随着物联网技术的提出，以需求为导向的各类物联网应用不断出现。其中传感器网络作为物联网重要的信息感知与传输部分，是目前的研究热点。然而，传感网自身具有一些显著的特点:资源受限、海量异质数据、全分布式网络。因此，为了充分利用传感器节点的有限资源，提高网络资源的利用率，解决复杂问题，传感器节点之间需要相互协同。为了进行有效的协同，首先需要选择合适的协作成员（分类器或者传感器）;然后，由于监测环境的动态性，一些关键的协同参数需要在协作成员协同过程中能够适应环境的动态变化，进行动态的调整以增强协同感知的性能;最后，通过协作成员的协同工作获取有效的图像数据以满足用户对感知性能的要求，并且通过对获取的有效数据进行评估可以指导协作成员的选择。因此，我们对传感器网络协同感知关键技术进行研究，就是针对传感器网络中大量多模态数据（比如磁、图像）、感知能力差异性、传感器相关性，利用机器学习的方法学习传感器的感知能力、选择合适的分类器或者传感器协同工作，并根据监测目标的动态性自适应的调整一些关键的协同参数、获取有效图像信息，以降低系统开销并满足用户需求。　　然而协同过程中，面临以下4个挑战:1）监测环境的动态性给有效图像信息（包含完整目标特征信息的图像）的实时检测带来了困难，这给协同过程中有效图像信息的获取带来了挑战;2）监测目标的动态性使得目标运作状态的准确预测变得的很困难，这给协同过程中一些关键协同参数的智能配置带来了严峻的挑战;3）为了能够满足用户需求，并节省网络资源，需要选择合适的传感器协同工作，因此需要识别单个传感器及传感器簇的感知能力。然而传感器相关性与感知能力差异性给单个传感器及传感器簇感知能力的识别带来严峻的挑战;4）分类器的分类精度与能量开销依赖于传感器的类型、计算复杂性和数据通信要求，这给分类器的选择带来了挑战。　　针对以上4个挑战，本文的主要贡献分别归纳为以下4个方面:　　(1)提出了一种面向资源节省的有效图像信息获取方法(EasiRS)，该方法主要解决环境动态性给有效图像信息获取带来的困难。即:a）利用低性能传感器与图像传感器的协同工作及存储空间复用技术降低系统对存储资源的需求;b）提出图像完整性自适应实时检测方法，解决由于目标动态性导致的连续图像的实时处理问题;在图像完整性（图像有效性）实时检测的基础上，对获取的信息进行选择性传输，以减少需要传输的数据量和传输能耗。通过室内和室外环境对该方法进行了试验评估，结果表明，与传统方法相比，尽管会带来一定的时间开销，但是该方法可以有效保证系统的感知性能（平均图像完整率可以达到92.2％），同时降低了存储开销和传输能耗。　　(2)提出了一种参数自适应策略(EasiAC)动态的调整一些关键的协同参数（如活动时机、采样频率等）以降低系统开销，并满足用户对感知性能的要求。该方法主要解决监测目标动态性给关键协同参数智能配置带来的困难。即:a）在低性能传感器上利用基于分布式贝叶斯滤波的方法对目标的运动状态进行预测可以有效的克服传感器节点资源受限的缺陷;b）利用基于贝叶斯滤波的方法对目标的运动状态进行预测，进而根据目标的运动状态动态的调整高性能传感器采样频率及活动时机以解决目标动态性问题。该方法可以有效的适应监测目标的动态变化，以取得性能和能量的平衡。通过仿真实验和真实路上试验对该方法的性能进行了评估，结果表明，该方法不仅可以有效保证系统的感知性能（平均图像完整率可以达到90％），同时降低了需要传输的数据量和能量开销（节省了97％的能量）。　　(3)提出了一种面向传感网可信检测的协同感知策略(EasiCS)，以最大化网络生命周期，同时满足用户对检测精度的要求。该方法主要解决传感器相关性及感知能力差异性给传感器选择带来的困难。即:a）对传感器相关性及感知能力差异性进行定量分析，结果表明它们可以为传感器协同选择提供指导;b）为了选择合适的传感器，提出了一种基于节点重要性的传感器选择方法:根据传感器相关性、感知能力差异性与节点剩余能量计算节点的重要性，然后利用节点重要性来选择传感器。该方法可以更好地满足用户对检测精度的需求，并实现能量均衡以延长网络寿命。最后，在SensIT军事车辆检测数据集上进行了充分的试验，并与传统方法进行对比分析，验证了该方法在实现可信检测（平均检测精度提升了30％）和保证网络寿命（平均寿命增加了4倍）方面的优越性。　　(4)提出了一种基于AdaBoost的注重功耗节省的分类器选择方法(CSBoost)以最小化能量开销，并满足用户对分类误差的要求。该方法主要解决由于分类器分类精度与能量开销依赖于传感器的类型、计算复杂性和数据通信要求给分类器选择带来的困难。即:a)为了选择最佳的分类器，建立了相关理论模型，并根据该理论模型定义了分类器的代价函数和效用函数，进而形式化了最佳分类器选择问题;b）由于代价函数是非线性函数，为了在多项式时间内求解该问题，我们对该问题进行简化，将其转化为0-1整数规划问题。然后提出了一种基于启发式贪婪算法的方法在多项式时间内求解该问题。最后在太湖蓝藻检测数据集上进行了充分的试验，并与传统方法进行对比分析，验证了我们的方法在保证分类误差与功耗平衡方面的有效性，在分类误差需求为0.5的情况下，系统功耗降低了80％。