HitoMi-Cam:一种形状不可知的人检测方法,使用服装的光谱特征

科学领域:

• 计算机视觉 计算机视觉
• 边缘计算 边缘计算
• 传感器融合式传感器

背景情况:

• 卷积神经网络 (CNN) 对象检测与训练数据中不存在的形状变化作斗争.
• 现有的方法在不可预测的环境中缺乏稳定性,限制了现实世界的应用.
• 存在对能够实时边缘部署的形状不可知人体检测系统的需求.

研究的目的:

• 在物理硬件上实施和评估基于光谱的人体检测方法HitoMi-Cam.
• 评估HitoMi-Cam在没有GPU的资源受限边缘设备上的实际可行性.
• 为了证明HitoMi-Cam在具有挑战性的场景中作为CNN的补充工具的有效性.

主要方法:

• 开发了HitoMi-Cam,这是一款轻量级,形状不可知的人体检测系统,利用服装的光谱反射性能.
• 在边缘设备上实现了系统,在没有GPU加速的情况下评估性能.
• 在模拟的搜救场景和各种评估条件下测试了性能.

主要成果:

• 在253×190像素下实现了每秒23.2的处理速度,表明实时能力.
• 在模拟搜索和救援中,HitoMi-Cam的平均精度 (AP) 为93.5%,明显超过CNN (最佳AP为53.8%).
• 在所有评估场景中保持最小的错误阳性.

结论:

• 基于光谱的人体检测是边缘设备实时操作的可行选择.
• HitoMi-Cam为难以预测的环境 (如灾难救援) 提供了一个强大的,形状不可知的解决方案.
• 该方法在特定条件下作为基于CNN的探测器的宝贵补充工具.