基于低分辨率红外摄像头的隐私保护人体检测
计算机视觉与模式识别
2022-09-26 v1
摘要
在智能建筑管理中，了解房间内的人数及其位置对于以更低的成本和更高的舒适度更好地控制照明、通风和供暖十分重要。这通常通过使用安装在房间天花板上的紧凑型嵌入式设备检测人员来实现，这些设备集成了可隐藏每个人身份的低分辨率红外摄像头。然而，为实现准确检测，最先进的深度学习模型仍需要使用大型标注图像数据集进行监督训练。本文中，我们研究适用于基于低分辨率红外图像的人体检测的成本效益方法。结果表明，对于此类图像，我们可以减少监督与计算量，同时仍达到较高的检测精度。从需要对图像中每个人进行边界框标注的单发检测器，到仅依赖不含人物的未标注图像的自编码器，可在标注成本上实现可观的节省，并获得计算成本更低的模型。我们在两个具有挑战性的俯视低分辨率红外图像数据集上验证了这些实验发现。
引用
@article{arxiv.2209.11335,
title = {Privacy-Preserving Person Detection Using Low-Resolution Infrared Cameras},
author = {Thomas Dubail and Fidel Alejandro Guerrero Peña and Heitor Rapela Medeiros and Masih Aminbeidokhti and Eric Granger and Marco Pedersoli},
journal= {arXiv preprint arXiv:2209.11335},
year = {2022}
}