一种基于 Voronoi 的卷积神经网络新框架用于人群视频中的推搡行为检测
计算机视觉与模式识别
2023-10-12 v1 机器学习
摘要
分析人群中推搡行为的微观动态可为了解人群模式与交互提供有价值的见解。通过识别人群视频中的推搡实例，可更深入理解此类行为发生的时间、地点与原因。该知识对于制定更有效的人群管理策略、优化人流及提升整体人群体验至关重要。然而，在微观层面手动识别推搡行为具有挑战性，且现有自动方法无法检测此类微观行为。因此，本文提出一种在微观层面自动识别人群视频中推搡行为的新框架。该框架包含两个主要部分：i) 特征提取；ii) 视频标注。在特征提取部分，提出一种基于 Voronoi 的新方法以确定输入视频中每个人的局部区域。随后，这些区域被送入 EfficientNetV1B0 卷积神经网络以随时间提取每个人的深度特征。在第二部分的视频标注中，采用全连接层与 Sigmoid 激活函数相结合来分析这些深度特征并标注视频中参与推搡的个体。该框架在一个使用六组真实实验（含对应真值）创建的新数据集上训练与评估。实验结果表明，所提框架优于用于对比分析的七种基线方法。
引用
@article{arxiv.2310.07416,
title = {A Novel Voronoi-based Convolutional Neural Network Framework for Pushing Person Detection in Crowd Videos},
author = {Ahmed Alia and Mohammed Maree and Mohcine Chraibi and Armin Seyfried},
journal= {arXiv preprint arXiv:2310.07416},
year = {2023}
}
备注
21 pages