عنوان

ارائه روشی کارآمد جهت تشخیص هدف در شبکه‌صهای حسگر بی سیم بصری

‭۱۳۹۷۹پ‬

per

ارائه روشی کارآمد جهت تشخیص هدف در شبکه‌صهای حسگر بی سیم بصری

/شمیم یوسفی

: مهندسی برق و کامپیوتر

، ‮‭۹۴‬

چاپی

کارشناسی ارشد

مهندسی برق و کامپیوتر، نرم افزار

‮‭۱۳۹۴/۰۶/۲۵‬

تبریز

همکاری و تعامل میان تعداد زیادی از گره‌صهای حسگر دوربین‌صدار که هر کدام از یکپارچه‌صسازی واحدهای پردازنده، ارتباطات و حسگر تصویر به وجود آمده‌صاند، باعث شکل‌صگیری کلاس جدیدی از شبکهای حسگر بی‌صسیم با نام شبکه‌صهای حسگر بصری شده است .آرمان اصلی در این شبکه‌صها، جمع‌صآوری اطلاعاتی در مورد محیط پیرامون حسگرهای بصری، پردازش آن‌صها و در نهایت، ارسال اطلاعات پردازش‌صشده به سمت ایستگاه پایه است .برای برآورده‌صسازی این آرمان، تشخیص هدف/اهداف به عنوان اولین چالش در شبکه‌صهای حسگر بصری به شمار می‌صرود .در واقع، اولین گام در جمع‌صآوری اطلاعات در مورد محیط پیرامون، تشخیص هدف است .تشخیص هدف به این مفهوم است که شبکه باید قادر به تشخیص حضور هدف در محدوده‌صی تحت نظارت خود بوده، و سپس اطلاعاتی از آن هدف را جهت انجام کارهای دیگر مانند شناسایی و یا ردیابی آن، به ایستگاه پایه ارسال نماید .با وجود پیشرفت‌های صورت گرفته در شبکه‌های حسگر بصری، گره‌های حسگر دوربین‌صدار به دلیل تعداد زیاد، اندازه کوچک و روش قرارگیری اقتضایی، هنوز هم برای تامین انرژی خود، متکی به باتری‌هایی با توان اندک می‌باشند .همچنین، معمولا به دلیل به‌کارگیری این نوع شبکه‌ها در محیطهای خشن و غیرقابل‌دسترس، امکان شارژ مجدد یا تعویض گره‌های حسگر دوربین‌صدار وجود ندارد .بنابراین، یکی از مهم‌صترین مسائل در شبکه‌های حسگر بصری، مسئله‌صی محدودیت شدید انرژی است .از این‌صرو، لحاظ نمودن الگوریتم‌های انرژی-کارا در طراحی این شبکه‌ها برای تشخیص هدف نیز امری حیاتی جهت افزایش طول عمر شبکه بشمار می‌صرود .بررسی روش‌صهای موجود تشخیص هدف در شبکه‌صهای حسگر بصری نشان داده‌صاند که در بسیاری از موارد، نویسندگان جهت تشخیص هدف در این شبکه‌صها، از روش‌صهای مختلف تفریق پس‌صزمینه استفاده کرده‌صاند .درحالی‌صکه چنین روش‌صهایی، ترافیک بالایی را به شبکه تزریق کرده و برای بسیاری از کاربردهای امروزی مناسب نمی‌صباشند .به منظور کاهش ترافیک و بهینه‌صسازی مصرف انرژی در کل شبکه، برخی از روش‌صهای موجود، علاوه بر تفریق پس‌صزمینه، پیش‌صپردازش‌صهایی را در گره‌صهای حسگر دوربین‌صدار انجام داده و تنها اطلاعات مفید را به ایستگاه پایه ارسال می‌صکنند .بررسی دقیق عملکرد این روش‌صها نیز نشان می-دهد که بسیاری از آن‌صها برای مواردی مناسب هستند که تنها یک هدف در تصویر جهت پردازش وجود داشته باشد .از طرفی برخی از روش‌صهای با قابلیت پیش‌صپردازشی نیز از مشکل پردازش‌صهای سنگین و پایین بودن امنیت رنج می‌صبرند .در این پایان‌صنامه، برای برآورده کردن نیازمندی‌صهای کاربردها و شبکه مانند ایجاد ترافیک سبک و پیش‌صپردازش‌صهایی با پیچیدگی پایین، دو روش کارآمد برای تشخیص اهداف چندگانه پیشنهاد می‌صشود .اولین روش با نام ‮‭BBOD‬ ترکیبی از دو روش موجود برای تشخیص هدف در شبکه‌صهای حسگر بصری می‌صباشد .در این روش پیشنهادی پس از استخراج چهارچوب مشترک اهداف، الگوریتم تشخیص چهره‌صی مبتنی بر بوستینگ برای تشخیص چهره‌صی اهداف به‌صکار می‌صرود .در نهایت، تنها اطلاعات مربوط به چهره‌صی اهداف به سمت ایستگاه پایه فرستاده می-شوند .نتایج حاصل از شبیه‌صسازی روش ‮‭BBOD‬ اثبات می‌صکند که استفاده از این روش، پیچیدگی زمانی الگوریتم تشخیص چهره‌صی مبتنی بر بوستینگ را کاهش می‌صدهد .همچنین، از آن‌صجایی که روش پیشنهادی، تنها اطلاعات مربوط به چهره‌صی اهداف را به ایستگاه پایه جهت انجام سایر عملیات ارسال می‌صکند، ترافیک کمتری را نیز به شبکه تزریق می-نماید .در کنار مزایایی که روش ‮‭BBOD‬ فراهم می‌صکند، این روش قادر به حداقل رساندن پیچیدگی زمانی الگوریتم تشخیص چهره‌صی مبتنی بر بوستینگ نمی‌صباشد .دلیل این امر استفاده از چهارچوب مشترک اهداف به عنوان ورودی الگوریتم تشخیص چهره‌صی مبتنی بر بوستینگ می‌صباشد .برای حذف فضاهای غیرهدف در چهارچوب مشترک اهداف و در نتیجه کاهش پیچیدگی زمانی الگوریتم تشخیص چهره‌صی مبتنی بر بوستینگ تا حد ممکن، روش دوم با نام ‮‭LMFD‬ را ارائه می‌صدهیم .در این روش ابتدا چهارچوب جداگانه‌صای برای هر یک از اهداف استخراج کرده و این چهارچوب‌صها را به عنوان ورودی به الگوریتم تشخیص چهره‌صی مبتنی بر بوستینگ می‌صدهیم .نتایج حاصل از شبیه‌صسازی روش ‮‭LMFD‬ نشان می‌صدهد که استفاده از چهارچوب جداگانه‌صای برای هر یک از اهداف، پیچیدگی زمانی الگوریتم تشخیص چهره‌صی مبتنی بر بوستینگ را به حداقل رسانده و مصرف انرژی کلی شبکه و ترافیک تزریقی به آن را نیز کمینه می‌صنماید

