Los métodos clásicos de compresión de video suelen sufrir de largos tiempos de codificación y requieren grandes memorias, lo que dificulta su implementación en dispositivos de borde; por lo tanto, la compresión de video por sensado, que requiere menos recursos durante la codificación, está recibiendo más atención. Proponemos un algoritmo robusto de sensado compresivo de video consciente de ROI y de tasa mixta para la compresión de video de vigilancia de líneas de transmisión. El método propuesto comprime los objetivos en primer plano y los fotogramas de fondo por separado y utiliza una red neuronal reversible para reconstruir los fotogramas originales. El resultado en los datos de video de vigilancia de líneas de transmisión muestra que el método de sensado compresivo propuesto puede lograr 26.47, 34.71 PSNR y 0.6839, 0.9320 SSIM, superiores a los métodos existentes en tasas de medición del 1.5% y 15%, y la red de extracción de ROI propuesta puede recuperar con precisión regiones bajo altos niveles de ruido. Esta investigación no solo demuestra el potencial de una técnica de compresión de video más eficiente en entornos con recursos limitados, sino que también sienta las bases para futuros avances en técnicas de sensado compresivo de video y sus aplicaciones en varios sistemas de vigilancia en tiempo real.