạng hồn tồn ngẫu nhiên numNodes=100; receiver=1; %node sink luon la fieldX=500; fieldY=500; Energy=5000; %nang luong ban dau la 12J grid=0; %Sap xep node ngau nhien step=20; %Neu sap xep thang hang figure('Color','w','Position',[100 100 800 500]); %Tao mo hinh nodes netM=create_netM(numNodes,step,grid,fieldX,fieldY,Energy); Tạo kiện ngẫu nhiên Sự kiện đối tƣợng di chuyển mạng cảm biến không dây, quỹ đạo chuyển động, thời gian, tốc độ chuyển động hoàn toàn ngẫu nhiên đƣợc tạo hàm getaction [move,times]=getaction2(netM,E,start); %Lay su kien Trong tham số đầu vào là: netM: thông tin node mạng, node camera E: Khoảng cách node mạng Start: ID node có đối tƣợng vào Các tham số đầu gồm có: Lê Xuân Trung 92 KTVT2014B Nhận dạng đối tượng sử dụng mạng cảm biến Move: danh sách node mà đối tƣợng ngẫu nhiên qua Times: thời gian đối tƣợng nằm vùng giám sát node Tìm đƣờng Sau phát đối tƣợng, thông tin đối tƣợng cần truyền node sink Để tìm đƣờng ngắn truyền liệu sử dụng thuật toán định tuyến Dijktra hàm simulation: %Tim duong tu node camera ve node sink sender=move(j); sp=simulation(netM,sender,receiver,E); Trong tham số đầu vào là: netM: thông tin node mạng sender: điểm đầu receiver: điểm cuối E: Khoảng cách node Tham số đầu đƣờng ngắn (sp) thứ tự node liệu cần qua để tới đích Tính quang đƣờng Mỗi chặng truyền liệu tiêu hao lƣợng, để tính khoảng cách truyền liệu chặng, sử dụng đoạn code sau: %Tinh quang duong truyen numstep=length(sp)-1; for i=1:numstep id=find((E(:,1)==sp(i))&(E(:,2)==sp(i+1))); D(i)=E(id,3); end Trừ lƣợng tiêu thụ Sau có kiện đối tƣợng vào, đƣờng truyền liệu ngắn nhất, khoảng cách để tính lƣợng truyền liệu lƣợng node đƣợc tính tốn hàm CalEnergy5: [netM,flag]=CalEnergy5(netM,sp,D,border,times(j)); Trong tham số đầu vào là: NetM: Lê Xuân Trung thông tin node mạng cảm biến 93 KTVT2014B Nhận dạng đối tượng sử dụng mạng cảm biến Sp: đƣờng truyền liệu node sink ngắn D: khoảnh cách truyền liệu chặng Time(j): thời gian đối tƣợng di chuyển Tham số đầu lƣợng node sau trừ cờ flag bật có node hết lƣợng 4.5 Kết nhận dạng đối tƣợng 4.5.1 Phát đối tƣợng Hình 4.2 thể kết bƣớc phát đối tƣợng chuyển động Sau phát sử dụng thuật toán trừ nền, đối tƣợng đƣợc khoanh vùng đánh dấu để thực theo vết đối tƣợng (a) (b) (c) (d) Hình 4.2 Phát chuyển động đối tƣợng Nền sở (a), Có đối tượng di chuyển (b), Ảnh sau trừ (c), Khoanh vùng đối tượng (d) Việc sử dụng thuật toán trừ phù hợp với điều kiện tốn đặt mơi trƣờng hoạt động vùng biên giới Thuật toán trừ kết hợp với lọc Gaussian giúp tăng độ xác, hạn chế nhiễu biến động môi trƣờng Lê Xuân Trung 94 KTVT2014B Nhận dạng đối tượng sử dụng mạng cảm biến Thuật toán trừ đơn giản triển khai, giúp giảm khối lƣợng công việc cần xử lý 4.5.2 Kiểm tra định danh đối tƣợng Hình 