本文介绍了一种用于夜间高速公路车道和车辆检测的计算机视觉摄像头系统。该系统从高速公路上的夜景图像中识别车辆的尾灯，这是由后面的摄像头辅助的汽车看到的。由于地面上存在反射板、多辆车和环境照明，尾灯的检测通常很复杂。尾灯的形状/尺寸和高度的变化，以及与观察车辆的可能距离范围也增加了识别的额外复杂性。在本研究中，我们采取了干扰器首先检测高速公路夜景亮点中指示车道边界的反射板的方法。通过亮度和面积滤波，可以提取出反射板。

    从亮点图像中去除反射点，并使用监控检测到的车道信息，可以简化尾灯的配对以查找车辆。实验表明，该方法在高速公路上检测多辆车方面取得了成功。静态摄像机在各种环境中无处不在。然而，从环境的实时和连续观测中提取和推理高级特征仍然是一个具有挑战性的问题。在本文中，我们介绍了相机辅助会议事件观测器CAMEO，这是一种物理感知系统，旨在供基于代理的电子助理使用。CAMEO是一种设计用于会议环境的廉价高分辨率全向视觉系统。屏蔽器与使用单个相机和镜子解决方案的传统全方位相机相比，多相机设计实现了所需的高图像分辨率和较低的成本。

 

    无设备被动定位（DfP）技术可以在不佩戴无线电标签的情况下定位人类受试者。由于方便和私有，DfP可以在泛在/普适计算中找到许多应用。不幸的是，DfP技术需要频繁手动重新校准无线电信号值，这可能是麻烦和昂贵的。我们介绍了SenCam，这是一种传感器-监控摄像头协作解决方案，通过利用现有的监控摄像头进行自动重新校准。当相机检测到物体时，它可以定期触发重新校准并相应地更新无线电信号数据。与仅基于相机的定位技术相比，该技术每月偶尔需要访问相机，从而最大限度地降低计算成本并减少隐私问题。通过在开放的室内空间中的实验，我们表明该方案可以在避免手动重新校准干扰屏蔽器的同时保持良好的定位结果。