基于实时轨迹的社会群体检测
计算机视觉与模式识别
2023-04-13 v1
摘要
社会群体检测是各种机器人应用的关键方面，包括机器人导航与人机交互。迄今为止，一系列基于模型的技术已被用于应对该挑战，例如F-formation和轨迹相似性框架。然而，这些方法在拥挤和动态场景中往往无法提供可靠结果。该领域近期的进展主要集中在基于学习的方法上，例如使用视觉内容或人体姿态的深度神经网络。尽管基于视觉内容的方法在大规模数据集上展现出有前景的性能，但其计算复杂度对它们在实时应用中的实际使用构成了重大障碍。为解决这些问题，我们提出了一种简单高效的社会群体检测框架。我们的方法探究了运动轨迹对社会分群的影响，并采用了一种新颖、可靠且快速的数据驱动方法。我们将场景中的个体表述为一个图，其中节点由LSTM编码的轨迹表示，边由每对轨迹之间的距离定义。我们的框架采用改进的图变换器模块和图聚类损失来检测社会群体。我们在流行的JRDBAct数据集上的实验显示出显著的性能提升，相对改进幅度在2%至11%之间。此外，我们的框架速度明显更快，在相同计算资源下推理时间比最先进的方法快至多12倍。这些结果表明我们提出的方法适用于实时机器人应用。
引用
@article{arxiv.2304.05678,
title = {Real-time Trajectory-based Social Group Detection},
author = {Simindokht Jahangard and Munawar Hayat and Hamid Rezatofighi},
journal= {arXiv preprint arXiv:2304.05678},
year = {2023}
}