Understanding Humans in Crowded Scenes: Deep Nested Adversarial Learning and A New Benchmark for Multi-Human Parsing
National University of Singapore(新加坡国立大学);National University of Defense Technology(中国人民解放军国防科技大学);Qihoo 360 AI Institute(奇虎360人工智能研究院)
尽管在检测、实例分割和人类解析等感知任务方面取得了显著进展,但计算机在拥挤场景中对人类的视觉理解,如群体行为分析、人员重新识别和自动驾驶等方面仍然表现不尽如人意。为此,模型需要全面感知多人图像中的语义信息和实例之间的差异,最近被定义为多人解析任务。在本文中,我们提出了一个新的大型数据库“多人解析(MHP)”的算法开发和评估,并提出了国家的最先进的理解人类在拥挤的场景。MHP包含25,403张精心注释的图像,具有58个细粒度的语义类别标签,每张图像涉及2-26人,并从各种视角,姿势,遮挡,交互和背景中捕获真实场景。我们进一步提出了一种新的深度嵌套对抗网络(NAN)模型,用于多人解析。NAN由三个生成对抗网络(GAN)类子网组成,分别执行语义显著性预测,实例不可知解析和实例感知聚类。这些子网形成了一个嵌套结构,并经过精心设计,以端到端的方式联合学习。NAN在我们的MHP和其他几个数据集上始终优于现有的最先进的解决方案,并作为一个强大的基线来推动未来的多人解析研究。
2018-07-06 cs.CV
Visibility Guided NMS: Efficient Boosting of Amodal Object Detection in Crowded Traffic Scenes
Mercedes-Benz AG(梅赛德斯-奔驰股份公司);University of Jena(耶拿大学)
目标检测是自动驾驶环境感知中的一项重要任务。现代的2D目标检测框架,如Yolo、SSD或Faster R-CNN,预测每个对象的多个边界框,这些边界框使用非最大值抑制(NMS)进行细化,以抑制除一个限界框之外的所有边界框。虽然目标检测本身是完全端到端可学习的,并且不需要任何手动参数选择,但标准NMS由必须手动选择的重叠阈值参数化。在实践中,这通常导致标准NMS策略无法在存在高度相互遮挡的情况下区分拥挤场景中的不同对象,例如,对于停放的汽车或行人人群。我们的新的可见性引导NMS(vg-NMS)利用基于像素以及非模态目标检测范例,并提高了检测性能,特别是对高度闭塞的对象,很少的计算开销。我们使用KITTI,VIPER以及Synscapes数据集评估了vg-NMS,并表明它优于当前最先进的NMS。
2020-06-15 cs.CV cs.LG cs.RO
COVID-Robot: Monitoring Social Distancing Constraints in Crowded Scenarios
保持人与人之间的社交距离规范已成为减缓COVID-19传播的不可或缺的预防措施。我们提出了一种新的方法来自动检测在拥挤的场景中没有遵守社交距离约束的人对,即他们之间大约6英尺的空间。我们的方法不对人群密度或行人步行方向做任何假设。我们使用带有商品传感器的移动机器人,即RGB-D相机和2-D激光雷达,在人群中执行无碰撞导航,并估计相机视野中所有检测到的个体之间的距离。此外,我们还为机器人配备了一个热成像摄像头,可以将热图像无线传输给安全/医疗保健人员,他们可以监控是否有任何人表现出高于正常温度。在室内场景中,我们的移动机器人还可以与静态安装的闭路电视摄像机相结合,以进一步提高检测到的社交距离违规数量,准确地追求步行行人等方面的性能。我们强调了我们的方法在不同静态和动态室内场景中的性能优势。
2020-08-21 cs.RO
Depth-Guided Video Object Counting in Crowded Scenes
Harbin Institute of Technology (Weihai)(哈尔滨工业大学(威海));City University of Hong Kong(香港城市大学);University of Science and Technology of China(中国科学技术大学);Harbin Institute of Technology Qingdao Research Institute(哈尔滨工业大学青岛研究院)
该研究针对拥挤场景视频目标计数的局限性,提出DG-Det与后处理流水线、去重框架,发布新数据集,使MAE降62.01%且RMSE提升。
2026-08-07 cs.AI cs.CV
CrowdTraj: A Benchmark for Dense Crowd Trajectory Prediction in Realistic Crowded Environments
提出CrowdTraj基准,用于真实密集人群场景下的行人轨迹预测,支持端到端评估,揭示现有方法在跟踪噪声和计算开销上的局限。
2026-09-09 cs.CV
Large-scale Localization Datasets in Crowded Indoor Spaces
NAVER LABS(NAVER实验室);NAVER LABS Europe(NAVER欧洲实验室)
使用视觉定位来估计相机的精确位置能够实现有趣的应用,例如增强现实或机器人导航。这在其他定位技术(例如GNSS)失效的室内环境中特别有用。室内空间对视觉定位算法提出了有趣的挑战:由于人,无纹理表面,大的视点变化,低光,重复纹理等现有的室内数据集要么是非常小的或只覆盖上述挑战的一个子集。在本文中,我们介绍了5个新的室内数据集,用于在具有挑战性的现实环境中进行视觉定位。他们是在韩国首尔的一个大型购物中心和一个大型地铁站被捕捉到的,使用的是由10台摄像机和2台激光扫描仪组成的专用测绘平台。为了获得准确的地面实况摄像机姿态,我们开发了一种鲁棒的LiDAR SLAM,它提供了初始姿态,然后使用一种新的基于运动的结构优化来细化。我们在这些具有挑战性的数据集上提出了现代视觉定位算法的基准,这些数据集显示了使用鲁棒图像特征的基于结构的方法的优越性能。这些数据集可在以下网址获得:https://naverlabs.com/datasets
2021-05-19 cs.CV
Incremental Joint Learning of Depth, Pose and Implicit Scene Representation on Monocular Camera in Large-scale Scenes
Institute of Medical Robotics and Department of Automation, Shanghai Jiao Tong University(上海交通大学医学机器人研究所和自动化系);Key Laboratory of System Control and Information Processing, Ministry of Education, Shanghai(系统控制与信息处理重点实验室,教育部,上海);School of Electrical and Electronic Engineering, Nanyang Technological University(南洋理工大学电子与电气工程学院)
