17、视频处理中上下文信息的应用

视频处理中上下文信息的应用

1. 上下文感知在不同领域的研究

上下文感知在普适计算中得到了广泛研究，因为移动设备和分布式传感器能自然地为普适计算问题提供丰富的上下文信息。上下文建模的方法有多种，包括键值模型、标记方案模型、图形模型、面向对象模型、基于逻辑的模型以及基于本体的模型。

在计算机视觉领域，上下文的使用主要集中在图像内部提供的上下文信息。近年来，利用上下文进行图像中的目标识别研究取得了很大进展，主要有基于场景的上下文和基于目标的上下文两种方法。

• 基于场景的上下文 ：基于场景中目标背景通常具有一定结构的观察，从代表整体场景的特征中学习上下文先验，这些特征包括目标启动、注意力焦点和尺度选择。
• 基于目标的上下文 ：例如通过目标的共现、位置和外观来进行目标识别。先将图像分割成多个稳定的分割块，为每个分割块分配带有置信度的目标标签，学习具有目标位置和共现计数的上下文模型，最终目标标签的分配要使标签与分割块内容的概率以及与其他分割块的上下文一致性最大化。

此外，上下文信息还被应用于人类活动分析，通过在检测器集合中纳入目标检测信息（如存在/不存在、数量和距离），采用基于高斯过程和多核协方差函数的贝叶斯分类方法自动选择和分配多个特征的权重。对于涉及目标（如“下车”）和多人（如“握手”）的活动，目标级信息可能比标准图像特征更具区分性。

2. 智能家居环境发现案例研究

在智能家居环境中安装多个摄像头，目标是自动发现家中经常使用的物品。由于许多物品外观差异大、摄像头视角不同且环境杂乱，基于外观的目标识别具