头部姿势的行为
该项目的目的是在监视情况下,从远处的摄像机自动识别人们面对的方向,为更高层次的推理系统提供输入。一个人面对的方向提供了他们凝视方向的良好估计,这可以用来推断人与人之间的熟悉程度或对周围环境的兴趣。它可以被视为缩小了从远处粗略描述人类与通常从近处获得的更详细的肢体运动之间的差距。该工作部分由HERMES资助,位于工作包3和4中。
活动现场勘查
有效利用资源是本项目的一个基本主题。所涉及的资源是一组从不同视角俯瞰公共区域的摄像机。这些相机是异构的,有不同的控制参数,例如,一些是静态的,一些是平移,倾斜和变焦相机。采用信息理论的方法来选择这些摄像机的最佳监视参数,而最佳监视参数可以通过更高层次的推理或人工操作来定义。目前,这项工作集中在信息论的目标函数和传感器数据融合技术的使用上,以做出明智的决策。
作为HERMES项目的一部分,目标是建立一个感知/行动循环,具体考虑不同的缩放级别。分布式摄像机系统可以理解为一个抽象的传感器,以更高层次的目标为输入内容。
一个代理表示的最粗糙的尺度被认为是跟踪代理并注意到它们的轨迹,以及其他的粗糙尺度特征,这将有助于行为和意图识别。然后,目标是生成关于代理本身及其与场景中其他代理和预定义对象的关系的行为和概念描述。
计算机视觉认知
最近在视觉跟踪和摄像机控制方面的工作着眼于在贝叶斯网络中使用参数和非参数信念传播进行活动识别所涉及的问题,并开始触及因果关系问题。目前的研究将所有这些领域向前推进。最终的目标是将这些技术结合起来,生产一个平移/倾斜/变焦相机系统,和/或摄像头网络,可以通过对场景的理解,自动从视觉数据推断,以智能的方式分配注意力。
该主题与欧盟HERMES项目直接相关,该项目是智能视觉监控令人兴奋和与社会相关的领域。该研究的目的是通过开发理解视觉场景的算法和本体论,开发可以被认为展示紧急认知行为的相机系统。
的视频比较了单目SLAM系统运行时使用和不使用物体检测的吐槽屏幕视图。没有目标检测的系统由于特征不足而失去了跟踪,此时视频会减慢速度以突出这一点。物体检测系统继续,在视频的最后,它成功地检测到所有五个物体,并准确地将它们定位在世界上。