[論文レビュー] Pedestrian orientation dynamics from high-fidelity measurements

Joris Willems, Alessandro Corbetta+2 more|Data Archiving and Networked Services (DANS)|Jan 14, 2020

Evacuation and Crowd Dynamics参考文献 28被引用数 6

ひとこと要約

本稿では、歩行速度の方向と身体ヨーの間の強い統計的相関を活用し、上空深度画像から歩行者の肩の向きを推定する深層学習ベースの手法を提示する。この手法により、手動アノテーションのコストを回避しつつ、10度未塔の精度（最良で7.5°）を達成し、現実世界の状況における歩行者の向きの動的挙動を高精度に分析可能となる。

ABSTRACT

We investigate in real-life conditions and with very high accuracy the dynamics of body rotation, or yawing, of walking pedestrians - an highly complex task due to the wide variety in shapes, postures and walking gestures. We propose a novel measurement method based on a deep neural architecture that we train on the basis of generic physical properties of the motion of pedestrians. Specifically, we leverage on the strong statistical correlation between individual velocity and body orientation: the velocity direction is typically orthogonal with respect to the shoulder line. We make the reasonable assumption that this approximation, although instantaneously slightly imperfect, is correct on average. This enables us to use velocity data as training labels for a highly-accurate point-estimator of individual orientation, that we can train with no dedicated annotation labor. We discuss the measurement accuracy and show the error scaling, both on synthetic and real-life data: we show that our method is capable of estimating orientation with an error as low as 7.5 degrees. This tool opens up new possibilities in the studies of human crowd dynamics where orientation is key. By analyzing the dynamics of body rotation in real-life conditions, we show that the instantaneous velocity direction can be described by the combination of orientation and a random delay, where randomness is provided by an Ornstein-Uhlenbeck process centered on an average delay of 100ms. Quantifying these dynamics could have only been possible thanks to a tool as precise as that proposed.

研究の動機と目的

• 歩行者の肩ラインのヨー方向の高精度な、現実世界での測定を可能とすること。これは人間の運動ダイナミクスにおいて複雑で未だ十分に調査されていない側面である。
• 上空深度画像における歩行者の向きのための大規模かつ正確なアノテーションを取得する課題を克服すること。
• 自然な歩行条件下における歩行者の向きと速度方向の時間的関係を定量化すること。
• 物理的確率過程を用いて、向きと速度の間の確率的遅れをモデル化すること。
• 向きが重要な役割を果たす集団のダイナミクスを研究するためのスケーラブルでプライバシー保護型のツールを提供すること。

提案手法

• 個々の歩行者を中心にした上空深度画像の小さな領域（画像断片）から、歩行者の肩の向きを推定するための深層畳み込みニューラルネットワーク（CNN）を訓練する。
• ネットワークは、瞬時の移動方向（速度ベクトル）を弱い教師信号として用い、速度と身体の向きの間の統計的直交性を活用する。
• 本手法は、速度方向が常に向きと完全に一致するわけではないが、平均的な一致度が十分に高いため、信頼性の高い点推定器を学習可能であると仮定している。
• 訓練プロセスでは、事前に存在する軌跡追跡から得られる速度データを代理ラベルとして用いることで、手動アノテーションを回避する。
• 向きと速度の間の確率的遅れは、実測データに適合したパラメータを有するオーナイズ・ウーレンバック（Ornstein-Uhlenbeck, OU）過程を用いてモデル化する。
• モデルの性能は、合成データおよび実世界データの両方で検証され、さまざまな歩行速度における誤差のスケーリングが分析されている。

実験結果

リサーチクエスチョン

• RQ1 手動アノテーションを一切用いずに、上空深度画像から歩行者の肩の向きを高精度に推定できるか？
• RQ2 実際の歩行状況において、歩行者の向きと速度方向との間の統計的関係は何か？
• RQ3 歩行速度が変化するに従って、向きと速度の間の時間遅れはどのように変化するか？
• RQ4 向きと速度の遅れの確率的ダイナミクスは、物理的確率過程で適切にモデル化できるか？
• RQ5 提案手法は、歩行者集団のダイナミクスに関する新たな知見をどの程度可能にするか？

主な発見

• 提案手法は、実世界データにおいて最小7.5度の推定誤差を達成し、高い測定忠実度を示した。
• 歩行者の向きと速度方向の平均遅れは約100msであり、0.6 m/sでは160 msから1.4 m/sでは100 msに減少する。
• 遅れダイナミクスは、時間定数τ ≈ 1.2 s、ノイズ強度ξ ≈ 1.85のオーナイズ・ウーレンバック過程で良好にモデル化された。
• 平均遅れを補正した向き-速度差の確率分布は、両方の測定とシミュレーションでガウス分布に従うことが確認された。
• 速度および向き信号のパワースペクトル密度（PSD）は、低周波数帯で測定値とシミュレーション値の間に良好な一致を示した。
• モデルは、実際の歩行者ダイナミクスの主要な統計的特徴（遅れ分布およびスペクトル内容）を再現する合成速度信号の生成を可能にした。