基于全局相似结构的人群显著性检测
计算机视觉与模式识别
2014-10-15 v1 机器学习
摘要
由于拥挤场景（如马拉松、集会）中人数众多，CCTV 操作员常常忽略人群中发生的有趣事件。因此，迫切需要自动化检测显著人群区域，以便立即引起注意，从而实现更有效和主动的监控。本文提出了一种新框架，通过将人群运动场中提取的低层特征转换为全局相似结构，来识别和定位人群场景中的显著区域。全局相似结构表示能够发现运动动力学的内在流形，这是低层表示无法捕捉的。随后在全局相似结构上进行排序，以识别一组极值点。所提出的方法是无监督的，因此消除了学习阶段。在公共数据集上的实验结果证明，利用这些极值点在识别表现出拥挤、局部不规则运动以及源汇等独特运动区域的各种人群场景中的显著区域方面是有效的。
引用
@article{arxiv.1410.3756,
title = {Crowd Saliency Detection via Global Similarity Structure},
author = {Mei Kuan Lim and Ven Jyn Kok and Chen Change Loy and Chee Seng Chan},
journal= {arXiv preprint arXiv:1410.3756},
year = {2014}
}
备注
Accepted in ICPR 2014 (Oral). Mei Kuan Lim and Ven Jyn Kok share equal contributions