如果你问马里兰大学和北卡罗来纳大学的科学家，那么追踪密集的公共广场上的数十人是AI非常适合的工作。一个团队最近提出了一种新颖的行人跟踪算法--DensePeds - 能够通过预测他们的动作来监视幽闭恐惧症群体的人，无论是从正面还是高架摄像机镜头。他们声称，与先前的跟踪算法相比，他们的方法在某些情况下的速度提高了4.5倍，并且具有最新技术水平。
研究人员的工作在本周在预印本服务器Arxiv.org上发表的论文(“ DensePeds：使用Front-RVO和稀疏特征的密集人群中的行人跟踪 ”)中进行了描述。“行人追踪是在图像序列或人群视频中保持人的时空特征一致性的问题，”共同作者写道。“这是一个重要的问题，它不仅可以帮助我们从人群场景视频中提取轨迹信息，还可以帮助我们了解高级行人行为。
事实证明，在密集的人群中进行跟踪 - 即每平方米有两个或更多行人的人群 - 对于AI模型来说仍然是一个挑战，它必须应对由于人们彼此靠近和穿越路径而引起的遮挡。大多数系统计算每个行人周围的边界框，并且有问题的是，这些边界框经常重叠，影响跟踪精度。
为了追求更好的性能，该团队引入了一种新的运动模型 - 正面倒数速度障碍(FRVO) - 它对每个行人使用椭圆近似，并通过考虑侧踏，肩转和后退等方面来估计位置，以及避免碰撞的速度变化。它们将它与物体探测器相结合，物体探测器通过从原始边界框中减去噪声背景(即具有显着重叠的行人)生成特征向量(数学表示)，有效地将行人从其边界框中分割出来并降低系统失去视线的可能性其中任何一个。
为了验证DenseNet，研究人员将其与开源MOT数据集进行了对比，并根据公众场所人群的“挑战性”和“现实”观点选择了8个密集人群视频的策划语料库。他们报告说，DensePeds产生了所有基线的最低假阴性，并且在用常规边界框替换模型的单独实验中，它将假阳性的数量减少了20.7%。