行人检测(Pedestrian Detection)资源
行人檢測(cè)(Pedestrian Detection)資源
原文鏈接?http://hi.baidu.com/susongzhi/item/085983081b006311eafe38e7
一、論文
CVPR2013年行人檢測(cè)相關(guān)的文章
[1]?Robust?Multi-Resolution?Pedestrian?Detection?in?Traffic?Scenes
???????Junjie?Yan,?Xucong?Zhang,?Zhen?Lei,?Dong?Yi,?Shengcai?Liao,?Stan?Li
[2]?Optimized?Pedestrian?Detection?for?Multiple?and?Occluded?People
???????Sitapa?Rujikietgumjorn,?Robert?Collins
[3]?Pedestrian?Detection?with?Unsupervised?and?Multi-Stage?Feature?Learning
???????Pierre?Sermanet,?Koray?Kavukcuoglu,?Soumith?Chintala,?Yann?Lecun
[4]?Single-Pedestrian?Detection?aided?by?Multi-pedestrian?Detection
???????Wanli?Ouyang,?Xiaogang?Wang
[5]?Modeling?Mutual?Visibility?Relationship?in?Pedestrian?Detection
???????Wanli?Ouyang,?Xingyu?Zeng,?Xiaogang?Wang
[6]?Local?Fisher?Discriminant?Analysis?for?Pedestrian?Re-identification
???????Sateesh?Pedagadi,?James?Orwell
?
綜述類(lèi)的文章
[1]P.Dollar,?C.?Wojek,B.?Schiele,?et?al.?Pedestrian?detection:?an?evaluation?of?the?state?of?the?art?[J].IEEE?Transactions?on?PatternAnalysis?andMachine?Intelligence,?2012,?34(4):?743-761.
[2]M.?Enzweiler,?and?D.Gavrila.?Monocular?pedestrian?detection:?survey?and?experiments?[J].?IEEE?Transactions?on?Pattern?Analysis?andMachine?Intelligence,?2009,?31(12):?2179-2195.
[3]D.?Geronimo,?A.?M.Lopez?and?A.?D.?Sappa,?et?al.?Survey?of?pedestrian?detection?for?advanced?driverassistance?systems?[J].?IEEE?Transactionson?Pattern?Analysis?and?Machine?Intelligence,?2010,?32(7):?1239-1258.
[4]蘇松志,?李紹滋,?陳淑媛等.?行人檢測(cè)技術(shù)綜述[J].?電子學(xué)報(bào),?2012,?40(4):?814-820.
[5]賈慧星,?章毓晉.車(chē)輛輔助駕駛系統(tǒng)中基于計(jì)算機(jī)視覺(jué)的行人檢測(cè)研究綜述[J],?自動(dòng)化學(xué)報(bào),?2007,?33(1):?84-90.
[6]?許言午,?曹先彬,喬紅.?行人檢測(cè)系統(tǒng)研究新進(jìn)展及關(guān)鍵技術(shù)展望[J],?電子學(xué)報(bào),?2008,?36(5):?368-376.
[7]?杜友田;?陳峰;徐文立;?李永彬;基于視覺(jué)的人的運(yùn)動(dòng)識(shí)別綜述,?電子學(xué)報(bào),?2007.?35(1):?84-90.
[8]朱文佳.?基于機(jī)器學(xué)習(xí)的行人檢測(cè)關(guān)鍵技術(shù)研究[D].?第一章,?碩士學(xué)位論文,?上海交通大學(xué).?2008.?指導(dǎo)教師:?戚飛虎.
二、Source?Code
1.INRIA?Object?detection?and?Localization?Toolkit,?Dalal于2005年提出了基于HOG特征的行人檢測(cè)方法,行人檢測(cè)領(lǐng)域中的經(jīng)典文章之一。HOG特征目前也被用在其他的目標(biāo)檢測(cè)與識(shí)別、圖像檢索和跟蹤等領(lǐng)域中。
2.?Real-time?Pedestrian?Detection.?Jianxin?Wu實(shí)現(xiàn)的快速行人檢測(cè)方法。
3.?Hough?Transfom?for?Pedestrian?Detection.?Olga?Barinova,?CVPR?2010?Paper:?On?detection?of?multiple?object?instances?using?Hough?Transforms
4.?HIKSVM,?HOG+LBP+HIKSVM,?行人檢測(cè)的經(jīng)典方法.
