شما اینجائید:خانه»دانلود»آشکارسازی عابرپیاده در صحنه های خاص برای نظارت ویدئویی استاتیک
آشکارسازی عابرپیاده در صحنه های خاص برای نظارت ویدئویی استاتیک
ارسال شده توسط:Papersimتاریخ ارسال: 2017/06/13در دیدگاهها برای آشکارسازی عابرپیاده در صحنه های خاص برای نظارت ویدئویی استاتیک بسته هستند
هدف ما ، آشکارسازی عابر پیاده در صحنه های خاص برای نظارت ویدئویی استاتیک
زمانیکه آشکارسازی عابرین پیاده در صحنه های خاص مد نظر قرار می گیرد، به دلیل عدم تطابق بین مجموعه آموزشی و داده های مربوط به اهداف شناسایی شده در صحنه ها، عملکرد یک آشکارساز عمومی عابر پیاده به طور چشم گیری کاهش می یابد. در این تحقیق به دنبال ارائه روشی جدید در جهت انتقال یک آشکارساز عمومی به یک آشکارساز عابرپیاده در صحنه های خاص برای نظارت ویدئویی استاتیک بدون برچسب گذاری دستی نمونه ها از اهداف در هر یک از صحنه ها می باشیم.
چارچوب یادگیری انتقال[۱] مد نظر در این تحقیق مشتمل بر چهار مرحله می باشد. ۱) از طریق کاوش indegree های نمونه های مربوط به اهداف با نمونه های مرجع به روی گراف تشابه. ۲) کاوش یک مجموعه از نشانه های زمینه برای انتخاب نمونه ها از صحنه های مربوط به اهداف و پیش بینی برچسب آنها و محاسبه میزان اطمینان[۲] برای هدایت بهتر مسئله یادگیری انتقال. ۳) انتشار میزان اطمینان ها (امتیازات) در میان نمونه های مربوط به اهداف مبتنی بر ساختار ظاهری آنها. ۴) نمونه اهداف با امتیازات اطمینان بالا تاثیر زیادی بر آموزش آشکارسازهای صحنه های خاص دارند.
تمامی موارد فوق تنها تحت یک تابع هدف SVMکد شده با امتیازات اطمینان فرموله می گردند که خود سبب عدم نیاز به تصمیم گیری سخت[۳] و آستانه گذاری به روی امتیازات اطمینان می گردد. در خلال تست، تنها آشکارساز مبتنی بر ظاهر بدون در نظر گرفتن نشانه های زمینه مد نظر قرار گرفته است. کارایی این روش مبتنی بر دو مجموعه داده ویدئویی به اثبات رسیده است. در مقایسه با آشکارساز عمومی، این روش سبب تکامل نرخ آشکارسازی به صورت ۴۸ و ۳۶ درصد مبتنی بر معیار FPPI برای هر یک از مجموعه داده ها شده است. همچنین قابل ذکر است، فرآیند آموزش بعد از یک یا دو تکرار به روی داده ها همگرا شده است.
Scene-Specific Pedestrian Detection for Static Video Surveillance
آشکارسازی عابرپیاده در صحنه های خاص برای نظارت ویدئویی استاتیک
Published in: IEEE Transactions On Pattern Analysis
Date of Publication: 2014
برای مشاهده مقاله ؛ تصویر فوق را کلیک کنید تا دانلودشود