本發(fā)明涉及視頻監(jiān)控領域，具體而言，涉及一種無線視頻監(jiān)控系統(tǒng)及其圖像傳輸方法和裝置。

背景技術：

視頻監(jiān)控在獲取信息手段上通常被認為最符合人類認知，也因此，近年來在交通監(jiān)控，安防監(jiān)控等領域得到了極為廣泛的應用，也取得了良好的效果。在某些特殊應用場合，無線化的視頻監(jiān)控系統(tǒng)能夠發(fā)揮更大作用，尤其是基于移動平臺部署的視頻監(jiān)控系統(tǒng)，例如軍用/民用無人機監(jiān)控系統(tǒng)，無人駕駛車輛，工業(yè)巡檢機器人等。相對傳統(tǒng)的視頻監(jiān)控系統(tǒng)，無線視頻監(jiān)控系統(tǒng)能夠顯著增強我們對現(xiàn)場信息的掌握能力和部署靈活度。如在軍事用途中，基于無人機的視頻監(jiān)控系統(tǒng)能夠使得戰(zhàn)場指揮人員直接觀測到遠大于傳統(tǒng)目測范圍的戰(zhàn)場情態(tài)，既能夠避免傳統(tǒng)人員偵察方式的高危險性，也避免了傳統(tǒng)偵察方式的信息傳遞延遲和準確性損失。同樣的，工業(yè)巡檢機器人也使得工廠管理人員能夠觀測到傳統(tǒng)人力難以觀測到的高危區(qū)域，并降低人員參與的需求，進一步提升工業(yè)現(xiàn)場的無人化水平。在以無人駕駛車輛和AR增強現(xiàn)實(如google glass)等為代表的消費類電子市場中，無線視頻子系統(tǒng)也為整體系統(tǒng)提供了重要的信息獲取手段。即使在傳統(tǒng)有線視頻監(jiān)控系統(tǒng)的優(yōu)勢領域如交通監(jiān)控和安防監(jiān)控中，無線化也賦予了系統(tǒng)更大的部署靈活度，在應急處理等場合正在發(fā)揮越來越重要的作用。

然而在此類無線視頻監(jiān)控系統(tǒng)中，由于載體平臺的移動特性，往往無法連接高速以太網(wǎng)或光纖網(wǎng)絡，視頻監(jiān)控所得高清視頻流必須通過無線網(wǎng)絡進行傳輸。值得注意的是，視頻信息尤其是高清視頻信息的海量數(shù)據(jù)一直給視頻監(jiān)控系統(tǒng)的傳輸、存儲、與分析都帶來極大的壓力。而這種壓力在視頻監(jiān)控系統(tǒng)傳輸無線化的過程中更是進一步凸顯出來，成為無線視頻監(jiān)控系統(tǒng)實際部署的主要阻礙。與通常所認為的無線系統(tǒng)帶寬較低所不同的是，目前寬帶無線網(wǎng)絡已能提供百兆量級的寬帶傳輸能力，無線視頻監(jiān)控系統(tǒng)真正所面臨的主要挑戰(zhàn)來自于無線系統(tǒng)的時變特性，按照某種規(guī)律隨著時間推移、環(huán)境變化等而不斷演變的。實際部署的無線通常面臨射頻環(huán)境變化(多徑效應)、設備位置移動(路損及多徑效應)、網(wǎng)絡設備自干擾等機理性因素的影響，這就導致鏈路質量為參數(shù)動態(tài)改變的時變系統(tǒng)。

毫無疑問的，無線通信系統(tǒng)有效帶寬的隨機時變特性通常無法穩(wěn)定傳輸視頻系統(tǒng)尤其是高清視頻系統(tǒng)所生成的海量數(shù)據(jù)。因此相當部分無線視頻監(jiān)控系統(tǒng)工作在離線模式下，見諸報道的一個用來監(jiān)控太陽能發(fā)電站中數(shù)以萬記的太陽能面板損壞情況的無人機紅外監(jiān)控系統(tǒng)每半小時對整個太陽能電站進行一次巡檢，而紅外攝像機所取得的數(shù)據(jù)存在移動存儲設備之上，在無人機降落后插入服務器終端傳輸數(shù)據(jù)，進行離線時的故障分析。軍用的無人偵察機更是如此，其偵察效能顯著受到無線通信系統(tǒng)有效帶寬的影響。

針對這一問題，研究人員注意到其實攝像單元所獲取到的海量像素并不攜帶相等的信息量。在傳統(tǒng)的視頻編碼方案MPEG中即已利用過這一事實，即認為運動區(qū)域具有更高的信息量，為運動區(qū)域的像素分配更多的編碼位數(shù)，而將幀間基本不變的背景區(qū)域視為低信息量區(qū)域分配較低的編碼位數(shù)。但在某些場景，例如在軍事用無人偵察機系統(tǒng)中，在地面靜止的戰(zhàn)術車輛相對背景并未移動，但是顯然為偵察任務的關鍵任務目標。安防監(jiān)控系統(tǒng)中出現(xiàn)的無人行李通常也應當被判定為高價值的異常目標。工業(yè)巡檢系統(tǒng)中，目標機械設備絕大多數(shù)為固定目標，相對的異常狀態(tài)(如色溫變化，震動程度等)而非移動與否應當被視為信息量的判據(jù)。

針對現(xiàn)有技術中由于傳輸無線監(jiān)控信息的無線傳輸鏈路具有時變特性導致無線傳輸鏈路不能被有效利用的問題，目前尚未提出有效的解決方案。

技術實現(xiàn)要素：

本發(fā)明實施例提供了一種無線視頻監(jiān)控系統(tǒng)及其圖像傳輸方法和裝置，以至少解決現(xiàn)有技術中由于傳輸無線監(jiān)控信息的無線傳輸鏈路的有效帶寬具有時變特性導致無線傳輸鏈路不能被有效利用的技術問題。

根據(jù)本發(fā)明實施例的一個方面，提供了一種用于無線視頻監(jiān)控系統(tǒng)的圖像傳輸方法，包括：實時獲取無線傳輸鏈路的有效容量估計值；將視頻中的當前幀圖像分割成多個區(qū)域，并根據(jù)預設的監(jiān)控任務確定每個區(qū)域的傳輸優(yōu)先級；根據(jù)每個區(qū)域的傳輸優(yōu)先級選擇一個或多個區(qū)域，其中，選中的區(qū)域的傳輸優(yōu)先級高于未選中的區(qū)域的優(yōu)先級，且選中的區(qū)域的數(shù)據(jù)量總和小于或等于無線傳輸鏈路的有效容量估計值；將當前幀圖像中選中的區(qū)域通過無線傳輸鏈路進行傳輸。

