A Regional Topic Model Using Hybrid Stochastic Variational Gibbs Sampling for Real-Time Video Mining
A Regional Topic Model Using Hybrid Stochastic Variational Gibbs Sampling for Real-Time Video Mining
复制标题
使用混合随机变分吉布斯采样进行实时视频挖掘的区域主题模型
DOI：
10.3390/a11070097
复制
发表时间：
2018-07
期刊：
影响因子：
2.3
通讯作者：
Jianhou Gan
中科院分区：
文献类型：
--
作者：
Lin Tang;Lin Liu;Jianhou Gan
人群场景中的事件定位和实时计算性能不断挑战着视频挖掘领域。在本文中，我们解决这两个问题的基础上，区域主题模型。在视频主题建模过程中，区域主题模型可以同时将视频的运动词聚类为运动主题，并将运动位置聚类为运动区域，每个运动主题与其区域相关联。同时，本文提出了一种混合随机变分Gibbs抽样算法，用于区域主题模型的推理，该算法能够对海量视频流数据进行真实的实时推理。我们评估我们的方法模拟和真实的数据集。通过与Gibbs抽样算法的比较，说明了该模型及其在线推理算法在异常检测方面的优越性。
The events location and real-time computational performance of crowd scenes continuously challenge the field of video mining. In this paper, we address these two problems based on a regional topic model. In the process of video topic modeling, region topic model can simultaneously cluster motion words of video into motion topics, and the locations of motion into motion regions, where each motion topic associates with its region. Meanwhile, a hybrid stochastic variational Gibbs sampling algorithm is developed for inference of our region topic model, which has the ability of inferring in real time with massive video stream dataset. We evaluate our method on simulate and real datasets. The comparison with the Gibbs sampling algorithm shows the superiorities of proposed model and its online inference algorithm in terms of anomaly detection.
登录
查看更多内容
用于从复杂视频中挖掘活动的动态因果主题模型
影响因子：
3.6
作者：
Yawen Fan;Quan Zhou;Wenjing Yue;Weiping Zhu
通讯作者：
Weiping Zhu
DOI：
10.1109/tnnls.2017.2735364
发表时间：
2016-11
影响因子：
10.4
作者：
Olga Isupova;Danil Kuzin;L. Mihaylova
通讯作者：
Olga Isupova;Danil Kuzin;L. Mihaylova
DOI：
10.1198/016214506000000302
发表时间：
2006-12-01
影响因子：
3.7
作者：
Teh, Yee Whye;Jordan, Michael I.;Blei, David M.
通讯作者：
Blei, David M.
DOI：
10.1007/978-3-540-88693-8_28
发表时间：
2008-10
期刊：
--
影响因子：
--
作者：
Jian Li;S. Gong;T. Xiang
通讯作者：
Jian Li;S. Gong;T. Xiang
影响因子：
19.5
作者：
Hospedales, Timothy;Gong, Shaogang;Xiang, Tao
通讯作者：
Xiang, Tao