基于分割的全方位行人检测边界框生成方法

我们提出了一种基于分割的边界框生成方法，用于全方位行人检测，该方法使检测器能够在无需使用全方位图像进行训练的情况下，将边界框紧密贴合行人。由于视场角宽广，全方位相机比标准相机更具成本效益，因此适用于大规模监控。使用全方位相机进行行人检测的问题在于，标准行人检测器的性能可能会大幅下降，因为行人在全方位图像中的外观可能被旋转至任意角度。现有方法通过在推理时变换图像来缓解此问题。然而，这种变换会大幅降低检测精度和速度。最近提出的一种方法通过用全方位图像训练检测器来避免变换，但这反而带来了巨大的标注成本。为了同时避免变换和标注工作，我们利用现有的大规模目标检测数据集。我们用旋转图像以及从该数据集的分割标注中生成的紧密贴合边界框标注来训练检测器，从而能够在全方位图像中以紧密贴合的边界框检测行人。我们还开发了伪鱼眼畸变增强，进一步提升了性能。大量分析表明，我们的检测器成功将边界框贴合到行人，并展现出显著的性能提升。