本文提出了一种增量联合学习框架,通过视觉Transformer提升大规模场景的深度、姿态估计和隐式场景表示能力。
2025-07-16 cs.CV cs.RO
Video Individual Counting for Moving Drones
Sun Yat-sen University(中山大学);Harbin Institute of Technology (Shenzhen)(哈尔滨工业大学(深圳));Hong Kong University of Science and Technology(香港科学大学);City University of Hong Kong(香港城市大学)
提出 MovingDroneCrowd 数据集和 SDNet 网络,通过深度跨帧注意力模块估计共享密度图并推导流入流出密度图,解决移动无人机在拥挤场景中的视频个体计数问题。
2025-07-14 cs.CV cs.RO
MCDS-VSS: Moving Camera Dynamic Scene Video Semantic Segmentation by Filtering with Self-Supervised Geometry and Motion
University of Bonn(波恩大学);Lamarr Institute for Machine Learning and Artificial Intelligence(拉马尔机器学习与人工智能研究所)
本文提出MCDS-VSS模型,通过自监督估计场景几何、相机自运动和物体运动,以预测-融合方式提升移动相机视频语义分割的时间一致性,同时保持分割精度。
2024-09-05 cs.CV cs.RO
MMPTRACK: Large-scale Densely Annotated Multi-camera Multiple People Tracking Benchmark
Microsoft(微软)
多摄像机跟踪系统在需要高质量跟踪结果的应用中越来越受欢迎,例如无摩擦结账,因为单目多目标跟踪(MOT)系统经常由于遮挡而在混乱和拥挤的环境中失败。多个高度重叠的相机可以通过恢复部分3D信息来显著缓解该问题。然而,创建具有不同相机设置和背景的高质量多相机跟踪数据集的成本限制了该领域的数据集规模。在本文中,我们提供了一个大规模的密集标记的多摄像机跟踪数据集在五个不同的环境与自动注释系统的帮助。该系统使用重叠和校准的深度和RGB相机来构建一个高性能的3D跟踪器,自动生成3D跟踪结果。使用相机参数将3D跟踪结果投影到每个RGB相机视图以创建2D跟踪结果。然后,我们手动检查和纠正3D跟踪结果,以确保标签质量,这比完全手动标注便宜得多。我们使用两个实时多摄像头跟踪器和一个具有不同设置的人重新识别(ReID)模型进行了广泛的实验。该数据集为杂乱和拥挤环境中的多摄像头、多目标跟踪系统提供了更可靠的基准。此外,我们的研究结果表明,在此数据集上调整跟踪器和ReID模型可以显着提高其性能。我们的数据集将在接受这项工作后公开发布。
2021-11-30 cs.CV
Depth Information Guided Crowd Counting for Complex Crowd Scenes
Zhengzhou University(郑州大学);Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所)
对人群事件进行监测和分析,对城市安全具有重要意义.在具有拥挤场景的EDOF(扩展景深)图像中,人的分布是高度不平衡的。远离镜头的人看起来要小得多,而且经常严重地相互遮挡,而靠近镜头的人看起来更大。在这种情况下,很难通过使用一种技术来准确地估计人数。在本文中,我们提出了一种深度信息引导的人群计数(DigCrowd)方法来处理拥挤的EDOF场景。DigCrowd首先使用图像的深度信息将场景分割成远视图区域和近视图区域。然后,Digcrowd将远视区域映射到其人群密度图,并使用检测方法对近视区域中的人进行计数。此外,我们引入了一个新的人群数据集,包含1000张图像。实验结果证明了DigCrowd方法的有效性
2018-04-23 cs.CV
EVIMO2: An Event Camera Dataset for Motion Segmentation, Optical Flow, Structure from Motion, and Visual Inertial Odometry in Indoor Scenes with Monocular or Stereo Algorithms
University of Maryland Institute for Advanced Computer Studies(马里兰大学高级计算机研究所);University of Maryland, College Park(马里兰大学帕克分校)
介绍了一种新的事件相机数据集EVIMO2,它通过在更复杂的场景中提供来自更好的相机的更多数据来改进流行的EVIMO数据集。与其前身一样,EVIMO2以每像素地面真实深度和分割以及相机和对象姿势的形式提供标签。所有序列都使用来自物理相机的数据,许多序列具有多个独立移动的对象。通常,这样的标记数据在物理事件相机数据集中不可用。因此,EVIMO2将作为现有算法的一个具有挑战性的基准,并为新算法的开发提供丰富的训练集。特别是,EVIMO2是适合于支持运动和对象分割,光流,运动恢复结构和视觉(惯性)里程计在单眼或立体配置的研究。EVIMO 2包含来自三个640 $\times$ 480事件相机、一个2080 $\times$ 1552经典彩色相机的41分钟数据、来自两个六轴惯性测量单元的惯性测量以及来自Vicon运动捕捉系统的毫米精度物体姿态。数据集的173个序列被分为三类。3.75独立移动的家居物品22.55分钟,静态场景22.55分钟,浅层场景中的基本运动14.85分钟。一些序列是在弱光条件下记录的,而传统的相机无法做到。深度和分段对于事件相机以60 Hz提供,对于经典相机以30 Hz提供。可以使用开源代码重新生成掩码,速率高达200 Hz。本技术报告简要介绍了EVIMO2。完整的文件可在网上查阅。单个序列的视频可以在下载页面上进行采样。
2022-05-06 cs.CV cs.RO
Egocentric Human Trajectory Forecasting with a Wearable Camera and Multi-Modal Fusion
Imperial College London(帝国理工学院);Tencent Robotics X(腾讯Robotics X);Stanford University(斯坦福大学);Shanghai Jiao Tong University(上海交通大学)
