(整期定稿)网络首发时间:2019-06-17 08:59:30

人群密集场景中运动模式识别

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47 866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。

国家自然科学基金(61305001);

运动模式识别; 人群密集场景; 非参贝叶斯模型; 吉布斯采样;

10.15938/j.jhust.2019.03.012

TP391.41

中国知网独家网络首发,未经许可,禁止转载、摘编。

4774-818302K
在线咨询 用户反馈