协作处理技术在视频传感器网络中的应用
在传感器网络中，协作处理的根本目的在于协调多个传感器节点之间的行为，使其保持高度的一致性，以实现传感器网络的功能目标。但是，就单个传感器节点而言，其感知和通信范围有限、能量有限、计算能力有限，单个节点无法单独处理大规模的场景监测任务。为了充分发挥传感器网络的监测能力，必须协作网络中众多资源有限的传感器节点，以有效解决复杂媒体数据的采集、处理、传输及展示问题。此外，协作处理相对于集中处理具有提高系统鲁棒性以及改善网络性能等显著优势。
总结现有文献资料，我们将视频传感器网络中协作处理研究分为两个层面：
多视频传感器节点协作的基本支撑算法 主要研究如何对视频传感器网络中协作处理提供基本支撑，包括多视频传感器节点定位与目标定位、视频传感器网络中时空一致性保障等问题。视频传感器网络中协作处理往往基于视觉的相关性，对视频传感器节点的位置和时间同步极其敏感，这就需要满足相应的定位和时空一致性需求。同时，定位与时空同步往往也反映了节点间协作。
目前，利用多视频传感器节点定位监测目标的研究较多。算法主要思想是：折衷目标定位精度与系统能耗两者间关系，利用空间几何等方法选择优化的节点集合完成目标的定位与追踪。文献中提出了一种多视频传感器网络中时空一致性保障技术，该技术能够快速、有效地对多视频传感器节点采集的图像信息进行分析合成，并计算出满足时限要求的最新图像以满足时间一致性的需求。
协作信息处理技术通过相关数据的融合处理，得到更有效、更符合用户需求的监测信息，以更好地描述视频传感器网络所处的环境。目前，视频传感器网络中协作信息融合研究主要为两个目的：
增强数据准确性仅收集少数几个分散的视频传感器节点的数据较难确保得到信息的正确性，需要通过对监测同一对象的多个视频传感器所采集的数据进行综合，来有效地提高所获得信息的精度和可信度。早期文献提出的利用多视频传感器节点实现协同监测大都属于这一类。基于相邻节点的视觉相关性实现协作信息融合，旨在利用不同视角图像中所包含的空间冗余信息和互补信息，实现监测图像增强，进而改善系统监控质量。
另外，有别于上述同类数据间协作融合思想，一些学者也开展了视频传感器网络中多类数据间协作融合的研究，引入音频、红外等感知数据，以提高监测范围及监测能力。利用声强信息辅助场景监测，为场景视觉信息变化提供重要的参考依据，有效地解决了以往因光照强度变化而造成了"误监测"情况，提高了统监测的可靠性。在对同一场景实现多角度监测时，利用红外线感知能力消除不确定感知问题(尤其是多移动目标间彼此遮挡而造成的不确定感知)，以从多源视频序列中有效地区分出多个移动目标。
节约网络能量在大量视频传感器节点所组成视频监控系统，多个节点的监测范围互相交叠必将导致相邻节点采集的数据存在一定冗余。大量冗余数据在网络中传输会造成网络资源的浪费。协作信息融合对数据进行综合去掉冗余信息，在满足应用需求的前提下将需要传输的数据量最小化。目前，此方面研究成果比较少见。基于多节点视觉相关性，提出了一种协作处理方法，采用分布式编码方式降低各节点的信息采集和处理能耗。具有重叠感知区域各视频传感器节点发送重叠区域的低分辨率图像至上层节点，上层节点则采用高分辨率技术重建重叠区域的高分辨率图像，最终实现整个场景的能量有效的监测。另外，将同一场景的视觉监测任务分担到相关度较大的两个或两个以上的视频传感器节点来协作完成，每个视频传感器节点仅负责一部分场景视觉信息的监测，并传输至上层节点以拼合生成完整的场景图像。
综上，视频传感器网络中协作信息处理的研究成果主要是针对增强数据准确性开展的，而对于设计能量有效的协作处理方法涉及有限。基于视觉相关性的协作图像融合是最为直观一种节能协作处理方法，尤其对于部署密集的视频传感器网络，这一优势更加突出。虽然类协作处理方法也存在一些不足： 1)相邻视频传感器节点需要精确的位置校准； 2)感知重叠区域确定以及感知任务分配需要消耗一部分能量。