5.?GroundHOG,?GPU-based?Object?Detection?with?Geometric?Constraints,?In:?ICVS,?2011.??CUDA版本的HOG+SVM,??video.
6.??100FPS_PDS,?Pedestrian?detection?at?100?frames?per?second,?R.?Benenson.??CVPR,?2012.?實(shí)時(shí)的(⊙o⊙)哦。?Real-time!!!
7.?POM:?Probabilistic?Occupancy?Map.??Multiple?camera?pedestrian?detection.
8.?http://www.ee.cuhk.edu.hk/~wlouyang/projects/ouyangWcvpr13MultiPed/index.html?CVPR 2013 Single-Pedestrian Detection aided by Multi-pedestrian Detection
三、DataSets
MIT數(shù)據(jù)庫(kù)
????該數(shù)據(jù)庫(kù)為較早公開(kāi)的行人數(shù)據(jù)庫(kù),共924張行人圖片(ppm格式,寬高為64x128),肩到腳的距離約80象素。該數(shù)據(jù)庫(kù)只含正面和背面兩個(gè)視角,無(wú)負(fù)樣本,未區(qū)分訓(xùn)練集和測(cè)試集。Dalal等采用“HOG+SVM”,在該數(shù)據(jù)庫(kù)上的檢測(cè)準(zhǔn)確率接近100%。
INRIA數(shù)據(jù)庫(kù)
????該數(shù)據(jù)庫(kù)是目前使用最多的靜態(tài)行人檢測(cè)數(shù)據(jù)庫(kù),提供原始圖片及相應(yīng)的標(biāo)注文件。訓(xùn)練集有正樣本614張(包含2416個(gè)行人),負(fù)樣本1218張;測(cè)試集有正樣本288張(包含1126個(gè)行人),負(fù)樣本453張。圖片中人體大部分為站立姿勢(shì)且高度大于100個(gè)象素,部分標(biāo)注可能不正確。圖片主要來(lái)源于GRAZ-01、個(gè)人照片及google,因此圖片的清晰度較高。在XP操作系統(tǒng)下部分訓(xùn)練或者測(cè)試圖片無(wú)法看清楚,但可用OpenCV正常讀取和顯示。
Daimler行人數(shù)據(jù)庫(kù)
????該數(shù)據(jù)庫(kù)采用車(chē)載攝像機(jī)獲取,分為檢測(cè)和分類(lèi)兩個(gè)數(shù)據(jù)集。檢測(cè)數(shù)據(jù)集的訓(xùn)練樣本集有正樣本大小為18x36和48x96的圖片各15560(3915x4)張,行人的最小高度為72個(gè)象素;負(fù)樣本6744張(大小為640x480或360x288)。測(cè)試集為一段27分鐘左右的視頻(分辨率為640x480),共21790張圖片,包含56492個(gè)行人。分類(lèi)數(shù)據(jù)庫(kù)有三個(gè)訓(xùn)練集和兩個(gè)測(cè)試集,每個(gè)數(shù)據(jù)集有4800張行人圖片,5000張非行人圖片,大小均為18x36,另外還有3個(gè)輔助的非行人圖片集,各1200張圖片。
Caltech行人數(shù)據(jù)庫(kù)
????該數(shù)據(jù)庫(kù)是目前規(guī)模較大的行人數(shù)據(jù)庫(kù),采用車(chē)載攝像頭拍攝,約10個(gè)小時(shí)左右,視頻的分辨率為640x480,30幀/秒。標(biāo)注了約250,000幀(約137分鐘),350000個(gè)矩形框,2300個(gè)行人,另外還對(duì)矩形框之間的時(shí)間對(duì)應(yīng)關(guān)系及其遮擋的情況進(jìn)行標(biāo)注。數(shù)據(jù)集分為set00~set10,其中set00~set05為訓(xùn)練集,set06~set10為測(cè)試集(標(biāo)注信息尚未公開(kāi))。性能評(píng)估方法有以下三種:(1)用外部數(shù)據(jù)進(jìn)行訓(xùn)練,在set06~set10進(jìn)行測(cè)試;(2)6-fold交叉驗(yàn)證,選擇其中的5個(gè)做訓(xùn)練,另外一個(gè)做測(cè)試,調(diào)整參數(shù),最后給出訓(xùn)練集上的性能;(3)用set00~set05訓(xùn)練,set06~set10做測(cè)試。由于測(cè)試集的標(biāo)注信息沒(méi)有公開(kāi),需要提交給Pitor?Dollar。結(jié)果提交方法為每30幀做一個(gè)測(cè)試,將結(jié)果保存在txt文檔中(文件的命名方式為I00029.txt?I00059.txt?……),每個(gè)txt文件中的每行表示檢測(cè)到一個(gè)行人,格式為“[left,?top,width,?height,?score]”。如果沒(méi)有檢測(cè)到任何行人,則txt文檔為空。該數(shù)據(jù)庫(kù)還提供了相應(yīng)的Matlab工具包,包括視頻標(biāo)注信息的讀取、畫(huà)ROC(Receiver?Operatingcharacteristic?Curve)曲線圖和非極大值抑制等工具。
