CrowdTracker：一种基于移动群智感知的目标跟踪方法

景瑶; 郭斌; 陈荟慧; 岳超刚; 王柱; 於志文

doi:10.7544/issn1000-1239.2019.20170808

CrowdTracker：一种基于移动群智感知的目标跟踪方法

(西北工业大学计算机学院西安 710072) (jy_jingyao@163.com)

基金项目: 国家自然科学基金项目(61332005,61772428,61402369);国家“九七三”重点基础研究发展计划基金项目(2015CB352400)

详细信息

中图分类号: TP391
计量
- 文章访问数: 1392
- HTML全文浏览量: 4
- PDF下载量: 407
出版历程
- 发布日期: 2019-01-31

CrowdTracker: Object Tracking Using Mobile Crowd Sensing

(School of Computer Science, Northwestern Polytechnical University, Xi’an 710072)

摘要

摘要: 面向目标跟踪问题提出一种基于移动群智感知的解决方案CrowdTracker.不同于基于视频监控的目标跟踪方法，通过基于群智的多人协作拍照方式实现对移动目标的轨迹预测和跟踪，其优化目标为在保证准确实时地对目标进行跟踪的同时尽可能地减少用户激励的成本(假设激励与完成任务的参与者人数和参与者完成任务所移动的距离成正比).为实现该目标，提出了目标移动性预测的方法MPRE和任务分配的方法T-centric，P-centric.T-centric是以任务为中心的参与者选择方法，而P-centric是以人为中心的任务选择方法.MPRE通过分析大量的车辆历史轨迹建立城市里车辆的移动模型以预测目标下一步的位置.在预测的区域内通过T-centric或P-centric方法进行跟踪任务分配.通过一个大规模的真实数据集对移动性预测方法MPRE和2种任务分配算法进行实验评估，实验结果表明：CrowdTracker能有效地在实现目标实时跟踪的同时降低激励成本.
- 移动群智感知 /
- 拍照 /
- 目标跟踪 /
- 目标移动性预测 /
- 任务分配
Abstract: This paper proposes CrowdTracker, a novel object tracking system based on mobile crowd sensing (MCS). Different from other studies that are based on video surveillance, CrowdTracker recurits people to collaboratively take photos of the object to achieve object movement prediction and tracking. The optimization objective of CrowdTracker is to effectively track the moving object in real time and minimize the cost of user incentives. The incentive is determined by the number of workers assigned and the total distance that workers move to complete the task. In order to achieve the objective, CrowdTracker proposes an algorithm MPRE to predict the object moving pattern, and two task allocation algorithms, namely T-centric and P-centric, are proposed. T-centric selects workers in a task-centric way, while P-centric allocates tasks in a people-centric manner. By analyzing a large number of historical vehicle trajectories, MPRE builds a moving model of vehicle to predict the object’s next position. In the predicted regions, CrowdTracker selects an optimal set of workers for the tracking task by utilizing T-centric or P-centric. Experiments are conducted on a large-scale real-world dataset. The experimental results show that CrowdTracker can effectively track the object in real time and reduce the incentive cost at the same time.
- mobile crowd sensing /
- photo taking /
- object tracking /
- object movement prediction /
- task allocation

HTML全文

参考文献(0)

施引文献(30)

期刊类型引用(12)

1.	高智勇，乔姝函. 智能全景视觉传感网络视频多目标跟踪仿真. 计算机仿真. 2023(01): 223-226+238 . 百度学术
2.	万涛，王璐瑶，岳世鑫，廖维川. 基于平台兴趣度的移动群智感知激励机制模型. 计算机仿真. 2023(04): 305-309 . 百度学术
3.	王莉君，唐骞，李鹏. 多物体遮挡下基于深度学习的目标跟踪仿真. 计算机仿真. 2023(09): 176-179+309 . 百度学术
4.	徐天承，乔少杰，武俊，韩楠，岳昆，易玉根，黄发良，元昌安. 一种基于时空位置预测的空间众包任务分配方法. 计算机研究与发展. 2022(02): 310-328 . 本站查看
5.	蔡波. 马尔可夫预测的移动群智感知网络日志信息收集. 西安工程大学学报. 2022(01): 115-120 . 百度学术
6.	闫明，陈恋. 基于云平台的冷链物流风险变化态势跟踪研究. 计算机与数字工程. 2022(05): 1053-1058 . 百度学术
7.	蒋华元，庄文杰. 移动群智感知融合数据隐私保护方法. 信息技术. 2022(09): 174-179 . 百度学术
8.	刘炎培，朱运静，宾艳茹，陈宁宁，王丽萍. 边缘环境下计算密集型任务调度研究综述. 计算机工程与应用. 2022(20): 28-42 . 百度学术
9.	李文平，朱荷蕾. 面向群智感知隐私保护的联邦典型相关分析方法. 系统科学与数学. 2022(11): 2859-2873 . 百度学术
10.	张安冉，廖祎玮，赵国生，王健. 群智感知环境中基于GRU网络的用户位置预测模型. 计算机工程与科学. 2021(10): 1750-1757 . 百度学术
11.	王健，刘嘉欣，赵国生，赵中楠. 移动群智感知中基于协同排序的任务推荐方法. 电子学报. 2021(10): 2012-2019 . 百度学术
12.	王涛春，金鑫，吕成梅，陈付龙，赵传信. 移动群智感知中融合数据的隐私保护方法. 计算机研究与发展. 2020(11): 2337-2347 . 本站查看