面向密集人群的交互式监控技术
计算机视觉与模式识别
2018-10-10 v1 人工智能
摘要
我们提出一种利用轨迹级行为学习对低密度至中密度人群视频进行实时异常检测的算法。我们的方法结合了计算机视觉中的在线跟踪算法、人群仿真中的非线性行人运动模型以及贝叶斯学习技术，以自动计算视频中每个智能体的轨迹级行人行为。这些学习到的行为被用于分割不同行人或智能体的轨迹与运动并检测异常。我们在PETS ARENA数据集以及由数十个人类智能体组成的室内外人群视频基准上展示了交互式性能。我们还讨论了近期与监控相关的公共政策及执法问题对我们研究的影响。
引用
@article{arxiv.1810.03965,
title = {Interactive Surveillance Technologies for Dense Crowds},
author = {Aniket Bera and Dinesh Manocha},
journal= {arXiv preprint arXiv:1810.03965},
year = {2018}
}
备注
Presented at AAAI FSS-18: Artificial Intelligence in Government and Public Sector, Arlington, Virginia, USA