Обнаружение пешеходов

Обнаружение пешеходов является важной и важной задачей в любой интеллектуальной системе видеонаблюдения , поскольку оно предоставляет фундаментальную информацию для семантического понимания видеозаписей . Он имеет очевидное расширениедля автомобильного применения из-за потенциала улучшения систем безопасности. Многие производители автомобилей (например, Volvo, Ford, GM, Nissan) предлагают эту опцию в качестве опции ADAS в 2017 году.

Проблемы

Различный стиль одежды по внешнему виду
Различные возможные сочленения
Наличие закрывающей фурнитуры
Частые препятствия между пешеходами

Существующие подходы

Несмотря на проблемы, обнаружение пешеходов в последние годы по-прежнему остается активной областью исследований в области компьютерного зрения . Было предложено множество подходов.

Комплексное обнаружение

Детекторы обучены искать пешеходов в кадре видео путем сканирования всего кадра. Детектор «сработает», если элементы изображения внутри окна локального поиска соответствуют определенным критериям. Некоторые методы используют глобальные функции, такие как шаблон края., ^[1] другие используют локальные функции, такие как гистограмма ориентированных градиентов. ^[2] дескрипторы. Недостаток этого подхода заключается в том, что на производительность могут легко повлиять фоновые помехи и окклюзии.

Обнаружение на основе деталей

Пешеходы моделируются как наборы частей. Гипотезы о деталях сначала генерируются путем изучения локальных функций, в том числе Edgelet. ^[3] и особенности ориентации. ^[4] Затем эти гипотезы частей объединяются, чтобы сформировать наилучшую совокупность существующих пешеходных гипотез. Хотя этот подход привлекателен, само обнаружение деталей является сложной задачей. Реализация этого подхода следует стандартной процедуре обработки данных изображения, которая состоит из первого создания пирамиды изображений с плотной выборкой, вычисления признаков в каждом масштабе, выполнения классификации во всех возможных местах и, наконец, выполнения немаксимального подавления для создания окончательного набора ограничивающие рамки. ^[5]

Обнаружение на основе исправлений

В 2005 году Лейбе и др. ^[6] предложил подход, сочетающий в себе обнаружение и сегментацию , под названием «Модель неявной формы» (ISM). В процессе обучения изучается кодовая книга местного облика. В процессе обнаружения извлеченные локальные объекты используются для сопоставления с записями кодовой книги, и каждое совпадение дает один голос за пешеходную гипотезу. Окончательные результаты обнаружения могут быть получены путем дальнейшего уточнения этих гипотез. Преимущество этого подхода заключается в том, что требуется лишь небольшое количество обучающих изображений.

Обнаружение движения

Когда позволяют условия (фиксированная камера, стационарное освещение и т. д.), вычитание фона может помочь обнаружить пешеходов. Вычитание фона классифицирует пиксели видеопотоков как фон, где движение не обнаружено, или как передний план, где движение обнаружено. Эта процедура выделяет силуэты (соединенные компоненты на переднем плане) каждого движущегося элемента сцены, включая людей. Разработан алгоритм, ^[7]^[8] в Льежском университете , чтобы проанализировать форму этих силуэтов, чтобы обнаружить людей. Поскольку методы, рассматривающие силуэт в целом и выполняющие единую классификацию, как правило, весьма чувствительны к дефектам формы, для уменьшения влияния дефектов был предложен почастичный метод разделения силуэтов на набор более мелких областей. В отличие от других подходов, основанных на частях, эти области не имеют никакого анатомического значения. Этот алгоритм был расширен для обнаружения людей в потоках 3D-видео. ^[9]

Обнаружение с помощью нескольких камер

Флёре и др. ^[10] предложил метод интеграции нескольких калиброванных камер для обнаружения нескольких пешеходов. В этом подходе плоскость земли делится на однородные, непересекающиеся ячейки сетки, обычно размером 25 на 25 (см). Детектор создает карту вероятности занятости (POM), он дает оценку вероятности того, что каждая ячейка сетки будет занята человеком. Учитывая два-четыре синхронизированных видеопотока, снятых на уровне глаз и под разными углами, этот метод может эффективно сочетать генеративную модель с динамическим программированием, чтобы точно отслеживать до шести человек в тысячах кадров, несмотря на значительные окклюзии и изменения освещения. Он также может определять метрически точные траектории для каждого из них.

