English
Enhanced compressed sensing for visual target tracking in wireless visual sensor networks
文件大小：
1497k
资源说明：根据提供的文件信息，我们可以了解到以下关于“Enhanced compressed sensing for visual target tracking in wireless visual sensor networks”这一主题的知识点：
1. 无线视觉传感器网络（Wireless Visual Sensor Networks, WVSNs）：随着WVSNs的快速发展，越来越多的研究集中在如何部署相机节点和中继节点以捕捉视觉目标。这些网络由大量的小型传感器构成，拥有低功耗的无线传输功能，是各种环境下数据收集的有效工具。
2. 移动目标跟踪：在无线传感器网络（Wireless Sensor Networks, WSNs）中的移动对象跟踪已经广泛应用于多个领域，例如远程环境监测、交通与安全监测、健康援助和追踪等。
3. 压缩感知（Compressive Sensing）：这是一种信号处理方法，可以在低于奈奎斯特采样定理要求的条件下从较少的测量值重构信号。文件中提到了一种高效的压缩感知技术，它基于一种自定义的带早期终止的内存梯度追逐算法，并在WSNs中应用。
4. 能源消耗与资源限制：对于无线传感器节点，资源限制如能源、带宽和存储是设计低功耗WSNs的重要考虑因素。提出的模型和框架能够在视觉传感器节点的资源限制下，就能量消耗和速度方面显示出显著的优越性。
5. 无迹粒子滤波器（Unscented Particle Filter）：该文件介绍了使用无迹粒子滤波器来预测目标的位置，这是一种先进的跟踪技术，能够提高目标跟踪的准确度。
6. 存储与带宽权衡：提出的高效压缩感知技术能够在无线传输能量消耗、带宽类型和最小存储之间取得有力的折衷。
7. 文献引用与发表时间：该研究论文作者为郭强（Guo Qiang），发表在《Journal of Electronic Imaging》上，文章编号为26(6), 063028，发表时间为2017年11月/12月。论文在2017年8月9日被接收，于2017年11月28日接受发表，2017年12月19日在线发表。
8. 关键词：无迹粒子滤波器、压缩感知、无线传感器网络、视觉目标跟踪。
通过上述分析，我们可以进一步了解该研究是如何针对无线视觉传感器网络中的视觉目标跟踪问题，提出了一种改进的压缩感知技术，以及如何通过实验结果和理论分析展示出该技术在资源受限的视觉传感器节点下的有效性和优越性。同时，这也凸显了无迹粒子滤波器在预测目标位置中的重要作用，以及该研究在设计低功耗无线传感器网络中的创新点和实际应用价值。
本源码包内暂不包含可直接显示的源代码文件，请下载源码包。
