随着视频传感器的发展和应用,传统基于全向感知模型的网络覆盖控制算法已不再适用,迫切需要针对视频传感器网络的特性进行重新设计。对此,本文基于有向感知模型,对视频传感器网络区域覆盖增强问题展开了深入讨论。首先,针对理想情况下视频传感器网络区域覆盖问题,提出了一种基于Delaunay三角剖分的几何方法,选取围绕目标节点的具有最大面积的Delaunay三角重心作为节点工作方向。在此基础上,将其与分布式贪心算法进行有机结合,引入“贡献率”概念来设置节点优先级,通过贪心迭代逐步减小重叠区域和覆盖盲区的比例,从而达到优化网络覆盖率的目的。其次,考虑目标区域存有多个障碍物的情形,讨论并设计了一种面向多障碍的传感器节点视角避障方案。在分析面向多障碍的视频传感器网络覆盖模型的基础上,提出了一种基于遗传算法的传感器网络区域覆盖率动态优化算法。实验结果表明,该算法对提高网络覆盖率具有很强的实用性。最后,讨论了面向三维感知模型的空间优化问题。在原有粒子群算法的基础之上,结合视频传感器网络的特性,提出一种面向三维感知模型的传感器网络空间覆盖控制策略。通过粒子群算法对视频传感器的感知视角进行优化,逐渐减少空间中传感器节点间的覆盖冗余区域,从而实现了增强网络覆盖率的目标。实验结果表明,算法对改善空间覆盖率效果明显。