人群密集场景中运动模式识别

摘要：

针对从人群密集场景中识别运动模式的问题,提出了距离依赖中餐馆连锁店过程混合模型.该模型是一种引入依赖关系的层次化非参贝叶斯模型,能够通过引进独立于数据观测值的距离依赖信息,准确建模自然分组的数据,从中挖掘共享的数据模式.给出了模型的建立过程,并通过吉布斯采样的方法对模型进行求解,同时展示了相关的实验结果.通过对纽约广场火车站监控场景数据集中47866条片段轨迹的建模分析,证明了模型可以自动确定场景中运动模式的个数,从不完整的轨迹中以98％的正确度学习并表达运动模式,并且能够在不同的运动模式之间共享公共的子模式.

关键词：运动模式识别、人群密集场景、非参贝叶斯模型、吉布斯采样

所属期刊栏目：24

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金61305001

在线出版日期：2019-07-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：74-81