项目名称: 基于红外视频的行人检测基准数据集建立方法研究

项目编号: No.61302121

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 无线电电子学、电信技术

项目作者: 申旻旻

作者单位: 华南理工大学

项目金额: 22万元

中文摘要: 基于红外热成像的行人检测已成为车辆辅助驾驶领域中的热点问题,它为白天和夜晚的无差别应用提供了可能。基准数据集是目标识别与检测的重要基础。目前因有关红外行人检测基准数据集的缺失,检测算法性能的评估只能使用自行准备的专有视频数据,这些视频数据因成像设备的各项参数和数据采集方式的不同而产生差异,往往导致检测性能评估有偏。本项目提出以建立红外热成像行人检测基准数据集为目标,研究适合红外行人视频数据标注的理解和归类规则,为建立标注信息丰富、规模充分的基准数据集提供科学依据;利用辅助集的迁移和集成学习理论,研究适应不同指定场景的行人检测方法;在此基础上,将视频标注过程分解为指定场景中的行人检测和人工校正两个交错进行的环节,研究自适应的半自动视频标注方法。通过本项,为基于红外热成像的行人检测研究提供一个统一的数据平台。

中文关键词: 行人检测;红外视频;基准;视频标注;

英文摘要: Recently, due to its non-discriminatory application in both daytime and nighttime, pedestrian detection based on thermal imagery has become a hot spot in advanced driver assistant systems. The establishment of benchmark datasets is an important issue in object recognition and detection domains. However, the lack of benchmark datasets regarding infrared pedestrian detection leads to a phenomenon that some ad hoc infrared videos are prepared for the evaluation of different detectors directly. As a consequence, a biased evaluation result may be generated, because the ad hoc infrared videos may differ significantly from each other due to different various cameras' setup and data acquisition manners. By targeting on the benchmarking of pedestrian detection datasets based on infrared videos, we study the understanding and taxonomy rules to guide the annotation of infrared pedestrian videos, thus providing the scientific basis for benchmarking large scale datasets with abundant annotation. Using the transfer of auxiliary data and ensemble learning theory, we present a pedestrian detection method towards specific videos. Based on the aforementioned study, we investigate an interactive method for accurate and automatic video annotation, by proposing to partition the task for videos annotation into pedestrian detection in

英文关键词: pedestrian detection;infrared video;benchmarking;video annotation;

成为VIP会员查看完整内容
2

相关内容

行人检测( Pedestrian Detection)是利用计算机视觉技术判断图像或者视频序列中是否存在行人并给予精确定位。该技术可与行人跟踪,行人重识别等技术结合,应用于人工智能系统、车辆辅助驾驶系统、智能机器人、智能视频监控、人体行为分析、智能交通等领域。
基于深度学习的图像目标检测算法综述
专知会员服务
97+阅读 · 2022年4月15日
面向行人重识别的局部特征研究进展、挑战与展望
专知会员服务
26+阅读 · 2021年10月13日
专知会员服务
86+阅读 · 2021年9月4日
专知会员服务
35+阅读 · 2021年8月27日
专知会员服务
85+阅读 · 2021年8月8日
基于深度学习的行人检测方法综述
专知会员服务
68+阅读 · 2021年4月14日
专知会员服务
37+阅读 · 2020年8月19日
基于深度学习的行人重识别研究进展,自动化学报
专知会员服务
38+阅读 · 2019年12月5日
ICLR'21 | GNN联邦学习的新基准
图与推荐
11+阅读 · 2021年11月15日
基于深度学习的视频目标检测综述
极市平台
15+阅读 · 2019年7月19日
CVPR2019 | SiamMask:视频跟踪最高精度
极市平台
21+阅读 · 2019年3月8日
人脸关键点检测综述(含论文、数据集、方法等)
数据集|更大的行人重识别测试集 Market-1501+500k
极市平台
26+阅读 · 2019年1月4日
基于视频的目标检测的发展【附PPT与视频资料】
人工智能前沿讲习班
19+阅读 · 2018年12月14日
【深度】行人检测算法
GAN生成式对抗网络
29+阅读 · 2018年6月3日
干货!一文读懂行人检测算法
全球人工智能
11+阅读 · 2018年5月31日
行人再识别中的迁移学习
计算机视觉战队
11+阅读 · 2017年12月20日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
Arxiv
0+阅读 · 2022年5月5日
Arxiv
27+阅读 · 2020年6月19日
Arxiv
17+阅读 · 2018年4月2日
小贴士
相关VIP内容
基于深度学习的图像目标检测算法综述
专知会员服务
97+阅读 · 2022年4月15日
面向行人重识别的局部特征研究进展、挑战与展望
专知会员服务
26+阅读 · 2021年10月13日
专知会员服务
86+阅读 · 2021年9月4日
专知会员服务
35+阅读 · 2021年8月27日
专知会员服务
85+阅读 · 2021年8月8日
基于深度学习的行人检测方法综述
专知会员服务
68+阅读 · 2021年4月14日
专知会员服务
37+阅读 · 2020年8月19日
基于深度学习的行人重识别研究进展,自动化学报
专知会员服务
38+阅读 · 2019年12月5日
相关资讯
ICLR'21 | GNN联邦学习的新基准
图与推荐
11+阅读 · 2021年11月15日
基于深度学习的视频目标检测综述
极市平台
15+阅读 · 2019年7月19日
CVPR2019 | SiamMask:视频跟踪最高精度
极市平台
21+阅读 · 2019年3月8日
人脸关键点检测综述(含论文、数据集、方法等)
数据集|更大的行人重识别测试集 Market-1501+500k
极市平台
26+阅读 · 2019年1月4日
基于视频的目标检测的发展【附PPT与视频资料】
人工智能前沿讲习班
19+阅读 · 2018年12月14日
【深度】行人检测算法
GAN生成式对抗网络
29+阅读 · 2018年6月3日
干货!一文读懂行人检测算法
全球人工智能
11+阅读 · 2018年5月31日
行人再识别中的迁移学习
计算机视觉战队
11+阅读 · 2017年12月20日
相关基金
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
微信扫码咨询专知VIP会员