[论文解读] People Counting in Crowded and Outdoor Scenes using a Hybrid Multi-Camera Approach

Fabio Dittrich, Luiz S. Oliveira+2 more|arXiv (Cornell University)|Apr 2, 2017

Video Surveillance and Tracking Methods参考文献 31被引用 17

一句话总结

本文提出了一种混合多摄像头方法，用于在拥挤的户外场景中进行人员计数，结合了基于头部检测器（SVM 和 Adaboost）的直接检测方法与基于角点分析和统计建模的间接方法。在 PETS2009 基准测试中，间接方法相较于基线方法实现了 46.7% 的性能提升，由于对遮挡和分割误差的敏感性更低，其表现优于直接方法。

ABSTRACT

This paper presents two novel approaches for people counting in crowded and open environments that combine the information gathered by multiple views. Multiple camera are used to expand the field of view as well as to mitigate the problem of occlusion that commonly affects the performance of counting methods using single cameras. The first approach is regarded as a direct approach and it attempts to segment and count each individual in the crowd. For such an aim, two head detectors trained with head images are employed: one based on support vector machines and another based on Adaboost perceptron. The second approach, regarded as an indirect approach employs learning algorithms and statistical analysis on the whole crowd to achieve counting. For such an aim, corner points are extracted from groups of people in a foreground image and computed by a learning algorithm which estimates the number of people in the scene. Both approaches count the number of people on the scene and not only on a given image or video frame of the scene. The experimental results obtained on the benchmark PETS2009 video dataset show that proposed indirect method surpasses other methods with improvements of up to 46.7% and provides accurate counting results for the crowded scenes. On the other hand, the direct method shows high error rates due to the fact that the latter has much more complex problems to solve, such as segmentation of heads.

研究动机与目标

• 解决在单个摄像头系统失效的密集、户外且易发生遮挡环境中的准确人员计数挑战。
• 通过融合多视角信息克服单视角计数的局限性，以减少遮挡并提升场景覆盖范围。
• 开发并比较两种不同的方法：一种基于个体头部检测的直接方法，另一种基于群体级特征与统计建模的间接方法。
• 通过引入距离加权方案来补偿多视角设置中的透视失真，从而提高计数准确性。
• 在真实世界基准（PETS2009）上评估所提出的方法，以证明其在复杂监控场景中的鲁棒性与可扩展性。

提出的方法

• 使用两个校准的摄像头捕捉场景的重叠视图，通过多视角融合减少遮挡并提升可见性。
• 实施一种直接计数方法，使用两种头部检测器：一种基于支持向量机（SVM），另一种基于基于感知器的 Adaboost，分别在头部和非头部图像上进行训练。
• 在 Adaboost 感知器中采用级联分类器架构，以提高检测效率并减少误报。
• 对于间接方法，从人群的前景组中提取角点，并利用最小二乘线性模型基于面积、周长和边缘特征来估计群体规模。
• 应用基于透视补偿的加权方案，以校正场景中与距离相关的失真，提升在不同摄像头到人员距离下的准确性。
• 通过基于单应性的对应关系融合两个视角的结果，以估计整个场景中的总人数，而不仅限于单个帧或视角。

实验结果

研究问题

• RQ1 与单摄像头系统相比，多摄像头融合是否能显著提升在拥挤户外场景中的人员计数准确性？
• RQ2 在高密度、易遮挡的环境中，基于直接检测的方法与基于间接统计建模的方法相比，性能如何？
• RQ3 引入距离加权方案在多视角人员计数中能在多大程度上提升准确性？
• RQ4 在场景级计数中，建立多摄像头视角之间可靠点对应关系的关键挑战是什么？
• RQ5 摄像头的布置与高度如何影响多视角人员计数系统的可靠性与准确性？

主要发现

• 在 PETS2009 基准测试中，间接方法相较于基线方法实现了 46.7% 的性能提升，表明其在拥挤场景中具有更强的鲁棒性。
• 间接方法显著优于直接方法，直接方法因在密集人群中的分割和检测失败导致错误率极高。
• Adaboost 感知器检测器在两个视角上的表现均不理想，平均错误率超过每帧 20 人，表明其在训练数据和误报控制方面存在局限性。
• 间接方法中采用的透视加权方案通过补偿场景中的距离相关失真，提升了准确性。
• 摄像头的高度与位置至关重要：最佳布置（5–7 米高）和非重叠视场覆盖（如避免摄像头沿走道跟踪）可显著提升结果。
• 时间一致性（如头部在多个帧中持续被检测到）可在未来工作中提升检测可靠性并减少误报。