tailieunhanh - GeoSensor Networks - Chapter 8

Mua lại của một mô hình Markov đoán trước sử dụng theo dõi đối tượng và Thư từ không gian địa lý mạng lưới giám sát video Multi-view giám sát trong môi trường lớn và phức tạp liên quan đến một số lượng lớn các máy ảnh trải rộng trên một diện rộng, thường không có các lĩnh vực chồng chéo của xem. Bài viết này tìm hiểu các mô hình toàn cầu của các đối tượng chuyển động theo những điều kiện như vậy có thể được tự động mua lại. Những mô hình này sau đó có thể. | Acquisition of a Predictive Markov Model using Object Tracking and Correspondence in Geospatial Video Surveillance Networks Christopher Jaynes Dept. of Computer Science University of Kentucky jaynes@ ABSTRACT Multi-view surveillance in large and complex environments involves a large number of cameras spread over a wide area often with no overlapping fields of view. This paper explores how global models of object motion under such conditions can be automatically acquired. These models can then be used to predict subject motion through the network and in some cases derive geospatial constraints on the position of network sensors. We introduce the topological flow model a Hidden Markov description of relative camera position and traffic flow where each state is a camera view and edges between states represent subject paths between cameras. Edge weights represent the transition probability that a subject seen in a particular view will next appear in a second view. Tracking and matching of subjects that move from one view to the next provides the initial estimate of the multi-view topology. Transition probabilities are computed so as to maximize the posterior probability given observed subject motions. We present initial experimental results on a six-camera network that tracks vehicles over a large geospatial area. Keywords Markov model Motion analysis Object matching Tracking Geospatial surveillance. 1. INTRODUCTION Automated visual surveillance within complex environments involves the use of multiple stationary cameras that are potentially deployed over a very large geospatial area. We refer to these types of camera networks as geospatial surveillance networks in order to distinguish the unique problems associated with this domain from traditional single and multi-view surveillance scenarios. Geospatial surveillance requires that cameras are placed to facilitate 149 Copyright 2004 CRC Press LLC 150 GeoSensor Networks surveillance goals for a particular .