Suivi de cible non-communicante dans un environnement homogène

 Suivi de cible non-communicante dans un environnement homogène

Algorithme de suivi proactifs

Le travail présenté dans ce chapitre, contrairement aux précédents, s’intéresse aux solutions proactives. Dans celles-ci le déplacement de la cible est anticipé afin de per mettre une meilleure gestion des ressources. Le plus souvent, des mécanismes de pré diction sont utilisés pour réaliser cette tâche. Dans [18] l’objectif principal est de réduire la consommation énergétique en limitant le nombre de capteurs actifs ainsi qu’en réduisant la distance de communication entre l’émetteur et le récepteur.

Pour atteindre cet objectif un ensemble d’équations linéaires est utilisé comme modèle prédictif. Les futures coordonnées de la cible sont calculées en fonction de son actuelle position et de sa vitesse. Dans [68] une stratégie de suivi prédictive basée sur un modèle séquentiel est pro posée. Deux étapes principales sont implémentées : la génération du modèle et le suivi de la cible. Dans la première étape, des données sur le mouvement de la cible sont récoltées et traitées afin d’extraire les informations utiles à l’étape suivante.

Dans la seconde étape, le processus de suivi débute et les capteurs concernés sont activés. Les auteurs de [41] proposent une approche intéressante, ils prédisent le taux d’er reur dans la localisation au lieu de prédire la future position de la cible comme le font la plupart des travaux dans ce domaine. Ainsi ces erreurs peuvent être évitées. Cette solution peut gérer les changements de direction de la cible tant que sa vitesse reste approximativement constante.

Les auteurs de [42] utilisent le processus de Gauss-Markov pour modéliser le com portement de la cible et fournir ainsi des paramètres de mobilité à l’algorithme de prédiction. Dans [90] les auteurs proposent l’utilisation de modèles autoregressifs pour gérer la mobilité dans les réseaux cellulaires. Il proposent deux déclinaisons de ce mo dèle : l’un basé sur un modèle AR (Autoregressive model) d’ordre (1) ou seules la position et la vitesse de la cible sont considérées comme paramètres.

L’autre nommée position-AR, qui contrairement au premier considère de plus l’accélération de la cible comme paramètre. Les modèles AR-1 et position-AR sont plus généraux que le modèle Gauss-Markov mentionné précédemment. En effet, ce dernier considère la position, la vitesse et la direction de la cible alors que pour les modèles AR la direction est remplacé par l’accélération. Dans [89] les auteurs utilisent cette fois le filtre de Kalman pour prédire le dépla cement des cibles mobiles dans les réseaux cellulaires.

Ce modèle souffre de limitations 79 Figure 5.3– Réseaux de capteurs sans fil multimédia homogène dues principalement à la nécessité de linéarisation du processus. Cela conduit à des imprécisions au niveau du suivi. Le travail proposé dans [76] utilise aussi le filtre de Kalman pour le suivi de cibles multiples dans un réseau de capteurs multimédia. Dans ce contexte, le filtre est utilisé pour restituer au mieux les données des images capturées en éliminant les effets négatifs des occlusions, des variations d’éclairages, etc.

Dans ce chapitre nous nous intéressons aux mécanismes de suivi proactifs. Les solutions détaillées ci-dessus adoptent toutes ce type de mécanisme qui s’avère très ef f icace pour anticiper les besoins et exploiter cette information au mieux pour atteindre l’objectif souhaité. Certaines d’entre elles sont plus adaptées aux systèmes à évolution linéaires [18] [86] [68] [89] et d’autres à des évolutions non-linéaires [41]. Dans ce qui suit nous allons présenter une solution pour chaque type de système en tenant compte des contraintes liées aux réseaux de capteurs sans fil multimédia. 

Dans cette section, nous allons décrire le type de capteurs déployés. Ensuite, nous détaillerons chacune des solutions proactives proposées. 5.3.1 Description du système Comme nous l’avons précisé plus haut, la question à laquelle nous tentons de ré pondre dans ce chapitre est : comment détecter la présence d’une cible non-coopérative dans un réseau composé uniquement de capteurs multimédia et où aucun détecteur de présence n’est déployé?

Nous déployons donc un réseau de capteurs homogènes, composé de capteurs caméra (CC) disposant d’une portée visuelle RV et d’une portée de communication RT. Un exemple du réseau déployé est illustré dans la figure 5.3. Ces CCs sont déployés suivant la stratégie de déploiement W-VFA décrite dans le chapitre 3. Suite à la phase de déploiement, chaque CC connait sa position et son orientation. Nous supposons que chaque capteur connait ses voisins immédiats (ID, coordonnées et orientation) grâce à un échange préalable de messages