基于依赖狄利克雷过程混合模型的任意物体无监督检测与跟踪
机器学习
2012-10-12 v1 计算机视觉与模式识别
机器学习
摘要
本文提出了一种用于视频中任意物体无监督检测与跟踪的技术。该技术旨在减少对针对特定物体类型的检测和定位方法的需求，并作为一个通用框架适用于具有不同物体、背景和图像质量的视频。该技术使用一种称为广义波利亚瓮 (GPUDDPM) 的依赖狄利克雷过程混合模型 (DDPM) 来建模图像像素数据，这些数据可以从视频中代表物体的区域轻松高效地提取。本文描述了该模型的一种具体实现，利用通过帧差分提取的空间和颜色像素数据，并给出了两种在该模型中执行推断以完成检测和跟踪的算法。该技术在多个合成和基准视频数据集上进行了演示，展示了其在无需修改的情况下，检测并跟踪在非均匀背景上移动、穿过遮挡区域且具有多样物理特征的物体的能力。
引用
@article{arxiv.1210.3288,
title = {Unsupervised Detection and Tracking of Arbitrary Objects with Dependent Dirichlet Process Mixtures},
author = {Willie Neiswanger and Frank Wood},
journal= {arXiv preprint arXiv:1210.3288},
year = {2012}
}
备注
21 pages, 7 figures