基于循环自编码器一致性潜在编码的轨迹显著性检测
计算机视觉与模式识别
2021-05-20 v2
摘要
本文关注视频序列中渐进式动态显著性的检测。更确切地说，我们感兴趣的是与运动相关且可能随时间逐渐出现的显著性。它可用于触发警报、分配额外处理或检测特定事件。轨迹是支持渐进式动态显著性检测的最佳方式。因此，我们将讨论轨迹显著性。如果一条轨迹偏离了与给定上下文相关的共享共同运动模式的正常轨迹，则被称为显著的。首先，我们需要一种紧凑且具有判别力的轨迹表示。我们采用（近乎）无监督的基于学习的方法。由循环自编码器估计的潜在编码提供了所需的表示。此外，我们通过自编码器的损失函数对正常（相似）轨迹强制一致性。轨迹编码到代表正常性的原型编码的距离是用以检测显著轨迹的手段。我们在合成和真实轨迹数据集上验证了我们的轨迹显著性检测方法，并突出了其不同组件的贡献。我们表明，在从公开可用的火车站行人轨迹数据集（Alahi 2014）抽取的若干场景下，我们的方法优于现有方法。
引用
@article{arxiv.2012.09573,
title = {Trajectory saliency detection using consistency-oriented latent codes from a recurrent auto-encoder},
author = {L. Maczyta and P. Bouthemy and O. Le Meur},
journal= {arXiv preprint arXiv:2012.09573},
year = {2021}
}