Analisi energetica e ottimizzazione dell'algoritmo BRISK

Nel campo dell’internet degli oggetti stiamo assistendo ad uno sviluppo sempre maggiore delle Visual Sensor Network (VSN), reti di sensori che si occupano di acquisire ed analizzare immagini. Siccome i nodi che compongono la rete sono alimentati tramite batteria, uno dei requisiti fondamentali è l’efficienza. Il progetto Greeneyes ha lo scopo di lavorare in questa direzione attraverso la creazione di un nuovo paradigma che permetta ai nodi della rete di eseguire complessi compiti di analisi visuale. Per fare questo è necessario abbandonare il modello tradizionale comprimi-poi-analizza (CTA), che prevede che l’immagine venga acquisita, compressa ed inviata ad un nodo centrale per l’analisi. Il nuovo paradigma analizza-poi-comprimi (ATC) contempla invece che siano i nodi della rete a svolgere i compiti di analisi visuale, inviando poi al nodo centrale una rappresentazione concisa dell’immagine. Affinché questo nuovo modello possa essere implementato, è necessario che gli algoritmi che analizzano le immagini siano molto efficienti. Questa tesi ha lo scopo di ottimizzare l’algoritmo di analisi visuale BRISK, con il fine di migliorarne le prestazioni dal punto di vista dei consumi energetici. Si pone inoltre l’obiettivo di effettuare un confronto sul piano energetico dei due paradigmi CTA e ATC, con l’intento di paragonarne i consumi e determinare quindi quale sia la soluzione migliore.