研究人员开发行人跟踪算法DensePeds，速度提高了4.5倍

编译 | 老张

发布 | ATYUN订阅号

用AI追踪公共广场上的密集的人是非常合适的，马里兰大学和北卡罗来纳大学的团队最近提出了一种新颖的行人跟踪算法DensePeds，能够通过预测动作来监控患有幽闭恐惧症群体的人，无论是从正面还是高处的摄像机镜头。

他们声称，与先前的跟踪算法相比，他们的方法在某些情况下的速度提高了4.5倍，并且在某些情况下性能是最先进的。

研究人员在论文“DensePeds: Pedestrian Tracking in Dense Crowds Using Front-RVO and Sparse Features”中进行了描述，“行人追踪是在图像序列或人群视频中保持人的时空特征一致性的问题，这是一个重要的问题，它不仅可以帮助我们从人群场景视频中提取轨迹信息，还可以帮助我们了解高层次的行人行为。”

事实证明，在密集的人群中进行跟踪，即每平方米有两个或更多行人，对于AI模型来说仍然是一个挑战，它必须应对由于人们彼此靠近和穿越路径而引起的遮挡。

大多数系统计算每个行人周围的边界框，并且有问题的是，这些边界框经常重叠，影响跟踪精度。

为了追求更好的性能，该团队引入了一种新的运动模型——正面倒数速度障碍（FRVO），它对每个行人使用椭圆近似，并通过考虑侧踏，肩转和后退等方面来估计位置，以及避免碰撞的速度变化。

团队将它与物体探测器相结合，后者通过从原始边界框中减去噪声背景（即具有显著重叠的行人）生成特征向量，有效地将行人从其边界框中分割出来，并降低系统看不到其中任何一个的可能性。

为了验证DenseNet，研究人员将其与开源MOT数据集进行了对比，并根据公众场所人群的“挑战性”和“现实”观点选择了8个密集人群视频的策划语料库。

最后，他们报告说，在所有基线中，DensePeds产生的假阴性最低，在用常规边界框替换模型的单独实验中，假阳性减少了20.7%。

论文：

arxiv.org/pdf/1906.10313.pdf

End