监控干扰器完成摄像头矩阵信息

    随着在智能和环境技术环境中使用智能和网络摄像机的需求不断增加，为此类资源分布式网络开发算法是一项非常有意义的工作。多视图动作识别解决了许多关于视图不变性和遮挡的挑战，并且由于现实生活中摄像头干扰器的应用程序中有大量的处理和通信数据，因此不容易将这些方法应用于智能相机网络。在本文中，我们提出了一个分布式活动分类框架，其中我们假设多个摄像头传感器正在观察场景。每个摄像头处理自己的观察结果，在与其他摄像头通信时，他们就活动类达成一致。

    我们的方法基于恢复一致性上的低秩矩阵，通过凸优化执行分布式矩阵完成。然后，将其应用于人类活动分类问题。我们在IXMAS和MuHAVi数据集上测试了我们的方法，以显示该方法的性能和可行性。偏振光携带着关于光的位置和作用于它的各种物理参数的有价值的信息。因此，在计算机视觉中有几种方法可以通过研究物体上反射的光的偏振来获得被观察物体的信息。大多数监控屏蔽器使用这一原理的研究都对三维空间中物体方向的确定感兴趣。

    这些研究的基础是对一个参数的估计，该参数将被观测表面的方向和反射光波的偏振连接起来。这个参数是偏振角φ，也称为偏振方向。通常，使用监控干扰器这些方法的人通过观察通过线性偏振滤光片的反射光波，并针对偏振片的不同角度方向抓取多个帧来估计φ角。因此，在每次采集之间，偏振器相对于水平参考轴旋转θ角。phi估计的准确性直接与偏振器的定位有关。但是，在实践中，很难保证该偏振器旋转的准确值。更难保证及时定位的可靠性。因此，基于自校准原理，我们提出了一种稳健而精确的解决方案，用于使用CCD相机测量部分偏振光的方向。与计算机视觉杂志上通常讨论的方法不同，我们对偏振角的估计与偏振器定位的可靠性无关。