美國加州大學圣地亞哥分校(University of California, San Diego, UCSD)的計算機視覺研究人員研究出了通過使用與人類視覺不一樣的波長的攝像機來識別人類活動的技術，使用的算法可用于監控、汽車安全、智能空間和人-計算機界面。這種多觀察點方法采用兩臺或者更多的攝像機從不同的角度來觀察同一個人。
UCSD雅各布工程學院(Jacobs School of Engineering)的電氣與計算機工程教授Mohan Trivedi表示，新系統采用多觀察點和多模式方式，從不同的視點觀察空間和其中的占據者以及發出的能量，目的是可靠地觀察和理解人類的活動，結果非常令人振奮。多模式指的是采用多種類型的攝像機，如熱紅外線攝像機和彩色攝像機。
Trivedi教授在Computer Vision and Image Understanding雜志上的兩篇論文中發表了其研究內容。第一篇論文描述了為新型的智能駕駛員輔助系統開發的捕獲和分析汽車駕駛室內的駕駛員行為的方式，得到大眾-奧迪和UC Discovery Program的資助。
在真實道路駕駛過程中進行的實驗證實該系統的有效性，包括在各種照明條件下跟蹤駕駛員的頭部和手部，在嘈雜的室外駕駛條件下具有相當精確的跟蹤性能。Shinko Cheng、Sangho Park和Trivedi等研究人員概述了識別駕駛員在開車時的動作的新方法。Cheng表示，跟蹤和分析人的動作是主要的挑戰，尤其是在光線不好和嘈雜的環境下尤其如此，因為在車的內外有各種活動在發生。Cheng和其他研究人員開發的系統由4臺不同的攝像機組成，分為4個角度，兩臺熱紅外線攝像機，兩臺彩色攝像機(多模式)，這些設備安裝在一臺配備有攝像機、傳感器和處理器的Infiniti Q45汽車上。這臺汽車已經在多個汽車計算機視覺實驗中使用。這套使用視頻的系統在公路上測試它實時跟蹤駕駛員的重要身體部位(頭部、手臂、軀干和腿部)的可靠性。系統的多觀察點的特性提供身體各部位的各種曲線，多模式的特性提供了監測和跟蹤的可靠性。
第二篇論文論述使用一種新方法來同時發現各種對象之間的精確關系，一只眼睛使用熱紅外線，另一只眼睛使用彩色波長。研究人員表示，現有的算法不能很好的處理與攝像機距離不同的多個對象和多種深度的數據，UCSD開發的新算法效果更好，尤其是對近距離監控和發現行人方面更是如此。