Cooperation and interaction among a large number of sensor nodes, that have been developed by integrating camera processing units, communications and image sensor, causes the formation of a new class of wireless sensor networks, is called visual sensor networks. The main goal of this networks is gathering information from the surrounding environment of visual sensors, processing it, and finally, send the processed information to the base station. For estimating these goals, object/objects detection is the first challenge in visual sensor networks. In fact, the first step in gathering information about the environment is object detection. Object detection means that the network must be able to detect the presence of the objects in its monitoring area, and then classify them despite advances in visual sensor networks, camera sensor nodes due to the large number, small size and contingent placement, still rely on low-power batteries for their energy supply. Furthermore, due to the use of these networks in harsh and inaccessible environments, there is no possibility of recharging or replacing these nodes. Therefore, one of the most important issues in visual sensor networks is the problem of energy source limitation. To meet the needs of real-time applications such as reliability and long network lifetime, considering energy efficiency in the design of the Object detection algorithms is vital.Evaluation of existing object detection methods in visual sensor networks have shown that in many cases, the authors used different kinds of background subtraction. Whereas such methods injected high traffic into the network. Therefore, they are not suitable for many modern applications. Some of other present methods, to reduce the energy required for information transmission information from camera sensor nodes to the base station, in addition to the background subtraction, used some pre-processing, and sent only useful information to the base station. It can be argued that these methods, which are suitable for image processing, that have only one object in them, and also, these methods do not satisfy the visual sensor networks requirement to detect object with light and confidence.In this thesis, to satisfy the expressed requirements, two energy efficient multi-object detectiom methods are proposed. First, a new object detection method in visual sensor networks named BBOD method is provided. The proposed method is a combination of two present methods for the object detection in visual sensor networks. In this method, After extracting a common bounding box of objects, Boosting-based face detection algorithm is used to detect the object's faces. Finally, the information of object's faces is sent to the base station. The results of the BBOD method simulation show that this method reduced the complexity of Boosting-based face detection algorithm. Furthermore, the proposed method sends only the face's information objects to the base station. Therefore, less traffic will be injected into the network. However, in the BBOD method, the common bounding box of objects is used as the input of Boosting-based face detection algorithm, and this issue is an obstacle to minimize the complexity of the face detection algorithm.To remove non-object spaces in the common bounding box of objects, the second method called LMFD method is provided. This method extracts the separate bounding box for each object, and these bounding boxes are the input of Boosting-based face detection algorithm. The results of the LMFD method simulation show that, this method minimizes the complexity of Boosting-based face detection algorithm, and improves the residual energy of the visual sensor network

شمیم یوسفی

اقدسی علمداری، سید هادی، استاد راهنما

بالافر، محمدعلی، استاد مشاور

سیاه و سفید

نمایه‌سازی قبلی