采用适用的跟踪来区分和监控站点活动
简介
我们描述一个站点视觉系统，这个系统的活动监视器能长期的工作。系统用一组可排列的监
视器来覆盖站点，用一个适用的系统来侦测监视器中多样的活动物体。我们的假设是运动轨
迹足够支持一系列站点活动的计算，我们现在示范用一个轨迹的移动数据来校准分布的监视
器，来建立一个大体的站点模型，来区分发现的物体，从不同的物体活动中得到共同的活动
模型并且检测异常的活动类型。
1． 一个激发的情节
我们的目标是建立一个能长期工作的视觉系统，得到站点的物体运动模型跟交互论证。
系统应该提供可统计的活动类型的描述。例如，一天内某个特定的时间普通的交通流量
跟步行者的路线，它应该发觉异常的活动，通过在测定点测试出的异常活动类型，比如，
异常的交通流量，或者一个跟平时的观察很不一样的特殊运动，而且它应该侦测不同的
物体间的交互，比如一个人将车停在了大楼前，下了车却没有走进大楼。
因为一个站点可能大的无法用一个单独的摄像机来侦察，我们的系统采用一种森林式的
监视器分布在站点周围来监视活动，每一个监视器单元就是一个综合的摄像头，有计算
能力，自己的内存，有交互通信的能力还有测定方位的工具（例如 GPS）。类似的系统
存在【4，5，8】，而且更强大的系统将会随着监视器的发展 DSP 的发展跟通信的进步而
出现，我们任意的在站点周围分布监视单元，对于户外的站点我们可以把监视器绑在杆
上，树上，或者建筑上，对于室内的站点我们可以把监视器固定到墙上，家具上。
森林式的系统应该得到站点的活动类型，然后控制跟分类建立在这些模型上的活动，简
单来说，我们假定存在的一些基本的传感单元跟进程中心需要获悉跟监控活动。一个同
等的森林式传感器相比与另一个系统应该有自己的尺度来决定各个摄像头的位置；大体
的站点结构模型来决定地面的水平，跟有标志的占有区域；站点上精力充沛的物体检测
跟可检测的物体因子；通过一段扩展的观察（比如通过几个星期）来获悉共同的活动模
型；能在站点上检测异常活动。
我们控制的假设是这些任务能很容易被留心的移动物体完成。为了检验这些假设，我们
需要一个稳定的系统能可靠的检测运动物体而且返回一个精确的被观察物体的描述，它
的运动参数跟它的固有的参数例如大小跟类型；采用一些能调用这些轨迹数据来完成上
面列出的任务的方法。
2．一个精力充沛的追踪系统
在这一节我们描述一个新奇的追中系统，它建立在一种关于背景减少的标准观念，简单
的背景处理只是减去连贯跟开始的图像得到不同的结果的图像，来确定图像象素是符合运动，
更多强大方法采用图像的平均值，适用高斯运算来得到背景图像相减。
然而一些方法经常在现实中使用，他们一般不会很强大，经常只发现引导和被拖动的物体边
缘，他们受制于噪声的影响，而且他们易受小的运动影响，比如树枝在风中的摇曳。
我们计划一个更强大的系统模拟－数字－模拟处理与测试系统来适应被观察的场面，我们考
虑每个象素作为你个独立的可统计的进程，从而记录观察到的在每个象素经过先前的 n 帧的
强度，这组观察的采样是最佳采用高斯算法的组合，这些反射了相同的场景点中的例子很可
能会显示正常的噪音分配的愿望，能同时观察不同进程的愿望，这与适合一个简单的高斯算
法对于背景象素的历史跟需要一个运动物体的模型的 Pfinder[12]有很大差别。在一个简单的
象素上观察到的复杂进程的例子包括，一个象素经常发现树枝的地方摇摆的树枝，，通常树
评论0