复杂场景中持枪者检测与定位以增强安全措施

在图像或视频中检测枪支并准确定位持枪者，对于安防、监控和内容定制至关重要。然而，由于环境杂乱以及枪支形状多样，该任务在复杂环境中面临重大挑战。为解决此问题，我们提出了一种利用人—枪交互信息的新方法，该信息为定位持枪者提供了有价值的线索。我们的方法结合了注意力机制，通过聚焦相关区域有效区分人与枪支及背景。此外，我们引入了显著性驱动的局部保持约束，以在学习关键特征的同时保留输入图像中的前景信息。通过组合这些组件，我们的方法在新建议的数据集上取得了优异结果。为处理不同大小的输入，我们将成对的人—枪实例与注意力掩码作为通道通过深度网络进行特征计算，并利用自适应平均池化层。我们针对现有人—物交互检测方法广泛评估了我们的方法，取得了显著结果（AP=77.8%），而基线方法为（AP=63.1%）。这证明了利用注意力机制和显著性驱动局部保持进行准确人—枪交互检测的有效性。我们的发现有助于推进安防与监控领域的发展，使多样化场景下的枪支定位与识别更加高效。