以軌跡為基礎的監視影像事件偵測及事件發現

Trajectory-Based Event Detection and Discovery for Surveillance Videos

張朝陽(Chao-Yang Chang)

指導教授 ： 許秋婷

國立清華大學/電機資訊學院/資訊工程學系/碩士(2008年)

https://doi.org/10.6843/NTHU.2008.00620

摘要

在影像監視系統(video surveillance system)中的事件偵測是很要的一個部分，因為人們通常會對某些事件感到興趣並且想要去偵測他們。這篇論文提出了一個偵測事件(event detection)的方法。在影像監視系統中軌跡是一種表現物體行為的重要方式，因此我們使用軌跡做為我們事件偵測的特徵。首先，我們使用多個物體追蹤系統(multi-object tracking system)來獲取軌跡，並透過中間階層(mid-level)來表示軌跡。接下來，我們使用隱馬爾可夫模型(hidden Markov model)來模擬和偵測事件。我們用中間層來表示軌跡是因為它可以避免雜訊的干擾而且它可以減低我們在學習事件模型時的計算複雜度。然而，有些軌跡是不容易被分類而且人工分類成本太高。再者當環境改變的時候，也許會產生新的事件。這時我們需要一個方法來自動化的解理這些新事件。因此，我們提出了一個事件發現(event discovery)的方法來發現新事件。我們對不屬於任何已存事件的軌跡做分群並且用新事件的限制來看是否分出的群是新的事件。

關鍵字

事件偵測 ； 事件發現 ； 軌跡

並列摘要

HASH(0x1d0b10c0)

並列關鍵字

Event Detection ； Event Discovery ； Trajectory

參考文獻

[2] Y. Wang, K. F. Loe, and J. K. Wu, “A Dynamic Conditional Random Field Model for Foreground and Shadow Segmentation,” IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 28, no. 2, pp. 279-289, Feb. 2006.

[3] G. Gennari and G.D. Hager, “Probabilistic Data Association Methods in Visual Tracking of Group,” Proc. CVPR’04, vol. 2, pp. 876-881, July 2004.

[4] Fatih Porikli and Tetsuji Haga, “Event Detection by Eigenvector Decomposition Using Object and Frame Features,” Proc. CVPRW’04, June 2004.

[5] G. Schwarz, “Estimating the dimension of a model,” Annuals of Statistics, vol. 6, pp. 461-464, 1978.

[6] L.R. Rabiner, “A Tutorial on Hidden Markov Models and Selected Applications in Speech Recognition,” Proc. IEEE, vol. 77, no. 2, pp. 257-286, Feb. 1989.