街景图像的开源数据流水线：以COVID-19疫情期间社区流动性为例
计算机视觉与模式识别
2024-01-25 v1 应用统计
摘要
街景图像（Street View Images, SVI）是研究人员获取有价值数据的常见来源。研究人员已使用SVI数据来估算行人流量、进行人口统计监测，并更好地理解城市景观中的建成环境和自然环境。然而，公开可用的SVI数据最常见的来源是谷歌街景。谷歌街景图像的采集频率较低，这使得时间分析具有挑战性，尤其是在人口密度低的地区。我们的主要贡献是开发了一个开源数据流水线，用于处理从车载摄像头录制的360度视频。该视频数据用于生成SVI，然后可作为时间分析的输入。我们通过在美国华盛顿州西雅图市COVID-19疫情期间进行的为期38个月的纵向调查中收集SVI数据集，展示了该流水线的使用。我们通过对图像中行人交通的统计分析来验证流水线的输出。我们证实了文献中的已知结果，并提供了关于户外行人交通模式的新见解。这项研究证明了收集和使用SVI用于研究目的的可行性和价值，超越了当前可用SVI数据所能实现的范围。本文还讨论了数据流水线和案例研究的局限性及未来改进方向。
引用
@article{arxiv.2401.13087,
title = {Open-source data pipeline for street-view images: a case study on community mobility during COVID-19 pandemic},
author = {Matthew Martell and Nick Terry and Ribhu Sengupta and Chris Salazar and Nicole A. Errett and Scott B. Miles and Joseph Wartman and Youngjun Choe},
journal= {arXiv preprint arXiv:2401.13087},
year = {2024}
}
备注
16 pages, 4 figures, two tables. Martell and Terry are equally contributing first authors