May, 2020

多摄像头轨迹预测: 在摄像头网络中的行人轨迹预测

HTML
PDF
TL;DR本文提出了一个新任务——多镜头轨迹预测(MCTF)，其中预测对象未来的轨迹在一个摄像头网络中。通过针对跨多个不重叠的摄像头视图进行预测，我们首次考虑到了具有挑战性的预测场景，在重识别和多目标多摄像头跟踪等任务中具有广泛适用性。为了促进这个新领域的研究，我们发布了Warwick-NTU多摄像头预测数据库(WNMF)，一个由15个同步摄像机网络的多摄像头行人轨迹的独特数据集。为了准确地标记这个庞大的数据集(600小时的视频镜头)，我们还开发了一种半自动化的注释方法。一个有效的MCTF模型应该预测一个人将在何时何地在摄像头网络中重新出现。在本文中，我们考虑了在另一个摄像头视图的视野中离开后，预测一个行人将重新出现的摄像头，并提出了几种基准方法。标记的数据库可在线获取:
发现论文，激发创造
  • 带有结构记忆层次的行人轨迹预测

    基于多模态数据的人体轨迹预测框架，引入结构化记忆元件，采用分层结构式LSTM单元模拟记忆内容，通过自动检索重要信息提高效果，并在40,000行人轨迹数据集上验证新模型比现有技术更准确预测未来行人运动。

    Jul, 2018

  • Scene-LSTM: 人类轨迹预测模型

    本研究采用场景信息 (Scene-LSTM) 和人类运动轨迹 (Pedestrian movement LSTM) 结合的方式在静态人群中预测人类运动轨迹，其中引入了两层网格结构，探索出现在该网格单元中的常见人类轨迹，在训练预测模型中考虑了共性。相比线性模型和基于已有 LSTM 的方法，本研究所提出方法的目标位置误差有显著降低，与社交交互方法比较则降低了约 80% 的误差。

    Aug, 2018

  • 使用机器标注的训练数据预测行人轨迹

    本篇论文提出使用单个车载摄像头的深度学习方法预测行人轨迹，通过引入可扩展的机器注释方案来解决训练数据不足的问题，并提出了动态轨迹预测器（DTP）来预测未来一秒的行人轨迹，实验证实了该模型的好处。

    May, 2019

  • 多目标预测：在多样化环境中预测未来物体位置

    本文提出了多目标预测问题（MOF），介绍了一种从物体角度而非鸟瞰角度处理的方法，使用了Citywalks数据集，并提出了一种新的编码器-解码器体系结构STED以预测边界框，相比已有的模型表现更出色。

    Sep, 2019

  • 离散残差流用于概率行人行为预测

    本研究提出了离散残差流网络（DRF）来预测人类的行为，通过预测和更新空间位置的离散分布来有效地捕捉了未来人类活动的多模态后验，与其他模型相比表现更好。

    Oct, 2019

  • 基于非概率抽样网络的随机人体轨迹预测

    研究了随机方法在预测行人轨迹中存在的偏差问题，并提出了Quasi-Monte Carlo 方法以及 Non-Probability Sampling Network 作为改进方案，通过实验验证了该方案可以显著提高行人轨迹预测的准确性和可靠性。

    Mar, 2022

  • 跨摄像头轨迹协助摄像头网络中的人员检索

    本文提出了一种基于跨摄像头轨迹生成的行人检索框架，该框架整合了时间和空间信息，并通过建立稀疏采样行人数据来构建跨摄像头的空间-时间模型，进而提取出交叉摄像头轨迹，并结合条件随机场模型和非负矩阵分解方法进行优化， 最终通过轨迹重新排序技术来提高检索结果。为了验证方法的有效性，本文构建了第一个跨摄像头行人轨迹数据集，即人员轨迹数据集，并进行了广泛实验。

    Apr, 2022

  • MS-Net: 多场景运动预测的多路径稀疏模型

    提出了一种名为MS-Net的多场景网络，通过进化过程训练一种多路径稀疏模型，实现对不同场景下行人运动的预测，实验结果表明，MS-Net在行人运动预测数据集（如ETH和UCY）上优于现有的最先进方法，并在INTERACTION挑战中排名第二。

    Mar, 2024

  • CCF: 人行轨迹预测的交叉校正框架

    我们提出了一种新颖的交叉校正框架（CCF），用于更好地学习行人轨迹的时空表示，该框架由两个轨迹预测模型组成，经过交叉校正损失和轨迹预测损失的训练，通过相互校正机制来改进其底层轨迹表示。

    Jun, 2024

  • 一个多阶段目标驱动网络用于行人轨迹预测

    该论文提出了一种用于行人轨迹预测的新方法，称为多阶段目标驱动网络(MGNet)。通过预测中间阶段目标来生成轨迹，以减小预测误差。MGNet包括条件变分自编码器(CVAE)、注意力模块和多阶段目标评估器等主要组件。我们通过对JAAD和PIE数据集进行全面实验，并与最先进的算法进行比较评估，证明了MGNet的有效性。

    Jun, 2024