Estimating layout of cluttered indoor scenes using trajectory-based priors

با توجه به یک ویدیو نظارت از یک فرد متحرک، ما روش جدیدی را برای تخمین طرح یک صحنه داخلی درهم و برهم ارائه می کنیم. ما ایده ای ارائه می دهیم که مسیرهای یک فرد متحرک را می توان برای تولید ویژگی ها در یک صحنه داخلی در مناطق مختلف مورد استفاده قرار داد. ما فرض می کنیم یک دوربین غیرقابل تقویت استاتیک. با استفاده از رنگ پیکسل و نکات چشم انداز صحنه، هر پیکسل به یک کلاس خاص یا مکان نشسته، طبقه همکف یا زمینه های پس زمینه استاتیک مانند دیوار و سقف اختصاص داده می شود. نشانه های سطح پیکسل به ترتیب به ترتیب طبقۀ توپولوژیکی جهانی کلاس ها، مانند اشیای نشسته و مناطق پس زمینه از سطح زمین به یک فیلد تصادفی شرطی توسط محدودیت سفارش، یکپارچه شده است. روش پیشنهادی نتایج بسیار دقیق تقسیم بندی در صحنه های دنیای واقعی را به چالش می کشد. ما بر روی فیلم هایی که مردم در حال راه رفتن در صحنه هستند تمرکز می کنند و اثربخشی رویکرد ما را از طریق نتایج کمی و کیفی نشان می دهند. روش برآورد پیشنهادی نتایج برآورد بهتر را در مقایسه با روش های برآورد صحنه طرح هنری نشان می دهد. ما می توانیم 90.3 درصد از پس زمینه، 89.4 درصد از مناطق نشیمن و 74.7 درصد از زمین را به درستی می بندیم.