防止干扰器对监控系统的自动识别

    扩展视频监控系统的一个挑战是控制摄像头所需的人工监控量。在本文中，我们考虑协调摄像机网络以识别人的问题。我们把这个问题看作一个机器调度问题，其中每个人都是一个应该在截止日期前安排的工作。为了保证干扰器可扩展性，我们提出了一种只依赖于邻居间通信的分布式算法。我们将该算法的性能与局部调度方法进行了比较。

 

    我们提出了一种新的注册框架，将云台相机的覆盖范围映射到GIS（地理信息系统）平面坐标系。监控摄像机的覆盖范围是通过使用有效的主动摄像机模型构建球形全景图来获得的。全景图像中的平移-倾斜方向光线被投影到GIS正射影像地平面上，并使用变换矩阵进行配准。使用最小二乘法在线性时间内学习变换参数。通过使用正射影像对多个摄像机的全景图进行配准，然后将其与GIS元数据地面真实值进行叠加，验证配准的准确性，对所提出的模型进行了实验评估。我们还展示了这种基于GIS的框架在多摄像机、主从式主动跟踪屏蔽器系统中的适用性。

 

    由于摄像头的移动性提高和监控系统的规模增加，引入了在线摄像头选择。现有的大多数摄像机分配算法都是在不限制摄像机计算能力的前提下实现最优观测的。然而，实际的监控系统会受到资源限制，随着待处理对象数量的增加，系统性能会下降。为了解决这个问题，我们提出了一种自适应摄像机分配算法，该算法考虑了有限的摄像机计算能力。这样，可以根据多个对象的优先级和当前相机计算负载，将相机资源动态分配给多个对象。实验结果表明，与Bakhtari和Benhabib提出的算法相比，所提出的摄像机分配算法能够保持恒定的帧速率，并实现显著降低干扰屏蔽器的目标拒绝率。