使用朗之万模型估计密集人群视频中的线性运动
计算机视觉与模式识别
2019-04-17 v1
摘要
随着人口增长，社会和文化活动中的大规模人群聚集正在急剧增加。通过计算机视觉和专家决策系统进行监控可以帮助理解大型集会中的人群现象。理解人群现象有助于早期识别不期望的事件并预防它们。运动流是重要的人群现象之一，可以描述人群行为。流有助于理解人群中的不稳定性。然而，由于人群运动的随机性和传感设备的限制，提取运动流是一项具有挑战性的任务。此外，如果随机性高，低级特征如光流可能会产生误导。在本文中，我们提出了一种基于朗之万方程的新模型来分析密集人群场景视频中的线性主导流。我们假设一个具有三个分量的力模型，即外力、约束/漂移力和扰动力。这些力足以描述密集人群视频中的线性或近线性运动。与现有的流行人群分割方法相比，该方法显著更快。我们在公开数据集以及我们自己的数据集上评估了所提出的模型。观察到，与最先进的技术相比，所提出的方法能够以更好的精度估计和分割密集人群中的线性流，同时计算开销大幅降低。
引用
@article{arxiv.1904.07233,
title = {Estimation of Linear Motion in Dense Crowd Videos using Langevin Model},
author = {Shreetam Behera and Debi Prosad Dogra and Malay Kumar Bandyopadhyay and Partha Pratim Roy},
journal= {arXiv preprint arXiv:1904.07233},
year = {2019}
}