如何实现监控摄像头的网络拓扑
在大区域相机网络中，通常放置相机，以使它们的视图不会重叠。跟踪监控和活动分析等协作任务仍然需要发现网络拓扑，包括相机的外部校准。这项工作解决了在全局坐标系中校准广域相机网络中的固定相机的问题，以便可以在校准之间共享结果。我们通过使用常用的移动设备（例如智能手机屏蔽器）来实现这一目标。
至少一个移动设备拍摄与固定相机视图重叠的图像，并在捕获图像时记录设备的GPS位置和3D方向。为了校准固定相机，这些传感器测量值（包括图像，GPS位置和设备方向）被融合。本文得出了一种新颖的最大似然估计公式，以找到固定相机的最可能位置和方向。使用共识算法以分布式方式求解此公式。我们通过几个模拟和现实世界数据集评估了所提出的方法的功效。
预防和缓解关键问题的意义尤其是在国土安全状态下一直在增加。自主视频分析工具的出现极大地有助于预防安全威胁。基于一系列无监督方法的视频分析对异常检测的识别具有许多根本的技术挑战。这需要自主对象定位和跟踪技术，尤其是在遮挡的情况下。本文着重于在异质摄像头网络中得出用于对象检测和跟踪的解决方案。对象跟踪方法主要基于Kalman Filter1。而框架差算法用于对象定位。预计这种定位和干扰器跟踪解决方案将在跟踪异常时显着降低闭塞的效果。
至少一个移动设备拍摄与固定相机视图重叠的图像，并在捕获图像时记录设备的GPS位置和3D方向。为了校准固定相机，这些传感器测量值（包括图像，GPS位置和设备方向）被融合。本文得出了一种新颖的最大似然估计公式，以找到固定相机的最可能位置和方向。使用共识算法以分布式方式求解此公式。我们通过几个模拟和现实世界数据集评估了所提出的方法的功效。
预防和缓解关键问题的意义尤其是在国土安全状态下一直在增加。自主视频分析工具的出现极大地有助于预防安全威胁。基于一系列无监督方法的视频分析对异常检测的识别具有许多根本的技术挑战。这需要自主对象定位和跟踪技术，尤其是在遮挡的情况下。本文着重于在异质摄像头网络中得出用于对象检测和跟踪的解决方案。对象跟踪方法主要基于Kalman Filter1。而框架差算法用于对象定位。预计这种定位和干扰器跟踪解决方案将在跟踪异常时显着降低闭塞的效果。
