基于块动态建模的人群密度预测
计算机视觉与模式识别
2019-11-25 v1
摘要
预测视频中观察到的人类活动是计算机视觉中一项长期存在的挑战，其催生了移动机器人、自动驾驶和辅助系统等多种现实应用。本工作中，我们提出一项称为人群密度预测的新视觉预测任务。给定监控摄像头捕捉的人群视频，我们的目标是预测该人群在未来帧中的移动方式。为应对此任务，我们开发了基于块密度预测网络（PDFN），其能够对一系列人群密度图进行预测，这些图描述了每帧视频中每个位置的拥挤程度。PDFN基于空间重叠块表示人群密度图，并在紧凑潜空间中逐块学习密度动态。这使我们能够高效建模多样且复杂的人群密度动态，即便输入视频涉及数量可变且各自独立移动的人群。在多个公开数据集上的实验结果证明了我们的方法相较于最先进预测方法的有效性。
引用
@article{arxiv.1911.09814,
title = {Crowd Density Forecasting by Modeling Patch-based Dynamics},
author = {Hiroaki Minoura and Ryo Yonetani and Mai Nishimura and Yoshitaka Ushiku},
journal= {arXiv preprint arXiv:1911.09814},
year = {2019}
}