May, 2023

利用具备隐私保护的分布式摄像头网络和边缘计算进行室内定位和多人跟踪

PDF
TL;DR本文提出了一个开源、低成本、可扩展和隐私保护的边缘计算框架，用于室内多人定位，其中包括多个 Tensor 处理单元 (TPU) 摄像头系统，配合基于 Kalman 滤波的多人跟踪方法和一种先进的身体方向估计方法，能够同时确定多人的位置和朝向，并保证了个人隐私，实现了优化的数据传输和存储以及可扩展性。
localizationmulti-personedge computingpose estimationprivacy-preserving
发现论文，激发创造
  • 感知人类：从单目 3D 定位到社交距离

    提出了一种成本效益高的基于视觉的方法，通过神经网络预测置信区间而非点估计来解决单眼 3D 任务中的挑战，从而能够有效识别交通系统中的人体姿态及其所在位置，并探讨了其在社交互动、安全等多个方面的应用。

    Sep, 2020

  • 使用分布式 3D LiDAR 实现隐私保护的行人跟踪

    本研究提出了一种基于 LiDAR 的隐私保护系统，用于智能环境下的行人追踪，利用多个分布式 LiDAR 的非重叠视图跟踪部分被遮挡的行人，并使用概率方法来建模和调整个体的动态运动模式，结果表明该系统能够准确地跟踪行人，是下一代智能环境中的有前途的保护隐私的跟踪手段。

    Mar, 2023

  • 锚点引导聚类与时空一致性 ID 重新分配增强多摄像机人物追踪

    本文提出了一种新的多摄像头多人跟踪方法，它利用锚点引导聚类实现跨摄像头重新识别和基于几何的跨摄像头 ID 重新分配的时空一致性，从而改善跟踪的准确性，并在 CVPR AI City Challenge 2023 数据集上进行了评估，取得了 95.36% 的 IDF1 得分，名列挑战赛第一名。

    Apr, 2023

  • 多人无标记数据 3D 姿势估计

    本文研究多人姿态估计问题，提出了一种基于多视图系统和深度学习的方法，通过使用图神经网络模型预测场景中不同人之间的视角对应关系，并使用多层感知器模型将 2D 点转换为每个人的 3D 姿态。该模型采用自监督学习方式进行训练，从而避免了对大规模 3D 数据集的依赖。

    Dec, 2022

  • ArtTrack：野外环境下的多人关节跟踪

    本文提出了一种针对无限约束视频中多人的关节追踪方法，利用简化稀疏的身体关系图和最近的快速推断方法，以及将计算量转移到卷积结构上；并将关节定位方案用于构建关节追踪形式，解决了所有场景中的关联问题，并已在公共 MPII Human Pose 基准测试中取得最新结果。

    Dec, 2016

  • 拥挤室内环境的大规模定位数据集

    使用新型的激光雷达 SLAM 技术和结构运动优化方法在大型商场和地铁站获取室内数据集以便于在室内环境中进行视觉定位，并测试现代化的视觉定位算法，证明结构基方法使用健壮的图像特征具有更高的性能。

    May, 2021

  • 深度多摄像头人体检测

    通过使用深度学习算法解决多视角人员占用地图估计问题，并构建一个利用多个视频流的架构，将其联合利用，从而在 PETS 2009 数据集上大幅度优于现有方法。

    Feb, 2017

  • 边缘实时视频处理实现未成年人隐私保护

    本文提出的面向边缘监控系统的深度学习模型在识别儿童方面具有 92.1% 的分类准确率，可实施相应的隐私保护措施，解决了 CCTV 摄像头收集个人信息引起的隐私问题。

    May, 2020

  • 实现超过 100 FPS 的多人 3D 姿态估计的跨视图跟踪

    本论文提出了一种基于多个校准相机视角的、面向实时应用的多人三维姿态估计解决方案，利用视频中的时间一致性直接在三维空间中匹配二维输入与三维姿态，通过跨视图多人跟踪迭代地更新姿态，从而提高了准确性和效率，并介绍了新的大规模多人数据集。

    Mar, 2020

  • 通用化多相机三维行人检测

    提出了一种多相机 3D 行人检测方法，该方法不需要使用目标场景的数据进行训练，通过基于人体姿势和来自现成单目检测器的人物包围框的新启发式方法在地面平面上估计行人位置，然后将这些位置投影到世界地面平面，并用新的团覆盖问题公式进行融合，同时还提出利用域通用的行人再识别模型在融合期间对行人外貌的选择性步骤，评估表明，在具有挑战性的 WILDTRACK 数据集上，所提出的方法获得了 0.569 的 MODA 和 0.78 的 F 分数，优于现有的最先进的通用检测技术。

    Apr, 2021