Collaborative object recognition in a wireless visual sensor network

Wireless Visual Sensor Networks (WVSNs) are an emerging field which is proving to be useful in many applications, including surveillance, environmental monitoring, personal care and industrial control and monitoring. One of the main characteristics of such networks is the ability to be randomly deployed without human support. Random sensor deployment, where the sensor locations are not known in advance, is required when individual sensor placement is infeasible, for example in hostile and unreachable environment, such as battlefield or disaster areas. These networks are characterized by having limited resources, dynamic topology and to be large and dense. Typically, more sensor nodes are deployed than the required number obtained using optimal placement to perform the same task. Hence, visual sensors can have overlapping Field of Views (FoVs) and so, they can be grouped into clusters, forming a cluster-based random deployed wireless sensor network. Lifetime of WVSN is limited due to battery constraint. Network lifetime decreases quickly when images are processed and transferred to a destination. In an object recognition system an image is described by local features, used to encode the image structure in a spatial neighborhood (how image patch looks like) around each interest point of an image. To recognize an object, only these features can be sent, in order to reduce energy consumption. Our goal is to prolong the lifetime of a cluster-based random deployed wireless visual sensor network, exploiting overlapping Field of Views between two visual sensor nodes and minimizing the number of features to be sent. Moreover, a collaborative rate-accuracy model is described, considering the problem of resource allocation in a cluster-based WVSN, in order to maximize the network lifetime subject to a target accuracy of the analysis task, together with energy, bandwidth and routing constraints. The validity of the proposed model is verified on two visual dataset, demonstrating that the resource allocation collaborative model always leads to a network lifetime increment.

Le reti di sensori visuali senza fili, sono un settore emergente che si sta rivelando utile in molte applicazioni, comprese la sorveglianza, il monitoraggio ambientale, la cura personale ed infine il controllo e monitoraggio industriale. Una delle caratteristiche principali di tali reti è la capacità di essere disposte casualmente, senza la necessità di alcun supporto umano. Una disposizione casuale dei sensori, dove le loro posizioni non sono note a priori, è richiesta quando il posizionamento del singolo sensore è praticamente impossibile, per esempio in un ambiente ostile e irraggiungibile, come un campo di battaglia od una zona disastrata. Queste reti sono molto grandi e dense, e sono caratterizzate dall'avere risorse limitate e topologia dinamica. Tipicamente vengono disposti più sensori di quelli necessari che si otterrebbero con una disposizione ottimale studiata per svolgere il medesimo compito. Per quanto appena descritto, è possibile che alcuni sensori visuali possano avere campi di vista (FoVs) sovrapposti con altri sensori visuali e sfruttando ciò, possono essere raggruppati in cluster, formando una rete di sensori visuali sensa fili disposti casualmente e riuniti in cluster. La durata delle WVSN è limitata a causa dei vincoli energetici della batteria. La lifetime o vita della rete, diminuisce rapidamente quando le immagini vengono elaborate e trasferite a destinazione. In un sistema di riconoscimento di oggetti, un'immagine è descritta da features locali, utilizzate per codificare una porzione di immagine attorno ad ogni punto di interesse dell'immagine stessa. Per riconoscere un oggetto, solamente queste features possono essere inviate, così da ridurre il consumo energetico. Il nostro obiettivo è quello di prolungare la durata della vita di una rete di sensori visuali, sfruttando i campi di vista sovrapposti tra due sensori e riducendo al minimo il numero di features da inviare. Inoltre, abbiamo presentato un modello collaborativo rate-accuracy, considerando il problema di allocazione di risorse in una WVSN contenente cluster di sensori visuali, al fine di massimizzare la vita della rete dato un valore di accuratezza, entrambi con vincoli energetici, di rete e di larghezza di banda. La validità del modello proposto è verificata utilizzando due dataset di immagini, dimostrando che il modello collaborativo con allocazione di risorse porta sempre ad un incremento della vita della rete.