我们能否学习行人的去向
计算机视觉与模式识别
2022-09-01 v2 机器学习
机器学习
摘要
在大多数基于智能体的仿真器中，行人从起点导航至目的地。因此，目的地是仿真必不可少的输入参数。虽然位置、速度和密度等许多其他相关参数可通过摄像头等传感器获取，但目的地无法直接观测。我们的研究问题是：能否利用机器学习方法从视频数据中获取这一信息？我们使用密度热图（表示给定摄像头裁剪区域内的行人密度）作为输入，以预测目的地分布。作为概念验证，我们在 Vadere 微观仿真器生成的示例数据集上训练了一个随机森林（Random Forest）预测器。场景为一个十字路口，行人可向左、直行或向右走。此外，我们初步探讨了摄像头的合适布置位置。相关结果促使对该方法进行深入分析。
引用
@article{arxiv.1812.03719,
title = {Can we learn where people go?},
author = {Marion Gödel and Gerta Köster and Daniel Lehmberg and Manfred Gruber and Angelika Kneidl and Florian Sesser},
journal= {arXiv preprint arXiv:1812.03719},
year = {2022}
}
备注
Proceedings of the 9th International Conference on Pedestrian and Evacuation Dynamics (PED2018) in Lund, Sweden, August 21-23, 2018 Paper No. 50, 8 pages, 5 figures