根據(jù)本發(fā)明實施例的另一方面，還提供了一種用于無線視頻監(jiān)控系統(tǒng)的圖像傳輸裝置，包括：獲取模塊，用于實時獲取無線傳輸鏈路的有效容量估計值；確定模塊，用于將視頻中的當前幀圖像分割成多個區(qū)域，并根據(jù)預設的監(jiān)控任務確定每個區(qū)域的傳輸優(yōu)先級；選擇模塊，用于根據(jù)每個區(qū)域的傳輸優(yōu)先級選擇一個或多個區(qū)域，其中，選中的區(qū)域的傳輸優(yōu)先級高于未選中的區(qū)域的優(yōu)先級，且選中的區(qū)域的數(shù)據(jù)量總和小于或等于無線傳輸鏈路的有效容量估計值；傳輸模塊，用于將當前幀圖像中選中的區(qū)域通過無線傳輸鏈路進行傳輸。

根據(jù)本發(fā)明實施例的另一方面，還提供了一種用于無線視頻監(jiān)控系統(tǒng)的圖像傳輸系統(tǒng)，包括：圖像采集設備，用于采集視頻；處理器，與圖像采集設備通信，用于實時獲取無線傳輸鏈路的有效容量估計值，將視頻中的當前幀圖像分割成多個區(qū)域，并根據(jù)預設的監(jiān)控任務確定每個區(qū)域的傳輸優(yōu)先級，根據(jù)每個區(qū)域的傳輸優(yōu)先級選擇一個或多個區(qū)域，其中，選中的區(qū)域的傳輸優(yōu)先級高于未選中的區(qū)域的優(yōu)先級，且選中的區(qū)域的數(shù)據(jù)量總和小于或等于無線傳輸鏈路的有效容量估計值，將當前幀圖像中選中的區(qū)域通過無線傳輸鏈路進行傳輸至無線通信設備；無線通信設備，與處理器通信，用于將當前幀圖像中選中的區(qū)域或傳至服務器。

在本發(fā)明實施例中，實時獲取無線傳輸鏈路的有效容量估計值；將視頻中的當前幀圖像分割成多個區(qū)域，并根據(jù)預設的監(jiān)控任務確定每個區(qū)域的傳輸優(yōu)先級；根據(jù)每個區(qū)域的傳輸優(yōu)先級選擇一個或多個區(qū)域，其中，選中的區(qū)域的傳輸優(yōu)先級高于未選中的區(qū)域的優(yōu)先級，且選中的區(qū)域的數(shù)據(jù)量總和小于或等于無線傳輸鏈路的有效容量估計值；將當前幀圖像中選中的區(qū)域通過無線傳輸鏈路進行傳輸。由于無線傳輸鏈路資源并不能預留到下一時刻，上述方案用于無線傳輸鏈路的有效容量估計值進行圖像的傳輸，在無線傳輸鏈路的有效容量估計值充足時可以將整幀圖像或圖像中的大部分區(qū)域進行回傳，在無線傳輸鏈路的有效容量估計值較小時可以選擇最終要的區(qū)域進行回傳，相較于一刀切的回傳方式(判斷當前幀圖像是否有用，有用則整幀回傳，無用則整幀拋棄)，不僅能夠有效的利用無線傳輸鏈路，還能夠防止無線傳輸鏈路的卡頓，從而現(xiàn)有技術中由于傳輸無線監(jiān)控信息的無線傳輸鏈路的有效帶寬具有時變特性導致無線傳輸鏈路不能被有效利用的技術問題。

附圖說明

此處所說明的附圖用來提供對本發(fā)明的進一步理解，構成本申請的一部分，本發(fā)明的示意性實施例及其說明用于解釋本發(fā)明，并不構成對本發(fā)明的不當限定。在附圖中：

圖1是根據(jù)本發(fā)明實施例的用于無線視頻監(jiān)控系統(tǒng)的圖像傳輸方法的流程圖；

圖2是根據(jù)本發(fā)明實施例的一種可選的線程1基于雙層卡爾曼濾波器的鏈路指令估計算法的示意圖；

圖3是根據(jù)本發(fā)明實施例的一次針對預設圖像在實驗中得到的殘存面積與Adaboost激活程度的示意圖；

圖4是根據(jù)本發(fā)明實施例的一種可選的線程2基于Adaboost模型的圖像區(qū)域排除與濾出算法的示意圖；

圖5是根據(jù)本發(fā)明實時的一種可選的模擬演示示意圖；

圖6a是根據(jù)本發(fā)明實施例的一種在第一時刻的鏈路質量下回傳的圖像；

圖6b是根據(jù)本發(fā)明實施例的一種在第一時刻的鏈路質量下回傳的圖像；

圖6c是根據(jù)本發(fā)明實施例的一種在第二時刻的鏈路質量下回傳的圖像；

圖6d是根據(jù)本發(fā)明實施例的一種在第三時刻的鏈路質量下回傳的圖像；

圖7是將圖5所示的系統(tǒng)的輸入圖像由攝像頭數(shù)據(jù)更換為標注數(shù)據(jù)集后的召回率信息示意圖；

圖8是根據(jù)本發(fā)明實施例的用于無線視頻監(jiān)控系統(tǒng)的圖像傳輸裝置的示意圖；

圖9是根據(jù)本發(fā)明實施例的用于無線視頻監(jiān)控系統(tǒng)的圖像傳輸系統(tǒng)的示意圖。

具體實施方式

為了使本技術領域的人員更好地理解本發(fā)明方案，下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分的實施例，而不是全部的實施例。基于本發(fā)明中的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都應當屬于本發(fā)明保護的范圍。

需要說明的是，本發(fā)明的說明書和權利要求書及上述附圖中的術語“第一”、“第二”等是用于區(qū)別類似的對象，而不必用于描述特定的順序或先后次序。應該理解這樣使用的數(shù)據(jù)在適當情況下可以互換，以便這里描述的本發(fā)明的實施例能夠以除了在這里圖示或描述的那些以外的順序實施。此外，術語“包括”和“具有”以及他們的任何變形，意圖在于覆蓋不排他的包含，例如，包含了一系列步驟或單元的過程、方法、系統(tǒng)、產(chǎn)品或設備不必限于清楚地列出的那些步驟或單元，而是可包括沒有清楚地列出的或對于這些過程、方法、產(chǎn)品或設備固有的其它步驟或單元。

名詞解釋：

Adaboost：Adaboost是一種迭代算法，Adaboost是Boosting方法的一種，該算法是一種提升算法，意在將多個“弱學習”算法(也稱弱分類器)組合提升為一個“強學習”算法(強分類器)。它采用加權投票機制，將一些有投票權的弱分類器線性組合起來形成強分類器，即對任一輸入圖像，所有弱分類器的決策的加權和決定了該圖像是否為目標的判決。

