Visual Analysis of Behaviour: From Pixels to Semantics

تقاضا از طرف دولت و تجارت برای فناوری‌هایی که قادر به انتخاب و شناسایی خودکار شیء و رفتار انسان هستند، در سرتاسر جهان همچنان در حال رشد است.

این متن/مرجع قابل دسترسی، یک درمان جامع و یکپارچه را ارائه می‌کند. تجزیه و تحلیل بصری رفتار از دیدگاه های محاسباتی-مدل سازی و الگوریتم-طراحی. این کتاب علاوه بر بررسی طیف گسترده‌ای از مشکلات مدل‌سازی رفتار، بحث‌های عمیقی را در مورد بینایی کامپیوتر و تکنیک‌های آماری یادگیری ماشین ارائه می‌کند. برای درک محتوا به پیشینه ریاضی نیاز نیست، اگرچه خوانندگان از دانش اندکی در مورد بردارها و ماتریس ها، بردارهای ویژه و مقادیر ویژه، جبر خطی، بهینه سازی، تجزیه و تحلیل چند متغیره، احتمال، آمار و حساب دیفرانسیل و انتگرال بهره مند خواهند شد.

موضوعات و ویژگی‌ها:

• مقدمه کاملی برای مطالعه و مدل‌سازی رفتار ارائه می‌کند، و نتیجه نهایی را ارائه می‌دهد
• مدل‌های فعالیت گروهی یادگیری را پوشش می‌دهد، بدون نظارت پروفایل رفتار، کشف رفتار سلسله مراتبی، یادگیری زمینه رفتاری، مدل سازی رفتارهای نادر، و یادگیری فعال رفتارها "مرد در حلقه"
• همبستگی رفتار چند دوربینی، شناسایی مجدد فرد را بررسی می کند، و " اتصال نقاط» برای تشخیص رفتار غیرعادی جهانی
• درباره معیار اطلاعات بیزی، مدل‌های نمودار بیزی استاتیک، نمایش «کیف کلمات»، تحلیل همبستگی متعارف، شبکه‌های بیزی پویا، مخلوط‌های گاوسی و گیبس بحث می‌کند. نمونه برداری
• بررسی زمینه های تصادفی شرطی پنهان، مدل های پنهان مارکوف، اشکال شبح انسان، تخصیص دیریکله نهفته، الگوهای باینری محلی، پیش بینی حفظ مکان، و فرآیندهای مارکوف
• کاوش مدل های گرافیکی احتمالی، احتمالاتی مدل‌های موضوعی، نقاط مورد علاقه فضا-زمان، خوشه‌بندی طیفی، و ماشین‌های بردار پشتیبان
• شامل فهرست مفیدی از مخفف‌ها

یک منبع ارزشمند برای محققان بینایی کامپیوتر و یادگیری ماشین، و برای توسعه دهندگان برنامه های کاربردی تجاری، این کتاب همچنین می تواند به عنوان یک مرجع مفید برای دانشجویان کارشناسی ارشد علوم کامپیوتر و علوم رفتاری باشد. علاوه بر این، سیاستگذاران و مدیران تجاری این را راهنمای آگاهانه ای در مورد سیستم های تجزیه و تحلیل ویدئویی هوشمند خواهند یافت.

Dr. شائوگانگ گونگاستاد محاسبات بصری در دانشکده مهندسی الکترونیک و علوم کامپیوتر در دانشگاه کوئین مری لندن، انگلستان. دکتر Tao Xiang یک مدرس در همان موسسه است.

Demand continues to grow worldwide, from both government and commerce, for technologies capable of automatically selecting and identifying object and human behaviour.

This accessible text/reference presents a comprehensive and unified treatment of visual analysis of behaviour from computational-modelling and algorithm-design perspectives. The book provides in-depth discussion on computer vision and statistical machine learning techniques, in addition to reviewing a broad range of behaviour modelling problems. A mathematical background is not required to understand the content, although readers will benefit from modest knowledge of vectors and matrices, eigenvectors and eigenvalues, linear algebra, optimisation, multivariate analysis, probability, statistics and calculus.

Topics and features:

• Provides a thorough introduction to the study and modelling of behaviour, and a concluding epilogue
• Covers learning-group activity models, unsupervised behaviour profiling, hierarchical behaviour discovery, learning behavioural context, modelling rare behaviours, and “man-in-the-loop” active learning of behaviours
• Examines multi-camera behaviour correlation, person re-identification, and “connecting-the-dots” for global abnormal behaviour detection
• Discusses Bayesian information criterion, static Bayesian graph models, “bag-of-words” representation, canonical correlation analysis, dynamic Bayesian networks, Gaussian mixtures, and Gibbs sampling
• Investigates hidden conditional random fields, hidden Markov models, human silhouette shapes, latent Dirichlet allocation, local binary patterns, locality preserving projection, and Markov processes
• Explores probabilistic graphical models, probabilistic topic models, space-time interest points, spectral clustering, and support vector machines
• Includes a helpful list of acronyms

A valuable resource for both researchers in computer vision and machine learning, and for developers of commercial applications, the book can also serve as a useful reference for postgraduate students of computer science and behavioural science. Furthermore, policymakers and commercial managers will find this an informed guide on intelligent video analytics systems.

Dr. Shaogang Gong is a Professor of Visual Computation in the School of Electronic Engineering and Computer Science at Queen Mary University of London, UK. Dr. Tao Xiang is a Lecturer at the same institution.