شبکه‌های دوربین ۲۰۲۲
Camera Networks 2022

با گسترش شبکه‌های دوربین‌های مداربسته در کاربردهای گوناگونی نظیر امنیت و مراقبت، پایش محیط زیست، واکنش به حوادث و تسهیلات زندگی کمکی و غیره، درک تصویر در شبکه‌های دوربین به یک حوزه مهم در تحقیقات و توسعه فناوری تبدیل شده است. در این فرآیند، چالش‌های متعددی وجود دارد که باید به آنها پرداخته شود. برخی از آنها در زیر فهرست شده‌اند:

– چالش‌های سنتی بینایی ماشین در ردیابی و تشخیص، مقاومت در برابر ژست، نورپردازی، انسداد، درهم ریختگی، تشخیص اشیاء و فعالیت‌ها.
– تجمیع اطلاعات محلی برای درک صحنه در یک منطقه وسیع، مانند به دست آوردن ردیابی پایدار و طولانی مدت از اشیاء.
– موقعیت‌یابی دوربین‌ها و کنترل پویای دوربین‌های گردان (PTZ) برای سنجش بهینه.
– پردازش توزیع‌شده و الگوریتم‌های تحلیل صحنه.
– محدودیت‌های منابع تحمیل شده توسط برنامه‌های مختلف مانند امنیت و مراقبت، پایش محیط زیست، واکنش به حوادث، تسهیلات زندگی کمکی و غیره.

در این کتاب، ما بر مسائل اساسی تحقیق در شبکه‌های دوربین تمرکز می‌کنیم، وضعیت فعلی هنر را بررسی می‌کنیم و شرح مفصلی از برخی از روش‌های اخیراً توسعه یافته ارائه می‌دهیم. موضوع اصلی زیربنایی در تمام کارهای ارائه شده، اتخاذ یک دیدگاه شبکه‌محور است که بر اساس آن تصمیمات کلی در سطح شبکه گرفته می‌شوند. این امر گاهی اوقات با جمع‌آوری تمام داده‌ها در یک سرور مرکزی حاصل می‌شود، در حالی که در مواقع دیگر با تبادل تصمیمات گرفته شده توسط دوربین‌های منفرد بر اساس داده‌های حس شده محلی خود حاصل می‌شود.

فصل اول با مروری بر مسائل موجود در شبکه‌های دوربین و مسیرهای اصلی تحقیق آغاز می‌شود. برخی از بسترهای آزمایشی تجربی موجود نیز در اینجا مورد بحث قرار گرفته‌اند. یکی از وظایف اساسی در تحلیل صحنه‌های پویا، ردیابی اشیاء است. از آنجایی که شبکه‌های دوربین منطقه وسیعی را پوشش می‌دهند، سیستم‌ها باید بتوانند در چنین مناطق وسیعی که ممکن است همپوشانی و غیرهمپوشانی در میدان دید دوربین‌ها وجود داشته باشد، ردیابی کنند، همانطور که در فصل دوم به آن پرداخته شده است. پردازش توزیع‌شده یکی دیگر از چالش‌ها در شبکه‌های دوربین است و روش‌های اخیر نشان داده‌اند که چگونه می‌توان ردیابی، تخمین ژست و کالیبراسیون را در یک محیط توزیع‌شده انجام داد. الگوریتم‌های اجماع که این وظایف را ممکن می‌سازند در فصل سوم شرح داده شده‌اند. فصل چهارم خلاصه‌ای از چند رویکرد در تشخیص اشیاء و فعالیت‌ها در هر دو محیط شبکه دوربین توزیع‌شده و متمرکز ارائه می‌دهد. همه این روش‌ها در درجه اول بر روی جنبه تجزیه و تحلیل تمرکز داشته‌اند، با توجه به اینکه تصاویر توسط دوربین‌ها به دست می‌آیند. استفاده کارآمد از چنین شبکه‌هایی اغلب مستلزم سنجش فعال است، به طوری که مراحل اکتساب و تجزیه و تحلیل ارتباط نزدیکی با هم دارند. ما این موضوع را به تفصیل در فصل پنجم مورد بحث قرار می‌دهیم و نشان می‌دهیم که چگونه می‌توان سنجش مشارکتی و فرصت‌طلبانه را در یک شبکه دوربین به دست آورد. در نهایت، فصل ششم با برجسته کردن مسیرهای اصلی برای تحقیقات آینده، کتاب را به پایان می‌رساند.

فهرست مطالب:
مقدمه‌ای بر شبکه‌های دوربین / ردیابی در مناطق وسیع / پردازش توزیع‌شده در شبکه‌های دوربین / تشخیص اشیاء و فعالیت‌ها / سنجش فعال / مسیرهای تحقیقاتی آینده

As networks of video cameras are installed in many applications like security and surveillance, environmental monitoring, disaster response, and assisted living facilities, among others, image understanding in camera networks is becoming an important area of research and technology development. There are many challenges that need to be addressed in the process. Some of them are listed below: – Traditional computer vision challenges in tracking and recognition, robustness to pose, illumination, occlusion, clutter, recognition of objects, and activities; – Aggregating local information for wide area scene understanding, like obtaining stable, long-term tracks of objects; – Positioning of the cameras and dynamic control of pan-tilt-zoom (PTZ) cameras for optimal sensing; – Distributed processing and scene analysis algorithms; – Resource constraints imposed by different applications like security and surveillance, environmental monitoring, disaster response, assisted living facilities, etc. In this book, we focus on the basic research problems in camera networks, review the current state-of-the-art and present a detailed description of some of the recently developed methodologies. The major underlying theme in all the work presented is to take a network-centric view whereby the overall decisions are made at the network level. This is sometimes achieved by accumulating all the data at a central server, while at other times by exchanging decisions made by individual cameras based on their locally sensed data. Chapter One starts with an overview of the problems in camera networks and the major research directions. Some of the currently available experimental testbeds are also discussed here. One of the fundamental tasks in the analysis of dynamic scenes is to track objects. Since camera networks cover a large area, the systems need to be able to track over such wide areas where there could be both overlapping and non-overlapping fields of view of the cameras, as addressedin Chapter Two: Distributed processing is another challenge in camera networks and recent methods have shown how to do tracking, pose estimation and calibration in a distributed environment. Consensus algorithms that enable these tasks are described in Chapter Three. Chapter Four summarizes a few approaches on object and activity recognition in both distributed and centralized camera network environments. All these methods have focused primarily on the analysis side given that images are being obtained by the cameras. Efficient utilization of such networks often calls for active sensing, whereby the acquisition and analysis phases are closely linked. We discuss this issue in detail in Chapter Five and show how collaborative and opportunistic sensing in a camera network can be achieved. Finally, Chapter Six concludes the book by highlighting the major directions for future research. Table of Contents: An Introduction to Camera Networks / Wide-Area Tracking / Distributed Processing in Camera Networks / Object and Activity Recognition / Active Sensing / Future Research Directions