围界全时段有效的监视,例如边境上对走私者、非法移民出入全时段检测,对公共安全具有很大意义。目前的视频监控系统虽然能够得到较好的视频效果,但海量数据使得智能检测与识别的实用化仍然面临挑战。跨过边境或无人区的检测通常感知信息的目标性强,例如仅关注是否有人的出入,而对动物、树叶的摆动等不需要识别。因此,利用主动光检测轮廓特征来实现自动监控的研究是一种可行性的方法。完整系统的研究包括主动光源的发射和采集、压缩采样、智能检测与识别；同时它还涉及构成无线监控网络所面临的诸多问题：例如分布式数据融合、降低网络发射功率等。本论文以围界全时段有效的监视为目标,围绕轮廓特征及其识别展开研究,重点探讨了无线监控网络中数据采集、融合及多类别样本中特定目标识别问题。本文主要工作与成果如下：1)结合稀疏表示理论,给出了一种超完备字典构造方法。由于物体经过轮廓检测系统传感器视场时的速度、姿态及角度等外在因素不同,感知单元捕获到的物体轮廓特征样本的维数也就不同；为了便于处理,本文采用了主成分分析对轮廓样本进行预处理,通过提取主成分消除样本中的冗余信息,同时将样本投影到相同空间,得到特征向量；然后将该特征向量作为原子直接构建超完备字典。2)基于以上字典,提出了一种基于稀疏表示的特定目标轮廓识别算法(即,SRSOR算法)。该算法根据最小残差来判别测试样本类别,实验从多个角度与传统识别算法进行了比较,仿真结果也验证了本论文算法的有效性。3)结合无线传感器网络和分布式压缩感知理论,提出了一种基于分布式压缩感知的数据融合方法。如果一个信号在某个基上能够稀疏表示,根据压缩感知理论可知,通过少量的测量值能够精确恢复出原始信号,这主要利用了单信号内部结构；然而,对于分布密集的无线传感器网络来说,传感器节点间信号可能还存在相关性,分布式压缩感知就是利用信号内和信号间的相关性,进行联合编码；本文在此基础上,采用叠加方式对各节点的测量值进行融合,进一步降低数据量,给出了相应的数据融合模型。4)根据以上数据融合方法及其数学模型,提出了一种基于形态成分分析的多类别融合样本中特定目标的识别算法。为了能够判别出融合样本所含类别,首先利用包含有多个类别的超完备字典稀疏表示融合样本；然后,依据稀疏表示系数中主要非零系数的分布情况,判别融合样本所含类别,进而判别出是否存在特定目标。实验仿真结果从各个方面都表明了基于形态成分分析的特定目标识别算法的有效性。5)设计并完成了硬件测试平台的搭建。该平台将FPGA芯片作为核心器件,采用了性能稳定的主动式反射光电传感器作为感知器件；将数量有限的传感器均匀间隔的安装在长约为2米的垂直支架上；当物体经过传感器视场时,通过控制单元并行读取、存储传感器组输出状态,直到物体完全离开所有传感器视场时为止；将捕获到的传感器组状态数据作为经过物体的轮廓特征信息,参与后期各种数据处理。该测试平台硬件结构简单、便于升级,可以根据实际需要增加感知单元中传感器数量；目前,该系统平台已申请国家专利。