深度多相机行人检测
计算机视觉与模式识别
2017-07-25 v3
摘要
本文解决多视角人群占用图估计问题。该问题的现有解决方案要么逐视角操作，要么依赖于背景减除预处理。随着场景变得愈发拥挤，这两种方法都会降低检测性能。前者未利用联合信息，而后者由于前景团块随着目标数量增加变得越来越相互连接，从而处理模糊输入。尽管深度学习算法已被证明在众多计算机视觉任务上表现卓越，但此类方法尚未应用于该问题。这很大程度上是由于缺乏大规模多相机数据集。我们方法的核心是一个利用单目行人数据集（其规模大于多视角数据集）的架构，该架构对多个视频流进行并行处理并联合利用它们。我们的端到端深度学习方法在常用的 PETS 2009 数据集上以较大优势优于现有方法。此外，我们公开了一个新的三相机高清数据集。我们的源代码和训练模型将在开源许可下公开。
引用
@article{arxiv.1702.04593,
title = {Deep Multi-camera People Detection},
author = {Tatjana Chavdarova and François Fleuret},
journal= {arXiv preprint arXiv:1702.04593},
year = {2017}
}