通过识别人-物对定位持枪者

在人群中视觉识别枪手是一个具有挑战性的问题，需要解决人与物体（枪支）的关联。我们提出了一种解决该问题的新方法，通过定义人-物交互（及非交互）边界框来实现。在给定图像中，分别检测人和枪支。每个被检测到的人与每个被检测到的枪支配对，从而创建包含物体和人的配对边界框。训练一个网络将这些配对边界框分类为人物是否携带所识别的枪支。我们进行了大量实验以评估算法的有效性，包括利用人的完整姿态、手部关键点及其与枪支的关联。空间局部化特征的知识是通过使用多尺度候选框与自适应平均池化来实现我们方法成功的关键。我们还扩展了一个先前的枪支检测数据集，添加了更多图像，并在扩展数据集中标注了人-枪对（包括枪支和枪手的边界框）。实验结果（$AP_{hold} = 78.5$）证明了所提方法的有效性。