基于CRF的压缩域人群流分割
计算机视觉与模式识别
2015-06-22 v1
摘要
人群流分割是许多视频监控任务中的重要步骤。在这项工作中，我们提出了一种在 H.264 压缩视频中以完全无监督方式分割流的算法。我们的算法作用于运动向量，这些向量可通过部分解码压缩视频获得，而无需提取任何额外特征。我们的方法基于将运动向量场建模为条件随机场（CRF），并通过寻找最小化 CRF 全局能量的最优标记来获得有向运动片段。这些有向运动片段根据其边界处的梯度递归合并，以得到最终的流片段。这种压缩域的工作可以通过用基于运动的特征（如光流）替代运动向量而轻松扩展到像素域。所提算法在一个标准人群流数据集上进行了实验评估，其通过定量结果展示了在准确率和计算时间上的优越性能。
引用
@article{arxiv.1506.06006,
title = {Crowd Flow Segmentation in Compressed Domain using CRF},
author = {Srinivas S. S. Kruthiventi and R. Venkatesh Babu},
journal= {arXiv preprint arXiv:1506.06006},
year = {2015}
}
备注
In IEEE International Conference on Image Processing (ICIP), 2015