视觉传感器网络中的视觉节点感知模型为有向感知模型,节点视野受限,因此我们部署的节点不应是静止的,一般节点分为如下三类:可移动,可旋转以及既可以移动又可以旋转。对于这种视觉传感器网络,我们称之为动态视觉传感器网络(Dynamic vision sensor networks, DVSN)。它结合了视觉传感器网络和移动传感器网络的特点,具有更大的研究和应用价值。动态视觉传感器网络的研究一般集中在网络的体系结构、视觉传感器节点、网络覆盖优化部署、视觉信息处理和服务质量五大方面。本论文重点研究了视觉传感器网络的定位和网络覆盖优化部署的相关问题。网络定位是传感器网络的基础,也是覆盖算法执行的前提。本文介绍了目前定位算法的研究情况,详细介绍了几种典型的定位算法并研究了基于分步求精的APIT定位算法,解决了APIT算法对网络分布要求过高而导致定位覆盖率过低的问题。基于分步求精思想,本文将埃特金(Aitken)迭代引入定位算法,研究了基于Aitken迭代的定位算法。算法将定位问题转化成了求误差最小问题,通过迭代算法得到的最优解即为定位最优解。动态视觉传感器网络的覆盖问题可以分为区域覆盖,点目标覆盖和大物体覆盖三个方面。本文对三种覆盖问题进行了相关研究。对于区域覆盖问题,本文研究了两步虚拟势场力的自组织控制算法。算法利用对视觉传感器节点的虚拟引力和斥力的作用,使节点在区域里沿受力方向移动直到达到受力平衡,均匀分布在监测区域中;继而通过对传感器节点的“质心点”再次采用虚拟势场力算法,调度节点的工作方向,最终达到消除覆盖冗余,增大网络覆盖率的效果。针对点目标覆盖问题,本文提出了两种覆盖优化算法。第一种方法针对方向可调的节点模型,利用遗传算法在寻优方面的优势调整视觉传感器节点的位置和方向。由于优化为多目标优化,因此采用基于加权的遗传算法。第二种方法引入贪婪算法的思想,通过建立覆盖关系表,使覆盖到最多目标的节点优先工作,然后更新覆盖关系表,删除已工作的节点和被覆盖的目标点,重复执行贪婪算法直到所有节点都工作或则所有目标点都被监测到。该算法在覆盖到最多目标点的节点不止一个时,采用随机法选择节点,这会影响覆盖效果,因此引入了“贡献率”模型,使对覆盖贡献最大的节点优先工作,仿真表明,算法在优化网络覆盖率的同时,还解决了节点覆盖冲突的问题。大物体覆盖是视觉传感器网络特有的问题。由于使用视觉节点时,我们往往希望得到目标的颜色、大小等物理信息,因此不能将目标简化为质点。这时,一个视觉节点无法得到完整的目标信息,就需要多个节点协同工作共同覆盖一个目标。文中通过目标的虚拟引力作用和节点间虚拟斥力和引力的作用,使网络中的视觉节点移动到目标附近,并均匀分布;然后利用粒子群算法在优化方面的优势,调度节点工作方向,实现目标的最大化覆盖。