在本文中,我们解决的问题预测的轨迹自我中心的相机佩戴者(自我人)在拥挤的空间。从不同相机佩戴者在现实世界中行走的数据中学习到的轨迹预测能力可以转移到帮助视障人士导航,以及在移动机器人中灌输人类导航行为,从而实现更好的人机交互。为此,构建了一个新的以自我为中心的人类轨迹预测数据集,包含佩戴相机在拥挤空间中导航的人的真实轨迹,以及提取的丰富上下文数据。我们提取并利用三种不同的模态来预测相机佩戴者的轨迹,即,他/她的过去轨迹、附近人的过去轨迹以及诸如场景语义或场景深度的环境。一个基于transformer的编码器-解码器神经网络模型,集成了一种新的级联交叉注意力机制,融合多种形式,已被设计用于预测未来的轨迹的相机佩戴者。已经进行了大量的实验,结果表明,我们的模型优于自我中心的人类轨迹预测的最先进的方法。
2022-07-07 cs.CV
Real-time Full-stack Traffic Scene Perception for Autonomous Driving with Roadside Cameras
University of Michigan(密歇根大学);Ford Motor Company(福特汽车公司)
我们提出了一个新颖的和务实的框架与路边摄像机的交通场景感知。所提出的框架涵盖了用于基础设施辅助自动驾驶的全栈路边感知管道,包括目标检测、目标定位、目标跟踪和多相机信息融合。与之前基于视觉的感知框架在训练时依赖于深度偏移或3D注释不同,我们采用了模块化解耦设计,并引入了基于地标的3D定位方法,其中检测和定位可以很好地解耦,以便模型可以仅基于2D注释轻松训练。所提出的框架适用于具有针孔或鱼眼镜头的光学或热成像相机。我们的框架部署在一个双车道的环形交叉口位于埃尔斯沃思路。州圣,美国密歇根州安阿伯市,提供7x24实时的【形】交通流监控和高精度车辆轨迹提取。整个系统在低功耗边缘计算设备上高效运行,所有组件端到端延迟小于20 ms。
2022-06-20 cs.CV cs.RO
NMS by Representative Region: Towards Crowded Pedestrian Detection by Proposal Pairing
Waseda University(早稻田大学);Tencent AI Lab(腾讯人工智能实验室)
虽然行人检测技术近年来取得了很大的进展,但拥挤场景下的行人检测仍然是一个挑战。行人之间的严重遮挡对标准的非最大抑制(NMS)提出了很大的挑战。相对较低的交叉口对并集(IoU)阈值会导致错过高度重叠的行人,而较高的阈值会带来大量的误报。为了避免这种困境,本文提出了一种新的代表性区域NMS方法,利用较少遮挡的可见部分,有效地去除冗余框,而不会带来许多误报。为了获得可见部分,提出了一种新的成对盒子模型(PBM),同时预测完整的和可见的行人盒子。完整的和可见的盒子构成了一对,作为模型的样本单元,从而保证了整个检测管道中两个盒子之间的强对应性。此外,方便的功能集成的两个盒子是允许的完整和可见的行人检测任务的更好的性能。在具有挑战性的CrowdHuman和CityPersons基准上的实验充分验证了该方法在拥挤情况下行人检测的有效性。
2020-04-21 cs.CV
UniScene: Multi-Camera Unified Pre-training via 3D Scene Reconstruction for Autonomous Driving
School of Computer Science, Peking University(北京大学计算机学院);Unmanned Systems Research Center, NIIDT(NIIDT无人系统研究中心)
针对多相机2D预训练忽略时空相关性的问题,提出首个多相机统一预训练框架UniScene,通过3D场景重建学习几何先验,在提升3D检测与场景补全性能的同时降低25%标注成本。
2024-04-27 cs.CV cs.MM cs.RO
The Drunkard's Odometry: Estimating Camera Motion in Deforming Scenes
University of Zaragoza(萨拉戈萨大学);ETH Zurich(苏黎世联邦理工学院);University of Amsterdam(阿姆斯特丹大学);Microsoft(微软)
针对可形变场景中相机运动估计的难题,本文提出了Drunkard's Dataset合成数据基准和Drunkard's Odometry方法,通过将光流分解为刚体运动与非刚性形变,为形变环境下的视觉导航与重建提供了新方案。
2023-06-29 cs.CV cs.LG cs.RO
Learning Rigidity in Dynamic Scenes with a Moving Camera for 3D Motion Field Estimation
Georgia Institute of Technology(佐治亚理工学院);NVIDIA(英伟达)
从时间序列图像对中估计动态场景中的三维运动是场景理解的核心任务。在现实世界的应用中,动态场景通常由移动的相机(即,摇摄、倾斜或手持),这增加了任务的复杂性,因为从不同的视点观察场景。主要的挑战是从场景运动中消除相机运动的歧义,随着所观察到的刚性量的减少,这变得更加困难,即使成功地估计了2D图像的对应关系。相比其他国家的最先进的三维场景流估计方法,在本文中,我们提出了\emph{learn}刚性的场景在监督的方式从一个大的动态场景数据的集合,并直接推断出刚性掩模从两个连续的图像与深度。通过学习网络,我们展示了如何使用计算的2D光流和推断的刚性掩模有效地估计相机运动和投影场景流。为了训练和测试刚性网络,我们还提供了一个新的半合成动态场景数据集(具有真实背景的合成前景对象)和一个评估分割,该分割占观察到的非刚性像素的百分比。通过我们的评估,我们表明,该框架优于当前最先进的场景流估计方法在具有挑战性的动态场景。
2018-07-30 cs.CV
6D Camera Relocalization in Ambiguous Scenes via Continuous Multimodal Inference
Technical University of Munich(慕尼黑工业大学);Stanford University(斯坦福大学);Siemens AG(西门子股份公司);ETH Zurich(苏黎世联邦理工学院);Johns Hopkins University(约翰斯·霍普金斯大学)
我们提出了一个多模态相机重新定位框架,捕捉模糊性和不确定性与连续混合模型定义的流形上的相机姿势。在高度模糊的环境中,由于场景中的对称性和重复结构,很容易出现这种情况,计算一个合理的解决方案(目前大多数最先进的方法都是回归的)可能是不够的。相反,我们预测多个相机姿势假设以及每个预测的相应不确定性。为了实现这一目标,我们使用宾厄姆分布,建模的相机姿态的方向,和多变量高斯模型的位置,与端到端的深度神经网络。通过结合赢家通吃的训练方案,我们最终获得了一个混合模型,该模型非常适合于解释场景中的模糊性,但不会遭受模式坍塌,这是混合密度网络的一个常见问题。我们引入了一个新的数据集,专门设计用于促进相机定位研究在模糊的环境和详尽的评估我们的方法上的合成以及真实的数据在两个模糊的场景和非模糊的基准数据集。我们计划在$\href{https://multimodal3dvision.github.io}{multimodal3dvision.github.io}$下发布我们的代码和数据集。
