[论文解读] Reciprocal Distance Transform Maps for Crowd Counting and People Localization in Dense Crowd.

Dingkang Liang, Wei Xu+2 more|arXiv (Cornell University)|Feb 16, 2021

Video Surveillance and Tracking Methods被引用 4

一句话总结

本文提出互惠距离变换（R-DT）图，通过用一种新型表示替代传统的密度图，消除重叠并保留精确的头部位置，从而提升人群计数与人员定位性能。该方法在定位任务中达到最先进水平，在计数任务中表现具有竞争力，并在不同数据集间展现出强大的泛化能力。

ABSTRACT

In this paper, we propose a novel map for dense crowd counting and people localization. Most crowd counting methods utilize convolution neural networks (CNN) to regress a density map, achieving significant progress recently. However, these regression-based methods are often unable to provide a precise location for each people, attributed to two crucial reasons: 1) the density map consists of a series of blurry Gaussian blobs, 2) severe overlaps exist in the dense region of the density map. To tackle this issue, we propose a novel Reciprocal Distance Transform (R-DT) map for crowd counting. Compared with the density maps, the R-DT maps accurately describe the people location, without overlap between nearby heads in dense regions. We simultaneously implement crowd counting and people localization with a simple network by replacing density maps with R-DT maps. Extensive experiments demonstrate that the proposed method outperforms state-of-the-art localization-based methods in crowd counting and people localization tasks, achieving very competitive performance compared with the regression-based methods in counting tasks. In addition, the proposed method achieves a good generalization performance under cross dataset validation, which further verifies the effectiveness of the R-DT map. The code and models are available at this https URL.

研究动机与目标

• 解决基于回归的人群计数方法在密集人群场景中难以精确定位个体的局限性。
• 克服由高斯平滑和高密度导致的密度图中固有的模糊与重叠问题。
• 开发一种新型图表示，即使在高度重叠区域也能保持个体的精确空间定位。
• 通过统一的深度学习框架，实现人群计数与人员定位的同步、精确执行。

提出的方法

• 通过将互惠距离变换应用于真实标注的头部位置，构建R-DT图，使每个像素的值基于其到最近头部距离的倒数确定。
• 与传统密度图不同，R-DT图在头部位置产生锐利、不重叠的峰值，消除了高斯核带来的模糊效应。
• 在基于CNN的网络中，用R-DT图监督替代标准密度图监督，实现联合计数与定位。
• 网络被训练为回归R-DT图，通过峰值检测实现精确定位，通过峰值计数或积分实现计数。
• 该方法利用互惠距离变换的几何特性，在密集区域中保持空间保真度。
• 使用标准人群计数数据集进行训练与评估，并测试了跨数据集的泛化能力。

实验结果

研究问题

• RQ1 与标准密度图相比，新型图表示是否能提升密集人群场景中人员定位的准确性？
• RQ2 使用互惠距离变换图是否能减少因密集区域头部重叠导致的定位模糊性？
• RQ3 与最先进基于回归和基于定位的人群计数方法相比，所提方法表现如何？
• RQ4 R-DT图在无需微调的情况下，跨不同数据集的泛化能力达到何种程度？
• RQ5 单一网络是否能通过R-DT图同时实现高精度的人群计数与人员定位？

主要发现

• 所提出的R-DT图在标准人群计数基准测试中实现了最先进水平的人员定位性能。
• 该方法在计数精度方面表现具有竞争力，达到或超过领先的基于回归的方法。
• 由于避免了重叠的高斯斑点，R-DT图显著降低了密集区域的定位误差。
• 模型在跨数据集验证中表现出良好的泛化能力，展现出鲁棒性与可迁移性。
• 在R-DT图上进行峰值检测可实现精确的人员定位，其定位精度优于现有基于定位的方法。
• 即使在传统密度图因模糊与重叠而失效的极端密集场景中，该方法仍能保持高性能。