4.3 thể kết bƣớc trích chọn đặc trƣng SURF Các điểm đặc trƣng đƣợc thể vecto màu xanh, thể hƣớng độ lớn Hình 4.3 Trích chọn đặc trƣng SURF với ảnh từ node camera khác Hình 4.4 thể kết bƣớc kiểm tra so sánh, tìm điểm tƣơng đồng hai ảnh Các điểm tƣơng đồng đƣợc nối với đƣờng màu xanh Lê Xuân Trung 95 KTVT2014B Nhận dạng đối tượng sử dụng mạng cảm biến Hình 4.4 Các điểm tƣơng đồng đƣợc nối với đƣờng thẳng Hình 4.5 thể kết bƣớc kiểm tra đối tƣợng Đối tƣợng A1 từ khu vực kiểm soát node A sang khu vực node B Khi sang khu vực , đối tƣợng đƣợc kiểm tra so sánh với sở liệu kết luận đối tƣợng Vì thay đặt tên đối tƣợng đƣợc giữ tên A1, đảm bảo tính liên tục theo dõi, giám sát (a) (b) Hình 4.5 Hình ảnh thu đƣợc từ node camera khác (a) Hình ảnh đối tượng thu từ node A; (b) Hình ảnh thu từ node B sau nhận dạng Lê Xuân Trung 96 KTVT2014B Nhận dạng đối tượng sử dụng mạng cảm biến Thuật toán SURF vƣợt trội độ xác bị ảnh hƣởng hƣớng, cƣờng độ sáng, nhiễu…của ảnh đầu vào điểm đặc trƣng tìm thuật tốn SURF điểm đặc trƣng bất biến 4.5.3 Phát đối tƣợng ngồi Hình 4.6 thể kết khối dự đốn đối tƣợng ngồi Vùng màu đỏ bên ngồi vùng biên có kích thƣớc chiều tƣơng đƣơng với kích thƣớc đối tƣợng Khi đối tƣợng vào vùng đƣợc lƣu lại để làm sở liệu cho việc kiểm tra đặt tên đối tƣợng sau Các thông số đƣợc lƣu vào: ID A1 thể xuất phát từ node A Số thứ tự 1; điểm đặc trƣng nhƣ hƣớng di chuyển để đánh thức node mà đối tƣợng tới Hình 4.6 Dự đốn đối tƣợng Trong giải pháp đề xuất, em giải hiệu vấn đề thời điểm chụp, chụp bắt đối tƣợng thời điểm đối tƣợng khỏi khung hình, đảm bảo ghi lại hình ảnh đối tƣợng cách đầy đủ Lê Xuân Trung 97 KTVT2014B Nhận dạng đối tượng sử dụng mạng cảm biến 4.6 Kết hiệu mạng cảm biến 4.6.1 Năng lƣợng tiêu thụ Trong phần em mô mạng cảm biến nhƣ thiết lập phần 4.4, tiến hành chạy cho hai trƣờng hợp với thời gian nhƣ Đối với trƣờng hợp xử lý phân tán, lƣợng tiêu thụ mạng cảm biến giảm 34.5% so với trƣờng hợp xử lý tập trung ảng 4.3 So sánh lƣợng tiêu thụ toàn mạng cảm biến Trƣờng hợp Xử lý phân tán Xử lý tập trung Năng lƣợng ban đầu (Kilo Jun) 500 500 Năng lƣợng lại (Kilo Jun) 437.267 404.023 Năng lƣợng tiêu thụ (Kilo Jun) 62.733 95.977 Năng lượng tiêu thụ toàn mạng cảm biến 120 95.977 100 Kilo Jun 80 62.733 60 40 20 Xử lý phân tán Xử lý tập trung Hình 4.7 Năng lƣợng tiêu thụ mạng biến không dây 4.6.2 Cân lƣợng tồn mạng Hình 4.8 thể phân bố lƣợng mạng cảm biến hai trƣờng hợp xử lý phân tán xử lý tập trung Do xử lý tập trung lƣợng tiêu thụ node camera lớn nhiều so với node relay, lƣợng tiêu thụ phân bố khơng đều, chủ yếu node camera Với việc xử lý phân tán, công việc node camera giảm bớt nhƣng kích thƣớc ảnh truyền lại lớn hơn, node relay tiêu thụ nhiều lƣợng Nhƣ việc xử lý phân tán giúp giảm tải cho node