面向入侵检测的大范围云视频监控系统节点优化部署与调度方法研究

In the large-scale cloud video surveillance systems used for intrusion detection, searching and tracking, it is almost impossible to deploy nodes in the monitoring region to attain full coverage and low efficiency of utilization of resources and energy is very popular, which severely restricts the promotion of quality of service. This project studies the intelligent optimization methods and techniques for rational deployment and optimal scheduling of surveillance nodes to achieve certain quality requirements of video surveillance services in the systems. Firstly, a novel space calculation method for boundary connected coverage is developed by combining graph theory and computational geometry, which further gives rise to a node-scheduling method. This node-scheduling method can effectively increase the space area of boundary connected coverage and sustainable surveillance time by adjusting the rotation direction and surveillance timing of surveillance nodes. Secondly, for the unconnected coverage region, a newly optimization model of boundary K-connected coverage is derived from the finite element method, accompanied by a properly designed intelligent optimization algorithm. Benefited from the integration of the model and algorithm, the optimized operating parameters for node deployment are obtained to realize boundary connected coverage with optimization goals achieved, e.g. less number of nodes and lower deployment cost. Thirdly, for the connected coverage region, a crowd-sensing-based dynamic path planning method is provided to schedule mobile nodes to perform regional sweep tasks according to the variation of parameters like regional environment features, emergent task, quality demands, etc.

本项目面向用于入侵检测、搜索、追踪的大范围云视频监控系统，针对系统所存在的难以对目标区域实现监控全覆盖、资源能源利用率低，从而制约了视频监控服务质量等问题，研究如何以满足特定视频监控服务需求，而对监控节点进行合理部署和优化调度的智能优化方法与技术。项目首先提出一种结合图论与计算几何的边缘连通覆盖区域空间计算方法，在此基础上设计一种监控节点值守调度方法，通过调整节点旋转方向和监控时序，实现增加边缘连通覆盖区域空间大小和可持续监控时间；针对未连通覆盖的区域，通过结合使用有限元分析方法，提出一种面向边缘K重覆盖的优化模型，并设计智能优化算法，求解模型获取节点部署的优化操作参数，实现较少节点数目、较低布设成本等特定目标下的边缘连通覆盖；对于已连通覆盖区域内部，提出一种基于群智感知的移动节点动态路径规划方法，根据区域环境特征、突发任务特征和监控服务质量需求等参数变化，调度移动节点执行区域扫描任务。

本项目从传感节点的优化部署方法、无人机路径规划方法以及群智感知覆盖的任务调度方法等几个方面研究云视频监控系统的节点优化部署与调度方法。.针对面向入侵检测的视觉传感器网络栅栏覆盖方法，通过调整传感器节点的方向，构造封闭目标-栅栏，利用分布式粒子群优化算法得到传感器的最优工作方向，实现对整个网络的最佳覆盖;利用可移动的传感器节点增强网络覆盖，引入虚拟栅栏模型，设计了一种基于间隙修复的混合视觉传感器网络k-栅栏覆盖增强方法，以解决最小移动数问题、最小移动距离问题和最大栅栏数问题。.在区域覆盖中，提出了基于能量有效的节点调度优化方法，实现了高覆盖率、低冗余度和能耗均衡的优化目标。在Q覆盖中，提出了基于混合能耗的网络生存时间优化方法，同时控制了感知能耗和通信能耗，有效延长了网络生存时间。在角覆盖中，提出了基于异构节点的调度优化方法，在保证较高覆盖率的同时，均衡网络整体的能耗，有效延长了网络生存时间。.以无人机作为移动节点来完成扫描覆盖任务，研究了无人机路径规划方法。在森林等大型区域的扫描覆盖任务中，针对兴趣点数量较多，而无人机数量不足以覆盖所有兴趣点的场景，提出了基于贪心策略的加权目标扫描覆盖算法，有效地解决了最小化任务时间和最大化覆盖质量的多目标优化问题。针对无人机数量较多，足以覆盖所有兴趣点的场景，综合考虑任务时间和经济成本，提出了基于贪心策略的任务分配方法和基于改进蚁群优化算法的路径规划方法，有效地解决了最佳无人机数量和最短任务时间的多目标优化问题。.针对群智感知覆盖的任务调度方法，研究了基于博弈论的众感市场，考虑一种迭代方法来获得所有参与者的纳什均衡，为所有移动用户制定任务分配方案。研究了面向市场异构多任务场景的非合作博弈激励机制，分别设计了不同场景中参与者最优感知策略的高效计算方法。针对需要考虑数据新鲜度的情况，引入信息年龄这一概念来衡量数据的新鲜度，并设计了对应的数据提供者激励模型。研究了基于移动调度的感知覆盖质量增强方法，设计了一个基于二部图的数据提供者搜索算法来解决感知任务的分配问题。