基于最大子图搜索的未修剪视频高效活动检测
计算机视觉与模式识别
2016-07-12 v1
摘要
我们提出了一种高效的视频活动检测方法，将活动分类与时空定位相统一。主要思想是将活动检测表述为最大权重连通子图问题。离线时，我们使用在时间上“修剪”至感兴趣活动的正视频样本，为活动类别学习一个二分类器。然后，给定一段新颖的未修剪视频序列，我们将其分解为时空节点的3D数组，这些节点根据其特征分量支持所学活动模型的程度进行加权。为执行检测，我们随后通过求解测试视频时空图中的最大权重连通子图，直接定位活动实例。我们表明，该检测策略允许对给定活动分类器得分最高且可能非立方形状的视频部分采用高效的分支切割法求解。其结果是一种快速方法，可搜索比先前实用范围更广的时空区域候选，我们发现这常导致更准确的检测。我们在四个数据集上演示了所提算法，并展示了其在速度和精度上优于多种现有搜索策略。
引用
@article{arxiv.1607.02815,
title = {Efficient Activity Detection in Untrimmed Video with Max-Subgraph Search},
author = {Chao-Yeh Chen and Kristen Grauman},
journal= {arXiv preprint arXiv:1607.02815},
year = {2016}
}