专业成像设备的颜色表征通常涉及在特定场景的照明条件下捕获参考颜色目标以及使用专用的分析软件。但是，目标上有限的颜色贴片可能不能充分代表场景中发现的反射光谱。我们提出了一种与摄像头制造商合作开发的解决方案，用于无需干扰器物理颜色目标而自动颜色表征传感器。

    最佳色彩转换是根据单独测量监控的传感器光谱敏感性，计算机生成的色谱集合的颜色构成虚拟表征目标和相机的数学模型的计算。使用虚拟目标可以通过选择性生成反射光谱来优化颜色变换，以捕获特定图像捕获情况。无线传感器网络及其在微观尺度上捕获物理现象的能力改变了我们从现实世界中收集和分析数据的方式。特别是，使用低功率相机，我们可以设计有趣的应用程序，为我们提供现实世界中难以捕捉的信息。虽然相机屏蔽器在人类保留环境中构成隐私威胁，但它们可以在自然世界中积极使用。

    但是，使用监控摄像头的缺点是样品本身（例如图像）具有较大的尺寸，迫使系统交换更多数据，进而降低能源效率。鉴于通常将基于摄像机的传感器网络部署在远程位置，因此单个设备的寿命成为主要问题。在这项工作中，我们针对利用机器学习算法来表征从现实世界部署捕获的图像的上下文。具体来说，使用James Reserve Bird Nest部署的图像，我们利用并优化机器学习算法来在嵌入式的低功耗，资源有限的平台上操作。使用系统的和算法方法，我们提出的干扰屏蔽器系统体系结构和算法具有减少八倍传输的数据量的潜力。

上一篇：监控屏蔽器阻止超声波传感
下一篇：摄像头干扰器正确测量方法