基于压缩成像的无重建动作推断
计算机视觉与模式识别
2015-01-20 v1
摘要
来自摄像头网络（如停车场、无人机等）的持续监控往往产生大量视频数据，给存储、通信和计算方面的推断带来巨大挑战。压缩相机已成为解决此类应用中数据泛滥问题的潜在方案。然而，动作识别等推断任务需要高质量特征，这意味着必须重建原始视频数据。压缩感知（CS）理论中的大量工作致力于解决重建问题，但最先进的方法计算密集，且在高压缩率下提供的结果质量较低。因此，亟需无重建的推断方法。本文提出了在高压缩比（100 及以上）下，利用压缩相机进行动作识别的无重建方法。直接从 CS 测量中识别动作所需的特征大多是非线性的，因而不易应用。这促使我们寻找在压缩测量中得以保留的特性。为此，我们提出了时空 smashed 滤波器，它是像素域匹配滤波器在压缩域的对应版本。我们在公开可用的数据库上进行了实验，结果表明，即使在高压缩比下，也能获得与未压缩设置下的 oracle 方法相当的识别率。
引用
@article{arxiv.1501.04367,
title = {Reconstruction-free action inference from compressive imagers},
author = {Kuldeep Kulkarni and Pavan Turaga},
journal= {arXiv preprint arXiv:1501.04367},
year = {2015}
}