實施例1

根據(jù)本發(fā)明實施例，提供了一種用于無線視頻監(jiān)控系統(tǒng)的圖像傳輸方法的實施例，需要說明的是，在附圖的流程圖示出的步驟可以在諸如一組計算機可執(zhí)行指令的計算機系統(tǒng)中執(zhí)行，并且，雖然在流程圖中示出了邏輯順序，但是在某些情況下，可以以不同于此處的順序執(zhí)行所示出或描述的步驟。

圖1是根據(jù)本發(fā)明實施例的用于無線視頻監(jiān)控系統(tǒng)的圖像傳輸方法的流程圖，如圖1所示，該方法包括如下步驟：

步驟S21，實時獲取無線傳輸鏈路的有效容量估計值。

具體的，由于無線傳輸鏈路的有效容量估計值具有時變特性，同一無線傳輸鏈路在不同時刻的有效容量估計值可能不同，因此實時獲取無線傳輸鏈路的有效容量估計值，用于在傳輸過程中能夠最大程度的利用有效容量估計值。

步驟S23，將視頻中的當前幀圖像分割成多個區(qū)域，并根據(jù)預設的監(jiān)控任務確定每個區(qū)域的傳輸優(yōu)先級。

具體的，上述每個區(qū)域的傳輸優(yōu)先級僅用于表征處理器在處理過程中的等效實現(xiàn)方式，而并不為處理器在具體的處理過程中的輸出量或參數(shù)，上述當前幀圖像的多個區(qū)域的傳輸優(yōu)先級可以根據(jù)每個區(qū)域與任務目標的相似度進行確定，與任務目標的相似度越高，傳輸優(yōu)先級越高。

步驟S25，根據(jù)每個區(qū)域的傳輸優(yōu)先級選擇一個或多個區(qū)域，其中，選中的區(qū)域的傳輸優(yōu)先級高于未選中的區(qū)域的優(yōu)先級，且選中的區(qū)域的數(shù)據(jù)量總和小于或等于無線傳輸鏈路的有效容量估計值。

在上述步驟中，與任務目標越相似的區(qū)域具有越高的優(yōu)先級，也就是說，傳輸優(yōu)先級越高的區(qū)域越重要，在獲取到無線傳輸鏈路的有效容量估計值后，可以根據(jù)無線傳輸鏈路的有效容量估計值來傳輸當前目標圖像中的多個區(qū)域，在一種可選的實施例中，可以將當前幀圖像的多個區(qū)域根據(jù)傳輸優(yōu)先級排序，選擇第一個區(qū)域并比較第一個區(qū)域的數(shù)據(jù)量和無線傳輸鏈路的有效容量估計值，如果第一個區(qū)域的數(shù)據(jù)量小于無線傳輸鏈路的有效容量估計值，則在選擇的區(qū)域中加入第二區(qū)域，并比較第一個區(qū)域和第二區(qū)域的數(shù)據(jù)量總和與無線傳輸鏈路的有效容量估計值，如果比較第一個區(qū)域和第二區(qū)域的數(shù)據(jù)量總小于與無線傳輸鏈路的有效容量估計值，則繼續(xù)在選擇的區(qū)域中加入第三區(qū)域，直至選中的區(qū)域的總和大于無線傳輸鏈路的有效區(qū)域。

步驟S27，將當前幀圖像中選中的區(qū)域通過無線傳輸鏈路進行傳輸。

具體的，上述用于無線視頻監(jiān)控系統(tǒng)可以包括：攝像傳感設備、處理器以及無線通信設備構成，其中，上述圖像傳輸方法可以用于處理器對接收到的攝像傳感設備獲取的視頻圖像進行處理。

由上可知，本申請上述方案實時獲取無線傳輸鏈路的有效容量估計值；將視頻中的當前幀圖像分割成多個區(qū)域，并確定每個區(qū)域的傳輸優(yōu)先級；根據(jù)每個區(qū)域的傳輸優(yōu)先級選擇一個或多個區(qū)域，其中，選中的區(qū)域的傳輸優(yōu)先級高于未選中的區(qū)域的優(yōu)先級，且選中的區(qū)域的數(shù)據(jù)量總和小于或等于無線傳輸鏈路的有效容量估計值；將當前幀圖像中選中的區(qū)域通過無線傳輸鏈路進行傳輸。由于無線傳輸鏈路資源并不能預留到下一時刻，上述方案用于無線傳輸鏈路的有效容量估計值進行圖像的傳輸，在無線傳輸鏈路的有效容量估計值充足時可以將整幀圖像或圖像中的大部分區(qū)域進行回傳，在無線傳輸鏈路的有效容量估計值較小時可以選擇最終要的區(qū)域進行回傳，相較于一刀切的回傳方式(判斷當前幀圖像是否有用，有用則整幀回傳，無用則整幀拋棄)，不僅能夠有效的利用無線傳輸鏈路，還能夠防止無線傳輸鏈路的卡頓，從而現(xiàn)有技術中由于傳輸無線監(jiān)控信息的無線傳輸鏈路的有效帶寬具有時變特性導致無線傳輸鏈路不能被有效利用的技術問題。

此處需要說明的是，上述攝像傳感器可以是高清可見光攝像機，根據(jù)任務需求也可為紅外、微光、或SAR(合成孔徑雷達成像系統(tǒng))等成像設備；處理器可以為高性能處理器及其外圍設備；無線通信設備在軍用系統(tǒng)中通常為數(shù)據(jù)鏈等專用通信設備，在工業(yè)系統(tǒng)中通常為兼容IEEE802.15.4的ISM通信設備，在消費類電子系統(tǒng)中通常為兼容IEEE802.11的WiFi設備。

攝像傳感設備獲取的每幀視頻信息以數(shù)字形式傳遞給處理單元；處理單元根據(jù)無線通信設備傳遞的參數(shù)送入鏈路質量估計算法，得到當前鏈路的有效容量估計值；有效容量估計值被作為參數(shù)送入前端部署的目標識別算法，根據(jù)有效容量的估計值和圖像的多個區(qū)域的傳輸優(yōu)先級在視頻信息的每幀圖像上篩選出當前鏈路可以傳輸?shù)膱D像區(qū)域，并送至無線通信設備回傳至服務器端。

綜上，處理單元為本系統(tǒng)主要算法的部署位置，程序主體以兩個獨立線程為主。線程1為鏈路有效容量估計算法，線程2為獲取鏈路有效容量估計值后執(zhí)行目標相關度排序與濾除算法。

可選的，根據(jù)本申請上述實施例，步驟S102，獲取無線傳輸鏈路的有效容量估計值，包括：

步驟S211，獲取雙層卡爾曼濾波模型，其中，雙層卡爾曼濾波模型包括第一層卡爾曼濾波和第二層卡爾曼濾波，第一層卡爾曼濾波用于去除設備測量誤差對計算無線傳輸鏈路的有效容量所產(chǎn)生的誤差，第二層卡爾曼濾波模型用于去除多徑信號的畸變對計算無線傳輸鏈路的有效容量所產(chǎn)生的誤差。

