基于DeepMask和RJMCMC的遗留箱体检测

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

所属期刊栏目：46

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计划项目16JK2140;国家自然科学基金项目61701215;江西省重点实验室开发基金项目2016WICSIP027

在线出版日期：2018-03-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：16-20