全景视频中多目标检测与跟踪用于自行车安全分析
计算机视觉与模式识别
2026-05-19 v3 计算机与社会
摘要
自行车面临受伤风险较大，但常规事故记录稀疏，难以在细粒度的空间和时间尺度上识别风险因素。最近的自然主义研究利用视频数据捕捉复杂的行为和基础设施风险因素。一种有前景的格式是全景视频，它能够记录自行车周围 360 的视图。然而，其应用受到图像畸变、大量小目标以及边界连续性等限制，现有计算机视觉模型无法处理。本研究提出了一种新颖的三步框架：（1）通过分割和投影将原始 360 图像分割为子图像，以提高全景图像上的目标检测准确性；（2）修改多目标跟踪模型以融合边界连续性和目标类别信息；（3）通过车辆超车检测的实际应用进行验证。该方法在伦敦道路上不同条件下记录的全景视频上进行评估。实验结果表明，相较于基线方法，本方法在不同图像分辨率下实现了更高的平均精度。此外，增强的跟踪方法使识别切换减少 10.0%，识别精度提高 2.7%。超车检测任务实现了 0.82 的高 F 分数，说明该方法在实际自行车安全场景中具有实际效果。
引用
@article{arxiv.2407.15199,
title = {Multiple Object Detection and Tracking in Panoramic Videos for Cycling Safety Analysis},
author = {Jingwei Guo and Yitai Cheng and Meihui Wang and Ilya Ilyankou and Natchapon Jongwiriyanurak and Xiaowei Gao and Nicola Christie and James Haworth},
journal= {arXiv preprint arXiv:2407.15199},
year = {2026}
}