行人檢測作為計算機視覺領(lǐng)域最基本的主題之一,多年來被廣泛研究。盡管最先進的行人檢測器已在無遮擋行人上取得了超過 90% 的準確率,但在嚴重遮擋行人檢測上依然無法達到滿意的效果。究其根源,主要存在以下兩個難點:
嚴重遮擋的行人框大部分為背景,檢測器難以將其與背景類別區(qū)分;
給定一個遮擋行人框,檢測器無法得到可見區(qū)域的信息;
Tube Feature Aggregation Network(TFAN)新方法,即利用時序信息來輔助當前幀的遮擋行人檢測,目前該方法已在 Caltech 和 NightOwls 兩個數(shù)據(jù)集取得了業(yè)界領(lǐng)先的準確率。
核心思路
利用時序信息輔助當前幀遮擋行人檢測
目前大部分行人檢測工作都集中于靜態(tài)圖像檢測,但在實際車路環(huán)境中大部分目標都處于運動狀態(tài)。針對嚴重遮擋行人的復雜場景,單幀圖像難以提供足夠有效的信息。為了優(yōu)化遮擋場景下行人的識別,地平線團隊提出通過相鄰幀尋找無遮擋或少遮擋目標,對當前圖像中的遮擋行人識別進行輔助檢測。
實驗新方法
Proposal tube 解決嚴重遮擋行人檢測
如下圖,給定一個視頻序列,首先對每幀圖像提取特征并使用 RPN(Region Proposal Network)網(wǎng)絡(luò)生成 proposal 框。從當前幀的某個 proposal 框出發(fā),依次在相鄰幀的空間鄰域內(nèi)尋找最相似的proposal框并連接成 proposal tube。
商用機器人 Disinfection Robot 展廳機器人 智能垃圾站 輪式機器人底盤 迎賓機器人 移動機器人底盤 講解機器人 紫外線消毒機器人 大屏機器人 霧化消毒機器人 服務(wù)機器人底盤 智能送餐機器人 霧化消毒機 機器人OEM代工廠 消毒機器人排名 智能配送機器人 圖書館機器人 導引機器人 移動消毒機器人 導診機器人 迎賓接待機器人 前臺機器人 導覽機器人 酒店送物機器人 云跡科技潤機器人 云跡酒店機器人 智能導診機器人 |