监测系统主要由摄像机、今天普遍在室内和室外环境。这些系统可以安全的目的,活动检测,识别和预测的行为,等等。的示例应用程序,它可能是有用的公共安全、交通监视、或监视人们的活动。

有许多的研究使这种类型的系统成为现实。例如,识别和跟踪的对象和行为分析的智能监测仍受到许多实际问题。计算机视觉中的最新进展,特别是与深度学习技术,为这些系统提供新的视角,提高他们的能力和启动新方向的研究在这个领域。卷积神经网络显示高性能图像识别和结合复发性神经网络使时间信息的理解,因此,这些技术的发展可以在智能监视系统产生重大影响。

这个特殊问题的目的是提供一个平台来发布智能监测系统的发展,特别是深度学习技巧。我们欢迎提交的原始研究的文章,评论状态的艺术,和探索新的工作挑战。

潜在的主题包括但不限于以下:

• 情感和手势识别
• 对象跟踪和分割
• 场景理解和人类行为分析
• 场景理解和人类行为分析
• 人再次鉴定
• 活性检测和识别
• 人类电脑/机器人交互
• 人群动力学和人群的分析
• 野生动物实体检测和跟踪