camera, tận dụng lƣợng dƣ thừa node relay Lê Xuân Trung 98 KTVT2014B Nhận dạng đối tượng sử dụng mạng cảm biến (a) (b) Hình 4.8 Phân bố 3D lƣợng mạng cảm biến không dây (a) Xử lý phân tán (b) Xử lý tập trung 4.6.3 Thời gian sống Với điều kiện toán lƣợng cung cấp ban đầu nhƣ 4 Thời gian sống mạng cảm biến hai trƣờng hợp đƣợc thể nhƣ Hình Nhờ việc xử lý phân tán node tiêu tốn lƣợng hơn, nhờ thời gian sống lâu Lê Xuân Trung 99 KTVT2014B Nhận dạng đối tượng sử dụng mạng cảm biến Thời gian sống mạng cảm biến 1.4 1.316256846 1.2 Giờ 0.739451525 0.8 0.6 0.4 0.2 Xử lý phân tán Xử lý tập trung Hình 4.9 Thời gian sống mạng cảm biến 4.7 Kết luận Qua kết thực 4.6 thấy lƣợng tiêu thụ toàn hệ thống giảm đáng kể triển khai mơ hình phân chia xử lý phân tán Khi xét tổng quan với thời gian triển khai, việc xử lý phân tán giảm đáng kể lƣợng tiêu thụ, thời gian sống mạng cảm biến lớn nhiều, giúp theo dõi khu vực lâu Kết thể đề phát huy tác dụng, đạt đƣợc mục đích ban đầu đề Lựa chọn thuật toán nhận dạng đối tƣợng kết hợp phù hợp với thực mơ hình xử lý phân tán giúp cân khả xử lý, lƣợng node cảm biến trung tâm Với điều kiện tốn ban đầu đặt ra, kết mơ thể cải tiến rõ rệt lƣợng tiêu thụ, cân lƣợng toàn mạng, thời gian sống thuật toán đề xuất so với thuật toán dùng để so sánh Nhƣ vậy, đề xuất, thay đổi luận văn giúp cân bằng, giải đƣợc đồng thời vấn đề thuật toán nhận dạng đối tƣợng nhƣ vấn đề lƣợng mạng cảm biến không dây Lê Xuân Trung 100 KTVT2014B Nhận dạng đối tượng sử dụng mạng cảm biến KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN Bản thân hệ thống thị giác ngƣời chƣa hồn thiện, chí vài trƣờng hợp ln nhầm lẫn Vì vậy, tốn nhận dạng đối tƣợng kỹ thuật xử lý ảnh tốn khơng thể có kết xác hồn hảo Mặc dù nghiên cứu đƣa giải pháp thông số đƣợc cho tối ƣu dựa kết thực nghiệm Ngoài luận văn trình bày sở lý thuyết, tảng tốn học, vấn đề có liên quan đến toán theo vết đối tƣợng Do hạn chế mặt thời gian kiến thức sẵn có, luận văn dừng lại mức thử nghiệm mơ hình áp dụng nhận dạng đối tƣợng lên mạng cảm biến khơng dây với tập liệu nhỏ truy vấn Trong bƣớc nêu lên sở lý thuyết bản, đƣa đánh giá sâu triển khai kỹ thuật để áp dụng toán đặt Trong bƣớc em cải tiến nhằm nâng cao độ xác thuật toán nhận dạng, bổ sung chức chuyên sâu nhƣ tracking đối tƣợng clip chuyển động Đồng thời, mở rộng tập liệu truy vấn nhiều miền khác để xây dựng mơ hình có tính tổng quát Lê Xuân Trung 101 KTVT2014B Nhận dạng đối tượng sử dụng mạng cảm biến TÀI LIỆU THAM KHẢO [1] Y Jennifer, M Biswanath and G Dicpak, "Wireless sensor network survey," The International Journal of Computer and Telecommunications Networking, vol 52, no 12, pp 2292-2330, August 2008 [2] L N Thăng and N Q Sỹ, "Các kỹ thuật phân nhóm mạng cảm biến vơ tuyến," Tạp chí Bưu