密集人群中行人头部的跟踪
计算机视觉与模式识别
2021-03-26 v1
摘要
在拥挤视频序列中跟踪人类是视觉场景理解的重要组成部分。人群密度的增加挑战了人体的可见性，限制了现有行人跟踪器向更高人群密度的可扩展性。为此，我们提议重新启用头部跟踪，并构建 Crowd of Heads Dataset (CroHD)，该数据集包含 9 个序列共 11,463 帧，标注了多样场景中超过 2,276,838 个头部和 5,230 条轨迹。为进行评估，我们提出了一种新指标 IDEucl，用于衡量算法在图像坐标空间中为最长片段保持唯一身份的有效性，从而建立行人人群运动与跟踪算法性能之间的对应关系。此外，我们还提出了一种新的头部检测器 HeadHunter，专为拥挤场景中的小头部检测而设计。我们通过粒子滤波器和基于颜色直方图的重识别模块扩展 HeadHunter 以实现头部跟踪。为确立其作为强基线，我们在 CroHD 上将我们的跟踪器与现有 state-of-the-art 行人跟踪器进行比较，并展示了优越性，尤其在身份保持跟踪指标上。凭借轻量级头部检测器和在身份保持上高效的跟踪器，我们相信我们的贡献将有助于密集人群中行人跟踪的发展。
引用
@article{arxiv.2103.13516,
title = {Tracking Pedestrian Heads in Dense Crowd},
author = {Ramana Sundararaman and Cedric De Almeida Braga and Eric Marchand and Julien Pettre},
journal= {arXiv preprint arXiv:2103.13516},
year = {2021}
}