用于人群定位的聚焦逆距离变换图
计算机视觉与模式识别
2022-09-07 v3
摘要
本文关注人群定位任务，这是人群分析中的一个关键课题。大多数基于回归的方法利用卷积神经网络（CNN）回归密度图，由于两个关键原因，其无法在极度密集场景中准确定位个体：1）密度图由一系列模糊的高斯斑组成，2）密度图的密集区域存在严重重叠。为解决该问题，我们提出了一种用于人群定位任务的新颖的聚焦逆距离变换（FIDT）图。与密度图相比，FIDT 图准确描述了人员位置且在密集区域无重叠。基于 FIDT 图，推导出一种局部极大值检测策略（LMDS）以有效提取每个人的中心点。此外，我们引入了独立 SSIM（I-SSIM）损失使模型倾向于学习局部结构信息，更好地识别局部极大值。大量实验表明，所提方法在六个人群数据集和一个车辆数据集上取得了最先进的定位性能。另外，我们发现所提方法在负样本和极度密集场景中表现出优越的鲁棒性，进一步验证了 FIDT 图的有效性。代码和模型将发布于 https://github.com/dk-liang/FIDTM。
引用
@article{arxiv.2102.07925,
title = {Focal Inverse Distance Transform Maps for Crowd Localization},
author = {Dingkang Liang and Wei Xu and Yingying Zhu and Yu Zhou},
journal= {arXiv preprint arXiv:2102.07925},
year = {2022}
}
备注
Accepted by IEEE Transactions on Multimedia (TMM). The code and models are available at https://github.com/dk-liang/FIDTM