Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Discovering Multi-relational Latent Attributes by Visual Similarity Networks Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

Spatio-Temporal Consistency for Head Detection in High-Density Scenes

verfasst von : Emanuel Aldea, Davide Marastoni, Khurom H. Kiyani

Erschienen in: Computer Vision - ACCV 2014 Workshops

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

In this paper we address the problem of detecting reliably a subset of pedestrian targets (heads) in a high-density crowd exhibiting extreme clutter and homogeneity, with the purpose of obtaining tracking initializations. We investigate the solution provided by discriminative learning where we require that the detections in the image space be localized over most of the target area and temporally stable. The results of our tests show that discriminative learning strategies provide valuable cues about the target localization which may be combined with other complementary strategies in order to bootstrap tracking algorithms in these challenging environments.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Cross Dataset Person Re-identification
Nächstes Kapitel Multi-target Tracking with Sparse Group Features and Position Using Discrete-Continuous Optimization
Literatur
1.
Ferryman, J., Ellis, A.L.: Performance evaluation of crowd image analysis using the PETS2009 dataset. Pattern Recogn. Lett. 44, 3–15 (2014). Pattern Recognition and Crowd AnalysisCrossRef
2.
Helbing, D., Johansson, A., Al-Abideen, H.Z.: Dynamics of crowd disasters: an empirical study. Phys. Rev. E 75, 046109 (2007)CrossRef
3.
Krausz, B., Bauckhage, C.: Loveparade 2010: automatic video analysis of a crowd disaster. Comput. Vis. Image Underst. 116, 307–319 (2012)CrossRef
4.
Zhan, B., Monekosso, D., Remagnino, P., Velastin, S., Xu, L.Q.: Crowd analysis: a survey. Mach. Vis. Appl. 19, 345–357 (2008)CrossRefMATH
5.
Dalal, N., Triggs, B.: Histograms of oriented gradients for human detection. In: Proceedings of the 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR 2005) - Volume 1, CVPR 2005, vol. 1, pp. 886–893. IEEE Computer Society, Washington, DC (2005)
6.
Zhao, T., Nevatia, R.: Bayesian human segmentation in crowded situations. In: 2003 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 2003, Proceedings, vol. 2, pp. II-459–466 (2003)
7.
Zhao, T., Nevatia, R.: Tracking multiple humans in crowded environment. In: Proceedings of the 2004 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 2004, CVPR 2004, vol. 2, pp. 406–413. IEEE (2004)
8.
Comaniciu, D., Meer, P., Member, S.: Mean shift: a robust approach toward feature space analysis. IEEE Trans. Pattern Anal. Mach. Intell. 24, 603–619 (2002)CrossRef
9.
Leibe, B., Seemann, E., Schiele, B.: Pedestrian detection in crowded scenes. In: CVPR, pp. 878–885 (2005)
10.
Rabaud, V., Belongie, S.: Counting crowded moving objects. In: 2006 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, vol. 1, pp. 705–711 (2006)
11.
Li, M., Zhang, Z., Huang, K., Tan, T.: Estimating the number of people in crowded scenes by mid based foreground segmentation and head-shoulder detection. In: 19th International Conference on Pattern Recognition, 2008, ICPR 2008, pp. 1–4 (2008)
12.
Li, M., Bao, S., Dong, W., Wang, Y., Su, Z.: Head-shoulder based gender recognition. In: 2013 20th IEEE International Conference on Image Processing (ICIP), pp. 2753–2756 (2013)
13.
Ye, Q., Gu, R., Ji, Y.: Human detection based on motion object extraction and headshoulder feature. Optik - Int. J. Light Electron Opt. 124, 3880–3885 (2013)CrossRef
14.
Wang, S., Zhang, J., Miao, Z.: A new edge feature for head-shoulder detection. In: 2013 20th IEEE International Conference on Image Processing (ICIP), pp. 2822–2826 (2013)
15.
Ali, S., Shah, M.: A lagrangian particle dynamics approach for crowd flow segmentation and stability analysis. In: IEEE Conference on Computer Vision and Pattern Recognition, 2007, CVPR 2007, pp. 1–6 (2007)
16.
Ali, S., Shah, M.: Floor fields for tracking in high density crowd scenes. In: Forsyth, D., Torr, P., Zisserman, A. (eds.) ECCV 2008, Part II. LNCS, vol. 5303, pp. 1–14. Springer, Heidelberg (2008) CrossRef
17.
Moore, B.E., Ali, S., Mehran, R., Shah, M.: Visual crowd surveillance through a hydrodynamics lens. Commun. ACM 54, 64–73 (2011)CrossRef
18.
Idrees, H., Warner, N., Shah, M.: Tracking in dense crowds using prominence and neighborhood motion concurrence. Image Vis. Comput. 32, 14–26 (2014)CrossRef
19.
Aghajan, H., Cavallaro, A.: Multi-camera Networks: Principles and Applications. Academic Press, London (2009)
20.
Javed, O., Shah, M.: Automated Multi-camera Surveillance: Algorithms and Practice. The International Series in Video Computing, vol. 10. Springer, New York (2008) CrossRef
21.
Eshel, R., Moses, Y.: Tracking in a dense crowd using multiple cameras. Int. J. Comput. Vis. 88, 129–143 (2010)CrossRef
22.
Wang, X.: Intelligent multi-camera video surveillance: a review. Pattern Recogn. Lett. 34, 3–19 (2013)CrossRef
23.
Maji, S., Berg, A., Malik, J.: Classification using intersection kernel support vector machines is efficient. In: IEEE Conference on Computer Vision and Pattern Recognition, 2008, CVPR 2008, pp. 1–8(2008)
24.
Lin, H.T., Lin, C.J., Weng, R.: A note on platts probabilistic outputs for support vector machines. Mach. Learn. 68, 267–276 (2007)CrossRef
Metadaten
Titel
Spatio-Temporal Consistency for Head Detection in High-Density Scenes
verfasst von
Emanuel Aldea
Davide Marastoni
Khurom H. Kiyani
Copyright-Jahr
2015
Buch
Computer Vision - ACCV 2014 Workshops

Print ISBN: 978-3-319-16633-9

Electronic ISBN: 978-3-319-16634-6

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-3-319-16634-6_48