rryPi樹替派開發(fā)板、圖像 采集模塊、SD卡、被動式熱釋電紅外傳感器、紅外LED、供電模塊和Zigbee無線通信模塊。
[0031] 被動式熱釋電紅外傳感器和紅外L邸通過GPIO與樹替派連接，實現(xiàn)移動生物體 的檢測。圖像采集模塊的攝像頭通過樹替派CIS接口與樹替派連接實現(xiàn)圖像采集功能。 Zigbee無線通信模塊通過串口與樹替派主板連接，實現(xiàn)終端節(jié)點與匯聚節(jié)點之間的文件發(fā) 送和通信；供電模塊與卡片式電腦相連提供電能，SD卡與卡片式電腦連接用于信息儲存。
[0032] 如圖2所示，匯聚節(jié)點硬件包括卡片式電腦即RaspberryPi樹替派開發(fā)板、圖像 采集模塊、SD卡、被動式熱釋電紅外傳感器、紅外LED、供電模塊、Zigbee無線通信模塊W及 WiFi或3G模塊。
[0033] 被動式熱釋電紅外傳感器和紅外LED通過GPIO與樹替派連接，實現(xiàn)移動生物體 的檢測。圖像采集模塊的攝像頭通過樹替派CIS接口與樹替派連接實現(xiàn)圖像采集功能。 Zigbee無線通信模塊通過串口與樹替派主板連接，實現(xiàn)終端節(jié)點與匯聚節(jié)點之間的文件發(fā) 送和通信；供電模塊與卡片式電腦相連提供電能，SD卡與卡片式電腦連接用于信息儲存。 WiFi或3G模塊按照匯聚節(jié)點的安裝環(huán)境不同而選擇安裝，WiFi或3G模塊通過樹替派主板 的USB接口連接。當本發(fā)明系統(tǒng)布置于野外時可采用3G模塊通過手機移動網(wǎng)絡連接互聯(lián) 網(wǎng)，可W將傳感器網(wǎng)絡獲取的信息發(fā)送至互聯(lián)網(wǎng)云端服務器；當布置于室內(nèi)或者有WiFi網(wǎng) 絡的環(huán)境中可W安裝WiFi模塊實現(xiàn)傳感器網(wǎng)絡與PC端的通信。匯聚節(jié)點在完成圖像采集 任務的同時擔任著協(xié)議轉換的工作，工作性質(zhì)等同于網(wǎng)關，完成Zigbee協(xié)議與TCP/IP協(xié)議 轉換功能。
[0034] 終端節(jié)點能對圖像信息進行采集和壓縮，并通過Zigbee無線通信模塊形成的網(wǎng) 絡將圖像信息發(fā)送至匯聚節(jié)點；匯聚節(jié)點也能對圖像信息進行采集和壓縮，通過Zigbee無 線通信模塊形成的網(wǎng)絡接收終端節(jié)點的圖像信息，并通過WiFi模塊或3G模塊將已經(jīng)壓縮 的圖像信息發(fā)送至互聯(lián)網(wǎng)中，通過互聯(lián)網(wǎng)與PC機相連進行數(shù)據(jù)傳輸，PC機完成圖像信息的 重構與獲取，形成基于壓縮感知的無線傳感器圖像采集傳輸系統(tǒng)。
[0035] 圖3為本發(fā)明系統(tǒng)的無線傳感器網(wǎng)絡工作流程圖。在一般狀態(tài)下，終端節(jié)點、匯 聚節(jié)點處于待機狀態(tài)，當檢測到移動生物體時，被動式熱釋電紅外傳感器（PIR熱釋電傳感 器）對樹替派GPIO的23號引腳發(fā)送高電平，樹替派檢測到該引腳輸入高電平后，將25號 引腳置高電平打開補光LED同時打開攝像頭拍攝圖片，整個程序W23號引腳高電平輸入為 觸發(fā)，打開攝像頭將圖像信息轉化為YCb化格式，對圖像信息Y通道信息進行提取從而進行 壓縮感知編碼壓縮并保存文件。