La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Co-Head Pedestrian Detection in Crowded Scenes Co-responsable de la détection des piétons dans les scènes de foule

Chen CHEN, Maojun ZHANG, Hanlin TAN, Huaxin XIAO

  • Vues en texte intégral

    0

  • Citer

Résumé:

La détection des piétons est une tâche essentielle mais difficile en vision par ordinateur, en particulier dans les scènes bondées en raison d'une forte occlusion intra-classe. Dans le système visuel humain, les informations sur la tête peuvent être utilisées pour localiser un piéton dans une foule, car elles sont plus stables et moins susceptibles d'être obstruées. Inspirés par cet indice, nous proposons un détecteur double tâche qui détecte simultanément la tête et le corps humain. Concrètement, nous estimons les candidats corps humains à partir des régions de la tête avec un rapport tête-corps statistique. UN tête-corps une carte d'alignement est proposée pour effectuer un apprentissage relationnel entre les corps humains et les têtes en fonction de leur corrélation inhérente. Nous exploitons les informations de tête comme critère de détection strict pour supprimer les faux positifs courants de la détection des piétons via une nouvelle perte pull-push. Nous validons l'efficacité de la méthode proposée sur les benchmarks CrowdHuman et CityPersons. Les résultats expérimentaux démontrent que la méthode proposée atteint des performances impressionnantes dans la détection des piétons fortement obstrués avec peu de coûts de calcul supplémentaires.

Publication
IEICE TRANSACTIONS on Fundamentals Vol.E104-A No.10 pp.1440-1444
Date de publication
2021/10/01
Publicisé
2021/03/26
ISSN en ligne
1745-1337
DOI
10.1587/transfun.2020EAL2110
Type de manuscrit
LETTER
Catégories
Image(s)

Auteurs

Chen CHEN
  National University of Defense Technology
Maojun ZHANG
  National University of Defense Technology
Hanlin TAN
  National University of Defense Technology
Huaxin XIAO
  National University of Defense Technology

Mots-clés

Table des matières