人群跟踪具挑战性:基于物理特征的人群分析
计算机视觉与模式识别
2020-08-11 v1
摘要
当前,包括地铁站、大学、学院、机场、购物商场、城市广场等在内的不同场所中,人员安全已成为非常重要的问题。因此,对智能事件检测系统的需求愈发迫切。事件检测方法旨在智能识别异常行为,以便公众尽早采取行动防范不良活动。由于不同区域人群密度高,该问题极具挑战。其中一大问题是遮挡,如图 1 所示,遮挡导致个体跟踪与分析变得不可能。其次,更具挑战性的是在人群中恰当表征个体行为。我们考虑一种应对这些挑战的新方法。针对跟踪挑战,我们将完整帧划分为较小块,并提取运动模式以刻画各小块中的运动。为此,我们的工作将 KLT 角点作为整合特征来描述运动区域,并借助光流法跟踪这些特征。为嵌入运动模式,我们提出并将小块内所有运动信息的分布视为高斯分布,将高斯模型参数构建为我们的运动模式描述子。
引用
@article{arxiv.2008.03614,
title = {Tracking in Crowd is Challenging: Analyzing Crowd based on Physical Characteristics},
author = {Constantinou Miti and Demetriou Zatte and Siraj Sajid Gondal},
journal= {arXiv preprint arXiv:2008.03614},
year = {2020}
}