基于DeepMask和RJMCMC的遗留箱体检测
刘小虎1
彭天亮2
邢静1
1.西安培华学院 西安 7101252.南昌工程学院江西省水信息协同感知与智能处理重点实验室 南昌 330099
摘要：论文针对视频监控中的遗留箱体检测进行了研究,提出了基于深度神经网络特征提取及分割和贝叶斯网络建模相结合的检测方案.深度神经网络用于特征提取及个体分割以获取当前帧的似然概率及箱体检测,并使用贝叶斯建模方法将跟踪问题转化为状态的最大后验估计,在求解过程中采用RJMCMC的迭代采样法,以实现对可变多目标的跟踪.进而借助于RJMCMC过程的三种行为方式中的"新生"及跟踪状态,来判别箱体是否为遗留,从而实现对视频中遗留箱体检测.实验结果集定量分析评估表明了该算法的有效性.
关键词：样本分割可逆跳转马尔科夫链蒙特卡洛贝叶斯推理后验概率多目标跟踪
分类号：TP391(计算技术、计算机技术)
资助基金：陕西省教育厅专项科研项目(16JK2140)国家自然科学基金(61701215)江西省重点实验室开发基金项目(2016WICSIP027)
论文发表日期：2018-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 16-20 )
英文信息