对视频流中复杂事件检测事件匹配方法的系统审查
Sepehr Honarparvar1, Zahra Bagheri Ashena1, Sara Saeedi2
1Department of Geomatics Engineering, University of Calgary, Calgary, AB T2N 1N4, Canada.
Sensors (Basel, Switzerland)
|November 27, 2024
概括
本综述分析了2012-2024年视频流中的复杂事件检测 (CED) 方法. 它对92项研究进行了分类,以确定安全和监控实时视频分析的趋势和差距.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 视频分析视频分析
背景情况:
- 视频流中的复杂事件检测 (CED) 面临着对象检测,跟踪和环境变化等挑战.
- 现有的方法在阻塞和跟踪损失方面扎,影响实时分析.
研究的目的:
- 系统地审查和分析2012年至2024年间发表的CED方法.
- 评估不同CED方法在应对关键挑战方面的有效性.
- 确定该领域的趋势,研究缺口和未来方向.
主要方法:
- 一个系统的文献综述92项关于视频流的CED方法的研究.
- 将方法分为四组:基于训练,对象检测/时空匹配,多源解决方案等.
- 深入讨论每个方法的优点,局限性和适用性.
主要成果:
- 对于安全,安全和监视的实时视频分析,CED方法越来越重要.
- 该审查对92项研究进行了分类,评估了它们与CED核心挑战相比的表现.
- 已识别的趋势显示,对复杂的CED技术的需求日益增长.
结论:
- 先进的CED技术对于增强实时摄像头料分析和安全应用至关重要.
- 存在显著的研究缺口,特别是在强有力的处理环境变化和封闭方面.
- 未来的研究应该专注于为现实世界的场景开发更有弹性和更有效的CED方法.