Сопутствующая плодотворная работа

См. также

Ссылки

^ К. Папагеоргиу и Т. Поджо, «Обучаемая система обнаружения пешеходов», Международный журнал компьютерного зрения (IJCV), страницы 1: 15–33, 2000 г.
^ Н. Далал, Б. Триггс, «Гистограммы ориентированных градиентов для обнаружения человека», IEEE Computer Society Конференция по компьютерному зрению и распознаванию образов (CVPR), страницы 1: 886–893, 2005 г.
^ Бо Ву и Рам Неватия, «Обнаружение нескольких частично закрытых людей на одном изображении с помощью байесовской комбинации детекторов частей Edgelet», Международная конференция IEEE по компьютерному зрению (ICCV), страницы 1: 90–97, 2005 г.
^ Миколайчик К., Шмид К. и Зиссерман А. «Обнаружение человека на основе вероятностной сборки надежных детекторов деталей», Европейская конференция по компьютерному зрению (ECCV), том 3021/2004, страницы 69–82, 2005 г.
^ Хёнги Чо, Пол Э. Рыбски, Аарон Бар-Хилель и Венде Чжан «Обнаружение пешеходов в реальном времени с помощью деформируемых моделей деталей»
^ Б.Лейбе, Э. Зееманн и Б. Шиле. «Обнаружение пешеходов в многолюдных сценах» Конференция IEEE по компьютерному зрению и распознаванию образов (CVPR), страницы 1: 878–885, 2005 г.
^ О. Барнич, С. Жодонь и М. Ван Дрогенбрук. «Надежный анализ силуэтов по морфологическим распределениям размеров» Advanced Concepts for Intelligent Vision Systems (ACIVS), страницы 734–745, 2006 г.
^ С. Пьерар, А. Лежен и М. Ван Дрогенбрук. «Вероятностный пиксельный подход для обнаружения людей в видеопотоках» Международная конференция IEEE по акустике, речи и обработке сигналов (ICASSP), страницы 921–924, 2011 г.
^ С. Пьерар, А. Лежен и М. Ван Дрогенбрук. «3D-информация ценна для обнаружения людей в видеопотоках» Труды 3D Stereo MEDIA , страницы 1–4, 2010 г.
^ Ф. Флере, Ж. Беркла, Р. Ленгань и П. Фуа, Многокамерное отслеживание людей с помощью вероятностной карты занятости, Транзакции IEEE по анализу шаблонов и машинному интеллекту, Vol. 30, №. 2, стр. 267–282, февраль 2008 г.

Внешние ссылки

Код для POM — обнаружение пешеходов с нескольких камер с использованием вероятностной карты занятости
Система обнаружения пешеходов для тяжелой техники . Пример системы обнаружения пешеходов.
Система обнаружения пешеходов Blaxtair для мобильного завода

[1] К. Папагеоргиу и Т. Поджо, «Обучаемая система обнаружения пешеходов», Международный журнал компьютерного зрения (IJCV), страницы 1: 15–33, 2000 г.

[2] Н. Далал, Б. Триггс, «Гистограммы ориентированных градиентов для обнаружения человека», IEEE Computer Society Конференция по компьютерному зрению и распознаванию образов (CVPR), страницы 1: 886–893, 2005 г.

[3] Бо Ву и Рам Неватия, «Обнаружение нескольких частично закрытых людей на одном изображении с помощью байесовской комбинации детекторов частей Edgelet», Международная конференция IEEE по компьютерному зрению (ICCV), страницы 1: 90–97, 2005 г.

[4] Миколайчик К., Шмид К. и Зиссерман А. «Обнаружение человека на основе вероятностной сборки надежных детекторов деталей», Европейская конференция по компьютерному зрению (ECCV), том 3021/2004, страницы 69–82, 2005 г.

[5] Хёнги Чо, Пол Э. Рыбски, Аарон Бар-Хилель и Венде Чжан «Обнаружение пешеходов в реальном времени с помощью деформируемых моделей деталей»

[6] Б.Лейбе, Э. Зееманн и Б. Шиле. «Обнаружение пешеходов в многолюдных сценах» Конференция IEEE по компьютерному зрению и распознаванию образов (CVPR), страницы 1: 878–885, 2005 г.

[7] О. Барнич, С. Жодонь и М. Ван Дрогенбрук. «Надежный анализ силуэтов по морфологическим распределениям размеров» Advanced Concepts for Intelligent Vision Systems (ACIVS), страницы 734–745, 2006 г.

[8] С. Пьерар, А. Лежен и М. Ван Дрогенбрук. «Вероятностный пиксельный подход для обнаружения людей в видеопотоках» Международная конференция IEEE по акустике, речи и обработке сигналов (ICASSP), страницы 921–924, 2011 г.

[9] С. Пьерар, А. Лежен и М. Ван Дрогенбрук. «3D-информация ценна для обнаружения людей в видеопотоках» Труды 3D Stereo MEDIA , страницы 1–4, 2010 г.

[10] Ф. Флере, Ж. Беркла, Р. Ленгань и П. Фуа, Многокамерное отслеживание людей с помощью вероятностной карты занятости, Транзакции IEEE по анализу шаблонов и машинному интеллекту, Vol. 30, №. 2, стр. 267–282, февраль 2008 г.

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]