2020-07-16 cs.CV cs.LG cs.RO
Beyond Controlled Environments: 3D Camera Re-Localization in Changing Indoor Scenes
Technical University of Munich(慕尼黑工业大学);Chalmers University of Technology(查尔姆斯理工大学);CIIRC, Czech Technical University in Prague(捷克布拉格捷克理工大学信息、机器人与控制研究所);Five AI Ltd.(Five AI有限公司);Google Inc.(谷歌公司)
长期的相机重新定位是众多计算机视觉和机器人应用的重要任务。虽然存在针对照明、天气和季节变化的各种户外基准,但对室内发生的外观变化的关注要少得多。这导致了流行的室内基准测试(专注于静态场景)与许多现实应用感兴趣的室内环境之间的不匹配。在本文中,我们调整了3RScan -一个最近推出的室内RGB-D数据集,用于对象实例重新定位-创建RIO 10,这是一个新的长期相机重新定位基准,专注于室内场景。我们提出了新的指标来评估相机重新定位,并探讨如何国家的最先进的相机重新定位器执行根据这些指标。我们还详细研究了不同类型的场景变化如何影响不同方法的性能,基于在给定的RGB-D帧中检测这种变化的新方法。我们的研究结果清楚地表明,长期的室内重新定位是一个未解决的问题。我们的基准测试和工具可在waldjohannau.github.io/RIO10上公开获取
2020-08-05 cs.CV
YOWO: You Only Walk Once to Jointly Map An Indoor Scene and Register Ceiling-mounted Cameras
Fujitsu Research(富士通研究所)
YOWO通过一次遍历场景,联合映射室内场景并注册天花板安装摄像头,提升位置感知应用性能。
2025-11-20 cs.CV
Reconstructing Groups of People with Hypergraph Relational Reasoning
Southeast University(东南大学);Huawei Noah’s Ark Lab(华为诺亚方舟实验室)
针对拥挤场景中多人网格恢复不准的问题,提出超图关系推理网络,利用人群特征进行重建,实验优于基线方法。
2023-08-30 cs.CV
Real-Time Panoramic Tracking for Event Cameras
Graz University of Technology(格拉茨工业大学)
事件相机是相机技术的一个范式转变。传感器捕获的不是完整的帧,而是由强度变化引起的稀疏事件集。由于仅传输更改,因此这些相机能够捕获场景中对象或相机本身的快速移动。在这项工作中,我们提出了一种新的方法来执行相机跟踪事件相机在全景设置与三个自由度。我们提出了一个直接的摄像机跟踪制定,类似于国家的最先进的视觉里程计。我们表明,同时跟踪和映射所需的最小信息是事件的空间位置,而不使用的成像场景点的外观。我们验证了鲁棒性快速相机运动和动态对象在场景中最近提出的数据集和自记录序列。
2017-03-21 cs.CV
Fast and Accurate Camera Scene Detection on Smartphones
ETH Zurich(苏黎世联邦理工学院)
人工智能驱动的自动相机场景检测模式现在几乎可以在任何现代智能手机中使用,尽管研究界尚未解决准确场景预测的问题。本文第一次仔细定义了这个问题,并提出了一种新的相机场景检测数据集(CamSDD)包含超过11K的手动抓取图像属于30个不同的场景类别。我们为此任务提出了一个高效且NPU友好的CNN模型,该模型在该数据集上的前3名准确率为99.5%,并在最近的移动SoC上实现了超过200 FPS。对所获得的解决方案进行额外的野外评估,以分析其在现实世界场景中的性能和局限性。本文中使用的数据集和预训练模型可在项目网站上获得。
2021-05-17 cs.CV cs.LG eess.IV
CrowdOcc: Monocular Semantic Scene Completion for Quadruped Robots in Crowded Indoor Environments
Tongji University(同济大学);Loughborough University(拉夫堡大学)
针对拥挤室内环境中四足机器人单目语义场景补全受遮挡影响的问题,提出CrowdOcc数据集与框架,通过法线引导融合和以人为中心的稀疏交互,在测试集上达到15.80 IoU等最先进性能。
2026-10-05 cs.CV cs.RO
Crowded Scene Analysis: A Survey
Anhui University(安徽大学);Hefei University of Technology(合肥工业大学);Advanced Digital Sciences Center(先进数字科学中心);National University of Singapore(新加坡国立大学)
自动景物分析一直是计算机视觉和认知科学领域的研究热点。近年来,随着现实世界中拥挤现象的增多,拥挤景物分析引起了人们的广泛关注。然而,拥挤场景中的视觉遮挡和模糊性,以及复杂的行为和场景语义,使分析成为一项具有挑战性的任务。在过去的几年中,越来越多的工作拥挤的景物分析已被报道,涵盖不同的方面,包括人群运动模式学习,人群行为和活动分析,并在人群中的异常检测。本文综述了这方面的最新技术。我们首先提供与拥挤场景相关的背景知识和可用特征。然后,现有的模型,流行的算法,评估协议,以及系统性能提供相应的拥挤景物分析的不同方面。我们还概述了可用的数据集的性能评估。最后,提出了一些研究问题和未来的发展方向进行了讨论。
2015-02-06 cs.CV
The H3D Dataset for Full-Surround 3D Multi-Object Detection and Tracking in Crowded Urban Scenes
Honda Research Institute(本田研究所)
三维多目标检测与跟踪是交通场景理解的关键。然而,由于缺乏标准化的基准数据集来推进该领域,社区对这些领域的关注较少。此外,现有的数据集(例如,KITTI)没有提供足够的数据和标签来解决具有挑战性的场景,其中存在高度互动和闭塞的交通参与者。为了解决这些问题,我们提出了本田研究所3D数据集(H3D),一个大规模的全环绕3D多目标检测和跟踪数据集收集使用3D激光雷达扫描仪。H3D由160个拥挤且高度交互的交通场景组成,在27,721帧中共有100万个标记实例。H3D具有独特的数据集大小,丰富的注释和复杂的场景,可以促进全环绕3D多目标检测和跟踪的研究。为了有效和高效地注释大规模的3D点云数据集,我们提出了一种标记方法来加快整个注释周期。创建标准化基准以评估全环绕3D多目标检测和跟踪算法。3D目标检测和跟踪算法在H3D上进行了训练和测试。最后,误差的来源进行了讨论,为未来的算法的发展。
2019-03-04 cs.CV cs.RO
