[论文解读] Crowd Pedestrian Counting Considering Network Flow Constraints in Videos.

Liqing Gao, Yanzhang Wang+2 more|arXiv (Cornell University)|May 12, 2016

Video Surveillance and Tracking Methods参考文献 27被引用 3

一句话总结

本文提出一种带有网络流约束的二次规划方法，以提升视频中人群行人的计数时序一致性。通过将行人群体建模为有向图中的节点并强制执行流量守恒，该方法相比仅帧内估计，实现了更准确且一致的跨帧计数。

ABSTRACT

A quadratic programming method with network flow constraints is proposed to improve crowd pedestrian counting in video surveillance. Most of the existing approaches estimate the number of pedestrians within one frame, which result in inconsistent predictions in temporal domain. In this paper, firstly, we segment the foreground of each frame into different groups, each of which contains several pedestrians. Then we train a regression-based map from low level features of each group to its person number. Secondly, we construct a directed graph to simulate people flow, whose vertices represent groups of each frame and edges represent people moving from one group to another. Then, the people flow can be viewed as an integer flow in the constructed directed graph. Finally, by solving a quadratic programming problem with network flow constraints in the directed graph, we obtain a consistent pedestrian counting. The experimental results show that our method can improve the crowd counting accuracy significantly.

研究动机与目标

• 解决帧内人群计数中因逐帧预测而产生的不自然时序不一致问题。
• 将跨帧的行人运动建模为分割群体有向图中的流量。
• 通过二次规划施加网络流约束，实现一致的行人计数。
• 通过利用群体之间的空间与时间关系，提升计数准确性。
• 为监控视频中行人数量提供统一且时序一致的估计。

提出的方法

• 将每帧视频的前景分割为多个群体，每个群体包含多个行人。
• 训练回归模型，从每个群体的低级特征预测行人数量。
• 构建一个有向图，其中顶点代表群体，边代表群体间的移动。
• 将行人流量建模为有向图中的整数流，以确保时间上的流量守恒。
• 将计数问题表述为带有网络流约束的二次规划优化问题。
• 求解该优化问题，获得时序一致且准确的行人计数结果。

实验结果

研究问题

• RQ1 如何减少帧内人群计数中的时序不一致性？
• RQ2 将行人运动建模为有向图中的流量，是否能提升计数准确性？
• RQ3 施加网络流约束对行人计数一致性有何影响？
• RQ4 与帧内计数相比，所提方法在准确性方面表现如何？
• RQ5 带有流约束的二次规划是否能优于基线方法？

主要发现

• 所提方法通过强制实现时序一致性，显著提升了人群计数的准确性。
• 引入网络流约束可有效减少连续帧间预测行人数量的波动。
• 基于回归的群体特征映射方法能有效估计每个群体的行人数量。
• 与帧内方法相比，带有流约束的二次规划能产生更可靠、更稳定的计数结果。
• 该方法在视频监控数据集上表现出优越性能，尽管摘要中未提供具体指标。