文献

J-GLOBAL ID：201702216840937169   整理番号：17A0414293

実世界監視カメラ映像からの行動イベント検出のための低レベル特徴の評価【Powered by NICT】

Evaluation of Low-Level Features for Real-World Surveillance Event Detection

著者 (4件)： Xian Yang (Department of Computer Science, The Graduate Center, The City University of New York, New York, NY, USA) ,  Rong Xuejian (Department of Electrical Engineering, The City College, The City University of New York, New York, NY, USA) ,  Yang Xiaodong (NVIDIA Research, Santa Clara, CA, USA) ,  Tian Yingli (Department of Electrical Engineering at the City College and Department of Computer Science at the Graduate Center, The City University of New York, New York, NY, USA)
資料名： IEEE Transactions on Circuits and Systems for Video Technology  (IEEE Transactions on Circuits and Systems for Video Technology)
巻： 27  号： 3  ページ： 624-634  発行年： 2017年 
JST資料番号： W0321A  ISSN： 1051-8215  CODEN： ITCTEM  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： ビデオで規定された空間-時間パターンの認識と局在化を目標事象検出。過去数十年における人間活動認識の多くの研究は,明確な行動を実行する限られた関係者と比較的清浄なシーン上で実験を行った。最近,要因に起因する大きな変動,スケーリング,分解能,視点,乱雑な背景,混雑などに起因するにおける人間活動認識はより挑戦的な実世界監視ビデオが注目されている一層の努力。本論文では,均一な実験装置を用いて監視事象検出(SED)の文脈における七種類の低レベル空間時間特徴を評価した。Fisherベクトルは,各ビデオクリップの表現としての低レベル特徴を集約するために採用した。ランダムフォレストのセットを分類モデルとして学習される。研究努力と実世界アプリケーションを埋めるために,七事象である異なるレベル人間活動分析の事前に定義された著者らのテストベッドとしてNIST TRECVID SEDを利用した。各低レベル特徴タイプの強みと限界を解析し,考察した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ベクトル ,  応用プログラム ,  録画装置 ,  分解能 ,  実験装置 ,  *写真像
準シソーラス用語： テストベッド ,  分類モデル ,  ランダムフォレスト ,  ビデオクリップ ,  人間活動 ,  局在化 ,  *イベント検出 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 世界 ,  カメラ映像 ,  行動 ,  イベント検出 ,  評価