基于卷积神经网络的行人计数方法在直升机航拍画面中的拥堵度分析
计算机视觉与模式识别
2019-11-06 v1
摘要
过去几年中，研究者提出了卷积神经网络的许多不同应用，包括从图像中检测和识别物体。理解自身本性的愿望一直是研究的重要动机。因此，人的视觉识别是当今机器学习面临的最重要问题之一。该任务的大多数解决方案已通过使用多个公开可用数据集开发和测试。这些数据集通常包含由街道级闭路电视摄像机拍摄的提供低角度视角的图像。此类图像与从天空拍摄的图像之间存在重大差异。此外，航拍图像通常非常拥堵，包含数百个目标。这些因素可能对结果质量产生显著影响。本文中，我们研究用于计数行人的最先进方法及其在航拍画面上的相关性能。此外，我们针对图像的拥堵程度分析该性能。
引用
@article{arxiv.1911.01672,
title = {Congestion Analysis of Convolutional Neural Network-Based Pedestrian Counting Methods on Helicopter Footage},
author = {Gergely Csönde and Yoshihide Sekimoto and Takehiro Kashiyama},
journal= {arXiv preprint arXiv:1911.01672},
year = {2019}
}
备注
9 pages, 7 figures