圖2是根據(jù)本發(fā)明實施例的一種可選的線程1基于雙層卡爾曼濾波器的鏈路指令估計算法的示意圖，結合圖2所示Kalman1表示第一層卡爾曼濾波，Kalman2表示第二層卡爾曼濾波，RSSI(Received Signal Strength Indication，接收信號的強度)為幾乎所有無線通信設備提供的標準鏈路指標，在理想情況下，無線收發(fā)器的內(nèi)噪音通常恒定(溫度恒定情況下)，一個準確的RSSI即足夠描述信道的鏈路質量和估計出有效通信容量。目前常用的RSSI測量方法是在數(shù)據(jù)幀特定部分(通常為幀頭)截取16us長度的時間片啟動射頻前端ADC采樣獲得其平均功率(通常稱為energy detection即能量檢測)，并轉化成RSSI輸出。即使在理想的AWGN高斯白噪音信道下，調制符號導致信號起伏和ADC采樣誤差均會導致RSSI的不準確性，通常呈現(xiàn)為數(shù)dB的高斯分布。當信號承受信道的多徑效應時，由于設備測量誤差，信號本身呈現(xiàn)大幅起伏，使得用于短時能量檢測的RSSI無法反映整幀(通常持續(xù)時間為數(shù)ms)信號質量。多徑效應導致的信號畸變更是使得信號承受低于同等信噪比指標的高斯白噪音信道的誤碼率。進一步考慮如軍事偵察和工業(yè)環(huán)境等無線視頻監(jiān)控系統(tǒng)的工作場景下還有可能需要面對環(huán)境產(chǎn)生的干擾噪音。因此，在處理器引入了一個雙層Kalman(卡爾曼)濾波模型來生成一個當前信道質量的有效估計。

步驟S213，獲取鏈路的接收信號強度、接收端噪聲強度以及接收端統(tǒng)計誤碼率。

步驟S215，將鏈路的接收信號強度、接收端噪聲強度以及接收端統(tǒng)計誤碼率輸入至雙層卡爾曼濾波模型，得到無線傳輸鏈路的等效信噪比，其中，等效信噪比用于表征在理想的信道下達到預設誤碼率的信噪比。

步驟S217，根據(jù)等效信噪比得到無線傳輸鏈路的有效容量估計值。

可選的，根據(jù)本申請上述實施例，步驟S215，將鏈路的接收信號強度、接收端噪聲強度以及接收端統(tǒng)計誤碼率輸入至雙層卡爾曼濾波模型，得到無線傳輸鏈路的等效信噪比，包括：

步驟S2151，根據(jù)鏈路的接收信號強度、接收端噪聲強度以及接收端統(tǒng)計誤碼率通過線性處理得到信號能量、接收機內(nèi)噪聲和信號劣化程度。

結合圖2所示，RSSI為鏈路的接收信號強度、NOI為接收端噪聲強度、BER為接收端統(tǒng)計誤碼率，通過非線性處理模塊進行線性處理后，得到P_RSS、N和SQD，即信號能量、接收機內(nèi)噪聲和信號劣化程度。

步驟S21513，對信號能量和接收機內(nèi)噪聲通過第一層卡爾曼濾波得到無線傳輸鏈路的信噪比。

結合圖2所示，P_RSS和N經(jīng)過Kalman1得到SNR，即無線傳輸鏈路的信噪比。線程1在每次無線數(shù)據(jù)傳輸后激活，無線通信設備通過監(jiān)測每次數(shù)據(jù)包或數(shù)據(jù)包組傳輸完畢后服務器端回應的ACK(Acknowledgement，確認字符)獲得該鏈路的接收信號強度(Received Signal Strength Indicator,RSSI)，接收端噪音強度(Noise Indicator，NOI)，和接收端統(tǒng)計誤碼率(Bit Error Rate,BER)。

RSSI＝P_rss+N_i+N_e+X_σ (1)

如步驟S211中對RSSI的描述可知，用于生成RSSI的能量檢測方法是無法區(qū)分信號能量P_rss、接收機內(nèi)噪音N_i、和環(huán)境噪音N_e的。因此RSSI并非接收信號強度P_rss的單調映射，而應當由公式(1)描述。X_σ為能量檢測的測量誤差，為一個0均值的高斯分布。因此，在數(shù)據(jù)幀間隔間，即確定無數(shù)據(jù)信號時(如SIFS或DIFS時間片)再次觸發(fā)一次能量檢測功能，獲得一個不包含P_rss的“RSSI”稱為NOI，則可通過公式(2)完成通過RSSI與NOI對P_rss的提取和線性化的標定過程：

其中，b為接收機相關的一個常量，可以離線標定獲得。注意高斯過程的線性運算仍然為一個高斯過程。注意獲得值為信號強度P_rss的一個有誤差觀測值，用P`<sub>rss</sub>標識。同樣，可以對NOI執(zhí)行與公式(2)相似過程，獲得接收機噪音的一個有誤差觀測值，用N`標識：

于是接收端信噪比(如將環(huán)境噪音視為干擾，則為信號干擾噪音比)可以描述為：

SNR＝P_rss-N_i-N_e (4)

第一層的kalman濾波器即用來跟蹤SNR的變化關系，構建如公式(5)所示狀態(tài)方程：

其中w_s,k、w_n,k為符合零均值高斯分布的狀態(tài)噪音，描述了衰落導致信號的起伏分布。為方便Kalman濾波器構建，我們將公式(5)改寫為向量形式：

x_k＝A·x_k-1+w_k (6)

其中為狀態(tài)向量，公式(6)稱為狀態(tài)方程，并構建觀測方程如下：

y_k＝H·x_k+v_k (7)

其中由無線通信單元傳遞的RSSI與NOI參數(shù)經(jīng)過公式(1)-(4)的線性化過程獲得,v_k為測量噪音。

公式(6)-(7)即構成狀態(tài)空間模型，基于此模型即可構建公式(8)-(12)所描述Kalman濾波器：

先驗更新:

先驗誤差計算:

Kalman增益更新:

后驗更新:

后驗誤差計算:

其中為狀態(tài)的先驗估計,x_k為狀態(tài)的后驗估計,為先驗估計誤差的協(xié)方差矩陣,P_k∈R^2×2為后驗估計誤差的協(xié)方差矩陣.K_k∈R^2×2為Kalman增益矩陣隨迭代過程自動收斂,Q為狀態(tài)噪音的方差，R為測量噪音的方差。Q和R可以通過標定獲得。此處注意到P值與收斂終態(tài)無關，因此可以置任意非零矩陣。通過對收斂后的狀態(tài)向量提取P_rss與N，求其比即可得SNR的一個抑制觀測噪音的估計值。

