[关闭]
@ArrowLLL 2017-12-08T13:23:00.000000Z 字数 9474 阅读 1093

Application of Pedestrian Behavior Analysis and Visual Crowd Analysis

OPTIMAL


行人行为分析与人群行为分析是视觉场景理解的两个重要分支,但在论文当中基本是混在一起的,并不加以区分。其主要应用于带有时间性质的视频应用当中。

就一个星期的探究,主要对这个方面的应用做出一点总结。

总共有四个大的方面,一是智能环境设计与规划,二是视觉应用设计与仿真,三是密集环境个体导航,四是视频监控及检测追踪。

智能环境设计与规划

智能环境设计方面,Forecasting Interactive Dynamics of Pedestrians With Fictitious Play(CVPR 2017)中描述的交互式自治系统(interactive autonomous systems),用于理解不同的个体与人群行为并且对预测到的动作与行为做出响应,如自动驾驶,家庭机器人,智能家居等。聚焦于人类和自治系统(机器人等)在共享物理环境中的交互。

Crowd analysis: a survey (from 《Machine Vision and Applications》2008)当中提到人群分析也可以为公共空间的设计提供指导。例如,设计购物商场的布局使其对顾客更加方便,或者最大化一个办公室的空间设计等等。

视觉应用设计与仿真

Crowds by Example (from 《Computer Graphics forum》2007) 当中提到,计算机仿真生成的人群在电影、电脑游戏和其他虚拟世界应用于仿真中变得越来越普遍。随着这些方面的应用对高质量现实感和场景复杂性越来越严苛的要求,真实可信的人群仿真需求也变得越来越大。尽管有灵气的单人动作的模拟方法已经取得极高的成就,但创造一个真实可信的人群仍然是一个巨大的挑战。

密集环境个体导航

密集环境个体导航应用主要分为两方面,一个是应用于个体的小型交通工具的导航,如平衡车,电动购物车等,一个是机器人在密集环境中的个体导航。

Learning Social Etiquette: Human Trajectory Understanding In Crowded Scenes (ECCV 2016)Forecasting Social Navigation in Crowded Complex Scenes (from arxiv.org) 中提到,当行人和骑自行车的人在密集环境如校园、购物商场等空间穿行时,都会基于一些"社会"规则(如靠右行,避开车流等)互相配合尽量减小干扰。这些可以通过建立模型学得这些规则与交互,应用于个体导航。

Planning-based prediction for pedestrians (from IROS 2009. IEEE)中说到,在人流当中确定机器人的运动已经well-studied但仍然很困难。机器人避免碰撞的方法总是很难让人满意,机器人应当学会预测行人的位置然后做出相应的计划避免碰撞。

视频监控及检测追踪

由于逐步提高的安全需求,视觉视频异常检测(video abnomaly detection)在智能视觉监控领域已经变成了一个很重要的研究领域。在Video anomaly detection based on a hierarchical activity discovery within spatio-temporal contexts (from 《Neurocomputing》, volume 143, 2 November 2014, Pages 144-152) 中说到,传统监控方式的弊端逐渐显现,如工作人员长时间凝视屏幕引起的疲劳和注意力不集中,使得他们忽略了潜在的危险事件,另外,已经存在的监控主要用于调查取证,并不能在危险事件发生时发出警告。已经有许多研究人员对这些方面进行研究并提出了自己解决相应问题的方法,如基于对隐藏视觉属性建模的无监督方法和基于训练模型或者已标记行为模板的监督方法。无论哪一种,异常行为描述的界定和场景复杂度都使得异常行为检测成为一个具有挑战性的问题。


Social LSTM: Human Trajectory Prediction in Crowded Spaces

from "CVPR 2016"

from《Neurocomputing》

Learning Social Etiquette: Human Trajectory Understanding In Crowded Scenes

Human Re-identification in Crowd Videos Using Personal, Social and Environmental Constraints

Forecasting Social Navigation in Crowded Complex Scenes

Patch to the Future: Unsupervised Visual Prediction

Forecasting Interactive Dynamics of Pedestrians With Fictitious Play

Crowd Behavior Analysis via Curl and Divergence of Motion Trajectories

Crowd analysis: a survey

Pedestrian Travel Time Estimation in Crowded Scenes

Globally Consistent Multi-People Tracking using Motion Patterns

Encoding Motion Cues for Pedestrian Path Prediction in Dense Crowd Scenarios

Forecast the Plausible Paths in Crowd Scenes

添加新批注
在作者公开此批注前,只有你和作者可见。
回复批注