Моделювання подій в відеопотоці за допомогою стохастичних мереж Петрі

Автор(и)

  • С. Г. Антощук Одеський національний політехнічний університет
  • Н. А. Годовиченко Одеський національний політехнічний університет

Ключові слова:

МОДЕЛЮВАННЯ ПОДІЙ В ВІДЕОПОТОЦІ ЗА ДОПОМОГОЮ СТОХАСТИЧНИХ МЕРЕЖ ПЕТРІ

Анотація

Запропонована модель подій на основі модифікованої мережі Петрі для задачі розпізнавання подій у відеопотоці. Введено новий тип переходів – часовий стохастичний перехід для моделювання подій з варіативною тривалістю. На основі відношень темпоральної логіки запропоновано представлення часових відносин між компонентами подій. Для імовірнісного передбачення настання подій запропоновано будувати марківскій ланцюг на основі розмітки мережі Петрі. Проведено тестування запропонованої моделі на основі навчальної вирібки.

Біографії авторів

С. Г. Антощук, Одеський національний політехнічний університет

докт. техн. наук, професор, завідувач кафедри інформаційних систем

Н. А. Годовиченко, Одеський національний політехнічний університет

аспірант, асистент кафедри інформаційних систем

Посилання

1. Hu W. A survey on visual surveillance of object motion and behaviors / W. Hu, T. Tan, L. Wang, S. Maybank // Systems, Man and Cybernetics, Part C. – 2004. – №4. – P. 334-352.
2. 2. Ghanem N. Representation and recognition of events in surveillance video using Petri Nets / N. Ghanem, D. DeMenthon, D. Doermann, L. Davis // Computer Vision and Pattern Recognition Workshop. – 2004. – №1. – P. 112-132.
3. 3. Medioni G. G. Event detection and analysis from video streams / G. G. Medioni, I. Cohen, F. Bremond, S. Hongeng, R. Nevatia // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 2001. – №8. – P. 873-889.
4. 4. Cohn A. G. Towards an architecture for cognitive vision using spatio-temporal representations and abduction / A. G. Cohn, D. R. Magee, A. Galata, D. Hogg, S. M. Hazarika // In Spatial Cognition. – 2003. – №2. – P. 232-248.
5. 5. Buxton H. Generative Models for Learning and Understanding Dynamic Scene Activity / H. Buxton // ECCV Workshop on Generative Model Based Vision. – 2002. – P. 154-169.
6. 6. Howarth R. J. Conceptual descriptions from monitoring and watching image sequences / R. J. Howarth, H. Buxton // Image and Vision Computing. – 2000. – №18. – P. 105-135.
7. 7. Bobick A. F. Movement, activity and action: The role of knowledge in the perception of motion / A. F. Bobick // Royal Society Workshop on Knowledge-based Vision in Man and Machine. – 1997. – №6. – P. 1257-1265.
8. Ng A. Y. On discriminative vs. generative classifiers: A comparison of logistic regression and naive Bayes / A. Y. Ng, M. I. Jordan // Neural Information Processing Systems. – 2001. – №1. – P. 841-848.
9. Ulusoy I. Generative versus discriminative methods for object recognition / I. Ulusoy, C. M. Bishop // Proceedings of the 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. – 2005. – №2. – P. 258-265.
10. Коваленко Н. В., Годовиченко Н. А. Модель системы семантического анализа видеопотока для выявления девиантного поведения объектов интереса / Н. В. Коваленко, Н. А. Годовиченко // Искусственный интеллект. – 2012. – №4. – C. 124-132.
11. Hongeng S. Multi-agent event recognition / S. Hongenhg, R. Nevatia // International Conference on Computer Vision. – 2001. – P. 84-93.
12. Allen F. J. Actions and Events in Interval Temporal Logic / J. F. Allen, G. Ferguson // Journal of Logic and Computation. – 1994. - №4(5). – P. 531 – 579.

##submission.downloads##

Переглядів анотації: 179

Як цитувати

[1]
С. Г. Антощук і Н. А. Годовиченко, «Моделювання подій в відеопотоці за допомогою стохастичних мереж Петрі», Опт-ел. інф-енерг. техн., вип. 25, вип. 1, с. 5–11, Січ 2014.

Номер

Розділ

Методи та системи оптико-електронної і цифрової обробки зображень та сигналів

Метрики

Завантаження

Дані завантаження ще не доступні.