文献

J-GLOBAL ID：201202247387550634   整理番号：12A0726618

動的トピックモデルを用いたビデオ行動マイニング

Video Behaviour Mining Using a Dynamic Topic Model

著者 (3件)： HOSPEDALES Timothy (Queen Mary Univ. of London, School of Electronic Engineering and Computer Sci., E1 4NS, London, GBR) ,  GONG Shaogang (Queen Mary Univ. of London, School of Electronic Engineering and Computer Sci., E1 4NS, London, GBR) ,  XIANG Tao (Queen Mary Univ. of London, School of Electronic Engineering and Computer Sci., E1 4NS, London, GBR)
資料名： International Journal of Computer Vision  (International Journal of Computer Vision)
巻： 98  号： 3  ページ： 303-323  発行年： 2012年07月 
JST資料番号： T0423A  ISSN： 0920-5691  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,現代的なコマーシャルおよびセキュリティ考察条件の下で極めて望ましい能力を持つ,公共空間ビデオデータの完全自動マイニング問題を取り上げて論じた。このタスクは,プロファイリングすべきオブジェクト挙動の複雑性,公共空間ビデオにおいて良くあるビジュアルオクルージョンおよび曖昧性の下での解析の困難性,実時間で処理を行うという計算の挑戦課題のために,このタスクは特に挑戦的になっている。ここでは,Markovクラスタリングトピックモデル(MCTM)と呼ばれる新しい動的トピックモデルを導入することによりこれら諸課題の解決を行った。このMCTMは,既存の動的BayesネットワークモデルおよびBayesトピックモデルに基づいており,感度,ロバスト性,効率性に関するそれらの欠点を克服する。より詳しくいえば,提案モデルでは,行動に向けてビジュアルイベントのロバストなクラスタリングを行い,時間的ダイナミックスを持つグローバル挙動に向けてこれらの活動をロバストにクラスタリングすることにより,複雑な動的シーンのプロファイリングを行う。ラベル無し訓練データを用いたオフライン学習に対してGibbsサンプラーを導出し,オンラインBayes推論に対する新しい近似方式を定式化し,新しいビデオデータの中で実時間でオンラインに動的シーン理解を行い挙動マイニングを行うことを可能にした。4つの複雑な混み合った公共シーンに対する動的シーンモデルの教師なし学習,挙動の成功するマイニング,それぞれにおける顕著なイベントの検出,により提案モデルの利点を示した。Copyright 2011 Springer Science+Business Media, LLC Translated from English into Japanese by JST.

シソーラス用語： *特徴抽出 ,  *画像分析 ,  動画像 ,  *データマイニング ,  情報抽出 ,  曖昧さ ,  クラスタ化 ,  Bayes推定 ,  ロバスト性 ,  標本抽出 ,  実時間処理 ,  画像理解 ,  画像
準シソーラス用語： ビデオ画像 ,  クラスタリング ,  サンプリング【統計】 ,  シーン

分類 (3件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： トピックモデル ,  ビデオ ,  行動