BEV-Net：通过联合人体定位与几何推理评估社交距离合规性
计算机视觉与模式识别
2021-10-13 v2
摘要
社交距离作为限制传染病传播的基本公共卫生措施，自COVID-19大流行爆发以来受到显著关注。本文考虑了在繁忙公共区域使用宽视场相机进行视觉社交距离合规性评估的问题。我们引入了一个在鸟瞰图(BEV)下带有人员标注和度量距离真值的人群场景数据集，并提出了若干用于评估社交距离检测系统的度量指标。我们提出了一种多分支网络BEV-Net，用于在世界坐标中定位个体并识别违反社交距离的高风险区域。BEV-Net结合了头部和脚部位置检测、相机位姿估计、将图像映射到BEV坐标的可微单应性模块，以及几何推理，以生成场景中人员位置的BEV地图。在复杂拥挤场景上的实验证明了该方法的有效性，并显示出优于文献中衍生基线的性能。最后讨论了公共卫生决策者感兴趣的应用。数据集、代码和预训练模型已在GitHub公开可用。
引用
@article{arxiv.2110.04931,
title = {BEV-Net: Assessing Social Distancing Compliance by Joint People Localization and Geometric Reasoning},
author = {Zhirui Dai and Yuepeng Jiang and Yi Li and Bo Liu and Antoni B. Chan and Nuno Vasconcelos},
journal= {arXiv preprint arXiv:2110.04931},
year = {2021}
}
备注
Published as a conference paper at International Conference on Computer Vision, 2021