一种人群视频分析的综合方法：从跟踪到多层次活动识别
计算机视觉与模式识别
2017-10-31 v1
摘要
我们提出了一种用于人群视频中同步跟踪、群体检测与多层次活动识别的综合框架。我们并非独立且顺序地解决这些问题，而是在统一框架中协同求解，以利用个体运动、群体与活动之间存在的强相关性。我们探索视频中隐藏的层次结构：随时间连接个体以产生轨迹，连接个体以形成群体，并连接群体以形成人群。我们表明，对该隐藏结构的估计对应于轨迹关联与群体检测。我们在线性规划公式下估计此隐藏结构。所获得的图表示被进一步用于识别对应于多层次活动识别的节点值。该问题在结构化 SVM 框架下求解。在公开数据集上的结果表明，尽管所提技术是在线（因果）的，其在所有粒度级别上与最先进的批处理方法相比均具极强竞争力。
引用
@article{arxiv.1710.11087,
title = {An Integrated Approach to Crowd Video Analysis: From Tracking to Multi-level Activity Recognition},
author = {Neha Bhargava and Subhasis Chaudhuri},
journal= {arXiv preprint arXiv:1710.11087},
year = {2017}
}
备注
10 pages