全局视点不确定性下的变化检测
计算机视觉与模式识别
2017-03-03 v1
摘要
本文从长期地图学习的新视角探讨变化检测问题。我们特别感兴趣于设计一种能够扩展到大型地图并能在视点全局不确定性（即GPS拒止情况）下运行的方法。我们的方法利用紧凑的词袋(BoW)场景模型，对该问题做出了若干贡献：1) 从视图序列地图中提取两类先验信息并用于变化检测。此外，我们提出一种称为运动先验(motion prior)的新型先验，用于预测静止物体的相对运动并进行异常自运动检测。该先验还可用于区分静止与非静止物体。2) 通过使用近期发展的局部卷积特征词袋(BoLCF)场景模型，从视图序列地图中高效检索少量优质参考图像（例如10张）。3) 变化检测被重构为基于这些参考图像的场景检索，利用一种新颖的空间词袋(SBoW)场景模型来发现变化物体。在公开可用的Malaga数据集这一具有高度动态场景的挑战性数据集上，对各项技术及其组合进行的评估验证了它们的有效性。
引用
@article{arxiv.1703.00552,
title = {Change Detection under Global Viewpoint Uncertainty},
author = {Murase Tomoya and Tanaka Kanji},
journal= {arXiv preprint arXiv:1703.00552},
year = {2017}
}
备注
8 pages, 9 figures, technical report