Felzenszwalb-Baum-Welch：基于外观变化的事件检测
计算机视觉与模式识别
2013-06-21 v1
摘要
我们提出了一种方法，能够通过建模事件参与者随时间的外观变化来检测视频中的事件。该方法使得检测那些并非由运动特征定义，而是由涉及的人或物体状态变化所刻画的事件成为可能。这是通过将目标检测器用作隐马尔可夫模型（HMM）状态的输出模型来实现的。该方法允许 HMM 对事件参与者随时间的姿态序列进行建模，并适用于人类和无形物体的姿态。能够利用现有的目标检测方法作为事件模型的一部分，使得借助目标检测社区的持续工作成为可能。一种新颖的训练方法使用 EM 循环同时自动学习时间结构和目标模型，无需指定要建模的单个姿态或其发生的帧。E 步估计视频帧到 HMM 状态的潜在分配，而 M 步估计 HMM 转移概率和状态输出模型（包括目标检测器），这些检测器是在分配给其状态的加权帧子集上训练的。由于针对以物体姿态变化为特征的事件研究甚少，且缺乏合适的数据集，因此我们收集了一个新数据集。在该数据集上，我们的方法产生的结果优于对比系统。
引用
@article{arxiv.1306.4746,
title = {Felzenszwalb-Baum-Welch: Event Detection by Changing Appearance},
author = {Daniel Paul Barrett and Jeffrey Mark Siskind},
journal= {arXiv preprint arXiv:1306.4746},
year = {2013}
}