.png){kind=icon}
返回
Intelligent IoT-Based Network Clustering and Camera Distribution Algorithm Using Reinforcement Learning
.png){kind=icon}
OA
AI
DOI：10.3390/technologies13010004.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
各类经济实惠的通信设备和摄像头的出现，使得物联网系统能够为广泛的民用和军事应用提供有效的解决方案。其中一种潜在应用是监控系统，多个摄像头协作监控特定区域。然而，现有的监控系统通常基于传统摄像头分布，并伴随着额外的通信成本和检测范围冗余。因此，我们提出了一种基于机器学习的智能高效摄像头分布系统，采用两种强化学习（RL）方法：Q-Learning和神经网络。我们提出的方法首先使用一种几何分布式网络聚类算法，该算法基于摄像头的视场（FoV）优化摄像头放置。然后，为改进摄像头分布系统，我们将其与一种强化学习技术集成，该技术的角色是动态调整先前/现有配置，以在减少摄像头数量的同时最大化目标覆盖范围。强化智能体根据监控区域内变化的交通分布和条件，修改系统参数——如相邻摄像头间的重叠距离、摄像头视场（FoV）以及部署的摄像头数量。仿真结果表明，在所需摄像头数量、网络覆盖率百分比和交通覆盖率方面，所提出的摄像头分布算法优于现有方法。
Keyword:
Internet of things (IoT)
surveillance systems
camera field of view (FoV)
machine learning
reinforcement learning
Q-learning
deep neural Q-network (DQN)
期刊
T
IF:
3.6
论文数:
1.3K
被引数:
3.2K
机构
引用论文
Distributed Energy-Efficient Multi-UAV Navigation for Long-Term Communication Coverage by Deep Reinforcement Learning基于深度强化学习的分布式高能效多无人机导航长期通信覆盖
PREAI
分享收藏Clustering wireless camera sensor networks based on overlapped region detection基于重叠区域检测的无线摄像头传感器网络聚类
PREAI
分享收藏A Reinforcement Learning-Based Distributed Control Scheme for Cooperative Intersection Traffic Control基于强化学习的交叉口协同交通控制分布式控制方案.png)
IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏Reinforcement learning-based calibration method for cameras with large FOV基于强化学习的大视场摄像机标定方法MEASUREMENT
MEASUREMENTIF5.6
PREAI
分享收藏Efficient camera selection for maximized target coverage in underwater acoustic sensor networks
PREAI
分享收藏分享收藏
High-efficient view planning for surface inspection based on parallel deep reinforcement learning
PREAI
分享收藏
查看更多内容