What question did this study set out to answer?

Die Forschung zielt darauf ab, die Segmentierung einzelner Menschen aus Videoaufnahmen in überfüllten Umgebungen zu verbessern.

December 22, 2003

Bayesian menschliche Segmentierung in überfüllten Situationen

Key Points

Die Forschung zielt darauf ab, die Segmentierung einzelner Menschen aus Videoaufnahmen in überfüllten Umgebungen zu verbessern.
Nutzung eines bayesianischen Rahmens für die modellbasierte Segmentierung von Menschen in Video-sequenzen.
Anwendung einer Markov-Ketten-Monte-Carlo-Methode unter Einbeziehung von Domänenwissen für Vorschlagswahrscheinlichkeiten.
Integration von menschlichen Formenmodellen, Höheninformationen und Bildhinweisen in einem kohärenten Rahmen.
Vielversprechende Segmentierungsergebnisse auf herausfordernden Datensätzen erzielt.
Verbesserte Genauigkeit bei der Identifizierung einzelner Menschen in überfüllten Szenen nachgewiesen.

Abstract

Das Problem der Segmentierung einzelner Menschen in überfüllten Situationen aus stationären Videoaufnahmen wird durch Objektüberlappung erschwert. Wir stellen dieses Problem als ein "modellbasiertes Segmentierungs"-Problem dar, bei dem menschliche Formenmodelle verwendet werden, um den Vordergrund in einem bayesianischen Rahmen zu interpretieren. Die Lösung wird durch eine effiziente Markov-Ketten-Monte-Carlo (MCMC)-Methode erzielt, diedomänenwissen als Vorschlagswahrscheinlichkeiten verwendet. Kenntnisse über verschiedene Aspekte, einschließlich menschlicher Form, Körpergröße, Kameramodell und Bildhinweise, einschließlich menschlicher Kopfkandidaten und Vordergrund/Hintergrund-Trennung, werden in einem theoretisch fundierten Rahmen integriert. Wir zeigen vielversprechende Ergebnisse und Bewertungen zu einigen herausfordernden Daten.

Bookmark

Bayesian menschliche Segmentierung in überfüllten Situationen

Key Points

Abstract

Cite This Study

Also Consider

Also Consider