基于无向概率图模型的视频语义状态建模
本文提出了一种基于无向概率图模型(undirectedprobabilistic graphicmodels)的视频语义状态建模方法。在将视频数据表述为可观察值Y和隐含语义状态L的基础上,利用马尔科夫链蒙特卡罗(MCMC)采样方法解释了视频数据的生成过程,并建立了视频数据的无向概率图模型.其中,可观察值Y和隐含语义状态L之间的似然模型表示为Gaussian概率密度分布,各语义状态L之间的先验模型则表示为MRF(GIBBS)模型.基于该无向概率图模型,可以计算出各隐含语义状态L相对于某一具体可观察值ys的后验概率,从而利用MAP准则估计出ys,所对应的隐含语义状态.最后,进行仿真实验的结果证明了该方法的有效性.
无向概率图 视频语义 马尔科夫随机场 语义状态 状态建模 视频数据 后验概率
文振焜 朱为总 欧阳杰 罗威
深圳大学 软件学院,深圳 518060
国内会议
北京
中文
121-125
2009-04-01（万方平台首次上网日期，不代表论文的发表时间）