DnD: Dense Depth Estimation in Crowded Dynamic Indoor Scenes
NAVER LABS(NAVER实验室);University of Maryland(马里兰大学);KAIST(韩国科学技术院)
我们提出了一种新的方法,用于在单目相机移动通过复杂和拥挤的室内环境时从单目相机估计深度,例如,百货公司或地铁站我们的方法通过对动态场景的训练,预测由静态背景和多个移动的人组成的整个场景的绝对尺度深度图。由于很难从拥挤的室内环境中收集密集的深度图,我们设计了我们的训练框架,而不需要从深度传感设备产生的深度。我们的网络利用传统3D重建方法生成的RGB图像和稀疏深度图来估计密集深度图。我们使用两个约束来处理非刚性移动的人的深度,而不明确跟踪他们的运动。我们证明,我们的方法提供了一致的改进,最近的深度估计方法的NAVERLABS数据集,其中包括复杂和拥挤的场景。
2021-08-12 cs.CV
DynamicTrack: Advancing Gigapixel Tracking in Crowded Scenes
Tsinghua University(清华大学);Biren Technology(壁仞科技);HoloMatic Technology Co.,Ltd.(禾多科技有限公司)
针对拥挤场景下千兆像素跟踪面临复杂交互与遮挡导致性能下降的问题,提出动态跟踪框架DynamicTrack,通过对比学习联合检测行人头身并设计动态关联算法进行匹配,在相关基准上取得最先进性能。
2024-07-26 cs.CV
Progressive End-to-End Object Detection in Crowded Scenes
MEGVII Technology(旷视科技);Shanghai Jiao Tong University(上海交通大学);University of Hong Kong(香港大学)
在本文中,我们提出了一个新的基于查询的检测框架的人群检测。以前的基于查询的检测器有两个缺点:第一,通常在拥挤的场景中,将为单个对象推断多个预测;第二,随着解码阶段的深度增加,性能饱和。利用一对一标签分配规则的性质,我们提出了一种渐进的预测方法来解决上述问题。具体来说,我们首先选择接受的查询倾向于产生真正的积极的预测,然后根据以前接受的预测细化其余的噪音查询。实验表明,我们的方法可以显着提高基于查询的检测器在拥挤的场景中的性能。配备了我们的方法,稀疏RCNN在具有挑战性的CrowdHuman \cite{shao2018crowdhuman}数据集上实现了92.0\% $\text{AP}$,41.4\% $\text{MR}^{-2}$和83.2\% $\text{JI}$,优于基于框的方法MIP \cite{chu2020detection},该方法指定处理拥挤的场景。此外,所提出的方法,强大的拥挤,仍然可以获得一致的改善中度和轻度拥挤的数据集,如CityPersons \cite{zhang2017citypersons}和COCO \cite{lin2014microsoft}。代码将在https://github.com/megvii-model/Iter-E2EDET上公开。
2022-04-30 cs.CV
Crowd-SAM: SAM as a Smart Annotator for Object Detection in Crowded Scenes
Beihang University(北京航空航天大学);SKLSDE;IRIP Lab(IRIP实验室);SCSE(计算机学院(School of Computer Science and Engineering))
本文提出Crowd-SAM框架,通过高效提示采样器和部分-整体判别网络,以少量参数和标签提升SAM在拥挤遮挡场景中的目标检测性能,媲美全监督SOTA方法。
2024-07-19 cs.CV
Learning to Estimate Robust 3D Human Mesh from In-the-Wild Crowded Scenes
Seoul National University(首尔大学)
我们考虑的问题,恢复一个人的3D人体网格在野外拥挤的场景。虽然在3D人体网格估计方面已经取得了很大进展,但当测试输入具有拥挤场景时,现有方法会遇到困难。失败的第一个原因是训练数据和测试数据之间的域差距。运动捕捉数据集为训练提供了准确的3D标签,但缺乏人群数据,阻碍了网络学习目标人物的拥挤场景鲁棒图像特征。第二个原因是对包含多个人的局部限界框的特征图进行空间平均的特征处理。对整个特征图求平均使得目标人的特征与其他人无法区分。我们提出了3DCrowdNet,首先明确针对在野外拥挤的场景,并估计一个强大的3D人体网格解决上述问题。首先,我们利用2D人体姿势估计,不需要具有3D标签的运动捕捉数据集进行训练,并且不会受到域间隙的影响。其次,我们提出了一个联合为基础的回归,区分目标人物的功能从其他人。我们的联合为基础的回归保留了空间激活的目标,从目标的关节位置和回归人体模型参数的采样功能。因此,3DCrowdNet可以学习以目标为中心的特征,并有效地排除附近人员的不相关特征。我们在各种基准上进行了实验,并从定量和定性两个方面证明了3DCrowdNet对野外拥挤场景的鲁棒性。该代码可在https://github.com/hongsukchoi/3DCrowdNet_RELEASE上获得。
2022-09-18 cs.CV
Detection in Crowded Scenes: One Proposal, Multiple Predictions
MEGVII Technology(旷视科技);Peking University(北京大学)
我们提出了一个简单而有效的基于提议的对象检测器,旨在检测拥挤场景中高度重叠的实例。我们的方法的关键是让每个建议预测一组相关的实例,而不是在以前的基于建议的框架中的单个实例。配备了新的技术,如EMD损失和设置NMS,我们的检测器可以有效地处理检测高度重叠的对象的困难。在FPN-Res 50基线上,我们的检测器可以在具有挑战性的CrowdHuman数据集上获得4.9\%的AP增益,并在CityPersons数据集上获得1.0\%的$\text{MR}^{-2}$改进,而没有铃铛和哨子。此外,在COCO等不太拥挤的数据集上,我们的方法仍然可以实现适度的改进,这表明所提出的方法对拥挤具有鲁棒性。代码和预训练模型将在https://github.com/megvii-model/CrowdDetection上发布。
2020-06-24 cs.CV
Binary Quadratic Programing for Online Tracking of Hundreds of People in Extremely Crowded Scenes
