A Study on Data Transmission Mechanism of Wireless Video Sensor Network

Live virtual reality (VR) streaming (a.k.a., 360-degree video streaming) has become increasingly popular because of the rapid growth of head‐mounted displays and 5G networking deployment. However, the huge bandwidth and the energy required to deliver live VR frames in the wireless video sensor network (WVSN) become bottlenecks, making it impossible for the application to be deployed more widely. To solve the bandwidth and energy challenges, VR video viewport prediction has been proposed as a feasible solution. However, the existing works mainly focuses on the bandwidth usage and prediction accuracy and ignores the resource consumption of the server. In this study, we propose a lightweight neural network-based viewport prediction method for live VR streaming in WVSN to overcome these problems. In particular, we (1) use a compressed channel lightweight network (C-GhostNet) to reduce the parameters of the whole model and (2) use an improved gate recurrent unit module (GRU-ECA) and C-GhostNet to process the video data and head movement data separately to improve the prediction accuracy. To evaluate the performance of our method, we conducted extensive experiments using an open VR user dataset. The experiments results demonstrate that our method achieves significant server resource saving, real-time performance, and high prediction accuracy, while achieving low bandwidth usage and low energy consumption in WVSN, which meets the requirement of live VR streaming.

Download Full-text

Distributed edge detection algorithm based on wavelet transform for wireless video sensor network

10.1117/12.888576 ◽

2010 ◽

Cited By ~ 1

Author(s):

Qiulin Li ◽

Qun Hao ◽

Yong Song ◽

Dongsheng Wang

Keyword(s):

Wavelet Transform ◽

Edge Detection ◽

Sensor Network ◽

Detection Algorithm ◽

Wireless Video ◽

Edge Detection Algorithm ◽

Video Sensor

Download Full-text

XÂY DỰNG MÔ HÌNH QUAN HỆ GIỮA THỜI GIAN MÃ HÓA VÀ PHẠM VI TÌM KIẾM TẠO THÔNG TIN PHỤ CHO MÃ HÓA VIDEO PHÂN TÁN ỨNG DỤNG MẠNG CẢM BIẾN VIDEO

Journal of Military Science and Technology ◽

10.54939/1859-1043.j.mst.69.2020.103-112 ◽

2020 ◽

pp. 103-112

Author(s):

Quang

Keyword(s):

Video Coding ◽

Sensor Network ◽

Surveillance System ◽

Side Information ◽

Scalable Video Coding ◽

Visual Surveillance ◽

Scalable Video ◽

Wireless Video ◽

Video Sensor

Trong những năm gần đây, mã hóa video phân tán liên lớp (Distributed Scalable Video Coding - DSVC) được nhiều nhà nghiên cứu quan tâm vì lợi ích của nó về độ phức tạp tính toán, khả năng phục hồi lỗi và khả năng mở rộng, vấn đề này rất quan trọng cho các ứng dụng video, như: Mạng cảm biến video không dây (Wireless Video Sensor Network - WVSN), Hệ thống video giám sát (Visual Surveillance System - VSS). Trong DSVC, việc tạo thông tin phụ (Side Information - SI) đóng một vai trò quan trọng vì nó ảnh hưởng trực tiếp đến hiệu năng nén DSVC và độ phức tạp tính toán của bộ mã hóa và bộ giải mã. Tuy nhiên, đối với nhiều ứng dụng WVSN và VSS, năng lượng của mỗi nút bị hạn chế, thường được cung cấp bằng Pin, khó thay thế và giảm dần theo thời gian, mặt khác cấu trúc phần cứng tại các nút cũng rất hạn chế cùng với giá thành thấp nên gây khó khăn trong việc truyền video trong thời gian thực. Để giải quyết vấn đề này, bài báo này đề xuất một giải pháp kiểm soát độ phức tạp tính toán tạo SI trong mã hóa DSVC. Để tạo SI, độ phức tạp tạo SI được mô hình hóa bằng cách sử dụng một mô hình tuyến tính, trong đó, các tham số mô hình được ước tính từ giá trị thử nghiệm và xây dựng bằng toán học. Để kiểm soát độ phức tạp tạo SI, tham số người dùng được xác định dựa trên nguồn năng lượng của WVSN, VSS. Các thử nghiệm được tiến hành cho các chuỗi video khác nhau đã cho thấy những lợi ích của giải pháp đề xuất, đặc biệt là trong kiểm soát độ phức tạp tính toán và hiệu suất nén.

Download Full-text