使用新型特征描述子的 crowd 密度估计
计算机视觉与模式识别
2019-05-16 v1
摘要
人群密度估计是人群监控的一项重要任务。人们已做出许多努力来自动化从图像和视频估计人群密度的过程。尽管有一系列努力，这仍是一项具有挑战性的任务。在本文中，我们提出一种基于新纹理特征的、以完成局部二值模式（CLBP）为基础的 crowd 密度估计方法。我们首先将图像划分为块，然后将块再划分为单元。对每个单元，我们计算 CLBP，然后将其拼接以描述相应块的纹理。接着我们训练一个多类支持向量机（SVM）分类器，将图像的每个块分类为四类之一，即极低、低、中和高。我们在 PETS 2009 数据集上评估我们的技术，实验表明所提描述子达到了 95% 的准确率。我们还比较了其他最先进的纹理描述子，实验结果表明我们提出的方法优于其他最先进的方法。
引用
@article{arxiv.1905.05891,
title = {Crowd Density Estimation using Novel Feature Descriptor},
author = {Adwan Alownie Alanazi and Muhammad Bilal},
journal= {arXiv preprint arXiv:1905.05891},
year = {2019}
}