利用 Fisher 向量图像表示进行车辆乘员检测
计算机视觉与模式识别
2013-12-23 v1
摘要
由于现代道路交通流量巨大，交通部门提出了高载客量车辆 (HOV) 车道和高载客量收费 (HOT) 车道以促进拼车。然而，目前这些车道的规则执行是由路边执法人员通过视觉观察进行的。众所周知，人工路边执法效率低下、成本高昂、潜在危险且最终效果不佳。据报道，违规率高达 50%-80%，而人工执法率通常低于 10%。因此，需要自动车辆乘员检测来支持 HOV/HOT 车道执法。确定车辆乘员数的一个关键组成部分是确定车辆前排乘客座位是否有人。在本文中，我们研究了使用指向车辆前挡风玻璃的近红外 (NIR) 摄像系统来确定车辆前排座位占用情况的两种方法。第一种方法检查基于可变形部件模型 (DPM) 的最先进人脸检测系统，该系统对面部姿态具有鲁棒性。第二种方法检查基于局部聚合的最先进图像分类，使用视觉词袋 (BOW) 和 Fisher 向量 (FV)。我们在公共道路上收集了 3000 张图像的数据集，并用于进行比较。从这些实验中可以清楚地看出，图像分类方法对于此问题更为优越。
引用
@article{arxiv.1312.6024,
title = {Occupancy Detection in Vehicles Using Fisher Vector Image Representation},
author = {Yusuf Artan and Peter Paul},
journal= {arXiv preprint arXiv:1312.6024},
year = {2013}
}