美国加州大学圣地亚哥分校(University of California, San Diego, UCSD)的计算机视觉研究人员研究出了通过使用与人类视觉不一样的波长的摄像机来识别人类活动的技术，使用的算法可用于监控、汽车安全、智能空间和人-计算机界面。这种多观察点方法采用两台或者更多的摄像机从不同的角度来观察同一个人。

    UCSD雅各布工程学院(Jacobs School of Engineering)的电气与计算机工程教授Mohan Trivedi表示，新系统采用多观察点和多模式方式，从不同的视点观察空间和其中的占据者以及发出的能量，目的是可靠地观察和理解人类的活动，结果非常令人振奋。多模式指的是采用多种类型的摄像机，如热红外线摄像机和彩色摄像机。

    Trivedi教授在Computer Vision and Image Understanding杂志上的两篇论文中发表了其研究内容。第一篇论文描述了为新型的智能驾驶员辅助系统开发的捕获和分析汽车驾驶室内的驾驶员行为的方式，得到大众-奥迪和UC Discovery Program的资助。

    在真实道路驾驶过程中进行的实验证实该系统的有效性，包括在各种照明条件下跟踪驾驶员的头部和手部，在嘈杂的室外驾驶条件下具有相当精确的跟踪性能。Shinko Cheng、Sangho Park和Trivedi等研究人员概述了识别驾驶员在开车时的动作的新方法。Cheng表示，跟踪和分析人的动作是主要的挑战，尤其是在光线不好和嘈杂的环境下尤其如此，因为在车的内外有各种活动在发生。Cheng和其他研究人员开发的系统由4台不同的摄像机组成，分为4个角度，两台热红外线摄像机，两台彩色摄像机(多模式)，这些设备安装在一台配备有摄像机、传感器和处理器的Infiniti Q45汽车上。这台汽车已经在多个汽车计算机视觉实验中使用。这套使用视频的系统在公路上测试它实时跟踪驾驶员的重要身体部位(头部、手臂、躯干和腿部)的可靠性。系统的多观察点的特性提供身体各部位的各种曲线，多模式的特性提供了监测和跟踪的可靠性。

    第二篇论文论述使用一种新方法来同时发现各种对象之间的精确关系，一只眼睛使用热红外线，另一只眼睛使用彩色波长。研究人员表示，现有的算法不能很好的处理与摄像机距离不同的多个对象和多种深度的数据，UCSD开发的新算法效果更好，尤其是对近距离监控和发现行人方面更是如此。