نموذج سياقي هرمي للتعرف على الأحداث في مقاطع الفيديو المراقبة

بسبب التحديات الكبيرة مثل التباين الكبير داخل الفئات وانخفاض دقة الصور، أصبحت المعلومات السياقية تلعب دورًا متزايد الأهمية في التعرف الدقيق والموثوق على الأحداث في مقاطع الفيديو المراقبة. ويمكن عادةً تقسيم المعلومات السياقية إلى ثلاثة مستويات: السياق على مستوى الميزات، والسياق على مستوى المعنى، والسياق على مستوى المعرفة السابقة. توفر هذه المستويات الثلاثة معلومات حيوية من الأسفل إلى الأعلى، ومن المتوسط إلى الأعلى، ومن الأعلى إلى الأسفل، والتي يمكن أن تُسهم بشكل كبير في تحسين مهمة التعرف على الأحداث. على عكس الأبحاث السابقة التي تركز عادةً على دمج المعلومات السياقية على أحد هذه المستويات الثلاثة، نقترح نموذجًا هرميًا للمعلومات السياقية يُستخدَم فيه السياق في جميع المستويات الثلاثة في آنٍ واحد، ويُدمج بشكل منهجي في عملية التعرف على الأحداث. وللتعامل مع التحديات المرتبطة بالتعلم والاستنتاج الناتجة عن الهرمية في النموذج، قمنا بتطوير خوارزميات كاملة للتعلم والاستنتاج لنموذج السياق الهرمي المقترح، باستخدام طريقة بايز التقديرية (Variational Bayes). وأظهرت التجارب على مجموعتي بيانات VIRAT 1.0 و2.0 من الأرض فعالية النموذج الهرمي المقترح في تحسين أداء التعرف على الأحداث، حتى في ظل ظروف صعبة جدًا مثل التباين الكبير داخل الفئات وانخفاض دقة الصور.