用于交通监控视频分析的时序未知增量聚类（TUIC）模型
计算机视觉与模式识别
2018-06-12 v1
摘要
优化的场景表示是用于在实时视频中检测异常的框架的重要特征。在实时视频中检测异常的挑战之一是以非参数方式实时检测物体。另一个挑战是跨帧高效地表示物体的时序状态。在本文中，提出了一种基于 Gibbs 采样的启发式模型，称为时序未知增量聚类（TUIC），用于对有运动的像素进行聚类。首先使用光流检测像素运动，并应用贝叶斯算法将后续帧中属于相似聚类的像素关联起来。该算法速度快且能在 时间内产生准确的结果，其中 是聚类数， 是像素数。我们使用公开可用的数据集进行的实验验证表明，所提出的框架具有为实时交通分析开辟新机遇的良好潜力。
引用
@article{arxiv.1804.06680,
title = {Temporal Unknown Incremental Clustering (TUIC) Model for Analysis of Traffic Surveillance Videos},
author = {Santhosh Kelathodi Kumaran and Debi Prosad Dogra and Partha Pratim Roy},
journal= {arXiv preprint arXiv:1804.06680},
year = {2018}
}