视频序列中自主目标检测的压缩感知方法
计算机视觉与模式识别
2018-07-17 v1 机器学习
摘要
视频分析需要处理大量数据。压缩感知利用原始信号稀疏性的先验知识，减少了表示视频所需的测量次数，但它对设计矩阵施加了一定条件。贝叶斯压缩感知方法利用概率推理放宽了传统方法的限制，并允许纳入关于信号结构的不同先验知识。本文提出了两种贝叶斯压缩感知方法，用于从静态相机获取的视频序列中进行自主目标检测。它们在真实数据集上与非贝叶斯贪婪算法进行了性能比较。结果表明，贝叶斯方法能提供与贪婪算法相同的精度但速度快得多；或者若计算时间不关键，它们能提供更准确的结果。
引用
@article{arxiv.1705.00002,
title = {Compressive Sensing Approaches for Autonomous Object Detection in Video Sequences},
author = {Danil Kuzin and Olga Isupova and Lyudmila Mihaylova},
journal= {arXiv preprint arXiv:1705.00002},
year = {2018}
}
备注
SDF 2015