Analyzing Activities in Videos Using Latent Dirichlet Allocation and Granger Causality
Analyzing Activities in Videos Using Latent Dirichlet Allocation and Granger Causality
复制标题
DOI：
10.1007/978-3-319-27857-5_58
复制
发表时间：
2015-12
期刊：
影响因子：
--
通讯作者：
D. Kular;Eraldo Ribeiro
中科院分区：
文献类型：
--
作者：
D. Kular;Eraldo Ribeiro
我们提出了一种无监督的视频运动分析方法。我们的方法结合潜在Dirichlet分配和Granger因果关系来发现构成活动的主要运动，并检测这些运动在时间和空间上是如何相互关联的。我们在合成数据集和真实数据集上测试了我们的方法。我们的方法与最先进的方法相比是有利的。
We propose an unsupervised method for analyzing motion activities from videos. Our method combines Latent Dirichlet Allocation with Granger Causality to discover the main motions composing the activity as well as to detect how these motions relate to one another in time and space. We tested our method on synthetic and real-world datasets. Our method compares favorably with state-of-the-art methods.