步驟S21515，根據(jù)無線傳輸鏈路的信噪比和信號劣化程度通過第二層卡爾曼濾波得到無線傳輸鏈路的等效信噪比。

多徑效應除導致信號幅度起伏外，還將造成符號畸變，使得信號在相同信噪比下承受更差的誤碼率。因此引入第二層Kalman濾波器來描述并跟蹤這樣一個信號劣化的程度。我們定義一個新的變量Effective SNR(ESNR)來描述在無線收發(fā)器當前工作模式(通常指調制與編碼模式)在理想高斯白噪音信道下達到指定誤碼率BER所需的信噪比(顯然可以通過離線標定方法獲得這一映射關系)。則可以定義：

ESNR＝SNR-SQD (13)

ESNR與SNR之差即為多徑效應造成的信號劣化程度Signal Quality Degradation(SQD)，注意SQD無法直接觀測，且按窗口統(tǒng)計法所得誤碼率通常與真實誤碼率存在一個隨機誤差，所以我們構建了一個第二層的Kalman濾波器來通過BER的觀測值來跟蹤SQD的變化。需要注意的是通過接收端獲得的直接統(tǒng)計值為PER，即丟包率或稱丟幀率具有相同的物理意義，首先需要通過PacketLength(包長)進行線性化將其轉換成BER，并進一步通過標定的查找表轉換為ESNR：

PER＝1-(1-BER)^{8·PacketLength} (14)

于是我們可以定義第二層Kalman濾波器的狀態(tài)方程為：

x_2,k＝A₂·x_2,k-1+w_2,k (15)

其中andw_snrw_sqd為SNR與SQD的狀態(tài)噪音,注意由于在觀測方程中SQD是由SNR與ESNR線性計算所得，因此SNR與SQD以及兩狀態(tài)變量所承受的噪音不再嚴格獨立。為簡化系統(tǒng)避免增強Kalman濾波器的估計開銷，系統(tǒng)仍然假設該噪音獨立，這帶來一定的性能損失。正如預估，試驗結果也表明Kalman濾波器系統(tǒng)在該強制條件下仍然快速收斂并準確估計出系統(tǒng)的變化。

定義觀測方程如下：

y_2,k＝H₂·x_2,k+v_2，k(16)

其中v_SNRv_BER為觀測噪音。SNR`由第一層Kalman濾波器取其狀態(tài)向量解算所得，并送入第二層Kalman濾波器作為觀測變量。ESNR`由觀測的BER映射而得。第二層Klamn濾波器過程仍然可由公式(8)-(12)描述，但是采用不同的參數(shù)組即可。

當兩層濾波器經(jīng)過數(shù)次迭代收斂后，即可通過x₂提取SNR與SQD即可解算出ESNR作為一個可靠的鏈路質量估計。在獲得一個可靠的鏈路質量估計后，即可采用單向搜索方法，獲得使得當前鏈路容量最大的調制于編碼組合工作模式max_r∈RThroughput(r)，

其中R為無線收發(fā)器工作模式集合。上述優(yōu)化過程可由下述偽代碼描述：

此處需要說明的是，若解算出最優(yōu)工作模式與當前工作模式不同，則在下次數(shù)據(jù)交互時通過RTS(Request to send，請求發(fā)送)與CTS(Clear to send，允許發(fā)送)更新工作模式，否則保持當前工作模式。

在工作模式確定后，即可根據(jù)當前工作模式的解析BER(Bit Error Rate，接收端統(tǒng)計誤碼率)函數(shù)帶入當前鏈路質量估計值解算出無線傳輸鏈路的有效容量估計值(非香農(nóng)上限)，即當前鏈路在小時間尺度內(nèi)可以可靠傳輸?shù)臄?shù)據(jù)率。該無線傳輸鏈路的有效容量估計值每次迭代更新后將被送至線程2作為門限參數(shù)。

可選的，根據(jù)本申請上述實施例，步驟S23，將視頻中的當前幀圖像分割成多個區(qū)域，并確定每個區(qū)域的傳輸優(yōu)先級，包括：

步驟S231，獲取預設目標識別模型。

具體的，上述預設目標識別模型可以為Adaboost模型。

在一種可選的實施例中，仍以載有攝像是設備無人進行采集視頻為例，可以根據(jù)任務定義，在驗證系統(tǒng)中構建由12000個正樣本，12000個負樣本組成的無人機對地觀測任務訓練集，用來訓練一個61級的Adaboost分類器。Adaboost采用貪婪的迭代方式，每次迭代選擇一個最好的弱分類器，最后將所有迭代中選擇出的弱分類器進行線性加權組合，形成強分類器。在每次迭代中，Adaboost對每個訓練樣本賦予一個權重，這樣在每次迭代中所有樣本的權重形成一套概率分布。每次迭代中選擇分類誤差最小的弱分類器參與到強分類器的構建中，并調整每個訓練樣本的權重。權重調整的原則是更加重視被誤分的樣本，被誤分的樣本獲得較大的權重，被正確分類的樣本權重減少。這樣，隨著迭代次數(shù)的增加，權重的增加，算法會更加關注難以訓練的樣本上。最后，根據(jù)每次迭代選擇出的弱分類器的加權組合，從而形成強分類器，并且弱分類器的權重為其在訓練集上的權重。

步驟S233，提取當前幀圖像的多個區(qū)域的特征信息，并輸入至預設目標識別模型，其中，預設目標識別模型通過對多個弱分類器的判決結果進行加權得到最終的判決結果。

步驟S235，根據(jù)所述無線傳輸鏈路的有效容量估計值獲取當前幀圖像所對應的預設目標識別模型中弱分類器的激活數(shù)量，并激活預設目標識別模型中與激活數(shù)量對應的弱分類器。

步驟S237，通過激活的弱分類器對多個區(qū)域與目標對象的相似度進行排序，并根據(jù)多個區(qū)域與目標對象的相似度確定多個區(qū)域的傳輸優(yōu)先級，其中，相似度越高，傳輸優(yōu)先級越高。

可選的，根據(jù)本申請上述實施例，步驟S231，獲取預設目標識別模型，包括：

步驟S2311，通過多個正樣本和多個負樣本訓練預設數(shù)量的弱分類器，得到訓練后的弱分類器，其中，每個訓練后的弱分類器對應圖像的一個或多個特征。具體的，弱分類器對應的圖像的多個特征為一組特征集合。

步驟S2313，將每個訓練后的弱分類器進行迭代預設次數(shù)，得到預設目標識別模型，其中，預設目標識別模型將每個弱分類器根據(jù)權重由高至低重新排序，將每個訓練后的弱分類器進行迭代預設次數(shù)的步驟包括。

