近年来,人类对信息需求的不断增长,使得人类与物理世界的距离被进一步拉近,无线多媒体传感器网络应运而生,在安全监控、医疗保健等领域发挥着巨大的作用。但是由于其编码端计算能力受限,使得传统的视频编码框架不再适用。分布式视频压缩感知技术因其简单的编码和复杂的解码引起了学者的关注。其中,在基于多假设预测技术的框架中,假设集合的质量显地尤为重要。但是,对于视频序列来说,同一帧内各块的运动速度经常不同,若采用相同的假设集合获取方式,可能会使得重构速度与重构质量难以两全。针对上述问题,本文提出了一种新的基于运动矢量预测的视频编解码框架。本方案能够充分利用视频序列中时间域上的相关性,快速搜索到高质量的假设集合,实现视频序列的高质量重构。首先由于相邻视频帧的移动矢量具有相关性的特点,在搜索假设时,首先预测待重构块在参考帧中最佳相似块的位置,并以此作为搜索窗口的中心,在搜索窗内搜索高质量的假设,对于运动块来说,预测移动矢量时如若发生错误,会影响到接下来的预测,为了避免此情况的发生,再以待重构块在参考帧中的对应位置为中心重新建立一个搜索窗口,来避免移动矢量的错误预测。而对于静止块,只建立以预测到的最佳相似块为中心的搜索窗口。并且同时提出了一种新的假设集合筛选技术,对假设集合进行筛选,以生成高质量的边信息,来辅助非关键帧进行高质量重构;其次,针对帧内各块运动特性不同的特点,仅采用关键帧或非关键帧作为参考帧都有可能会造成解码质量不高的后果。对于静止块,采用关键帧作为参考帧已经可以提供质量较好的假设,而对于运动块,此时应采用时间域相邻帧作为参考帧,来搜索高质量假设,因此本文提出了自适应地CS帧二次重构算法,仅对运动块进行多参考帧的二次重构,来高效率地提高重构质量。仿真结果表明,本文提出的基于运动矢量预测的分布式视频压缩感知技术相比于现有方案,重构质量、重构速度均得到了提升,证明了所提方案的可行性和有效性。