Motion feature filtering for event detection in crowded scenes

ما یک رویکرد فیلتر کردن ویژگی فضایی-زمانی را که برای تشخیص رویدادهای ویدئویی در صحنه های عمومی حاوی از چند تا چند نفر مناسب است، توصیف می کنیم. این ردیابی غیرواقعی - و یا جریان جریان الگوی - با این واقعیت که گام پردازش ویدئوی تقسیم بندی شیء حذف می شود، متمایز می شود؛ به جای آن، ویژگی های حرکت به تنهایی برای شناسایی، پیگیری و جدا کردن فعالیت استفاده می شود. ویژگی های حرکت شامل مکان، مقیاس، نمره (بزرگی)، جهت و سرعت است. این روش شامل تشخیص حرکت مبتنی بر شیب و محاسبه قابلیت حرکت چند محوری برای به دست آوردن یک بردار فعالیت صحنه است. ما بر روی به دست آوردن این ویژگی های حرکتی تمرکز می کنیم و آنها را فیلتر می کنیم تا اطلاعات مربوط به فعالیت را بدست آوریم، با تشخیص رویداد، طبقه بندی و تشخیص آنومالی. نمونه هایی از استخراج اطلاعاتی که در این مقاله نشان داده می شود عبارتند از: تشخیص غیرعادی از فعالیت روند از طریق شکل مشخصات فعالیت در طول زمان، تشخیص شروع رویداد و جهت جریان مردم با استفاده از جهت (و قابلیت اعتماد به نفس) و اندازه گیری دوره ای از فعالیت مشابه از مقدار بزرگی در طول زمان. ما ابزار رویکرد در 3 مجموعه داده های ویدئویی را نشان می دهیم: راهرو، رویداد اضطراری و پلت فرم مترو.