PIDNet：一种用于动态行人入侵检测的高效网络
计算机视觉与模式识别
2020-09-02 v1
摘要
基于视觉的动态行人入侵检测（PID），即通过移动相机判断行人是否侵入感兴趣区域（AoI），是移动监控中的一项重要任务。视频帧中动态变化的 AoI 以及大量行人增加了判断行人是否侵入 AoI 的难度与计算复杂度，使得以往的算法无法胜任该任务。在本文中，我们提出了一种新颖且高效的多任务深度神经网络 PIDNet 来解决此问题。PIDNet 的设计主要考虑两个因素：从移动相机捕获的视频帧中准确分割动态变化的 AoI，以及从生成的含 AoI 区域中快速检测行人。为降低计算复杂度，提出并将三种高效网络设计融入 PIDNet：1) 用于特征共享的专用 PID 任务骨干网络，2) 用于特征裁剪的特征裁剪模块，以及 3) 用于特征压缩的更轻量检测分支网络。此外，考虑到该领域尚无公开数据集与基准，我们建立了一个基准数据集以评估所提网络，并首次给出了相应的评估指标。实验结果表明，PIDNet 在所提数据集上可达到 67.1% 的 PID 准确率与 9.6 fps 的推理速度，可作为未来基于视觉的动态 PID 研究的良好基线。
引用
@article{arxiv.2009.00312,
title = {PIDNet: An Efficient Network for Dynamic Pedestrian Intrusion Detection},
author = {Jingchen Sun and Jiming Chen and Tao Chen and Jiayuan Fan and Shibo He},
journal= {arXiv preprint arXiv:2009.00312},
year = {2020}
}
备注
Proceedings of the 28th ACM International Conference on Multimedia (MM '20), October 12--16, 2020, Seattle, WA, USA