終端節(jié)點然后將新拍攝的圖片通過Zigbee網(wǎng)絡發(fā)送至匯 聚節(jié)點，由于圖片信息已經(jīng)通過程序轉化成了觀測值，且數(shù)據(jù)量很少，Zigbee網(wǎng)絡完全有能 力發(fā)送運些信息。匯聚節(jié)點在接到發(fā)送請求后開始接收從終端節(jié)點傳來的信息，并保存下 來，匯聚節(jié)點檢測到新接收的圖像信息后，通過3G網(wǎng)絡或者WiFi網(wǎng)絡發(fā)送至云端服務器或 者局域網(wǎng)PC端。最終圖像信息在PC端重構獲取。
[0036]圖6為本發(fā)明系統(tǒng)的壓縮感知編碼端程序流程圖。對將壓縮感知圖像壓縮算法運 用于樹替派方法的具體步驟進行詳述：運用Matl油2014a/Simulink軟件作為卡片式電腦 的軟件開發(fā)環(huán)境，通過Simulink搭建程序硬件控制模型，通過M-化nction實現(xiàn)對采集圖像 壓縮感知算法壓縮。運用Simulink的樹替派GPIO模塊W10次每秒的頻率檢測GPIO23 號引腳，當檢測到高電平時，將25號引腳至高電平，同時調(diào)用圖像采集模塊，將攝像頭輸出 格式設置為YCb化，設備名選擇/dev/videoO,通過Resize圖像調(diào)整模塊將輸出圖像大小調(diào) 整為256X256,通過M-化netion提取Y通道信息，進行小波變換，根據(jù)采樣率要求設置采樣 次數(shù)，本發(fā)明設置采樣率為30 %，大小256X256的圖片采樣次數(shù)設置19660次，經(jīng)觀測得到 觀測值y，并保存于Aome/pi目錄下，對圖像進行小波變化和觀測時所用的小波和觀測矩 陣W.mat格式封裝保存于Aome/pi目錄下，在程序流程進行到小波變換和觀測時進行調(diào) 用。整個程序WSimulink模型為程序原型，經(jīng)轉換變?yōu)閙ex文件和C語言文件，將C語言 代碼文件傳輸?shù)綐涮媾芍?，運用編譯工具gcc最終將最初的Simulink模型轉換為嵌入式可 執(zhí)行程序。
[0037] 圖4為本發(fā)明系統(tǒng)中壓縮感知圖像壓縮算法的流程圖。具體方法為：
[0038] 無線傳感器網(wǎng)絡節(jié)點受能量W及本身計算能力的限制無法進行較為復雜的運算 和圖像編碼。根據(jù)易編碼，重解碼的思想，將圖像壓縮感知算法分為兩部分：圖像壓縮編碼 和圖像重構解碼。圖像壓縮編碼由終端節(jié)點或匯聚節(jié)點完成，解碼重構由PC機完成。
[0039] 編碼端（終端節(jié)點或匯聚節(jié)點）負責將采集的圖像信息轉換為能夠準確重構原 圖像的觀測值數(shù)據(jù)包。編碼端首先將采集到的圖像修正為N=N' *N'的圖像數(shù)據(jù)矩陣， 其中N'由人為對程序設定，根據(jù)壓縮感知理論信號稀疏性原則，首先對原始信號矩陣進行 9/7小波變換一一設定N' = 256,取矩陣N的某一行，經(jīng)邊緣變換成一個一維信號X(n)，再 經(jīng)濾波算法得到128個高頻數(shù)值h和128個低頻數(shù)值1。對矩陣每一行進行相關計算，得到 所有高頻部分組成高頻矩陣H，其大小為256X128,所有低頻部分得到低頻矩陣以其大小 與高頻矩陣相同。再取高頻矩陣H中的某一列經(jīng)邊緣變換后為一個一維信號X(m)，再經(jīng)濾 波算法得到128個高頻部分h和低頻部分1。對于高頻部分矩陣進行相關計算得到高頻新 矩陣皿，低頻新矩陣化。對于低頻矩陣L，分別得到LH和化。
