利用计算机视觉与时间图对公共场景进行整体解读以识别社交距离违规
计算机视觉与模式识别
2022-08-19 v4
摘要
COVID-19大流行造成了前所未有的全球公共卫生危机。鉴于其固有性质，社交距离措施被提议为遏制该大流行传播的主要策略。因此，识别这些协议被违反的情况，对于遏制疾病传播和促进可持续生活方式具有重要意义。本文提出一种新颖的基于计算机视觉的系统，用于分析闭路电视（CCTV）录像，以提供COVID-19传播威胁等级评估。该系统力求整体捕获并解读跨越多帧的CCTV录像信息内容，以识别时空上各类社交距离协议违规实例，以及群体行为的识别。该功能主要通过利用基于时间图的结构表示CCTV录像信息，以及一种整体解读该图并量化给定场景威胁等级的策略来实现。各独立组件在一系列场景中得到测试与验证，完整系统对照人类专家意见进行了测试。结果反映了威胁等级对人员、其身体接近度、交互、防护服装和群体动态的依赖。系统性能准确率为76%，从而实现了可在城市中部署的威胁监控系统，以允许社会正常化与可持续性。
引用
@article{arxiv.2112.06428,
title = {Holistic Interpretation of Public Scenes Using Computer Vision and Temporal Graphs to Identify Social Distancing Violations},
author = {Gihan Jayatilaka and Jameel Hassan and Suren Sritharan and Janith Bandara Senananayaka and Harshana Weligampola and Roshan Godaliyadda and Parakrama Ekanayake and Vijitha Herath and Janaka Ekanayake and Samath Dharmaratne},
journal= {arXiv preprint arXiv:2112.06428},
year = {2022}
}
备注
23 pages, 19 figures. Gihan Jayatilaka, Jameel Hassan, and Suren Sritharan contributed equally to this work