A counting approach for crowd flow

A counting approach for crowd flow based on feature points is proposed. The objective is to obtain the characteristics of the crowd flow in a scene, including the crowd orientation and numeric count. For the feature point detection, a three-frame difference algorithm is used to obtain a foreground containing only the moving objects. Therefore, after the SURF feature point detection, only the feature points of the foreground are retained for further processing. This greatly reduces the time complexity of the SURF algorithm. For feature point clustering, we present an improved DBSCAN clustering algorithm in which the non-motion feature points are further eliminated and only the remaining feature points are clustered. For the calculation of the crowd flow orientation, the feature points are tracked based on a local Lucas-Kanade optical flow with Hessian matrix algorithm. In the crowd flow number counting, the crowd eigenvectors are constructed based on the SURF feature points and are trained using a support vector regression machine. The experimental results show that the proposed crowd orientation and counting method are more robust and provide crowd flow statistics with higher accuracy than previous approaches.

ผลลัพธ์ (ไทย) 1:

มีเสนอวิธีการตรวจนับสำหรับกระแสฝูงชนตามคุณลักษณะจุด วัตถุประสงค์จะได้รับลักษณะของกระแสฝูงชนในฉาก รวมฝูงชนจำนวนปฐมนิเทศและตัวเลข ตรวจจุดคุณลักษณะ อัลกอริทึม 3 กรอบความแตกต่างจะใช้รับเป็นเบื้องหน้าประกอบด้วยเฉพาะวัตถุเคลื่อนไหว หลังจากที่คลื่นคุณลักษณะจุดตรวจ ดังนั้น มีรักษาเฉพาะจุดคุณลักษณะของเบื้องหน้างาน วิธีนี้ลดเวลาความซับซ้อนของอัลกอริทึมคลื่นมาก สำหรับคุณลักษณะจุดคลัสเตอร์ เรานำ DBSCAN การปรับปรุงอัลกอริทึมที่ออกจุดเคลื่อนไหวไม่ใช่คุณลักษณะเพิ่มเติม และเฉพาะจุดที่คุณลักษณะที่เหลือจะจับกลุ่มคลัสเตอร์ สำหรับการคำนวณแนวกระแสฝูงชน ลักษณะการทำงานที่มีติดตามจุดตามกระแสแสงลูคัส Kanade เฉพาะกับอัลกอริทึมเมตริกซ์กระสอบ ในฝูงชนกระแสเลขนับ ลักษณะเฉพาะของฝูงชนถูกสร้างตามคะแนนคุณลักษณะเซิร์ฟ และฝึกใช้เครื่องถดถอยสนับสนุนเวกเตอร์ ผลการทดลองแสดงว่า การวางแนวของฝูงชนที่นำเสนอและวิธีการตรวจนับจะแข็งแกร่งมากขึ้น และให้กระแสฝูงชนสถิติ มีความแม่นยำสูงกว่าวิธีก่อนหน้านี้

ผลลัพธ์ (ไทย) 2:

วิธีการนับสำหรับการไหลของฝูงชนตามจุดคุณลักษณะที่จะเสนอ โดยมีวัตถุประสงค์เพื่อให้ได้ลักษณะของการไหลของฝูงชนในที่เกิดเหตุรวมทั้งการปฐมนิเทศฝูงชนและนับตัวเลข สำหรับการตรวจสอบจุดคุณลักษณะขั้นตอนวิธีการที่แตกต่างกันสามกรอบที่ใช้ในการได้รับเบื้องหน้าที่มีเพียงวัตถุที่เคลื่อนที่ ดังนั้นหลังจากการตรวจสอบจุดคุณลักษณะ SURF เพียงจุดคุณลักษณะของเบื้องหน้าจะถูกเก็บไว้สำหรับการประมวลผลต่อไป นี้ช่วยลดความซับซ้อนของขั้นตอนวิธีเวลา SURF สำหรับการจัดกลุ่มจุดคุณลักษณะที่เรานำเสนอการปรับปรุงขั้นตอนวิธีการจัดกลุ่ม DBSCAN ที่ไม่ใช่การเคลื่อนไหวจุดคุณลักษณะที่จะถูกตัดออกไปและมีเพียงจุดคุณสมบัติที่เหลือเป็นคลัสเตอร์ ในการคำนวณทิศทางการไหลของฝูงชนที่จุดคุณลักษณะที่มีการติดตามอยู่บนพื้นฐานของการไหลของท้องถิ่นลูคัส-Kanade แสงด้วยวิธีเมทริกซ์แห่งรัฐ ในการนับจำนวนการไหลของฝูงชน eigenvectors ฝูงชนจะถูกสร้างอยู่บนพื้นฐานของจุดคุณลักษณะ SURF และมีการฝึกอบรมการใช้เครื่องถดถอยสนับสนุนเวกเตอร์ ผลการทดลองแสดงให้เห็นว่าการวางแนวของฝูงชนที่เสนอและวิธีการนับที่มีประสิทธิภาพมากขึ้นและมีสถิติการไหลของฝูงชนที่มีความถูกต้องสูงกว่าวิธีการเดิม

ผลลัพธ์ (ไทย) 3:

วิธีการนับของฝูงชนตามจุดเป็นคุณลักษณะที่เสนอ วัตถุประสงค์คือเพื่อให้ได้ลักษณะของฝูงชนไหลในฉาก รวมทั้งฝูงชนปฐมนิเทศและนับตัวเลข สำหรับคุณสมบัติจุดตรวจจับ สามกรอบความแตกต่างขั้นตอนวิธีใช้ขอรับเบื้องหน้าที่มีเพียงการย้ายวัตถุ ดังนั้น หลังจากท่องคุณลักษณะจุดตรวจจับเพียงมีจุดเบื้องหน้าจะถูกเก็บไว้สำหรับการประมวลผลต่อไป นี้จะช่วยลดความซับซ้อนของท่องเวลาขั้นตอนวิธี สำหรับคุณสมบัติการจัดกลุ่มจุด เราเสนอการปรับปรุง dbscan การจัดกลุ่มขั้นตอนวิธีที่ไม่เคลื่อนไหวคุณลักษณะจุดเพิ่มเติมตัดเท่านั้น ที่เหลือมีคะแนนกลุ่ม สำหรับการคำนวณของฝูงชน การปฐมนิเทศคุณลักษณะจุดมีการติดตามตามท้องถิ่น ลูคัส คานาเดะไหลแสงทึมกระสอบเมทริกซ์ ในฝูงชนของจํานวนนับ ฝูงชนได้เสนอจะสร้างตามท่องคุณลักษณะจุด และฝึกการใช้ถดถอยสนับสนุนเวกเตอร์เครื่องจักรผลการทดลองแสดงให้เห็นว่าการเสนอและฝูงชนนับวิธีที่มีประสิทธิภาพมากขึ้นและให้ฝูงชนไหลสถิติที่มีความถูกต้องสูงกว่าวิธีก่อนหน้านี้