随身佩戴视频的变点检测方法
计算机视觉与模式识别
2016-10-21 v1 机器学习
机器学习
摘要
随身佩戴视频（BWV）摄像机越来越多地被警察部门用于提供警民互动的记录。然而，大规模BWV部署每周会产生TB级的数据，因此需要开发有效的计算方法来识别视频中的显著变化。在加州大学洛杉矶分校IPAM 2016年RIPS项目期间开展的工作中，我们提出了一种新颖的两阶段视频变点检测框架。首先，我们采用包括卷积神经网络和支持向量机在内的最先进机器学习方法进行场景分类。然后，我们开发并比较了利用均方误差最小化、预测方法、隐马尔可夫模型和最大似然估计的变点检测算法，以识别值得注意的变化。我们在洛杉矶警察局提供的BWV数据集上测试了我们的框架，用于检测车辆的进出，实现了超过90%的召回率和接近70%的精确率——证明了该框架对快速场景变化、极端亮度差异和频繁的摄像机遮挡具有鲁棒性。
引用
@article{arxiv.1610.06453,
title = {Change-point Detection Methods for Body-Worn Video},
author = {Stephanie Allen and David Madras and Ye Ye and Greg Zanotti},
journal= {arXiv preprint arXiv:1610.06453},
year = {2016}
}