专栏首页机器学习、深度学习人群运动--Scene-Independent Group Profiling in Crowd

人群运动--Scene-Independent Group Profiling in Crowd

Scene-Independent Group Profiling in Crowd CVPR2014 http://www.ee.cuhk.edu.hk/~jshao/CUHKcrowd.html https://github.com/amiltonwong/crowd_group_profile

crowd 由 groups 组成,这里我们对 groups 属性进行分析,提出几个可以定量分析的描述算子。 Groups are the primary entities that make up a crowd.

同类之间我们使用 collectiveness, stability, and uniformity 来描述类成员的行为 Intra-group properties, e.g. collectiveness, stability, and uniformity, denote internal coordination among members in the same group.

不同类之间我们使用 conflict 来描述类之间成员的行为 Whilst inter-group properties, e.g. conflict, reflect the external interaction between members in different groups

我们的目标是 characterize and quantify crowd 中的 groups ,对其行为进行分析,人群场景的理解。 一个 group 不仅仅是个体空间上的聚合,同时也是一个动态的单元,展示出一些类内 和类间的属性,可以用这些属性来比较不同的 crowd system

3 Profiling Group Properties 这里我们将一个 group 看作一组个体具有共同的目标和 行为的一致性, with a common goal and collective behaviors 给定一段视频,我们可以将视频中所有的 group 检测出来。 每个group 包含 一个 由 KLT特征点跟踪器检测得到的 跟踪轨迹 tracklets 集合,对于每个 检测到的 group,我们希望可以提出了一些 可视化的描述子用于表示 这个 group的相关属性

3.1. Collective Transition Prior 人群中 group 的精确检测是很有挑战性的工作。这里我们假定场景中人的运动内在属性,我们用一组有限的 Collective Transition (CT) priors 来表征 这些 priors 可以在 检测 group 的同时被发现。有了这些 priors 的约束,我们的group 检测就更 robust,同时我们也可以从这些 priors 里推导出一些 group 的属性

对于每一个 pedestrian group 都有一个特定的 CT prior,可以从视频段中被发现。对于n个跟踪轨迹 tracklets ,我们假定存在 m个 Markov chains,其中 m < n and m is inferred automatically。 每个 Markov chain 有如下形式:

其中 where the continuous observation z evolves by a transition matrix A 。 Gaussian noise v_t ∼ N (0,Q) is assumed between transition We denote Θ = {A,Q,µ,Σ} as the parameters of the chain. A represents the CT prior

下面我们来说说怎么在检测 group的同时发现这些 prior

3.2. Group Detection by Collective Transition 问题的关键是在 视频段中 找到符可以很好拟合 the discovered priors 的 pedestrian groupings The missing data of z k can be inferred with EM

3.3. Group Descriptors for Crowd Scenes

Collectiveness: 描述个体运动和群体运动的吻合度 The collectiveness property indicates the degree of individuals acting as a union in collective motion.

Stability: group 随着时间的变化 其内在拓扑结构是否保持不变, The stability property characterizes whether a group can keep internal topological structure over time. stable members tend to (1) maintain a similar set of nearest neighbors; (2) keep a consistent topological distance with its neighbors through out a clip; and (3)amember is less likely to leave its current nearest neighbor set. 定义了三个 stability descriptors

Uniformity: 个体分布的均匀性 Uniformity is an important property for characterizing homogeneity of a group in terms of spatial distribution. 这里使用图论里的 graph cut , We quantify uniformity by inferring the optimal number (c ∗ ) of graph cuts on the K-NN graph. A higher c ∗ suggest a higher degree of non-uniformity.

Conflict: group 之间的冲突性 The conflict property characterizes interaction/friction between groups when they approach each other.

4 Applications and Experimental Results

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 重温目标检测--YOLO v3

    版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.n...

    用户1148525
  • 人群行为分析--Understanding Pedestrian Behaviors from Stationary Crowd Groups

    Understanding Pedestrian Behaviors from Stationary Crowd Groups CVPR2015 本文主要探...

    用户1148525
  • 快速人体姿态估计--Pose Proposal Networks

    本文使用 YOLO + bottom-up greedy parsing 进行人体姿态估计

    用户1148525
  • jface databinding: Radio Button group及ISideEffect绑定数据对象的例子

    下图左侧是三个Radio button,设计的要求是选择不同的radio button,右侧的三个group会分别有不同的可见状态(visible),并且将ra...

    用户1148648
  • 【小程序】一个测颜值的小程序,只为最美的你〜

      没有使用任何框架或者工作流的东西,直接用最新的微信开发人员工具打开即可,很简单,我就不多说了〜

    用户5997198
  • DSP与Always-on功能

    以下内容来自于CEVA。原文连接 - https://www.ceva-dsp.com/ourblog/how-dsp-supports-always-on-...

    用户6026865
  • 如何看待Python之父,说996是不人道的?

    一直从事代码编写工作,加上现在的公司已经在四个单位从事软件开发工作,可能是运气问题还真是没有遇见强制996加班的,但在项目真正忙起来的时候比996要厉害的多,最...

    程序员互动联盟
  • Java 线程状态有哪些?

    1. 线程 start 方法执行后,并不表示该线程运行了,而是进入就绪状态,意思是随时准备运行,但是真正何时运行,是由操作系统决定的,代码并不能控制,

    水货程序员
  • 【实测】谷歌翻译特朗普就职演讲,正确率如何(附技术原理解析)

    【新智元导读】 美国新总统特朗普1月21日发表就职演讲,讲话内容受到国内高度关注。新智元使用谷歌翻译对特朗普就职演讲的内容进行了翻译实测,发现谷歌翻译的准确率相...

    新智元
  • Temporal GAN with Singular Value Clipping for 语义视频

    In this paper, we propose a generative model, Temporal Generative Adversarial Ne...

    用户1908973

扫码关注云+社区

领取腾讯云代金券