在道路状况日渐复杂、机动车辆日益增加的当下,交通视频监控系统对交通安全有着非常重要的意义。主动视觉是交通监控中的重要组成部分,主动视觉系统能够根据当前交通场景的具体情况,控制摄像机的运动、调节摄相机参数,实现对目标的最佳拍摄效果。主动视觉调度方法是保证监控系统正常、高效运转的重要方法。由于监控系统自身组织结构和工作环境的特殊性导致其调度方法和以往常规意义上的调度方法有着较大的不同。在主动视觉监控系统中,摄像机个体的运算能力、光圈大小、存储能力和所应用的物理空间的不同,导致了针对不同结构和不同应用场景使用的主动视觉调度方法存在较大的差异。监控摄像机在拍摄时容易受到拍摄范围和自身拍摄质量的限制,造成拍摄内容缺少关键信息和重复拍摄等问题。基于以上因素,在进行监控系统中主动视觉的调度方法研究时必须综合考虑不同因素对摄像机产生的影响才能全面客观的实现对主动视觉调度方法的研究。本文针对调度问题做了如下工作:针对交通场景的智能建模问题,通过对交通场景的参与要素进行分析,将得到的主要交通参与要素抽象化之后构建了一种结构化的交通场景模型。本文以环岛交通场景为例,提出了一种使用参数约束的交通场景建模方法,使用区域约束方法建立了静态场景,结合圆曲线、缓和曲线、椭圆曲线模拟了各种情况下车辆在道路中行驶的轨迹模型,建立起静态场景和动态交通轨迹之间的联系。针对车辆目标的行驶轨迹和多个摄像机之间的动态关系,本文使用拍摄数据特征仿真方法获取了摄像机集群对车辆目标的拍摄角度和拍摄距离特征,通过实验获取了仿真数据、并且结合实际交通场景对数据的分布和趋势进行了分析,该方法在道路交通的仿真数据获取、方法模拟方向上具有较高的应用价值。针对主动视觉监控系统中的调度问题,为了将摄像机集群中的每个摄像机规整到统一的对比框架内,本文提出了一种基于BRB的主动视觉调度系统模型。本文首次将置信规则库(Belief Rule Base,BRB)引入了交通监控控制领域构建了一种BRB模型用以获取统一的拍摄质量等级,并由此构建了一系列反映摄像机拍摄质量状况的置信规则,进一步通过对实验数据的分布分析结合专家知识建立了置信规则表。BRB作为当前在复杂系统建模领域中最前沿的技术之一,可以有效的使用定性的专家知识和定量的数据集合,可以将具有模糊不确定性和概率不确定性的知识进行规则化描述。在推理过程中使用证据推理(Evidential Reasoning,ER)方法,该方法能够将BRB的推理过程变为可参与和可见的过程,使其结果相应具有可解释性和可追溯性。为了解决由于专家知识本身的缺陷所导致的模型准确度不足的问题,以及解决BRB模型的参数优化问题,本文使用了带有投影操作的约束协方差矩阵自适应进化策略(a constraint covariance matrix adaptation evolution strategy algorithm based on projected operation,P-CMA-ES)算法,将不满足约束的解通过投影操作映回约束空间。通过实验证明了该模型在摄像机拍摄质量评估上具有较好的效果,解决了由专家知识的缺点造成的准确率低、小样本情况下训练不足等问题,相对其他传统类型的方法拟合程度有了大幅的提高。本文把拍摄质量最高的摄像机作为对当前目标的目标-摄像机对应完成摄像机的调度工作,实现了BRB在主动视觉调度中的应用研究。最后基于以上方法制作了一个主动视觉调度软件。