多目标跟踪已经研究了几十年。然而,当涉及到在极其拥挤的场景中跟踪行人时,我们仅限于少数作品。这是一个重要的问题,引起了若干挑战。预先训练的对象检测器无法在拥挤的序列中定位目标。因此,这限制了依赖于对象检测器的结果的基于数据关联的多目标跟踪方法的使用。此外,小的表观目标尺寸使得提取特征以将目标与其周围环境区分开具有挑战性。最后,大量的目标大大增加了计算复杂性,这反过来又使得现有的多目标跟踪方法难以扩展到高密度人群场景。在本文中,我们提出了一个跟踪器,解决了上述问题,并能够有效地跟踪数百人。我们制定在线人群跟踪二进制二次规划。我们的配方采用目标的个人信息的外观和运动的形式,以及上下文线索的形式邻域运动,空间接近和分组的限制,并解决检测和数据关联同时。为了有效地解决所提出的二次优化问题,在最先进的商业二次规划求解器无法在合理的时间内找到答案的情况下,我们建议使用最新版本的修改的Frank Wolfe算法,该算法利用SWAP步骤来加速优化。我们表明,所提出的配方可以有效地跟踪数百个目标,并提高了国家的最先进的结果显着利润率对11个具有挑战性的高密度人群序列。
2016-03-30 cs.CV cs.RO
Unsupervised Anomalous Trajectory Detection for Crowded Scenes
Indian Institute of Engineering Science and Technology, Shibpur(印度希布尔工程科学技术学院);Indian Institute of Space Science and Technology(印度空间科学技术学院)
提出了一种改进的基于聚类的无监督异常轨迹检测算法。所提出的工作是基于四个主要步骤,即,从拥挤的场景视频中提取的轨迹,从这些轨迹中提取的几个功能,独立的均值漂移聚类和异常检测。首先,使用多特征视频对象跟踪器提取人群中所有运动对象的轨迹。然后将这些轨迹转换为一组特征空间。均值漂移聚类应用于这些特征矩阵,以获得不同的集群,而基于香农熵的异常检测器识别相应的异常。在最后一步中,投票机制识别出表现出异常特征的轨迹。该算法是测试人群场景视频数据集。视频代表了各种可能的人群场景,具有不同的运动模式,该方法可以很好地从场景中检测出预期的异常轨迹。
2019-07-03 cs.CV eess.IV
Deep-Anomaly: Fully Convolutional Neural Network for Fast Anomaly Detection in Crowded Scenes
Institute for Research in Fundamental Sciences (IPM)(基础科学研究所(IPM));Di Hub;Iran University of Science and Technology(伊朗科技大学);Auckland University of Technology(奥克兰理工大学)
在拥挤的场景中检测异常行为必须应对许多挑战。提出了一种有效的视频异常检测和定位方法。使用完全卷积神经网络(FCN)和时间数据,将预训练的监督FCN转换为非监督FCN,以确保检测场景中的(全局)异常。高性能的速度和准确性方面实现了通过调查级联检测作为一个结果,降低计算复杂度。这种基于FCN的架构解决了两个主要任务,特征表示和级联离群值检测。两个基准测试的实验结果表明,该方法的检测和定位的准确性优于现有的方法。
2017-04-30 cs.CV
Learning better representations for crowded pedestrians in offboard LiDAR-camera 3D tracking-by-detection
Department of Perception, Zhuoyu Technology(感知部门,珠元科技)
针对拥挤城市环境中行人感知困难,本文提出收集新基准并构建离车自动标注系统,通过学习密度感知和关系感知的高分辨率表示,显著提升三维行人跟踪性能与自动标注效率。
2025-05-21 cs.CV
End-to-end people detection in crowded scenes
Stanford University(斯坦福大学);Max Planck Institute for Informatics(马克斯·普朗克信息学研究所)
当前的人物检测器通过以滑动窗口方式扫描图像或通过对离散的提议集进行分类来操作。我们提出了一个模型,是基于解码成一组人的检测图像。我们的系统将图像作为输入,并直接输出一组不同的检测假设。因为我们联合生成预测,所以不需要非最大值抑制等常见的后处理步骤。我们使用一个递归LSTM层来生成序列,并使用一个新的损失函数对检测集进行端到端的训练我们的模型。我们证明了我们的方法的有效性,在拥挤的场景中检测人的具有挑战性的任务。
2015-07-08 cs.CV
Towards Accurate Human Pose Estimation in Videos of Crowded Scenes
National University of Singapore(新加坡国立大学);YITU Technology(依图科技)
拥挤场景下基于视频的人体姿态估计是一个具有挑战性的问题,由于遮挡,运动模糊,尺度变化和视点变化等,现有的方法总是无法处理这个问题,因为(1)缺乏使用的时间信息;(2)缺乏训练数据在拥挤场景。在本文中,我们专注于提高人体姿态估计在拥挤的场景中的视频从利用时间上下文和收集新的数据的角度。特别是,我们首先遵循自上而下的策略来检测人,并对每帧进行单人姿态估计。然后,我们改进了基于帧的姿态估计与时间上下文推导出的光流。具体来说,对于一帧,我们从先前帧中向前发送历史姿势,并从后续帧中向后发送未来姿势到当前帧,从而实现视频中稳定且准确的人体姿势估计。此外,为了提高训练集的多样性,我们从互联网上挖掘了与HIE数据集相似的新场景数据。通过这种方式,我们的模型在13个视频中的7个上实现了最佳性能,并且在HIE挑战的测试数据集上实现了56.33的平均w\_AP。
2020-10-21 cs.CV
Learning Pairwise Relationship for Multi-object Detection in Crowded Scenes
the University of Adelaide(阿德莱德大学);University of Liverpool(利物浦大学)
作为目标检测的后处理步骤,非极大值抑制(GreedyNMS)被广泛应用于大多数检测器中。它是有效的,准确的稀疏场景,但遭受不可避免的权衡之间的精确度和召回拥挤的场景。为了克服这个缺点,我们提出了一个成对NMS来治愈GreedyNMS。具体地,学习基于深度学习的成对关系网络来预测两个重叠的建议框是否包含两个对象或零/一个对象,这可以有效地处理多个重叠对象。通过与GreedyNMS巧妙耦合而不损失效率,在严重遮挡的数据集(包括MOT 15,TUD-Crossing和PETS)中实现了一致的改进。此外,Pairwise-NMS可以集成到任何基于学习的检测器中(本文测试了Faster-RCNN和Faster-RCNN检测器),从而在GreedyNMS和端到端学习检测器之间建立了桥梁。
2019-01-12 cs.CV
Toward Accurate Person-level Action Recognition in Videos of Crowded Scenes
National University of Singapore(新加坡国立大学);YITU Technology(依图科技)