TUD行人數(shù)據(jù)庫(kù)
????TUD行人數(shù)據(jù)庫(kù)為評(píng)估運(yùn)動(dòng)信息在行人檢測(cè)中的作用,提供圖像對(duì)以便計(jì)算光流信息。訓(xùn)練集的正樣本為1092對(duì)圖像(圖片大小為720x576,包含1776個(gè)行人);負(fù)樣本為192對(duì)非行人圖像(手持?jǐn)z像機(jī)85對(duì),車(chē)載攝像機(jī)107對(duì));另外還提供26對(duì)車(chē)載攝像機(jī)拍攝的圖像(包含183個(gè)行人)作為附加訓(xùn)練集。測(cè)試集有508對(duì)圖像(圖像對(duì)的時(shí)間間隔為1秒,分辨率為640x480),共有1326個(gè)行人。Andriluka等也構(gòu)建了一個(gè)數(shù)據(jù)庫(kù)用于驗(yàn)證他們提出的檢測(cè)與跟蹤相結(jié)合的行人檢測(cè)技術(shù)。該數(shù)據(jù)集的訓(xùn)練集提供了行人的矩形框信息、分割掩膜及其各部位(腳、小腿、大腿、軀干和頭部)的大小和位置信息。測(cè)試集為250張圖片(包含311個(gè)完全可見(jiàn)的行人)用于測(cè)試檢測(cè)器的性能,2個(gè)視頻序列(TUD-Campus和TUD-Crossing)用于評(píng)估跟蹤器的性能。
NICTA行人數(shù)據(jù)庫(kù)
????該數(shù)據(jù)庫(kù)是目前規(guī)模較大的靜態(tài)圖像行人數(shù)據(jù)庫(kù),25551張含單人的圖片,5207張高分辨率非行人圖片,數(shù)據(jù)庫(kù)中已分好訓(xùn)練集和測(cè)試集,方便不同分類(lèi)器的比較。Overett等用“RealBoost+Haar”評(píng)估訓(xùn)練樣本的平移、旋轉(zhuǎn)和寬高比等各種因素對(duì)分類(lèi)性能的影響:(1)行人高度至少要大于40個(gè)象素;(2)在低分辨率下,對(duì)于Haar特征來(lái)說(shuō),增加樣本寬度的性能好于增加樣本高度的性能;(3)訓(xùn)練圖片的大小要大于行人的實(shí)際大小,即背景信息有助于提高性能;(4)對(duì)訓(xùn)練樣本進(jìn)行平移提高檢測(cè)性能,旋轉(zhuǎn)對(duì)性能的提高影響不大。以上的結(jié)論對(duì)于構(gòu)建行人數(shù)據(jù)庫(kù)具有很好的指導(dǎo)意義。
ETH行人數(shù)據(jù)庫(kù)
?????Ess等構(gòu)建了基于雙目視覺(jué)的行人數(shù)據(jù)庫(kù)用于多人的行人檢測(cè)與跟蹤研究。該數(shù)據(jù)庫(kù)采用一對(duì)車(chē)載的AVT?Marlins?F033C攝像頭進(jìn)行拍攝,分辨率為640x480,幀率13-14fps,給出標(biāo)定信息和行人標(biāo)注信息,深度信息采用置信度傳播方法獲取。
CVC行人數(shù)據(jù)庫(kù)
????該數(shù)據(jù)庫(kù)目前包含三個(gè)數(shù)據(jù)集(CVC-01、CVC-02和CVC-Virtual),主要用于車(chē)輛輔助駕駛中的行人檢測(cè)研究。CVC-01[Geronimo,2007]有1000個(gè)行人樣本,6175個(gè)非行人樣本(來(lái)自于圖片中公路區(qū)域中的非行人圖片,不像有的行人數(shù)據(jù)庫(kù)非行人樣本為天空、沙灘和樹(shù)木等自然圖像)。CVC-02包含三個(gè)子數(shù)據(jù)集(CVC-02-CG、CVC-02-Classification和CVC-02-System),分別針對(duì)行人檢測(cè)的三個(gè)不同任務(wù):感興趣區(qū)域的產(chǎn)生、分類(lèi)和系統(tǒng)性能評(píng)估。圖像的采集采用Bumblebee2立體彩色視覺(jué)系統(tǒng),分辨率640x480,焦距6mm,對(duì)距離攝像頭0~50m的行人進(jìn)行標(biāo)注,最小的行人圖片為12x24。