视频监控起着至关重要的作用在维护社会安全,尽管到目前为止,大不确定性仍然存在危险的理解和认可,这可以部分归因于棘手的环境背景的变化。本文提出了一种brain-inspired计算注意周围环境的变化(EC)的价值processes-based认知模型通过引入一个比率值<我nl我ne- - - - - -formula>
监控起着至关重要的作用在维护社会安全和保护一个国家的基础设施( 周边环境变化特别的背景的变化还负责一些重要但仍未解决的问题在物体识别和跟踪 许多算法开发了解决视频识别挑战在各种环境中;然而,全面理解环境影响视频识别效率要求学习模型与普遍意义(忽略真实情景中不受控制的差异) 广泛认识到,视频监控应考虑周围环境变化的影响,视频监控,但直到现在,仍然没有模型的普遍评价EC-implications视频识别效率( 目标在这项研究中<我nl我ne- - - - - -formula>
一个概念性的框架的精度与EC的安全集成视频监控图所示 大脑认知EC-implications可以接近四个过程,数据获取、分类、计算和推理。在整个论文中,原始、分类计算,和推断数据,分别用EC<年代ub>1年代ub>,电子商务<年代ub>2年代ub>,电子商务<年代ub>3年代ub>,电子商务<年代ub>4年代ub>。很明显,<我nl我ne- - - - - -formula>
表示由<我nl我ne- - - - - -formula>
基于性能的快速DL(深度学习)方法,YOLO,意思就是最有效的算法之一对象检测、分类、和跟踪( 显然,attention-time EC的比率降低监管的关注和EC-warning水平(用<我t一个l我c>
α我t一个l我c>)是衡量相应的时间成本。在整个论文中,计算的<我t一个l我c>
α我t一个l我c>的时间成本是制定评价implication-ratio变化<我nl我ne- - - - - -formula>
非线性泛函分析证实了适合解决真正的场景分析和准确,多级方法已被广泛用于模拟灾难反应( Brain-inspired方法注意价值和预警级别的EC如图 首先,我们有 让<我nl我ne- - - - - -formula>
还有待确定警告EC-implications水平。学习时间的减少时间复杂度EC-universal意义,分析可分为两种情况:<我nl我ne- - - - - -formula>
在一个学习期间,如果EC进化率是固定的(用<我nl我ne- - - - - -formula>
让<我nl我ne- - - - - -formula>
考虑的变化<我nl我ne- - - - - -formula>
为一个视频<我nl我ne- - - - - -formula>
解决方案( 同样,我们有 简化的表示(
进一步考虑监视视频之间的关系,让<我nl我ne- - - - - -formula>
的对称形式( 定义<我nl我ne- - - - - -formula>
最后,EC-warning水平可以计算时间成本<我nl我ne- - - - - -formula>
我们建议的模型在当前研究学习模型具有普遍意义(忽略不受控制的差异在现实场景),旨在建立理论框架的环境影响视频识别效率。它将为一个通用的服务评价EC-implications视频识别效率。许多算法开发了解决视频识别的挑战在各种环境中,但它仍是难以描述学习期的时间复杂度。这可以在很大程度上归因于视频识别的复杂性问题。甚至对于一个给定的问题,是不容易确定EC-scenarios学习期限不同。一般来说,attention-time EC的比率降低监管的关注和EC-warning水平可以衡量相应时间成本降低attention-time EC的比率。所以我们制定的参数<我t一个l我c>
α我t一个l我c>implication-ratio变化的时间成本<我nl我ne- - - - - -formula>
因为学习的时间复杂度,我们给EC-attention值模拟,十个视频给EC-attention值表 忽略了协会在十监控视频,( 描述EC-warning水平和隐含的危险是有助于学习如何潜在的危险可以检测到视频监控在变化的环境中,特别是在无人驾驶,一个主要的瓶颈在哪里寻找有效和高效的算法检测和危险警告,主要由于缺乏适应性的关注在使用学习系统( 对于特殊场景EC-implications不显著时,集成模型和在线算法是没有必要的。在特殊应用程序可以在很大程度上简化计算。车道检测为例,生物原则是检测和识别一条线,它可以工作得很好,即使车道部分丢失( 对于复杂的应用程序,然而,嵌入模型提出在当前安全系统成为必要,如稀疏的压缩传感跟踪(
尽管先前的研究对视频监控算法在各种环境中,仍有相当大的不确定性对象检测、分类和跟踪。理解和识别影响的周边环境变化监测效率仍然非常有限。Brain-inspired造型方法这样的影响在本研究主要依赖于大量的数据和关注时间的关注,忽视差异在现实场景。因此,提出模型表示生物原理计算智能和具有普遍意义的实际集成在线算法。然而,一个完整的理解的复杂学习期限不同EC-scenarios仍然是必要的。这也是下一步研究重点对一个通用评估影响周围环境改变视频的识别效率。
作者宣称没有利益冲突。
本研究深圳财务支持的基础研究项目(JCYJ201506 30114942260),中国国家自然科学基金(41571299)、中科院“西部之光”项目(xbb - 2014 - 16),和“千人才”计划(Y474161)。