由于环境的复杂性和事件的多样性,在拥挤的场景中检测和识别人体动作是一个具有挑战性的问题。以往的研究工作主要存在两个方面的不足:(1)缺乏对场景信息的利用;(2)缺乏对人群和复杂场景的训练数据。本文的研究重点是充分利用场景信息和收集新的数据来提高时空动作识别的性能。一个自上而下的战略是用来克服的局限性。具体来说,我们采用了一个强大的人体检测器来检测每帧的空间位置。然后,我们应用动作识别模型来学习来自HIE数据集和来自互联网的具有不同场景的新数据的视频帧的时空信息,这可以提高我们模型的泛化能力。此外,还利用语义分割模型提取场景信息,辅助场景分割。结果,我们的方法实现了平均26.05 wf\_mAP(在ACM MM 2020年大挑战:人类事件中排名第一)。
2020-10-16 cs.CV
Real-Time Anomaly Detection and Localization in Crowded Scenes
Malek Ashtar University of Technology(马利克·阿什塔尔理工大学);Iran University of Science and Technology(伊朗科技大学);Auckland University of Technology(奥克兰理工大学)
在本文中,我们提出了一种方法,用于实时的【形】异常检测和定位在拥挤的场景。每个视频被定义为一组不重叠的立方体补丁,并使用两个局部和全局描述符进行描述。这些描述符从不同方面捕获视频属性。通过结合简单且具有成本效益的高斯分类器,我们可以区分视频中的正常活动和异常活动。局部和全局特征基于相邻块之间的结构相似性,并且使用稀疏自动编码器以无监督的方式学习特征。实验结果表明,我们的算法是一个国家的最先进的程序在UCSD ped2和UMN基准,但更有效的时间。实验证实,我们的系统可以可靠地检测和定位异常,只要他们在视频中发生。
2015-11-21 cs.CV
Estimating People Flows to Better Count Them in Crowded Scenes
CVLab, EPFL(计算机视觉实验室,洛桑联邦理工学院);ClearSpace(ClearSpace公司)
在拥挤场景中计算人数的现代方法依赖于深度网络来估计单个图像中的人密度。因此,只有极少数人利用视频序列中的时间一致性,并且那些只对连续帧施加弱平滑度约束的视频序列。在本文中,我们主张估计连续图像之间的图像位置的人流量,并从这些流量推断的人密度,而不是直接回归。这使我们能够施加更强的约束来编码人数守恒。因此,它显著提高了性能,而无需更复杂的架构。此外,它还使我们能够利用人流和光流之间的相关性,以进一步改善结果。我们将证明我们在五个基准数据集上的表现始终优于最先进的方法。
2020-07-15 cs.CV cs.LG
Detection of Salient Regions in Crowded Scenes
越来越多的摄像机和少数几个人类操作员来监视来自数百个摄像机的视频输入,使系统无法完成检测异常的任务。因此,迫切需要自动检测需要立即关注的区域,以进行更有效和主动的监视。我们提出了一个框架,利用人群场景的流场的时间变化来自动检测显著区域,同时消除了对场景或训练的先验知识的需要。我们将流场视为一个动力系统,并采用动力系统稳定性理论来确定给定区域内的运动动力学。在这项工作的背景下,显着区域是指具有高运动动态的区域,其中特定区域中的点是不稳定的。公共,人群场景的实验结果表明,该方法在检测显著区域,对应于不稳定的流量,闭塞,瓶颈,入口和出口的有效性。
2014-10-15 cs.CV
Density-based Object Detection in Crowded Scenes
City University of Hong Kong(香港城市大学)
针对拥挤场景中目标检测器训练时锚框模糊、推理时预测易被错误抑制的问题,提出密度引导锚框(DGA)和密度引导NMS(DG-NMS)策略,基于非平衡最优传输(UOT)利用密度图优化锚框分配与NMS,在CrowdHuman等数据集上验证了有效性与鲁棒性。
2025-04-14 cs.CV
Real-Time Anomalous Behavior Detection and Localization in Crowded Scenes
在本文中,我们提出了一个准确和实时的【形】异常检测和定位在拥挤的场景,并提出了两个描述符来表示异常行为的视频。我们认为视频是一组立方体补丁。基于异常发生的低可能性,以及视频中正常补丁中结构的冗余性,考虑两个(全局和局部)视图来对视频进行建模。我们的算法有两个组成部分,(1)表示补丁使用局部和全局描述符,和(2)建模的训练补丁使用一个新的表示。我们有两个高斯模型的所有训练补丁方面的全球和局部描述符。局部和全局特征基于相邻块之间的结构相似性和以无监督方式学习的特征。我们提出了一种融合策略,将这两个描述符作为我们系统的输出。实验结果表明,我们的算法执行像一个国家的最先进的方法在几个标准的数据集,但甚至是更有效的时间。
2016-01-02 cs.CV
A Simple Baseline for Pose Tracking in Videos of Crowded Scenes
National University of Singapore(新加坡国立大学);YITU Technology(依图科技)
本文介绍了我们的解决方案,ACM MM挑战:大规模以人为中心的视频分析在复杂的事件\cite{lin2020human},特别是,在这里,我们专注于跟踪3:人群姿态跟踪在复杂的事件。近年来,多姿势训练取得了显著的进展。然而,如何在拥挤和复杂的环境中跟踪人体姿态一直没有得到很好的解决。我们制定的问题作为几个子问题要解决。首先,我们使用多目标跟踪方法来分配人类ID到每个限界框产生的检测模型。最后,利用光流法充分利用视频中的时间信息,生成最终的姿态跟踪结果。
2020-10-21 cs.CV
Multi-person 3D Pose Estimation in Crowded Scenes Based on Multi-View Geometry
The Johns Hopkins University(约翰斯·霍普金斯大学);National University of Singapore(新加坡国立大学)
核线约束是当前多人多摄像机三维人体姿态估计方法中特征匹配和深度估计的核心。尽管在稀疏的人群场景中,这一提法令人满意的性能,其有效性经常受到挑战,在密集的人群情况下,主要是由于两个来源的模糊性。第一个是由关节和极线之间的欧几里得距离提供的简单线索导致的人类关节的不匹配。第二个是缺乏鲁棒性,从天真的制定的问题作为一个最小二乘最小化。在本文中,我们从多人3D姿态估计公式出发,而是将其重新公式化为人群姿态估计。我们的方法包括两个关键组成部分:一个快速交叉视图匹配的图形模型,和一个最大后验概率(MAP)估计重建的三维人体姿势。我们证明了我们所提出的方法的有效性和优越性在四个基准数据集。
2020-07-21 cs.CV
Improved Anomaly Detection in Crowded Scenes via Cell-based Analysis of Foreground Speed, Size and Texture
