监视设备利用空间中的一个摄像头固定点，如一个稳定的飞艇和一个向下看的高分辨率扫描相机。一个或多个线扫描装置与相关联的透镜一起以径向方式布置在旋转盘上，以便重复扫描感兴趣的区域。为了允许可管理的数据带宽并聚焦于感兴趣的对象，对来自连续扫描的数据进行比较，以便主要显示移动对象，干扰器偶尔包括完整扫描参考图像。

 

    我们提出了一种监控系统，包括宽视场（FOV）被动摄像头和平移/倾斜/变焦（PTZ）主动摄像头，当行人通过指定区域时，自动捕获高分辨率视频。宽视场静态摄像头可以跟踪多个行人，而任何PTZ活动摄像头都可以一次捕获一个行人的高质量视频。我们将多摄像机控制策略描述为一个在线调度问题，并提出了一个解决方案，该方案将宽视场摄像机收集的信息与加权循环调度相结合，以引导可用的云台摄像机，从而使每个行人在指定区域内至少被一个云台摄像机观察到。我们工作的核心是在视觉和行为逼真的虚拟环境模拟器中开发和测试实验监视系统。该模拟器很有价值，因为我们的研究在现实世界中或多或少是不可行的，因为在大型公共空间中部署和试验适当复杂的摄像机传感器网络存在障碍。特别是，我们在一个虚拟火车站环境中演示了我们的监控系统，该环境由自主、逼真的虚拟行人构成，其中可轻松重新配置屏蔽器的虚拟摄像机生成合成视频源。

 

    在本文中，我们提出了一种多摄像机视频监控系统的自动摄像机选择。定义了一种新的置信度，即视图质量（QOV），用于自动评估相机在每个时刻的视图性能。这项措施考虑了视角和与被摄对象的距离。通过比较每个摄像头的QOV，系统可以选择最合适的摄像头来执行特定任务。我们还提出了一种在特定QOV约束下确定凸多边形房间中摄像机的最小数量及其布局的方法。最后，我们实现了一个监控实验监视系统，以确认我们算法的稳定性，并验证QOV干扰器的关键基本概念。