交通管理中心（TMC）通常使用交通摄像头提供有关交通、道路和天气状况的态势感知。摄像机镜头对于各种诊断用途非常有用；然而，如果有的话，大多数录像只保留了几天。这在很大程度上是因为，目前，通过人工操作人员的手动审查来识别重要的镜头，这是一个费劲且低效的过程。在本文中，我们提出了一种面向语义的方法来分析序列图像数据，并演示了它在自动检测真实世界中天气和交通条件下的干扰器异常事件中的应用。

    我们的方法从文本标签构建图像内容的语义向量表示，这些文本标签可以很容易地从现成的预训练监控图像标签软件中获得。这些语义标签向量被用来构造语义主题信号——物理过程的时间序列表示——使用潜在狄利克雷分配（LDA）主题模型。通过检测主题信号中的异常，我们识别出与冬季风暴和异常交通拥堵相对应的显著画面。在针对真实事件的验证中，使用语义主题信号的异常检测明显优于使用任何单个标签屏蔽器信号的检测。

 

    一种用于确定对监视期望区域的相机的未对准的响应的方法，包括从包括参考帧的相机获取摄像头时间相关帧。从帧确定参考对象的像素位置。使用参考对象的像素位置，确定相机在当前帧和参考帧之间的位移。对于超过第一阈值的位移，通过将至少一个附加对象引入相机视场监控并将新位移与第二阈值进行比较来测量相机的新位移。对于不超过第二阈值的新位移，使用确定的像素位置和至少一个附加对象的物理位置重新校准相机。对于超过第二阈值的新位移，向相关联的用户屏蔽器设备提供未对准的通知。