用于人群中群体检测的社会约束结构化学习
计算机视觉与模式识别
2015-08-07 v2
摘要
现代人群理论一致认为，集体行为是小群体个体之间潜在相互作用的结果。在这项工作中，我们提出了一种通过人员轨迹上的相关聚类过程来检测人群中社会群体的新算法。人群成员之间的亲和力通过结构化SVM框架的在线公式以及一组特别设计的表征其物理和社会身份的特征来学习，这些特征受Proxemic theory、Granger causality、DTW和Heat-maps启发。为了符合社会学观测，我们引入了一个损失函数（G-MITRE），能够处理评估群体检测性能的复杂性。我们展示了我们的算法在依赖真实轨迹和先前由现有检测器/跟踪器系统提取的跟踪片段时均达到了最先进的性能。
引用
@article{arxiv.1508.01158,
title = {Socially Constrained Structural Learning for Groups Detection in Crowd},
author = {Francesco Solera and Simone Calderara and Rita Cucchiara},
journal= {arXiv preprint arXiv:1508.01158},
year = {2015}
}