基于单图像深度估计的社交距离监测
计算机视觉与模式识别
2022-05-02 v2
摘要
近期的大流行紧急情况给旨在遏制病毒传播的对策带来了诸多挑战，而限制人员间最小距离被证明是最有效的策略之一。因此，能够实现所谓社交距离自主监测的系统获得了广泛关注。在本文中，我们旨在利用单张 RGB 帧而不借助额外深度传感器来解决该任务。与现有在无法获取地面定位时失效的单图像方案不同，我们依赖单图像深度估计来感知观测场景的3D结构并估计人员间距离。在设置阶段，一种直接的校准流程（利用甚至消费级智能手机上可用的尺度感知 SLAM 算法）使我们能够解决影响单图像深度估计的尺度模糊问题。我们通过采用校准的 LiDAR + RGB 相机设备获取的室内外图像验证了我们的方法。实验结果强调，我们的方案能够实现足够可靠的人际距离估计，从而有效监测社交距离。这一事实证实，尽管存在固有模糊性，若适当引导，单图像深度估计可成为其他深度感知技术的可行替代方案，后者更昂贵且在实际应用中有时不具可行性。我们的评估还强调，即使在纯 CPU 系统上，我们的框架也能以与竞品相当的合理速度运行。此外，其在低功耗系统上的实际部署已近在咫尺。
引用
@article{arxiv.2204.01693,
title = {Monitoring social distancing with single image depth estimation},
author = {Alessio Mingozzi and Andrea Conti and Filippo Aleotti and Matteo Poggi and Stefano Mattoccia},
journal= {arXiv preprint arXiv:2204.01693},
year = {2022}
}
备注
Accepted for pubblication on IEEE Transactions on Emerging Topics in Computational Intelligence (TETCI)