论文部分内容阅读
从视频数据中学习目标物的运动模式是理解视频内容的关键技术，具有广泛的应用价值。它可以应用于视觉监控中帮助人们发现场景中的典型行为模式并检测异常行为。它也可以用来帮助人们归纳、标注和检索视频内容。由于视频数据量大且不易标注，因此人们急需发展无监督或弱监督的运动模式学习算法对数据进行聚类，但传统的聚类算法很难自动确定合理的团簇数以避免欠拟合或过拟合的问题。幸运的是，贝叶斯非参数模型为我们提供了一个很好的解决方案，因为它的模型复杂度可随数据生长。本文研究用贝叶斯非参数模型从视频数据中学习运动模式的算法，主要贡献包括: 1.提出了对偶分层狄利克雷过程隐马尔可夫模型(Dual-HDP-HMM)并把它应用于轨迹建模与检索。Dual-HDP-HMM是一种新的文档主题模型。它可以联合完成主题发现、文档聚类和主题转移关系学习这三重任务，并自动确定主题和文档类的数目。我们首先把轨迹特征表示为视觉单词，把轨迹表示为视觉文档，然后用Dual-HDP-HMM对其进行分析并实现轨迹聚类和检索。由于在轨迹建模中同时利用了轨迹的时间和空间结构，该算法在两个轨迹库上取得了比传统的轨迹聚类和检索算法更高的准确度。 2.提出了粘性多模态分层狄利克雷过程隐马尔可夫模型(SMD-HDP-HMM)并把它应用于复杂时间序列中的运动模式学习。该模型是在Dual-HDP-HMM的基础上引入粘性先验和多模态观测分布而形成的。它保持了Dual-HDP-HMM的所有优点，但比Dual-HDP-HMM具有更宽的适用范围和更强的鲁棒性，可以对类内差异大、单时刻有多个观测的复杂时间序列建模。我们在ASL手语轨迹库和KTH人体运动视频库上的实验证明了算法的有效性。 3.提出了距离依赖的中餐馆连锁店过程(ddCRF)混合模型并把它用于行人密集的监控场景下的运动模式学习。该模型可以从相互间存在依赖关系的文档中提取出共享的主题并自动确定主题数目。从行人密集场景监控视频中只能提取到不完整的轨迹（轨迹片段），我们为其建立了一个包含轨迹片段之间的时空依赖关系的ddCRF混合模型。我们把轨迹片段表示成视觉文档，用ddCRF混合模型从中学习出表示运动模式的视觉主题。实验证明，我们的算法可以从轨迹片段中较准确地发现典型的运动模式。 4.提出了一个基于轨迹分层聚类的行为模式学习和语义描述算法。我们把一种行为模式定义为具有相似出发地、运动过程和目的地的一类轨迹。该算法可以较高的准度发现场景中存在的典型行为模式，并生成近似自然语言的语义描述。我们在交通轨迹数据集上的实验验证了算法的优点。