- IJCAI基于增量式少样本学习的行人属性识别
本文提出了一种基于元学习的方法,以解决行人属性识别中存在的增量 few-shot 学习情形,实验表明该方法在 PETA 和 RAP 基准数据集上取得了具有竞争力的性能和低资源需求。
- 人物再识别的对抗度量攻击与防御
通过提出 Adversarial Metric Attack,本研究试图在 Person re-identification 中弥合分类训练和度量分析的差距,发现现有的距离度量方法对于人眼无法察觉的对抗样本十分脆弱,因此在应用于视频监控等领 - 实时语义分割的背景减除
本文提出了一种基于实时语义分割的新型背景减除定义,其由传统的背景分割器和实时语义分割器组成,并在 CDnet 数据集上评估,达到了同类无监督背景减除方法的最优表现,甚至优于某些基于深度学习的有监督算法,并且具有潜在的泛化能力。
- 视频重新本地化
提出了视频重新本地化任务以解决语义相应问题,并构建一个新的数据集,基于跨门控双线性匹配模型对查询视频进行权重匹配,解决了开始和结束时间的分类问题,在视频监控等多个领域具有重要应用。
- 低质量图像中的人脸识别:一项调查
本文综述了过去五年中低分辨率人脸识别的各种方法及相关工作,涉及视频监控、超分辨率、去模糊等技术,并对数据集和实验设置进行了描述,最后总结了一般限制和未来努力的优先事项。
- 端到端人员检索和重新识别集成网络
本文提出了一种行人检测和重新识别(re-id)集成网络(I-Net),用于实现端到端学习框架,以在实际视频监控场景中搜索目标人员,展示了其在人物搜索数据集上优越的性能。
- ICCV学习深度通用知识的联合异常事件检测与回溯
该研究解决了视频中异常事件的联合检测和记述问题,通过整合通用 CNN 模型和环境相关的异常检测器,该方法可用于检测和记述异常事件,并在 Avenue 和 UCSD Ped2 基准测试中表现优异。
- ICCV视频监控中的人体检测与跟踪 —— 认知科学方法
通过采用方向梯度直方图、视觉显著性和深度多层网络的显著性预测模型,结合 k 均值算法,该研究提出了一种用于视频中检测人的方法,取得了 83.11%的检测精度、41.27%的召回率的效果,并比在普通图像上对人物进行分类的速度快 76.866 - ICCV使用视觉时空路径提议学习车辆 Re-ID 的深度神经网络
提出一种两阶段框架来解决车辆重新识别的挑战,利用 MRF 模型生成候选视觉 - 时空路径并使用 Siamese-CNN+Path-LSTM 模型计算相似性分数,且在实验中验证了该方法和其各组成部分的有效性。
- 基于大适应边际学习的深度排名模型用于人员再识别
本篇论文提出了一种基于深度排名模型、部分卷积神经网络以及自适应距离边缘损失函数相结合的方法,可以在多个数据集上有效地解决视频监控中的人员重识别问题,并且相较于现有的人员重识别方法具有更好的性能表现。
- 训练对抗判别器用于人群交叉通道异常事件检测
本文提出使用 GAN 来进行视频监控中的异常行为检测,通过将原始数据与运动信息相互转化来避免生成器学习平凡的恒等函数,并且在标准基准测试中达到了比之前最先进方法更好的效果。
- 基于积累运动上下文的视频行人再识别
本文提出了一种新颖的累积运动上下文(AMOC)网络,它可以有效地利用远距离的运动上下文,在具有挑战性的条件下鲁棒地识别出同一人,并且其架构是端到端可训练的,并且该方法在三个公共数据集上优于现有的最佳水平。
- MM智能实时视频监控的可扩展和鲁棒性框架
本文介绍了一种使用 Apache Storm 和 OpenCV 的智能、可靠和存储型视频监控系统,该系统具有高可扩展性和容错性,并适用于需要监视大型网络摄像头的组织。
- 端到端比较型注意力网络用于人员再识别
本文提出了一种新的基于软注意力的模型,即端到端比较注意网络 (CAN),专门用于人员重新识别任务,该模型能够在几个瞥见后选择性地关注人的不同部位,学会哪些图像部位与识别相关,并自动整合不同部位的信息来确定两个图像是否属于同一个人,并在三个基 - 基于方向的外观字典方法用于人员再识别
该研究提出了一种基于人体结构的特征表示方法,并将其应用于人员再识别领域,以提高识别性能,实验结果表明该方法的有效性。
- 利用类别组件与本地模型相结合的视频监控活动识别
本文提出了一种用于视频监控应用的自动识别人类活动的方法,将活动表示为类别组件的组合,并且提出了一种 Confident-Frame-based Recognition 算法来提高识别精度,该算法将高置信度的视频帧用作专门的局部模型来帮助分类 - 视频监控中,具有不同团队成员数量的团队事件检测
本文介绍了一种自动识别视频监控中群组活动的新方法,提出使用群体代表来处理识别,使用异步隐马尔可夫模型来建模人际关系,并提出了一种既能处理对称性又能处理非对称性群组活动的算法,证明了该方法能够检测人与人之间的分层互动关系,实验结果表明了方法的 - 通过追求动态时空模型进行复杂背景减除
提出了一种在较为复杂的情况下学习和维护一组动态纹理模型的背景减除方法,在多个复杂场景的实验中,表现优于其他前沿的背景减除算法。
- 人类动作识别的进展:一份调查报告
本调查综述了过去几年中在人类行为识别方面的最新进展,该领域的主要研究领域包括计算机视觉、视频监控、人机交互和视频检索。
- 大规模结构化噪声中的递归稀疏恢复及递归鲁棒 PCA(部分 1 和 2 合并)
本文研究递归鲁棒主成分分析问题,通过提出的基于低维子空间的 Recursive Projected CS 方法及其简化版,在已知 $L_t$ 的子空间改变模型并对其谐波的假设下,能高概率恢复时间序列的稀疏向量 $S_t$ 及密集噪声 $L_