viễn thơng, vol 301, 2007 [3] O Younis and S Fahmy, "HEED: a hybrid, energy-efficient, distributed clustering approach for ad hoc sensor networks," IEEE Transactions on Mobile Computing, vol 3, no 4, pp 366-379, December 2004 [4] M Fayyaz, "Classification of Object Tracking Techniques in Wireless Sensor Networks," Wireless Sensor Network, vol 3, no 4, pp 121-124, 2011 [5] A M McIvor, "Background subtraction techniques," in Proc of Image and Vision Computing, New Zealand, 2008 [6] D Low, "Distinctive image features from Scale-Invariant Keypoints," Int J Computer Vision, vol 60, no 2, pp 91-110, November 2004 [7] M W Davidson and M Abramowitz, Molecular expressions microscopy primer, Digital image processing - difference of gaussians edge enhancement algorithm, Olympus America Inc and Florida State University [8] H J´egou, M Douze and C Schmid, "Searching with quantization: approximate nearest neighbor search using short codes and distance estimators," Technical Report RR-7020, Inria, 2009 [9] M M Deza and E Deza, Encyclopedia of Distances, London, New York: Springer Dordrecht Heidelberg, 2009 [10] R L Graham, "An efficient algorithm for determining the convex hull of a finite planar set," Information Processing Letters, vol 1, no 4, pp 132-133, January 1972 [11] "Joulemeter," Microsoft, [Online] Available: http://research.microsoft.com/enus/projects/joulemeter [Accessed April 2015] [12] W B Heinzelman, A P Chandrakasan and H Balakrishnan, "An applicationspecific protocol architecture for wireless microsensor networks," IEEE Transactions on Wireless Communications, vol 1, no 4, pp 660-670, October Lê Xuân Trung 102 KTVT2014B Nhận dạng đối tượng sử dụng mạng cảm biến 2002 [13] Q Lu, W Luo, J Wang and B Chen, "Low-complexity and energy effcient image compression scheme for wireless sensor networks," Computer Networks, vol 52, no 13, pp 2594-2603, 2008 [14] Q Lu, W Luo and X Ye, "Collaborative in-network processing of LT based image compression algorithm in WMSNs," In Proceedings of the 1st International Workshop on Education Technology and Computer Science, pp 839-843, March 2009 Lê Xuân Trung 103 KTVT2014B ... khai mạng cảm biến không dây: Lê Xuân Trung KTVT2014B Nhận dạng đối tượng sử dụng mạng cảm biến o Phƣơng pháp tiếp cận o Các thuật toán sử dụng khối xử lý o Giải vấn đề áp dụng lên mạng cảm biến. .. triển khai mạng cảm biến không dây Lê Xuân Trung KTVT2014B Nhận dạng đối tượng sử dụng mạng cảm biến 1.4 Đối tƣợng phạm vi nghiên cứu 1.4.1 Đối tƣợng nghiên cứu Khu vực triển khai mạng cảm biến không... giới  Cấu hình mạng cảm biến: Mạng cảm biến bao gồm số lƣợng lớn nút cảm biến, phải thiết lập cấu hình ổn định Lê Xuân Trung 11 KTVT2014B Nhận dạng đối tượng sử dụng mạng cảm biến  Sự tiêu thụ