監控攝像頭通常需要有一個寬闊的視場，以使更有可能檢測到威脅。因此，允許360度拍攝范圍的全向相機成為了一個流行的選擇，原因很明顯，它們沒有遺漏盲點，而且安裝成本低。然而，近年來對全向相機目標識別的研究表明，全向相機捕獲的遠距離目標分辨率較低，導致其識別困難。雖然提高分辨率是一個明顯的解決方案，但根據一項研究，所需的最小分辨率是4K (3840 X 2160像素)，這意味著需要巨大的比特率，需要高效的圖像壓縮。

　　日本芝浦工業大學的研究人員設計了一個基于雙攝像頭的平臺，該平臺采用了用于目標檢測的全向攝像頭和用于高分辨率捕獲的獨立攝像頭，并報告了整體性能的提高，為安全系統的潛在應用打開了大門。

　　此外，由于透鏡畸變的影響，3D全向圖像往往不能以原始形式進行處理，必須先投影到2D上。Shibaura Institute of Technology (SIT)的Chinthaka Premachandra博士說:“在高計算負荷下進行連續處理，比如移動目標檢測，并將4K或更高分辨率的360度視頻轉換為2D圖像，從現實生活的性能和安裝成本來看是完全不可行的。”日本，研究圖像處理。

　　Premachandra博士和他的同事,考慮在全景照相機將用于定位感興趣的區域，而一個單獨的攝像頭會捕捉系統，其高分辨率的圖像，因此可以進行高精度的對象識別，而不會產生大量的計算成本。因此，他們構建了一個混合攝像機平臺，該平臺由全向攝像機和云臺(PT)攝像機組成，并在其任一側保持180度視野。順便說一下，全向相機本身包括兩個夾在相機機身上的魚眼鏡頭，每個鏡頭覆蓋180度的拍攝范圍。

　　研究人員用覆盆子π相機模塊v2.1 PT相機,他們登上pan-tilt模塊系統連接到一個覆盆子π3模型。最后,他們連接整個系統,全向攝像機、PT相機和覆盆子π,為全面控制個人電腦。

　　操作流程如下:首先對全向圖像進行處理，提取目標區域，將其坐標信息轉換為角度信息(平移角度和傾斜角度)，然后轉移到樹莓派。然后，樹莓派根據這些信息控制每個PT相機，并決定是否要拍攝互補圖像。

　　研究人員主要進行了四種類型的實驗來演示攝像機平臺在四個不同方面的性能，并分別進行實驗來驗證不同目標物體位置下的圖像捕獲性能。

　　當他們考慮潛在的問題可能來自于捕捉移動的物體圖像的互補可以改變由于圖像采集的時間延遲,他們一起提出了一個潛在的對策——引入卡爾曼濾波技術來預測未來對象的坐標時捕捉圖像。

　　Premachandra博士興奮地說，我們希望我們的相機系統將在未來的應用中產生積極的影響，包括全方位成像，如機器人、安全系統和監控系統。