0 - ABSTRACT
许多计算机任务在缺少上下文信息的情况下的处理会更加困难。例如，在多相机跟踪任务下，行人可能在不同照相机下面因为有这不同的姿势和灯光条件而看起来很不一样。类似地，在低分辨率高角度监控视频中，头部方向评估也是一个挑战。如果没有上下文信息，人们在处理此类任务时会有很大麻烦。在我们的工作中，我们将上下文信息、社会群体信息和两个重要的计算机视觉任务：多目标跟踪和监控视频的头部姿态和方向评估进行结合。这三部分都采用一个概率公式进行建模并且我们提出了有效的解决方案。在多相机跟踪和头部姿势评估中，我们展示了社会群体信息有效地减少了视觉模糊。我们进一步意识到在单相机多目标跟踪中，社会群体信息提供了一个自然的高阶关联从而避免了现有的复杂的高阶轨迹关联算法。在实验过程中。我们展示了我们的模型比没有社会群体上下文信息的模型的改进，以及几种关于追踪、头部姿势评估以及群体发现的在公开有效的数据集上的先进方法。 许多计算机任务在缺少上下文信息的情况下的处理会更加困
