蔡丽萍,张晨晨,李世宝,刘建航

(1.中国石油大学(华东)计算机科学与技术学院,山东 青岛 266580；2.中国石油大学(华东)海洋与空间信息学院,山东 青岛 266580)

0 引 言

移动群智感知(Mobile Crowdsensing, MCS)[1]是当前移动计算与大数据应用领域的研究热点，结合众包思想和移动感知，将普通用户的移动智能设备作为基本的感知单元，通过相互协作进而形成群智感知网络，实现感知任务分发与感知数据收集，完成大规模的、复杂的社会感知任务。其中使用智能终端摄像头为主的感知方式[2]近年来越来越受到学术界和工业界的重视，由于图片和视频携带了更丰富的感知信息，因此广泛应用于各个领域，例如：平面图生成[3]、室内定位[4-7]、场景重建[8-10]、城市感知[11-12]、灾难救援[13-14]等。

图片感知数据收集是移动群智感知中关键挑战之一[15]，如何利用群智感知数据的异构特征对图片数据进行预筛选，去除冗余图片，提高数据集质量至关重要。合理的图片选择不但可以使移动群智感知系统在有限的带宽资源下传输更多的视觉信息，而且能帮助保证激励机制的有效性。但是，由于感知任务多样性，分布式上传动态数据流以及基于特征值的图像相似度判断的计算复杂性，使得移动群智感知的图片数据去除冗余具有一定挑战。为了提高图片数据质量，减少低质量采集与重复采集，重点在于如何降低收到冗余图片数据的概率，快速判断图片的价值，决定图片是否上传。

目前已经有很多学者研究移动群智感知中图片数据去除冗余的问题，PhotoNet[16]在拍照位置相距较远的前提下选取图像颜色直方图相差较大的多张图片；……