步驟S2315，根據(jù)獲取的圖像的每一種特征對應的增加漏警率權重的加權分類誤差。

步驟S2317，根據(jù)此次迭代中加權分類誤差最小的分類器是否對樣本正確分類，確定用于更新權重的參數(shù)。

步驟S2319，根據(jù)用于更新權重的參數(shù)以及此次迭代中最小的加權分類誤差確定新的權重值。

作為一種可選的實施例，預設目標識別模型可以為Adaboost模型，可以通過如下方法訓練得到Adaboost模型：

1.給一組訓練樣本{x_i,y_i}_i＝1,...,N其中，y_i為樣本x_i的類別標號；

2.構建弱分類器h_j(x)，對應一個特征f_j，一個閾值θ_j，還有一個用來指示不等式符號方向的函數(shù)p_j：

3.對于第j個特征f_j，計算所有訓練樣本關于該特征的特征值，并排序。對每個特征值計算；

1)全部正例樣本的權重之和W⁺；

2)全部反例樣本的權重之和W^-；

3)在此特征值之前的正例樣本的權重之和S⁺；

4)在此特征值之前的反例樣本的權重之和S^-；

于是選擇當前特征值和它前面的一個特征值之間的實數(shù)作為閾值θ_j時，這個閾值所帶來的分類誤差為e＝min(S⁺+(W^--S^-),S^-+(W⁺-S⁺))。

4.遍歷排好序的特征值掃描一遍，選擇分類誤差最小的那個閾值作為當前弱分類器的最佳閾值θ_j。

5.基于訓練好的弱分類器，訓練Adaboost模型，分別將正例樣本和反例的權重初始化為m和l分別為反例樣本和正例樣本的數(shù)量

6.循環(huán)迭代t＝1,2,…T，其中，T為所有弱分類器樹木。

1)、歸一化權重，

2)、對于每一個特征j，根據(jù)經(jīng)驗所得漏警權重w_i計算加權分類誤差：

ε_j＝∑_iω_i|w_i(h_j(x_i)-y_i)|

3)、選擇本次迭代中誤差ε_t最小的那個弱分類器.

4)、更新權重：

其中，如果樣本被正確分類，則e_i＝0；

否則，e_i＝1，并且

7.生成最終的強分類器為：

其中

8.依α_t從高到低將h_t(x)重新排序。

相對于現(xiàn)有技術的Adaboost訓練過程，我們對訓練過程進行了部分修正以更加匹配無線監(jiān)控系統(tǒng)的使用：

1.增大漏警率的權重，而非使用標準的分類錯誤率(等效于漏警率與誤警率的算術平均值)用來訓練Adaboost模型。

2.在Adaboost訓練完畢后，依照權重將訓練好的弱分類器重新排序。即使該模型在使用時權重越大的弱分類器有更大的激活概率。

可選的，根據(jù)本申請上述實施例，步驟S235，獲取當前幀圖像所對應的預設目標識別模型中弱分類器的激活數(shù)量，包括：

步驟A，設置預設的激活數(shù)量的集合，并獲取預設誤差門限值。

步驟B，分別通過激活數(shù)量的集合中的第一激活數(shù)量和第二激活數(shù)量的弱分類器對分割當前幀圖像得到的多個區(qū)域進行處理，得到通過第一激活數(shù)量的弱分類器的第一判決區(qū)域和通過第二激活數(shù)量的弱分類器的第二判決區(qū)域，并根據(jù)第一判決區(qū)域和第二判決區(qū)域的坐標確定分別對應的第一殘存面積和第二殘存面積。

步驟C，根據(jù)第一殘存面積和第二殘存面積的差通過對數(shù)擬合獲得預估的第三殘存面積。

步驟D，通過第三激活數(shù)量的弱分類器對分割當前幀圖像得到的多個區(qū)域進行處理，得到實際第三殘存面積。

步驟E，將預估的第三殘存面積與實際第三殘存面積進行比對。

步驟F，重復殘存面積步驟B至殘存面積步驟E依次按照殘存面積激活數(shù)量的集合中的激活數(shù)量迭代N次，直至殘存面積預估的第三殘存面積與殘存面積實際第三殘存面積的差值小于殘存面積誤差門限值。

步驟G，通過小于誤差門限值的擬合參數(shù)結合殘存面積無線傳輸鏈路的有效容量估計值，得到殘存面積當前幀圖像所對應的殘存面積預設目標識別模型中弱分類器的激活數(shù)量，其中，擬合參數(shù)為所述步驟C中對數(shù)擬合的過程生成的參數(shù)。

以預設目標識別模型為Adaboost模型為例，離線訓練完畢的Adaboost模型即可存入無線視頻監(jiān)控系統(tǒng)前端，供實時圖像區(qū)域篩選使用。但是Adaboost為各個弱分類器加權判決，而非逐次的級聯(lián)判決。也就是Adaboost的判決需要多個弱分類同時使用給出候選窗口判決，而非將所有候選窗口依序送入各弱分類器，在每個弱分類器均濾除部分候選窗口。這也就意味著，在實時使用時，我們需要一個優(yōu)化決策算法，來根據(jù)輸入的有效容量估計值來給出激活的弱分類器數(shù)目。此外還需要注意到，根據(jù)當前幀包含信息不同，同樣的Adaboost激活程度產(chǎn)生的殘存區(qū)域面積和數(shù)據(jù)量也并不相同，因此需要進行在線估計。

圖3是根據(jù)本發(fā)明實施例的一次對預設圖像在實驗中得到的殘留區(qū)域面積與Adaboost激活程度的示意圖，結合圖3所示，對該預設圖像來說，殘留區(qū)域面積與Adaboost激活程度在后期呈現(xiàn)對數(shù)下降趨勢，根據(jù)此發(fā)現(xiàn)，采用迭代逼近的估計算法：

1)對攝像傳感單元輸入的當前0幀進行掃窗，生成候選窗口。掃窗法也可被圖割等候選窗口生成算法替代；

2)選擇一個初始的Adaboost激活度a₁,a₁取值根據(jù)經(jīng)驗設定，通常為一較小值；

迭代i＝1,2,…..I,其中a_I＝100％；

3)用激活的Adaboost子集θ(a_i)-θ(a_i-1)(注：差集)對候選窗口進行處理，合并上一迭代周期加權結果進行判決，對通過判決的候選窗口集統(tǒng)計其坐標的并集，計算對應殘存面積S(a_i)。并緩存本次加權結果；

4)計算歸一化估計誤差

5)若估計誤差ε大于門限值，說明尚未進入對數(shù)下降區(qū)域，計算殘存面積的對數(shù)變化率Δ_i＝10log10[S(a_i)-S(a_i-1)],并利用Δ_i與a_i+1＝2a_i計算下一迭代周期的殘存面積估計S(a_i-1)；

