【摘要】：在本章中,我们提出了一个数据驱动方法,在大型视觉传感器网络中,该方法用于自动化和半自动化估计传感器间的映射,重叠摄像机的拓扑关系以及地理注册。由于这些方法将目标观测值作为主要特征,因此不仅可以在无特征区进行传感器注册,而且也不需要知道传感器的输出特性。此外,它们也可自动适应传感器几何拓扑结构的变化。
Khurram Shafique,Feng Guo,Gaurav Aggarwal,Zeeshan Rasheed,Xiaochun Cao,and Niels Haering
摘要 现代自动视频分析系统由输出特性不同的大型异构传感器网络组成,例如,静态监控摄像机,云台变焦（PTZ）摄像机,红外摄像机,雷达和高光谱传感器。这些系统不仅从各个传感器上提取内容,而且集成和融合了来自不同传感器的信息,从而有效地提供站点范围内的情境感知。要对站内的场景理解进行数据分析和融合,关键步骤是将多个传感器的观测值映射到同一坐标系中。在本章中,我们提出了一个数据驱动方法,在大型视觉传感器网络中,该方法用于自动化和半自动化估计传感器间的映射,重叠摄像机的拓扑关系以及地理注册。数据驱动方法根据传感器一段时间中的观测值（例如,同步目标检测图像对）来推断传感器的几何拓扑结构和网络拓扑结构。由于这些方法将目标观测值作为主要特征,因此不仅可以在无特征区进行传感器注册,而且也不需要知道传感器的输出特性。此外,它们也可自动适应传感器几何拓扑结构的变化。本章中提出的数据驱动方法利用域和特定模型属性来开发高效采样的机制,从而用于估计外点存在时的鲁棒模型。(www.xing528.com)
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
