跨视角跨场景多视角人群计数

多视角人群计数此前被提出以利用多摄像头扩展单摄像头的视野，捕获场景中更多人，并改善被遮挡或低分辨率个体的计数性能。然而，当前的多元视角范式在同一单一场景和摄像头视角上训练和测试，这限制了其实际应用。在本文中，我们提出了一种跨视角跨场景（CVCS）多视角人群计数范式，其中训练和测试在不同的场景与任意摄像头布局上进行。为动态应对场景与摄像头布局变化下的最优视角融合挑战，以及由摄像头标定误差或错误特征导致的非对应噪声，我们提出了一种CVCS模型，其利用摄像头布局几何注意力式地选择并融合多个视角，并提出了一种噪声视角正则化方法来训练模型以处理非对应错误。我们还生成了一个大型合成多摄像头人群计数数据集，包含大量场景和摄像头视角以捕获多种可能变化，从而避免了收集和标注如此大规模真实数据集的困难。随后，我们通过无监督域迁移在我们的训练后CVCS模型上于真实多视角计数数据集进行测试。在合成数据上训练的所提CVCS模型优于仅在真实数据上训练的相同模型，并且与在同一单一场景上训练和测试的完全监督方法相比取得了有前景的性能。