本文關(guān)鍵詞：攝像機(jī)網(wǎng)絡(luò)節(jié)點(diǎn)動態(tài)選擇技術(shù)研究　出處：《南京大學(xué)》2016年博士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 攝像機(jī)網(wǎng)絡(luò) 節(jié)點(diǎn)動態(tài)選擇 視覺信息評估 選擇策略 部分可觀察馬爾科夫決策過程模型 增強(qiáng)學(xué)習(xí) 混合高斯模型 步進(jìn)EM算法

【摘要】：近年來,攝像機(jī)網(wǎng)絡(luò)以其寬廣的覆蓋范圍、豐富而準(zhǔn)確的信息內(nèi)容并對環(huán)境和用戶透明而又無妨礙等優(yōu)點(diǎn),在準(zhǔn)確和有效捕捉和發(fā)現(xiàn)智能空間中客觀對象的狀態(tài)和行為方面發(fā)揮著愈來愈重要的作用,在安全監(jiān)控、智能跟蹤、人機(jī)交互等領(lǐng)域得到了廣泛應(yīng)用。然而隨著攝像機(jī)網(wǎng)絡(luò)規(guī)模的不斷增大,節(jié)點(diǎn)數(shù)量的不斷增多,也給網(wǎng)絡(luò)中節(jié)點(diǎn)管理和控制提出了新的挑戰(zhàn),其中攝像機(jī)網(wǎng)絡(luò)節(jié)點(diǎn)動態(tài)選擇問題因能有效平衡視覺任務(wù)與網(wǎng)絡(luò)傳輸、計(jì)算能力和顯示終端數(shù)量等資源之間的矛盾而逐漸被人們重視,成為攝像機(jī)網(wǎng)絡(luò)應(yīng)用研究熱點(diǎn)與重要問題之一。本文以攝像機(jī)網(wǎng)絡(luò)智能監(jiān)控與目標(biāo)跟蹤為應(yīng)用背景,探索和研究了攝像機(jī)網(wǎng)絡(luò)節(jié)點(diǎn)動態(tài)選擇問題,重點(diǎn)在不確定環(huán)境下節(jié)點(diǎn)選擇狀態(tài)建模與控制規(guī)劃、選擇策略在線優(yōu)化和更新以及面向節(jié)點(diǎn)動態(tài)選擇的策略空間近似表示方法等方面開展了創(chuàng)新性工作。本文的創(chuàng)新性成果主要包括以下幾個(gè)方面：1)提出了一種攝像機(jī)網(wǎng)絡(luò)節(jié)點(diǎn)選擇狀態(tài)建模與控制策略規(guī)劃方法。該方法基于部分可觀察馬爾科夫模型進(jìn)行狀態(tài)建模,采用置信狀態(tài)表示不確定環(huán)境下觀測狀態(tài)相對實(shí)際狀態(tài)的概率分布,并定義置信狀態(tài)下的狀態(tài)轉(zhuǎn)移關(guān)系,融合視覺評分和切換代價(jià)作為策略規(guī)劃過程中即時(shí)回報(bào),采用點(diǎn)采樣方法離線規(guī)劃生成近似最優(yōu)策略；進(jìn)而,依據(jù)智能監(jiān)控應(yīng)用需求設(shè)計(jì)了攝像機(jī)節(jié)點(diǎn)動態(tài)選擇的效用評估函數(shù),采用加權(quán)函數(shù)形式融合視頻場景中全局運(yùn)動、目標(biāo)局部運(yùn)動和遮擋關(guān)系及特定事件發(fā)現(xiàn)等信息對選擇行動進(jìn)行效用評估。該方法有效克服了攝像機(jī)觀測不確定性造成的切換頻繁現(xiàn)象,提高了攝像機(jī)選擇的穩(wěn)定性,取得了良好的實(shí)驗(yàn)效果。2)提出了一種攝像機(jī)網(wǎng)絡(luò)節(jié)點(diǎn)選擇策略在線學(xué)習(xí)與更新方法。該方法利用攝像機(jī)空間拓?fù)潢P(guān)系初始化節(jié)點(diǎn)選擇策略,在選擇過程中將選擇行動的即時(shí)回報(bào)以時(shí)間差分形式增強(qiáng)學(xué)習(xí)相應(yīng)狀態(tài)下的策略Q函數(shù)值,實(shí)現(xiàn)策略模型的在線更新,通過設(shè)計(jì)基于Gibbs分布的非貪心嘗試方式逐步探索當(dāng)前狀態(tài)下的最優(yōu)選擇策略,加快了學(xué)習(xí)的收斂速度；同時(shí),從特定目標(biāo)可見性、朝向、清晰度和視角切換次數(shù)等方面設(shè)計(jì)選擇效用評估函數(shù)作為節(jié)點(diǎn)選擇行動的即時(shí)回報(bào),實(shí)現(xiàn)了視覺信息量最大化與視覺舒適度間的有效折衷。實(shí)驗(yàn)結(jié)果表明：該方法提高了攝像機(jī)網(wǎng)絡(luò)節(jié)點(diǎn)選擇的適應(yīng)能力,也為動態(tài)環(huán)境下的節(jié)點(diǎn)選擇策略學(xué)習(xí)與更新提供了一般框架。3)提出了一種節(jié)點(diǎn)動態(tài)選擇策略近似表示方法。該方法混合高斯模型近似表示策略空間樣本分布概率密度,對指定的狀態(tài)和行動利用高斯混合回歸計(jì)算當(dāng)前混合高斯模型參數(shù)下的策略Q函數(shù)值,策略更新過程中采用步進(jìn)EM算法序貫地更新GMM模型參數(shù),同時(shí)根據(jù)策略樣本與混合高斯模型分量的似然概率動態(tài)調(diào)整高斯分量的數(shù)量,加快了策略求解與學(xué)習(xí)過程中收斂速度,提高了采樣樣本的利用效率。實(shí)驗(yàn)表明本文設(shè)計(jì)的近似函數(shù)可有效表示節(jié)點(diǎn)動態(tài)選擇策略,在平均視覺評分和切換次數(shù)等指標(biāo)上優(yōu)于離散Q值函數(shù)方法。
【學(xué)位授予單位】：南京大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：TN948.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前3條

1 姚世軍;陳楚湘;黨力明;劉偉;;動態(tài)選擇Web服務(wù)的QoS本體設(shè)計(jì)[J];計(jì)算機(jī)工程與設(shè)計(jì);2008年06期

2 張靈健;;在查詢結(jié)果中用戶動態(tài)選擇顯示字段的實(shí)現(xiàn)[J];電腦編程技巧與維護(hù);2011年10期

3 ;[J];;年期

相關(guān)博士學(xué)位論文 前1條

1 李騫;攝像機(jī)網(wǎng)絡(luò)節(jié)點(diǎn)動態(tài)選擇技術(shù)研究[D];南京大學(xué);2016年

，

本文編號：1329271