随着物联网和“智慧城市”的兴起,传统无线传感器网络获取的标量数据已经不能满足应用需求,逐渐过渡到图像视频等多媒体数据的获取。因此,视频传感器网络(Video Sensor Network,VSN)应运而生。视频传感器网络广泛应用于交通、安保以及环境保护等多个领域,它在帮助人们采集大量视频信息资源的同时,也给数据存储和网络传输带来了巨大压力。为了解决这个问题,需要采用视频压缩技术。与传统视频应用场景相比,视频传感器网络的新视频应用场景具有不同的特点:它具有大量的视频传感器节点,存储容量有限,数据处理能力低,电池容量有限。传统的视频编码方法大都是高复杂度编码、低复杂度解码,这种传统的视频编码方法很难在传感器节点上实现,难以在视频传感器网络中应用。如果把未压缩的原始视频数据传输到中心服务器,再用传统的高复杂度编码的视频编码方法来压缩,其传输过程将消耗大量的带宽和能量,这与视频压缩的初衷不一致。故新的视频传感器网络应用场景需要有低复杂度编码和高复杂度解码、压缩效率更高和压缩性能更好的视频压缩方法。解码方面,高复杂度的解码,可以将编码过的视频发送到管理中心以在中央服务器或PC上进行解码。鉴于此,本文采用了改进的基于网格编码量化的分布式视频编码方法来进行视频编码压缩。本文结合了视频传感器网络的特点、视频应用场景和最终应用目的,研究了如何对视频传感器网络产生的视频数据进行压缩。研究的工作重点是先对前景运动物进行提取,实现前景运动物和背景的分离;然后,前景运动对象采用基于网格编码量化的分布式视频编码来进行视频压缩,背景进行一般的高压缩比的帧内压缩。本文主要从以下几个方面进行了研究:(1)根据视频传感器网络的数据特点,采用背景差分法来实现前景运动物的实时检测。(2)分析常用的建模方法,对混合高斯模型进行优化与改进,用改进的混合高斯背景建模方法来构建视频的参考背景。(3)先是对背景噪声的特点进行分析,然后采用了一种基于宏块分类的检测方法,来实现前景运动目标区域的初步确定,对不确定的宏块利用背景噪声模型来进行精确的检测。最后,利用宏块分类的结果来构建纯背景图像和提取运动目标。(4)在原有的PRISM框架上,引入网格编码量化对分布式视频编码算法进行优化与改进。然后,用这种改进的分布式视频压缩编码算法,来对前景运动物视频数据进行压缩。通过实验分析与比较,对本论文设计的面向VSN的分布式视频编码技术的性能进行了验证,从实验结果可以看到:本论文设计的视频编码技术比原有的MPEG-4编码方法压缩性能更好,压缩后数据量更少。此外,压缩后的视频帧图像中,前景运动物图像重建图像质量良好,保真度高,没有失真现象;背景图像存在一定的失真,产生了块状现象。对于监控视频而言,参考背景的失真可以忽略,只要不影响前景运动物区域的视觉效果和后续研究即可。