6)重復3-5直至估計誤差ε小于門限值；

7)根據(jù)有效帶寬估計，估算能夠可靠傳輸?shù)膶膱D像面積S，代入Δ_i，求解對應Adaboost激活度a≤100％；

8)用激活的模型子集θ(a)對候選窗口進行處理，對通過判決的候選窗口集合并窗口，生成待傳輸圖像，進行無損壓縮后送入無線傳輸單元。將原始圖像暫存本地備份。

本過程事實上將原始Adaboost算法的計算開銷，通過迭代逼近的方法拆分為幾個離散子集，并依次執(zhí)行。其在最壞情況下的計算量約等于原始Adaboost算法，即使對每個弱分類器進行一次迭代逼近，估計算法產(chǎn)生的額外開銷也遠遠小于海量的候選窗口的特征運算。因此正常執(zhí)行時，本算法可以視為原始Adaboost的離散自適應子集，算法開銷較低，適合前端嵌入式平臺執(zhí)行?？偟膩碚f，當信道較為惡劣時，計算開銷將越大，濾除更多目標區(qū)域，傳輸更小的數(shù)據(jù)量；當信道較為理想時，計算開銷將降低，濾除較少的目標區(qū)域，傳輸更大的數(shù)據(jù)量。核心原則是以準確的鏈路質量估計來指導一個自適應的目標檢測算法，在保證關鍵目標信息不丟失的情況下，依目標檢測算法排序，回傳當前無線鏈路能夠承擔的圖像信息。該方法可以進一步疊加其他視頻/圖像壓縮方法使用。

可選的，根據(jù)本申請上述實施例，在將當前幀圖像中選中的區(qū)域通過無線傳輸鏈路進行傳輸之前，方法還包括：對選中的區(qū)域進行合并，并進行無損壓縮。

綜上，本發(fā)明能夠達到以下效果：

1.考慮了無線信道的時變特征，及信道資源的不可累積性。

2.在1的基礎上，提出利用對無線鏈路的準確估計來最大可能的回傳圖像信息。

3.對前端攝像單元捕獲的原始圖像，根據(jù)監(jiān)控任務定義，將原始圖像按包含與任務目標相似度(可以定義為一種偽信息量)進行區(qū)域劃分。

4.以鏈路質量估計指標，計算能夠可靠傳輸?shù)臄?shù)據(jù)量，根據(jù)數(shù)據(jù)量，確定能夠回傳的圖像區(qū)域。

圖4是根據(jù)本發(fā)明實施例的一種可選的線程2基于Adaboost模型的圖像區(qū)域排除與濾出算法的示意圖，結合圖4所示，線程2在每次攝像傳感設備將每幀數(shù)據(jù)送至處理器后被激活。線程2的主要目標是根據(jù)無線視頻監(jiān)控系統(tǒng)在不同任務場景下的任務定義，對當前幀的圖像信息進行解析，將圖像區(qū)域按照與任務目標的相似程度進行排序，并按照帶寬門限選取高信息量區(qū)域拼接后送至無線通信單元回傳。在如圖4所示的示例中，該Adaboost模型部署于無線視頻監(jiān)控系統(tǒng)的前端，包括N個弱分類器，每個分類器對應一個權重值w(如圖：DT1對應W1，DTn對應Wn等)，其中，i為處理當前幀圖像需要激活的弱分類器數(shù)量，即有投票權的弱分類器；DT1、DT2……DTi為激活的弱分類器，DTi+1……DTn為Adaboost模型中未激活的分類器，被激活的分類器確定保留區(qū)域，根據(jù)保留區(qū)域的數(shù)據(jù)量估計以及由線程1實時獲取的無線傳輸鏈路的有效容量估計參數(shù)通過門限決策確定當前幀圖像對應的激活度，并反饋至激活分類器，進一步的，根據(jù)激活的每個弱分類器對當前幀圖像分成的每個區(qū)域的判決結果進行加權后得到每個區(qū)域的最終判決結果(即是否回傳)，將通過最終判決的區(qū)域(確定需要回傳的區(qū)域)進行串口合并，并在進行壓縮編碼后傳輸至無線通信單元。

進一步的構建了一個如下圖5所示的模擬演示系統(tǒng)，利用一塊Jetson TK1嵌入式板卡配合1080p高清攝像頭模擬無線視頻監(jiān)視系統(tǒng)，通過wifi回傳信號，服務器端wifi設備與天線間增加一臺可調信號衰減器用來模擬不同鏈路質量。在實驗室內(nèi)布置機場沙盤，利用無線視頻監(jiān)控系統(tǒng)模擬無人機實時對地觀測。

圖6a、圖6b、圖6c、圖6d為分別對應不同鏈路質量的回傳圖像，從圖6a、圖6b、圖6c、圖6d，鏈路質量逐漸惡化，可見這一過程中更多的非關鍵地形信息被濾除，但是始終保證關鍵目標：飛機的信息被回傳。

圖7為將圖5所示的系統(tǒng)的輸入圖像由攝像頭數(shù)據(jù)更換為標注數(shù)據(jù)集(采用googgle衛(wèi)星數(shù)據(jù)生成)后的召回率信息示意圖(即目標未被完整傳輸回服務器的概率)，由圖7可見經(jīng)過即使在Adaboost算法全部61級弱分類器執(zhí)行的情況下，系統(tǒng)仍能保持99％以上的信息可靠性，具備部署能力。

實施例2

根據(jù)本發(fā)明實施例，提供了一種用于無線視頻監(jiān)控系統(tǒng)的圖像傳輸裝置的實施例，圖8是根據(jù)本發(fā)明實施例的用于無線視頻監(jiān)控系統(tǒng)的圖像傳輸裝置的示意圖，如圖8所示，該裝置包括：

獲取模塊80，用于實時獲取無線傳輸鏈路的有效容量估計值。

確定模塊82，用于將視頻中的當前幀圖像分割成多個區(qū)域，并根據(jù)預設的監(jiān)控任務確定每個區(qū)域的傳輸優(yōu)先級。

選擇模塊84，用于根據(jù)每個區(qū)域的傳輸優(yōu)先級選擇一個或多個區(qū)域，其中，選中的區(qū)域的傳輸優(yōu)先級高于未選中的區(qū)域的優(yōu)先級，且選中的區(qū)域的數(shù)據(jù)量總和小于或等于無線傳輸鏈路的有效容量估計值。

傳輸模塊86，用于將當前幀圖像中選中的區(qū)域通過無線傳輸鏈路進行傳輸。

可選的，根據(jù)本申請上述實施例，獲取模塊80包括：

第一獲取子模塊，用于獲取雙層卡爾曼濾波模型，其中，雙層卡爾曼濾波模型包括第一層卡爾曼濾波和第二層卡爾曼濾波，第一層卡爾曼濾波用于去除設備測量誤差對計算無線傳輸鏈路的有效容量所產(chǎn)生的誤差，第二層卡爾曼濾波模型用于去除多徑信號的畸變對計算無線傳輸鏈路的有效容量所產(chǎn)生的誤差；

