基于群智感知的移动位置识别关键技术研究

随着移动智能终端的发展,人们获取和分享位置信息越来越方便快捷,其内容也从文字转变为图像、文本和智能终端的传感器数据等各种位置相关的数据。充分利用这些丰富的数据,不仅能够获取移动用户自身的物理坐标,而且还能识别用户关注目标的逻辑位置语义,这对实现各种基于位置的服务具有重要意义。同时,群智感知作为一种新型感知模式,能够使参与用户有意识或者无意识地收集大规模、复杂的数据,具有成本低、灵活度高和覆盖范围广等优点。因此,本文关注利用群智感知模式收集位置指纹,并研究移动位置识别关键技术。本文分别从位置指纹库构建、移动位置识别和指纹库维护三个角度出发,以数据收集高效性、位置识别准确性和系统部署低开销为研究目标,提出了相应的方法和关键技术,并构建基于群智感知的移动位置识别系统验证平台。具体来讲,本文的主要贡献如下:(1)面向高效数据收集的群智感知任务分配方法。构建位置指纹库需要为数据收集的参与者分配任务并规划路径,这些任务具有时间敏感性和异构性。根据木桶原理,完成所有任务的时间由最后一个完成任务的参与者决定,我们确定了最长时间最小化的任务分配优化目标。针对该目标,我们提出了基于密母(Memetic)的双向变邻域搜索算法,其中,设计了启发式策略来初始化分配的路径,并设计了双向变邻域搜索结构来调整边界任务;同时,针对参与者的变动性,我们设计了任务再分配模式和轻量级的快速替代算法。通过实验验证,该方法在任务分布异构的场景下提高了任务完成的效率。(2)基于富指纹的移动位置识别方法。富指纹数据除了图像和位置标签,还包含其它丰富的传感器感知的数据。为了利用富指纹实现更加精确的移动位置识别,我们首先提出了以目标坐标为中心的指纹搜索机制,其利用加速度计的坐标矩阵变换获得倾斜角来推算出目标坐标,从而确定精准的指纹搜索空间并建立了子区域重叠的非视觉索引结构;然后,提取指纹库中所有图像的ORB(Oriented FAST and Rotated BRIEF)特征点,用分层聚类建立词汇树的方法来训练码本,并建立基于视觉词的倒排索引结构来减少不必要的指纹匹配。经过实验验证,该方法能够提高位置识别的准确度。(3)面向精简指纹库的优质指纹选择方法。由于群智感知构建的指纹库冗余多,并且指纹质量良莠不齐,这会浪费移动终端宝贵的硬件资源,需要我们选择优质指纹构建精简指纹库来实现系统的低开销部署。一方面,根据指纹库应具有空间分布多样性的原则,我们提出了自适应空间聚类算法对同一目标的所有指纹分层自适应K-means聚类,使其在方向、角度和距离方面具有多样性。另一方面,根据优质指纹应具有空间显著性的原则,我们提出了公共显著特征点(CSF)的概念,并设计基于自适应聚类的公共显著点检测算法(SAC-CSFD)来选择优质指纹,该算法利用局部敏感哈希索引技术,把图像库中的SURF特征点量化为哈希码,通过判断图像含有的CSF数量来选择高质量指纹。通过实验验证,该方法能够在保证准确率的前提下选择优质指纹。(4)基于群智感知的移动位置识别系统设计与实现。为验证系统的可行性和实用性,我们设计了基于群智感知的移动位置识别系统,实现了指纹采集、任务分配、指纹选择和位置识别等功能模块。综上,从指纹库构建、移动位置识别和指纹库维护三个角度出发,我们实现了一个基于群智感知的移动位置识别系统,提出了一系列解决方法,并通过实验验证其有效性,从而为基于群智感知的位置服务提供了重要的理论和技术支撑。