Fast Human Detection in Crowded Scenes by Contour Integration and Local Shape Estimation 安藤 寛哲 はじめに Csaba Beleznaiらによって提案[CVPR2009] なにをするものなのか？ — 混雑シーンにおける高速な人検出 どのように？ — 輪郭を用いたテンプレートマッチング — 動きと局所的な前景と背景の関係性 手法の流れ 入力：シーン画像 処理：２つの検出器 — 輪郭に基づく検出 — aSC基づく検出 検出結果の統合 出力：検出結果 輪郭に基づく検出 輪郭を用いた人検出 — 輪郭のテンプレートマッチング ８方向のオリエンテーション Integral Image 輪郭テンプレート生成 高速なマッチング 輪郭のIntegral Image 方向ごとにIntegral Image作成 ― 方向ごとの各ラインから累積値算出 例 輪郭のテンプレート生成 輪郭のテンプレート — INRIA dataset 120枚の歩行者画像 13個の輪郭を手動でラベル付け — Point Distribution Model サンプルからモデルを生成 ラベルの座標値 PCAを用いて作成 — 全体と頭＆肩の２種類のテンプレート 輪郭のテンプレート 輪郭のテンプレート変化 輪郭のテンプレート変化 — スケール 画像のy座標ごとに決定 オフラインで推定 — 回転 Integral Imageを用いて表現 輪郭のパターンを変化させる テンプレートマッチング 輪郭のマッチング — ガウスの微分フィルタバンク — 方向ごとの値 — 輪郭のテンプレート 頭・肩のテンプレート 全身のテンプレート 重み 重み 輪郭のテンプレート aSCに基づく検出 局所的な形状をとらえる — aSC(approximated Shape Context)記述 Shape Context の近似 背景差分結果 局所領域における前景部分の形状 aSC(approximated Shape Context) aSC — Shape Context 近似 局所的な形状 人の境界 位置と形状の関係性 学習 学習 — 2値化画像から局所領域抽出 × 領域 各セルにラベル付け ― — 前景のピクセル数 コードブックの作成 足元の位置との関係性 各位置のコードを保存 手動で作成した２値化画像（10枚） aCSを用いた検出 人検出 — コードブック 学習パターンのマッチング 各位置ごとにスコア算出 ラベルのベクトル表現 局所領域の形状 コードブックの評価 コードブックのマッチング — マッチングスコア算出 前景領域の密度で評価 — 最適なコードブック — すべての位置のコードブックの評価 ラベルのべクトル 局所領域の前景領域 局所領域の背景領域 検出結果の統合 検出結果 — 人間ｃの空間的配置の事後確立 — 最大事後確立 実験 評価実験 — CAVIARデータセット — １８００人 比較手法 輪郭に基づく検出 aSC記述のコードブック 輪郭＋ aSC記述 Z. Lin et al , “Hirerachical part-template matching for human detection and segmentation”.ICCV. 2007 結果 検出精度の比較 (a) 輪郭のテンプレートを用いた結果 — (b) aSC記述のコードブック — (c) 二つの検出器の組み合わせ — 別のシーケンスにおける結果 オリジナルシーケンス — 画像解像度 640×480 — CPU 3.6G — 輪郭に基づく検出 グラフィックスハードウェア 22ｆｐｓ — 最低20ｆｐｓでの検出が可能 別のシーケンスの検出結果例 おわりに ２つの識別器 — 輪郭に基づく検出 テンプレートマッチング Integral image — aSC基づく検出 aSC記述 コードブック — — 局所領域と大域領域の形状をとらえる 混雑したシーンにおいて高精度かつ高速に検出が可能
© Copyright 2024 ExpyDoc
