整合图划分与匹配用于视频监控中的轨迹分析
计算机视觉与模式识别
2015-02-03 v1
摘要
为了在长距离范围内跟踪运动物体以应对遮挡、中断和背景杂波，本文提出了一种用于全局轨迹分析的统一方法。不同于传统的逐帧跟踪，我们的方法基于短视频帧序列（例如 帧）恢复目标轨迹。我们首先计算每一帧的前景图，该图源自最先进的背景模型。然后从前景图中提取属性图，其中图顶点是由复合特征表示的图像基元。利用这种图表示，我们将轨迹分析表述为空间图划分和时间图匹配的联合任务。该任务可以在贝叶斯框架下通过最大化后验概率来公式化，其中我们整合了时空上下文和外观模型。概率推断通过数据驱动的马尔可夫链蒙特卡洛 (MCMC) 算法实现。给定一段观测帧，该算法模拟一条遍历且非周期的马尔可夫链，并在空间图划分和时间图匹配的联合空间中访问一系列解状态。在实验中，我们的方法在来自公共视觉监控数据集的几个具有挑战性的视频上进行了测试，其表现优于最先进的方法。
引用
@article{arxiv.1502.00377,
title = {Integrating Graph Partitioning and Matching for Trajectory Analysis in Video Surveillance},
author = {Liang Lin and Yongyi Lu and Yan Pan and Xiaowu Chen},
journal= {arXiv preprint arXiv:1502.00377},
year = {2015}
}
备注
10 pages, 12 figures