arXiv · cs.AI · Shahran Rahman Alve, Shahnewaz Siddique · 11 小时前模型评分30
智能监控：深度学习与混合方法用于动态场景分析、目标检测与运动跟踪
Smart Surveillance: Deep Learning and Hybrid Approaches for Dynamic Scene Analysis, Object Detection and Motion Tracking
导读
一项研究在七个静态摄像头场景（5,800 帧、27 个标注事件）上比较了六种运动触发、CNN 检测器、跨帧检测和三种运动门控混合方案。基于检测器的触发只存储 19-28% 的空闲帧，而运动触发为 36-89%；在模拟摄像头抖动下，帧差法、光流、MOG2 和 KNN 存储了 97-100% 的空闲帧，检测器触发则低于 29%。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：政务与公共事务
事件类型：研究发布
证据摘录
- “We compare six motion triggers (frame differencing, dense optical flow, MOG2, KNN, CNT, GSOC), a CNN detector, strided detection, and three motion-gated hybrids under one recording policy, on a benchmark of seven static-camera scenes (5,800 frames, 27 annotated events) with thresholds transferred to unseen scenes by leave-one-video-out.”
来源：arXiv · cs.AI · arxiv.org