第二獲取子模塊，用于獲取鏈路的接收信號強度、接收端噪聲強度以及接收端統(tǒng)計誤碼率；

第三獲取子模塊，用于將鏈路的接收信號強度、接收端噪聲強度以及接收端統(tǒng)計誤碼率輸入至雙層卡爾曼濾波模型，得到無線傳輸鏈路的等效信噪比，其中，等效信噪比用于表征在理想的信道下達到預設誤碼率的信噪比；

第四獲取子模塊，用于根據(jù)等效信噪比得到無線傳輸鏈路的有效容量估計值。

可選的，根據(jù)本申請上述實施例，第三獲取子模塊包括：

第一獲取單元，用于根據(jù)鏈路的接收信號強度、接收端噪聲強度以及接收端統(tǒng)計誤碼率通過線性處理得到信號能量、接收機內(nèi)噪聲和信號劣化程度；

第二獲取單元，用于對信號能量和接收機內(nèi)噪聲通過第一層卡爾曼濾波得到無線傳輸鏈路的信噪比；

第三獲取單元，用于根據(jù)無線傳輸鏈路的信噪比和信號劣化程度通過第二層卡爾曼濾波得到無線傳輸鏈路的等效信噪比。

可選的，根據(jù)本申請上述實施例，確定模塊72包括：

第五獲取子模塊，用于獲取預設目標識別模型；

提取子模塊，用于提取當前幀圖像的多個區(qū)域的特征信息，并輸入至預設目標識別模型，其中，所述預設目標識別模型通過對多個弱分類器的判決結果進行加權得到最終的判決結果；

第六獲取子模塊，用于根據(jù)無線傳輸鏈路的有效容量估計值獲取當前幀圖像所對應的預設目標識別模型中弱分類器的激活數(shù)量，并激活預設目標識別模型中與激活數(shù)量對應的弱分類器；

確定子模塊，用于通過激活的弱分類器對多個區(qū)域與目標對象的相似度進行排序，并根據(jù)多個區(qū)域與目標對象的相似度確定多個區(qū)域的傳輸優(yōu)先級，其中，相似度越高，傳輸優(yōu)先級越高。

可選的，根據(jù)本申請上述實施例，獲取預設目標識別模型，包括：

訓練子模塊，用于通過多個正樣本和多個負樣本訓練預設數(shù)量的弱分類器，得到訓練后的弱分類器，其中，每個訓練后的弱分類器對應圖像的一個或多個圖像特征；

弱分類器迭代模塊，用于將每個訓練后的弱分類器進行迭代預設次數(shù)，得到預設目標識別模型，其中，預設目標識別模型將每個弱分類器根據(jù)權重由高至低重新排序，將每個訓練后的弱分類器進行迭代預設次數(shù)的步驟包括：

根據(jù)獲取圖像的每一種特征對應的增加漏警率權重的加權分類誤差；

根據(jù)此次迭代中加權分類誤差最小的分類器是否對樣本正確分類，確定用于更新權重的參數(shù)；

根據(jù)用于更新權重的參數(shù)以及此次迭代中最小的加權分類誤差確定新的權重值。

可選的，根據(jù)本申請上述實施例，上述裝置還包括：

合并壓縮模塊，用于對選中的區(qū)域進行合并，并進行無損壓縮。

實施例3

根據(jù)本發(fā)明實施例，提供了一種用于無線視頻監(jiān)控系統(tǒng)的圖像傳輸系統(tǒng)的實施例，圖9是根據(jù)本發(fā)明實施例的用于無線視頻監(jiān)控系統(tǒng)的圖像傳輸系統(tǒng)的示意圖，如圖9所示，該系統(tǒng)包括：

圖像采集設備10，用于采集視頻。

處理器20，與圖像采集設備通信，用于實時獲取無線傳輸鏈路的有效容量估計值，將視頻中的當前幀圖像分割成多個區(qū)域，并根據(jù)預設的監(jiān)控任務確定每個區(qū)域的傳輸優(yōu)先級，根據(jù)每個區(qū)域的傳輸優(yōu)先級選擇一個或多個區(qū)域，其中，選中的區(qū)域的傳輸優(yōu)先級高于未選中的區(qū)域的優(yōu)先級，且選中的區(qū)域的數(shù)據(jù)量總和小于或等于無線傳輸鏈路的有效容量估計值，將當前幀圖像中選中的區(qū)域通過無線傳輸鏈路進行傳輸至無線通信設備。

無線通信設備30，與處理器通信，用于將當前幀圖像中選中的區(qū)域或傳至服務器。

上述本發(fā)明實施例序號僅僅為了描述，不代表實施例的優(yōu)劣。

在本發(fā)明的上述實施例中，對各個實施例的描述都各有側重，某個實施例中沒有詳述的部分，可以參見其他實施例的相關描述。

在本申請所提供的幾個實施例中，應該理解到，所揭露的技術內(nèi)容，可通過其它的方式實現(xiàn)。其中，以上所描述的裝置實施例僅僅是示意性的，例如單元的劃分，可以為一種邏輯功能劃分，實際實現(xiàn)時可以有另外的劃分方式，例如多個單元或組件可以結合或者可以集成到另一個系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過一些接口，單元或模塊的間接耦合或通信連接，可以是電性或其它的形式。

所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個地方，或者也可以分布到多個單元上。可以根據(jù)實際的需要選擇其中的部分或者全部單元來實現(xiàn)本實施例方案的目的。

另外，在本發(fā)明各個實施例中的各功能單元可以集成在一個處理單元中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個單元中。上述集成的單元既可以采用硬件的形式實現(xiàn)，也可以采用軟件功能單元的形式實現(xiàn)。

所述集成的單元如果以軟件功能單元的形式實現(xiàn)并作為獨立的產(chǎn)品銷售或使用時，可以存儲在一個計算機可讀取存儲介質中。用于這樣的理解，本發(fā)明的技術方案本質上或者說對現(xiàn)有技術做出貢獻的部分或者該技術方案的全部或部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計算機軟件產(chǎn)品存儲在一個存儲介質中，包括若干指令用以使得一臺計算機設備(可為個人計算機、服務器或者網(wǎng)絡設備等)執(zhí)行本發(fā)明各個實施例所述方法的全部或部分步驟。而前述的存儲介質包括：U盤、只讀存儲器(ROM，Read-Only Memory)、隨機存取存儲器(RAM，Random Access Memory)、移動硬盤、磁碟或者光盤等各種可以存儲程序代碼的介質。

以上所述僅是本發(fā)明的優(yōu)選實施方式，應當指出，對于本技術領域的普通技術人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也應視為本發(fā)明的保護范圍。