Aug, 2023

视觉众群分析：开放研究问题

PDF
TL;DR自动化人群监测在计算机视觉领域引起了极大的关注，在过去十年里取得了显著发展。本文探讨了视觉人群分析的六个主要领域，并强调了每个领域的关键进展，同时揭示了未来需要解决的关键问题。通过选择在创新性或性能方面有重大贡献的重要工作，本文以更全面的方式呈现了当前最先进技术的先进性。
automated crowd monitoringcomputer visiondeep-learning approachesvisual crowd analysisautomated crowd monitoring advancements
发现论文，激发创造
  • 拥挤场景分析：调研

    本文综述了近年来有关拥挤场景分析的技术现状，包括群体动作模式学习、群体行为和活动分析以及异常检测等不同方面，并概述了性能评价、研究问题和未来发展方向。

    Feb, 2015

  • 重温人群计数：技术现状、趋势和未来展望

    本篇综述了近年来在人群计数领域中最重要的贡献，通过模型架构、学习方法和评估方法等多方面比较，对人群计数进行了全面系统的综述调查，为初学者们提供了解人群计数研究发展的良好资源。

    Sep, 2022

  • 众包监控系统的进展：系统方法和自动化算法的综合分析：最新技术

    公共安全是重要议题，本研究主要聚焦于群体监控系统的可靠性、安全性以及人工智能算法在自动化系统中的应用和效果。

    Aug, 2023

  • 深度众包异常检测：现状，挑战及未来研究方向

    本文主要综述了 2020 至 2022 年发表于主流会议和期刊的人群异常检测算法，并讨论和比较它们的性能和应用场景，发现预训练卷积模型的异质性对于人群视频异常检测性能影响可以忽略不计。未来研究的重点是什么？请读者自行查看文章得出结论。

    Oct, 2022

  • 计算机视觉中的众包

    本篇论文调查了计算机视觉中使用众包方法进行数据标注的类型，并讨论了一些有效的数据采集界面和工作流设计决策，以及智能选取最重要的数据实例进行注释的策略，最后探讨了众包在计算机视觉领域的未来发展。

    Nov, 2016

  • 计算机视觉和机器学习在增强安全监控中探索视频镜头中的人群模式和分类

    计算机视觉和机器学习在研究员、科学家和大众的感知力方面产生了革命性的转变。本文探讨了计算机视觉在安全监控方面的潜力，并提出了一种新颖的视频运动追踪方法，通过使用动态信息图像和块状主导运动数据将运动分类为弧形、车道、汇合 / 分散和随机 / 块状运动，并研究了不同的光流技术、CNN 模型和机器学习模型。通过取得有希望的准确性达到其目标，结果可以训练异常检测模型，基于运动提供行为洞察，并增强场景理解。

    Aug, 2023

  • 基于卷积神经网络的单张图像人群计数和密度估计的最新研究综述

    本文综述了基于深度学习的卷积神经网络方法在人群计数和密度图估计方面的最新研究和挑战，并评估了手工特征表示方法与深度学习方法在可靠性和效率方面的优缺点。

    Jul, 2017

  • 自动驾驶车辆的计算机视觉问题、数据集和现状

    本研究通过对 AI，计算机视觉和自动驾驶领域进行综述，提出了本领域的问题，数据集和方法，分析了当前的研究状况和历史上最重要的文献，包括自动驾驶的认知，重构，运动估计，跟踪，场景理解和端到端学习，并分析了在 KITTI，MOT 和 Cityscapes 等数据集上的性能，讨论了该领域的挑战和未来方向。

    Apr, 2017

  • 分析人际互动：一项调查

    本文综述了在视频中自动识别人际互动的主要挑战，研究现状，以及基于深度学习和卷积神经网络方面的最新、有前途的工作，最终概述了克服目前技术限制以分析和理解社会人类行为的方向。

    Jul, 2018

  • 人脸检测：现状与研究方向

    计算机视觉领域中，人脸检测是大多数处理包含人的图像的应用的核心组件。尽管该领域已经有了很多研究，但人脸检测仍存在问题，如准确性和速度。本综述论文展示了该领域的进展以及仍需解决的重要问题，并提供了研究方向，可作为人脸检测领域的研究项目。

    Feb, 2024