通过深度特征统计建模降低视频监控中的误报
计算机视觉与模式识别
2023-07-11 v1
摘要
检测相关变化是视频监控的一个基本问题。由于数据的高变异性以及难以正确标注变化，无监督方法在该领域占主导地位。可以说，使其实用化的最关键问题之一是降低其误报率。在本工作中，我们开发了一种与具体方法无关的弱监督 a-contrario 验证过程，基于深度特征的高维统计建模，以降低任何变化检测算法的误报数量。我们还指出了常规使用的逐像素评估的不足，因为它未能精确捕捉大多数实际应用的性能需求。为此，我们用目标级度量补充逐像素度量，并在六个方法和来自不同数据集的若干序列上，在像素和目标两个层面评估我们方法的影响。实验结果表明，所提出的 a-contrario 验证能够在像素和目标两个层面大幅降低误报数量。
引用
@article{arxiv.2307.04159,
title = {Reducing False Alarms in Video Surveillance by Deep Feature Statistical Modeling},
author = {Xavier Bou and Aitor Artola and Thibaud Ehret and Gabriele Facciolo and Jean-Michel Morel and Rafael Grompone von Gioi},
journal= {arXiv preprint arXiv:2307.04159},
year = {2023}
}