用于拥挤行人检测的可见特征引导
计算机视觉与模式识别
2020-09-17 v2
摘要
拥挤场景中的严重遮挡与密集聚集使行人检测成为一项挑战性问题，因为依据不可见的人体部分难以推测出精确的整体边界框。为破解此难题，我们提出一种称为可见特征引导（VFG）的机制，用于训练与推理。训练期间，我们采用可见特征回归可见边界框与整体边界框的同步输出。随后在推理中仅对可见边界框执行 NMS 以获得最佳拟合的整体框。该方式可缓解拥挤场景中 NMS 带来的不利影响，并使整体边界框更精确。此外，为简化后续应用流程（如行人跟踪）中的特征关联，我们应用匈牙利算法对人体实例的各部件进行关联。所提方法可稳定地为两阶段与单阶段检测器带来约 2~3% 的 mAP 与 AP50 提升。尤其在更严格 IoU 下对 MR-2 更为有效。在 Crowdhuman、Cityperson、Caltech 与 KITTI 数据集上的实验表明，可见特征引导可帮助检测器取得明显更优的性能。此外，部件关联为视觉社区在 Crowdhuman 上产生了一个强基准。
引用
@article{arxiv.2008.09993,
title = {Visible Feature Guidance for Crowd Pedestrian Detection},
author = {Zhida Huang and Kaiyu Yue and Jiangfan Deng and Feng Zhou},
journal= {arXiv preprint arXiv:2008.09993},
year = {2020}
}
备注
Technical report; To appear at ECCV 2020 RLQ Workshop