用于行人跟踪方法细粒度验证的逼真人群仿真环境开发
计算机视觉与模式识别
2023-04-27 v1
摘要
通常，人群数据集可从真实或合成来源收集或生成。真实数据通过使用基于基础设施的传感器（如静态相机或其他传感器）生成。使用仿真工具可显著减少生成特定场景人群数据集所需的时间，促进数据驱动的研究，并进而构建可用的机器学习模型。本工作的主要目标是开发人群仿真的一个扩展（命名为 CrowdSim2）并证明其在行人跟踪算法应用中的可用性。该仿真器使用非常流行的 Unity 3D 引擎开发，特别注重环境、天气条件、交通以及个体智能体的运动和模型等方面的逼真性。最后，使用三种跟踪方法（IOU-Tracker、Deep-Sort 和 Deep-TAMA）对生成的数据集进行验证。
引用
@article{arxiv.2304.13403,
title = {Development of a Realistic Crowd Simulation Environment for Fine-grained Validation of People Tracking Methods},
author = {Paweł Foszner and Agnieszka Szczęsna and Luca Ciampi and Nicola Messina and Adam Cygan and Bartosz Bizoń and Michał Cogiel and Dominik Golba and Elżbieta Macioszek and Michał Staniszewski},
journal= {arXiv preprint arXiv:2304.13403},
year = {2023}
}