基于期望最大化的混合模型在视频事件检测中的应用

监控系统的发展需要高科技支持，以克服与来自监控系统的海量视觉信息相关的缺陷。由于物理和经济方面的限制，减少人工监控几乎不可能，迈向自动化监控成为唯一出路。对于计算机视觉系统而言，自动视频事件理解是一项具有挑战性的任务，原因包括运动杂乱、复杂场景下的事件理解、多层次语义事件推理、事件情境化及多摄像头视角、运动尺度不均、形状变化、遮挡和物体交互等诸多障碍。近年来，用于视频事件分类和识别的最先进模型包括对事件建模以辨别上下文、使用单个摄像头检测事件、低层特征提取与描述、高层语义事件分类与识别。即便如此，仅依靠内容来检索或标记特定视频片段仍然非常繁重。主成分分析已广为人知并得到应用，但当与期望最大化算法等其他技术结合时，其计算效率更高。本章介绍了与视频事件的概率主成分分析概念相关的进展，并旨在深入探讨评估这些计算强度较低的PCA和KPCA的期望最大化实现的方法和度量。