用于视频中异常行为检测的动态分层 Dirichlet 过程
机器学习
2016-06-29 v1
摘要
本文提出了一种新颖的动态分层 Dirichlet 过程主题模型，该模型考虑了相继观测值之间的依赖关系。此类模型的传统后验推断算法需要多次遍历处理整个数据。这对于海量或序列数据在计算上是不可行的。我们基于 Gibbs 采样为所提模型设计了批处理与在线推断算法。它允许处理序列数据，通过新观测增量地更新模型。该模型被应用于视频序列中的异常行为检测。提出了一种用于决策的新异常度度量。将所提方法与基于非动态分层 Dirichlet 过程的方法进行了比较，对于后者我们也推导了在线 Gibbs 采样器与异常度度量。合成与真实数据的结果表明，在主题模型中考量动态性可提高异常行为检测的分类性能。
引用
@article{arxiv.1606.08476,
title = {Dynamic Hierarchical Dirichlet Process for Abnormal Behaviour Detection in Video},
author = {Olga Isupova and Danil Kuzin and Lyudmila Mihaylova},
journal= {arXiv preprint arXiv:1606.08476},
year = {2016}
}
备注
8 pages, International Conference on Information Fusion 2016