[0040] 對經(jīng)小波變換后的新矩陣F，進行觀測，首先構造測量矩陣W。本發(fā)明測量矩陣W 采用結構化測量矩陣，包括部分正交測量矩陣、部分哈達瑪測量矩陣、部分循環(huán)測量矩陣與 結構化隨機矩陣。
[0041] 觀測矩陣對變換后的圖像進行M次觀測（M<N)，得到采樣值y。
[00創(chuàng)其中y=F，W，y為圖像經(jīng)變換后在觀測矩陣W上的投影。 陽043] 其中采樣次數(shù)M根據(jù)采樣率需求設定，采樣率K=M/N。
[0044] 至此，傳感器編碼端工作完畢，原始圖像信息已經(jīng)經(jīng)終端節(jié)點或匯聚節(jié)點轉換為 僅為原圖像數(shù)值K倍的的采樣值化< 1)。整個節(jié)點編碼程序由圖6部分所述的方法完成。 終端節(jié)點和匯聚節(jié)點先將采樣值保存于本地存儲器中，經(jīng)樹替派串口發(fā)送至Zigbee模塊， 通過無線傳感器網(wǎng)絡發(fā)送至匯聚節(jié)點。PC端通過訪問匯聚節(jié)點獲取采樣值信息。
[0045] PC機重構采用改進的SAMP重構算法，具體實施步驟為：
[0046] 算法輸入：測量矩陣W，采樣值y，訓練步長S;
[0047] 算法輸出：位置輸入信號X的K稀疏的逼近X'; 陽048] 初始化：x' = 0,殘差r' =y，支撐集F。為空集，支撐集大小L' =S，k= 1。 W例循環(huán)執(zhí)行W下步驟1至6 :
[0050] 步驟1 :計算IW*rk11，取最大的L個值所對應的腳標，存入集合Sk,得到選集Ck= Fk1USk;
[0051] 步驟2:計算取最大的L個值所對應的腳標，存入支撐集F，計算殘差 廠=V- '中,叩;;.1' ； 陽05引步驟3:判斷是否停止迭代條件Mx'k-x'kill《T，若滿足，則停止迭代，輸出X'，若不滿足，執(zhí)行步驟4; 陽053] 步驟4 :判斷是否滿足IIrI1IIrk1M2,若滿足，執(zhí)行步驟5,若不滿足執(zhí)行步驟 6 ； 陽054] 步驟5 :進入下一階段，支撐集F大小的大小增大為L=L+S，k=k+1 ; 陽05引步驟6 :更新支撐集Fk=F，更新殘差rk=r，k=k+1。
[0056] 采用SAMP算法并不需要得知采樣率K，運樣在實際數(shù)據(jù)應用中，數(shù)據(jù)在發(fā)送中有 丟包現(xiàn)象導致數(shù)據(jù)缺失，采樣率不能保證在程序設定的基礎上。而可W通過一個個階段的 累加來不斷擴大支撐集大小，從而不斷逼近原有信號。
[0057] 在測量矩陣W和采樣值y已經(jīng)確定的情況下，算法輸入步長S，就成了恢復圖像效 果的重要參數(shù)，然而目前并沒有一個有效的步長確定方法，對于恢復圖像信號而言，當步長 S過小所帶來的重構圖像的時間代價難W接受，當S過大重構效果又會大打折扣，因此本發(fā) 明在此基礎上提出一種基于神經(jīng)網(wǎng)絡的步長確定方法，具體實施方法如下：
[005引首先設計兩組神經(jīng)網(wǎng)絡及訓練數(shù)據(jù)，第一種：最高精度恢復步長S，是尋找能夠 最佳最清晰重構圖像的步長；第二種：精度固定最短重構時間步長Si,是認為