کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
11002876 1450007 2018 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Improving detection speed in video by exploiting frame correlation
ترجمه فارسی عنوان
بهبود سرعت تشخیص در ویدئو با بهره گیری از همبستگی فریم
کلمات کلیدی
ترجمه چکیده
تشخیص شخص یک مشکل مهمی است که در دنیای کامپیوتر مورد مطالعه قرار گرفته است. در حالی که بیشتر روش ها برای تصاویر استاتیک طراحی شده است، تشخیص شخص در فیلم ها در بسیاری از صحنه های دنیای واقعی اعمال می شود. این مورد برای نظارت تصویری و سایر موارد استفاده است که آشکارساز در یک سیستم باقی مانده است. در این مقاله، ما یک رویکرد اصولی برای سرعت بخشیدن به الگوریتم تشخیص با استفاده از اطلاعات زمانی از فریم ارائه می دهیم. برای این منظور، ما از همبستگی بین فریم ها برای سرعت بخشیدن به ویژگی های استخراج و طبقه بندی آشکارساز استفاده می کنیم. برای سرعت بخشیدن به طبقه بندی ما آستانه آبشار را با استفاده از همبستگی فریم سازگار می کنیم. رویکرد پیشنهادی سرعت 5 برابر افزایش می یابد در حالی که حفظ یا افزایش دقت و یا تا 10 برابر با کاهش قابل توجهی در دقت. علاوه بر این، رویکرد پیشنهادی به طور کلی در طبیعت است و می توان آن را به یک خانواده بزرگ از روش های مبتنی بر مکانیسم های پنجره پیشنهاد شده و کشویی اعمال کرد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر چشم انداز کامپیوتر و تشخیص الگو
پیش نمایش مقاله
بهبود سرعت تشخیص در ویدئو با بهره گیری از همبستگی فریم
چکیده انگلیسی
Person detection is an important problem extensively studied in computer vision. While most of the approaches are designed for static images, person detection is applied on videos in many real-world scenarios. This is the case for video surveillance and other use cases where the detector remains a significant bottleneck in the system. In this paper we present a principled approach for speeding up the detection algorithm by exploiting the temporal information from the frames. For that purpose, we exploit the inter-frame correlation to accelerate the feature extraction and classification components of the detector. To speed-up the classifier we adapt the cascading threshold by exploiting the frame correlation. The proposed approach provides a speed-up of 5x times while maintaining or increasing the accuracy, or up-to 10x with a negligible drop in accuracy. Furthermore, the proposed approach is generic in nature and can be applied to a large family of methods based on region-proposal and sliding window mechanisms.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Pattern Recognition Letters - Volume 112, 1 September 2018, Pages 303-309
نویسندگان
, ,