Семантико-ймовірнісна мережа для визначення контекста відеопотоку в системах відеоспостереження
| Jazyk: | ruština |
|---|---|
| Rok vydání: | 2013 |
| Předmět: |
УДК 004.932.72'1
Байесовская сеть онтология видеонаблюдение семантическая модель вероятностная модель человеческое поведение Байєсова мережа онтологія відео спостереження семантична модель імовірнісна модель людська поведінка human behavior probabilistic models Bayesian network ontology semantic models |
| Zdroj: | Eastern-European Journal of Enterprise Technologies; Том 4, № 9(64) (2013): Information and control systems; 15-18 Восточно-Европейский журнал передовых технологий; Том 4, № 9(64) (2013): Информационно-управляющие системы; 15-18 Східно-Європейський журнал передових технологій; Том 4, № 9(64) (2013): Інформаційно-керуючі системи; 15-18 |
| ISSN: | 1729-3774 1729-4061 |
| Popis: | In the recent years a considerable growth of video surveillance uses can be observed.Due to the increasing scale and complexity of such systems manual maintenance becomes impossible, which raises a problem of developing automated intelligent surveillance systems. One of the most important tasks solved by surveillance systems is human behavior analysis and recognition, which has many applications from patient state monitoring in medical establishments to suspicious behavior detection and to crime prevention. Analysis shows, that graphical probabilistic models such as Bayesian networks are widely used and are highly effective approach for human behavior recognition.However, a lack of strict data formalization and structuring makes the task of building a Bayesian network for complex human behavior recognition a highly difficult task. To surpass that limitation, we suggest introducing a domain ontology — a hierarchical decomposition of video contents in the terms of scenarios, situations, object roles and states, which are derived from the low-level features, computed from the annotated ground-truth video data using a set of computer vision methods, and then using this otology as a basis for Bayesian network structure learning.The performance of the proposed framework was evaluated using a HMDB and a CAVIAR datasets, and we noticed an increased efficiency of human behavior recognition compared to other approaches Мы представляем семантико-вероятностную модель описания поведения человека и его действий, объединяющую в себе элементы графической вероятностной модели — Байесовской сети, а также семантической модели на основе иерархической онтологии предметной области, для определения контекста видеопотока в интеллектуальных системах видеонаблюдения. Ми представляємо семантико-імовірнісну модель опису поведінки людини і її дій, що об'єднує в собі елементи графічної ймовірнісної моделі — Байєсівської мережі, а також семантичної моделі на основі ієрархічної онтології предметної області, для визначення контексту відеопотоку в інтелектуальних системах відеоспостереження. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|