通过联合推理轨迹段与视觉段预测行人轨迹与头部姿态
计算机视觉与模式识别
2019-10-17 v2
摘要
在这项工作中，我们探索行人轨迹与其头部朝向之间的相关性。我们认为行人轨迹与头部姿态预测可建模为一个联合问题。近期关于轨迹预测的方法利用行人的短期轨迹（又称轨迹段，tracklets）来预测其未来路径。此外，社会线索（如预期目的地或行人交互）常与轨迹段结合使用。在本文中，我们提出 MiXing-LSTM（MX-LSTM），借助 LSTM 反向传播期间对全协方差矩阵的联合无约束优化，来捕捉位置与头部朝向（视觉段，vislets）之间的相互作用。在建模社会交互时，我们还利用头部朝向作为视觉注意力的代理。MX-LSTM 预测行人的未来位置和头部姿态，增强了当前方法在长时轨迹预测上的标准能力。与最先进水平相比，我们的方法在大量公共基准上表现出更好的性能。MX-LSTM 在行人缓慢移动时尤其有效，即对所有其他模型而言最具挑战性的场景。所提方法还允许在更长的时间范围内进行准确预测。
引用
@article{arxiv.1901.02000,
title = {Forecasting People Trajectories and Head Poses by Jointly Reasoning on Tracklets and Vislets},
author = {Irtiza Hasan and Francesco Setti and Theodore Tsesmelis and Vasileios Belagiannis and Sikandar Amin and Alessio Del Bue and Marco Cristani and Fabio Galasso},
journal= {arXiv preprint arXiv:1901.02000},
year = {2019}
}
备注
Accepted at IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE 2019. arXiv admin note: text overlap with arXiv:1805.00652