图像自动社交距离估计：性能评估、测试基准与算法
计算机视觉与模式识别
2021-06-21 v3 机器学习
摘要
自2020年3月以来，COVID-19病毒引发了全球大流行。世界卫生组织(WHO)提供了如何减少病毒传播的指导方针，其中最重要的措施之一是社交距离。强烈建议与他人保持至少一米的距离以降低感染风险。这在监测社交距离方面引起了浓厚兴趣，无论作为安全措施，还是研究这些措施如何影响人类行为及各国间的差异。对自动社交距离估计算法的需求显而易见，但此类算法尚无合适的测试基准。利用不同相机设置采集所有人员间测得真值成对距离的图像十分繁琐。此外，社交距离估计算法的性能评估并不直观，且尚无广泛接受的评估协议。在本文中，我们提供了一组在不同相机位置和焦距值下具有测得成对社交距离的变化图像数据集。我们提出了一种性能评估协议并提供了便于评估社交距离估计算法的基准。我们还提出了一种自动社交距离估计方法。我们的方法利用目标检测与人姿估计。只要已知焦距和传感器尺寸信息，它可应用于任意单幅图像。在我们基准上的结果令人鼓舞，人体检测率达92%，在检测到的人中距离估计平均误差仅28.9%。
引用
@article{arxiv.2103.06759,
title = {Automatic Social Distance Estimation From Images: Performance Evaluation, Test Benchmark, and Algorithm},
author = {Mert Seker and Anssi Männistö and Alexandros Iosifidis and Jenni Raitoharju},
journal= {arXiv preprint arXiv:2103.06759},
year = {2021}
}
备注
14 pages, 12 figures, 6 tables