利用显著性图进行热成像图像中的行人检测
计算机视觉与模式识别
2019-04-16 v1
摘要
热成像图像主要用于在夜间或光照条件差时检测人的存在，但在白天表现不佳。为解决此问题，大多数最先进的技术采用融合网络，利用配对的热成像与彩色图像的特征。相反，我们提出用显著性图增强热成像图像，以作为行人检测器的注意力机制，尤其在白天。我们研究了这种方法如何仅使用热成像图像改善行人检测性能，从而消除对配对彩色图像的需求。在实验中，我们训练Faster R-CNN进行行人检测，并报告了使用静态与深度方法（PiCA-Net和R3-Net）生成的显著性图的附加效果。我们性能最佳的模型在白天和夜间图像上分别使漏检率较基线绝对降低13.4%和19.4%。我们还标注并发布了KAIST多光谱行人检测数据集子集上行人的像素级掩码，这是首个公开可用的显著性行人检测数据集。
引用
@article{arxiv.1904.06859,
title = {Pedestrian Detection in Thermal Images using Saliency Maps},
author = {Debasmita Ghose and Shasvat Mukeshkumar Desai and Sneha Bhattacharya and Deep Chakraborty and Madalina Fiterau and Tauhidur Rahman},
journal= {arXiv preprint arXiv:1904.06859},
year = {2019}
}
备注
Accepted at CVPR 2019 Workshop (PBVS), 10 pages, 7 figures