MMApr, 2012

概率逻辑编程事件演算

PDF
TL;DR基于符号表示的视频内容，我们提出了一个识别人类活动的系统：以时间戳的短期活动 (STA) 为输入，输出由预定义的 STA 时间组合的长期活动 (LTA)，这些 STA 限制已经通过事件演算的方言表达，并适应了最新的概率逻辑编程框架，通过对人类监控视频的基准数据集的实验来进行详细评估和比较。
human activity recognitionsymbolic representationlong-term activitiesprobabilistic logic programmingbenchmark dataset
发现论文，激发创造
  • 基于逻辑编程的活动识别方法

    使用事件演算法识别基于视频内容的短期活动，进而推断长期预定义活动的系统及其详细评估结果。

    May, 2009

  • 事件识别的概率事件演算

    本文研究了基于逻辑的事件识别中的不确定性问题，并通过引入概率推理扩展了事件演算，使用 Markov 逻辑网络作为基础形式。通过实验验证，证明了引入概率模型的 Event Calculus 在活动识别领域的优势。

    Jul, 2012

  • 事件定义的在线学习

    本文提出一种基于归纳逻辑编程和 Event Calculus 的在线学习系统，可用于符号事件识别和活动识别，具有与批量学习技术相当的准确性和显著的训练时间优势。

    Jul, 2016

  • 在线学习概率事实演算理论在答案集编程中的应用

    介绍了一种基于 ASP 的、能够通过权重规则进行概率推理的复杂事件识别系统，可应用于活动识别等领域，并与多种现有算法进行了比较，并证明了其在效率和预测性能方面的优越性。

    Mar, 2021

  • 一种运行时认知概率事件演算在电子健康系统决策中的应用

    本文提出一种将感官数据和分类器与基于逻辑的决策系统相结合的运行时体系结构，应用于儿童神经运动障碍康复的电子健康系统中，并使用 Epistemic Probabilistic Event Calculus 等技术来改善儿童的表现。

    Sep, 2022

  • 使用概率自动机推断行为的时间组合

    该论文提出了一种框架，用于在视频中识别原子动作的时间组成。通过将行动的时间组成表示为语义正则表达式，并使用概率自动机推导出一个推理框架来识别复杂动作，以满足这些所提供的正则表达式在输入视频特征上。该方法允许仅使用预训练操作分类器来识别复杂的细粒度活动，而无需任何其他数据、注释或神经网络训练，以 vastly more complex activities without large performance degradation 扩展最先进的原始动作分类器，这一点在合成数据集和实验中获得了充分的验证。

    Apr, 2020

  • 归纳逻辑编程实现事件定义的渐进学习

    利用归纳逻辑编程（ILP）技术和事件演算程序，基于归纳推理和反演推理的学习算法来实现事件识别系统中的事件定义的自动化。

    Feb, 2014

  • 动态不确定领域推理的事件演算产生式规则系统

    本文介绍了 Cerbere，一种基于事件演算的产品系统，旨在执行在线因果、时间和认识推理，以及一个混合框架，将基于逻辑的推理与概率推理相结合，旨在在智能空间中进行活动识别和监测任务。

    Dec, 2015

  • 利用随机语法预测人类活动

    本文提出了一种新的方法来从部分观察到的 RGB-D 视频中预测未来的人类活动，使用随机语法模型来捕捉事件的组成结构，作为一个空间时间 And-Or 图 (ST-AOG)，未来的子活动通过 Earley 解析算法预测，我们通过广泛的实验验证了我们模型在语义事件标记和未来活动预测方面的有效性。

    Aug, 2017

  • 基于基础模型和形式验证的规范驱动视频搜索

    使用视觉和语言模型以及形式方法，本研究论文提出了一种自动高效搜索感兴趣视频事件的方法，通过将文本描述转换为有限轨迹的线性时态逻辑（LTLf）并构建视频信息的自动机，然后使用形式方法验证自动机是否满足规范，如果满足则将相关视频片段添加到搜索结果中。本研究通过定性和定量分析展示了该方法在搜索隐私敏感视频和自动驾驶数据集方面的潜力，并达到了超过 90% 的搜索精度。

    Sep, 2023