CVC-02-CG主要針對(duì)候選區(qū)域的產(chǎn)生,有100張彩色圖像,包含深度和3D點(diǎn)信息;CVC-02-Classification主要針對(duì)行人分類(lèi),訓(xùn)練集有1016張正樣本,7650張負(fù)樣本,測(cè)試集分為基于切割窗口的分類(lèi)(570張行人,7500張非行人)和整張圖片的檢測(cè)(250張包含行人的圖片,共587個(gè)行人);CVC-02-System主要用于系統(tǒng)的性能評(píng)估,包含15個(gè)視頻序列(4364幀),7983個(gè)行人。CVC-Virtual是通過(guò)Half-Life?2圖像引擎產(chǎn)生的虛擬行人數(shù)據(jù)集,共包含1678虛擬行人,2048個(gè)非行人圖片用于測(cè)試。
USC行人數(shù)據(jù)庫(kù)
????該數(shù)據(jù)庫(kù)包含三組數(shù)據(jù)集(USC-A、USC-B和USC-C),以XML格式提供標(biāo)注信息。USC-A[Wu,?2005]的圖片來(lái)自于網(wǎng)絡(luò),共205張圖片,313個(gè)站立的行人,行人間不存在相互遮擋,拍攝角度為正面或者背面;USC-B的圖片主要來(lái)自于CAVIAR視頻庫(kù),包括各種視角的行人,行人之間有的相互遮擋,共54張圖片,271個(gè)行人;USC-C有100張圖片來(lái)自網(wǎng)絡(luò)的圖片,232個(gè)行人(多角度),行人之間無(wú)相互遮擋。?
四、行人檢測(cè)相關(guān)的網(wǎng)站鏈接:
???? [1]、Caltech Pedestrian Detection Benchmark:
??????????????????http://www.vision.caltech.edu/Image_Datasets/CaltechPedestrians/
???? [2]、People-Tracking-by-Detection and People-Detection-by-Tracking
???????? ???http://www.d2.mpi-inf.mpg.de/node/382
???? [3]、tracking-by-detection algorithm
??????? ????http://www.vision.ee.ethz.ch/showroom/tracking/
???? [4]、?pedestrian-detection
???????????????http://www.pedestrian-detection.com/
???? [5]、Caltech Pedestrian Benchmark
??????????????http://vision.ucsd.edu/~pdollar/research.html
???? [6]、USC Pedestrian Detection Test Set
?????????????http://iris.usc.edu/Vision-Users/OldUsers/bowu/DatasetWebpage/dataset.html
???? [7]、Penn-Fudan Database for Pedestrian Detection and Segmentation
????????????http://www.cis.upenn.edu/~jshi/ped_html/
???? [8]、?INRIA Pedestrian Detector
????????????http://ttic.uchicago.edu/~smaji/projects/ped-detector/
???? [9]、http://www.gavrila.net/Research/Pedestrian_Detection/pedestrian_detection.html
?
五、其他
相關(guān)資料資料
1.?Edgar?Seemann維護(hù)的行人檢測(cè)網(wǎng)站,比較全,包括publications,?code,?datasets等。
2.?Pedestrian?detection:?state?of?the?art.?A?video?talk?byPitor?Dollar.?Pitor?Dollar做了很多關(guān)于行人檢測(cè)方法的研究,他們研究小組的Caltech?Pedestrian?Dataset也很出名。
總結(jié)
以上是生活随笔為你收集整理的行人检测(Pedestrian Detection)资源的全部?jī)?nèi)容,希望文章能夠幫你解決所遇到的問(wèn)題。
- 上一篇: AS下配置OpenCV环境
- 下一篇: Best open-source ped