基于视频的全局连续非马尔可夫活动分析
计算机视觉与模式识别
2018-10-12 v1
摘要
自动识别视频中的活动是视觉中的经典问题，有助于理解行为、描述场景和检测异常。我们为此提出一种无监督方法。给定视频数据，我们发掘随时间出现、达峰、衰退并消失的重复活动模式。通过使用非参数贝叶斯方法，我们以最少先验知识学习耦合的空间与时间模式。为建模模式的时间变化，以往工作计算马尔可夫式演进或局部连续基元，而我们以全局连续且非马尔可夫的方式建模时间。在视觉上，这些模式描绘主要活动的流动；在时间上，每种模式有其独特的出现—消失周期。为计算紧凑的模式表示，我们还提出一种混合采样方法。通过将这些模式与详细环境信息结合，我们解释活动语义并报告异常。此外，我们的方法对数据拟合更好，并检测出以往难以检测的异常。
引用
@article{arxiv.1810.04954,
title = {Globally Continuous and Non-Markovian Activity Analysis from Videos},
author = {He Wang and Carol O'Sullivan},
journal= {arXiv preprint arXiv:1810.04954},
year = {2018}
}
备注
Preprint of our ECCV 2016 spotlight paper