Argus++：基于重叠立方体提议的鲁棒实时无约束视频流活动检测
计算机视觉与模式识别
2022-01-17 v1 多媒体
摘要
活动检测是利用广泛部署的摄像头所捕获视频流的一项引人注目的计算机视觉任务。尽管取得了令人印象深刻的性能，传统的活动检测算法通常在特定约束下设计，例如使用修剪后的和/或以物体为中心的视频片段作为输入。因此，它们无法处理真实世界无约束视频流中的多尺度多实例情况，这些视频流未经修剪且视场较大。流分析的实时性要求也使得对它们的暴力扩展不可行。为克服这些问题，我们提出 Argus++，一种用于分析无约束视频流的鲁棒实时活动检测系统。Argus++ 的设计引入重叠时空立方体作为活动提议的中间概念，通过过采样确保活动检测的覆盖率和完整性。整体系统针对在独立消费级硬件上的实时处理进行了优化。在不同监控和驾驶场景上的大量实验证明了其在一系列活动检测基准上的优越性能，包括 CVPR ActivityNet ActEV 2021、NIST ActEV SDL UF/KF、TRECVID ActEV 2020/2021 和 ICCV ROAD 2021。
引用
@article{arxiv.2201.05290,
title = {Argus++: Robust Real-time Activity Detection for Unconstrained Video Streams with Overlapping Cube Proposals},
author = {Lijun Yu and Yijun Qian and Wenhe Liu and Alexander G. Hauptmann},
journal= {arXiv preprint arXiv:2201.05290},
year = {2022}
}