NICTA(澳大利亚国家信息与通信技术研究院);The University of Queensland(昆士兰大学)
提出了一种鲁棒且高效的异常检测技术,能够处理传统的基于跟踪的方法往往失败的拥挤场景。输入帧的初始前景分割将分析限制在前景对象,并且有效地忽略不相关的背景动态。输入帧被分割成不重叠的单元格,然后从每个单元格中提取基于运动、大小和纹理的特征。每种特征类型都被独立地分析是否存在异常。与大多数方法不同,通过仅计算前景像素的光流来实现对象运动的精细估计。运动和尺寸特征由核密度估计的近似版本建模,即使对于大型训练数据集,这也是计算效率高的。纹理特征由自适应增长的码本建模,其中码本中的条目数以在线方式选择。在最近发表的UCSD异常检测数据集上的实验表明,该方法比最近的三种方法:MPPCA,社会力和动态纹理混合(MDT)获得了更好的结果。所提出的方法也是几个数量级的速度比MDT,下一个最好的执行方法。
2013-04-03 cs.CV
MOT20: A benchmark for multi object tracking in crowded scenes
Australian Institute for Machine Learning(澳大利亚机器学习研究院);University of Adelaide(阿德莱德大学);Amazon(亚马逊);ETH Zurich(苏黎世联邦理工学院);Technische Universität Darmstadt(达姆施塔特工业大学)
标准化基准对于大多数计算机视觉应用至关重要。虽然排行榜和排名表不应被过分夸大,但基准往往提供了最客观的业绩衡量标准,因此是研究的重要指南。MOTChallenge是多目标跟踪的基准,其目标是建立多目标跟踪方法的标准化评估。挑战的重点是多人跟踪,因为行人在跟踪社区中得到了很好的研究,精确的跟踪和检测具有很高的实际意义。自第一个版本以来,MOT15,MOT16和MOT17通过引入一个干净的数据集和精确的框架来对多对象跟踪器进行基准测试,为社区做出了巨大贡献。在本文中,我们提出了我们的MOT20benchmark,由8个新的序列描绘非常拥挤的具有挑战性的场景。该基准首次在2019年计算机视觉和模式识别会议(CVPR)的第四届BMTT MOT挑战研讨会上提出,并有机会评估在处理极其拥挤的场景时用于多目标跟踪的最先进方法。
2020-03-19 cs.CV
Video-based Bottleneck Detection utilizing Lagrangian Dynamics in Crowded Scenes
Technische Universität Berlin(柏林工业大学)
避免人群中的瓶颈情况对于大型活动或公共交通中人们的安全和舒适至关重要。在拉格朗日运动分析的基础上,我们提出了一种新的基于视频的碰撞检测器,通过识别光流场捕获的人群运动中的特征装载模式。拉格朗日框架允许通过二维的拉格朗日场来评估瓶颈附近大时间尺度上复杂的时间依赖的人群运动动力学。特别是,我们提出了长期的时间过滤有限时间李雅普诺夫指数(FTLE)领域,提供了一个更全球化的人群运动分割,并允许捕捉其变形时,人群正在通过一个瓶颈。最后,这些变形用于自动时空检测这种情况。所提出的方法的性能在现有的Jülich和AGORASET数据集上进行了广泛的评估,我们已经用地面实况数据进行了时空瓶颈分析。
2019-08-21 cs.CV
Anomaly Detection and Localization in Crowded Scenes by Motion-field Shape Description and Similarity-based Statistical Learning
Fudan University(复旦大学);China University of Petroleum(中国石油大学)
在拥挤的场景中,异常行为的检测和定位是具有挑战性的,因为高密度的人使得对象分割和跟踪非常困难。我们关联的多帧的光流捕捉短期的轨迹,并引入基于直方图的形状描述符被称为形状上下文来描述这样的短期轨迹。此外,我们提出了一个基于K-NN相似性的统计模型来检测异常的时间和空间,这是一个无监督的一类学习算法,不需要聚类,也没有任何先验假设。首先,我们从测试样本的训练集中提取K-NN样本,然后利用每对K-NN样本之间的相似性来构建高斯模型。最后,以联合概率的形式计算高斯模型下测试样本与K近邻样本的相似性概率。通过分别判断联合概率在时间和空间上是否低于预定义的阈值,可以检测异常事件。这样的方案可以适应整个场景,因为这样计算的概率不受由透视失真引起的运动失真的影响。我们对真实世界的监控视频进行了实验,结果表明,该方法可以可靠地检测和定位视频序列中的异常事件,优于国家的最先进的方法。
2018-05-27 cs.CV
FCHD: Fast and accurate head detection in crowded scenes
Honeywell Technology Solutions(霍尼韦尔技术解决方案公司);Indian Institute of Technology, Madras(印度理工学院马德拉斯分校)
在本文中,我们提出了FCHD-Fully Convolutional Head Detector,一个端到端的可训练头部检测模型。我们提出的架构是一个单一的全卷积网络,负责限界框预测和分类。这使得我们的模型轻量级,推理时间和内存需求低。随着运行时间的推移,我们的模型具有更好的整体平均精度(AP),这是通过基于网络的有效感受野选择锚点大小来实现的。这可以从我们对具有不同头部计数的几个头部检测数据集的实验中得出结论。我们在一个具有挑战性的头部检测数据集上实现了0.70的AP,这与一些标准基准相当。与此同时,我们的模型在Nvidia Quadro M1000 M上以5 FPS运行VGA分辨率图像。代码可在https://github.com/aditya-vora/FCHD-Fully-Convolutional-Head-Detector上获得。
2019-05-05 cs.CV
Contextually learnt detection of unusual motion-based behaviour in crowded public spaces
Trinity College Cambridge(剑桥大学三一学院)
在本文中,我们有兴趣在拥挤的公共场所的整体运动的水平上分析的行为。我们的目标是在没有用户输入、强场景先验或标记数据的情况下,学习特定场景的“正常行为”范围,从而对未看到的镜头中的新奇事物保持警惕。第一个贡献是一个低层次的运动模型的基础上,我们的术语tracklet原语,这是场景特定的基本运动。我们提出了一种基于聚类的算法,从局部近似的轨迹估计的外观特征。其次是两种方法的运动新颖性推断tracklet原语:(a)我们描述了一种方法的基础上的非层次系综的马尔可夫链作为一种手段,在不同的尺度上捕捉行为特征,和(b)一个更灵活的替代方案,表现出更高的概括能力,通过占的约束引入的意图和目标导向的规划,在一个特定的场景中的人类运动。在一个繁忙的城市市场的2小时长的视频进行评估,这两种算法被证明是成功的推断不寻常的行为,后者的模型在更大的空间尺度上实现更好的性能为新奇。
2013-09-25 cs.CV