Understanding collective crowd behaviors: Learning a Mixture model of Dynamic pedestrian-Agents

Zhou, Bolei; Wang, Xiaogang; Tang, Xiaoou

doi:10.1109/cvpr.2012.6248013

Cited by 122 publications

(27 citation statements)

References 23 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…In the past decade, crowd scene understanding or analysis has already attracted much research attention on the computer vision community [1][2][3]. Jodoin et al [4] utilized optical flow [5] proposed by Horn and Schunck to obtain spatio-temporal motion features for crowd movement detection, in which the particle flow is based on the fluid flow integral of the fluid dynamics.…”

Section: Recent Workmentioning

confidence: 99%

3D Res-Inception Network Transfer Learning for Multiple Label Crowd Behavior Recognition

2019

KSII TIIS

View full text Add to dashboard Cite

The problem towards crowd behavior recognition in a serious clustered scene is extremely challenged on account of variable scales with non-uniformity. This paper aims to propose a crowed behavior classification framework based on a transferring hybrid network blending 3D res-net with inception-v3. First, the 3D res-inception network is presented so as to learn the augmented visual feature of UCF 101. Then the target dataset is applied to fine-tune the network parameters in an attempt to classify the behavior of densely crowded scenes. Finally, a transferred entropy function is used to calculate the probability of multiple labels in accordance with these features. Experimental results show that the proposed method could greatly improve the accuracy of crowd behavior recognition and enhance the accuracy of multiple label classification.

show abstract

Section: Recent Workmentioning

confidence: 99%

3D Res-Inception Network Transfer Learning for Multiple Label Crowd Behavior Recognition

2019

KSII TIIS

View full text Add to dashboard Cite

show abstract

“…Os experimentos realizados demonstram como a ferramenta proposta pode ser aplicada e ajustada para ampliar a análise de cenários reais. Para isto, aplicamos a ferramenta à coleção de dados abertos e disponíveis a respeito do Grand Central Terminal de Nova York -GCTNY (Zhou et al, 2012).…”

Section: Síntese Dos Dadosunclassified

“…Existem muitas coleções de dados públicos que podem ser usadas para testar a solução proposta. Dentre as mais conhecidas estão o conjunto de dados de tráfego do Massachusetts Institute of Technology -MIT, que contém uma coleção de vídeos de cruzamentos de avenidas Wang et al (2009); e o vídeo do GCTNY, que é 4.1 um vídeo de uma estação de trem Zhou et al (2012). Zitouni et al (2016) apresenta um resumo sistemático de várias coleções de dados que estão disponíveis para a realização de estudos e análises de multidões de pedestres.…”

Section: Coleção De Dadosunclassified

“…A principal motivação para a escolha da coleção de dados, publicada no trabalho de Zhou et al (2012), decorre do fato deste conjunto de dados ser caracterizado por uma densidade média, que apresenta vários desafios para o processo de análise, como veremos nos experimentos realizados. Além disto, esta coleção é de uma representatividade considerável para um terminal de transporte, pois foi obtida de um vídeo de vigilância de uma das principais estações existentes em um grande centro urbano, que é o GCTNY.…”

Section: Coleção De Dadosunclassified

“…Logo, utilizamos o valor de 0.73 metros que é a referência para pedestres com uma bolsa pequena em uma das mãos, como mostrado na Figura 2.1.• distanciaYLimiar: este parâmetro se refere a altura dos pedestres identificados, como a estação é localizada nos Estados Unidos. O valor utilizado foi de 1.68 metros que é a média entre a estatura do homem -1.75 metros e da mulher americana -1.61 metros, segundoFryar et al (2016).De maneira geral, estas situações estão ilustradas, nas subseções 4.3.1, 4.3.2 e 4.3.3, por duas figuras posicionadas lateralmente da seguinte maneira: a primeira figura apresenta as trajetórias originais e rótulos identificadores fornecidos pela coleção de dados(Zhou et al, 2012), a segunda figura apresenta as trajetórias e seus respectivos rótulos identificadores atribuídos pela aplicação do componente da ferramenta proposta. Para cada uma das componentes foi criada uma subseção específica com o intuito de conseguirmos apresentar de forma separada o resultado da aplicação de cada uma das camadas da ferramenta.…”

unclassified

See 2 more Smart Citations

Análise baseada em contexto do movimento de pedestres em terminais de transporte

Silva¹

View full text Add to dashboard Cite

A aquisição de dados de deslocamentos de pessoas através de vídeos traz consigo uma imprecisão inerente que advém tanto da qualidade das imagens capturadas quanto da dinâmica do movimento de pedestres no ambiente. A obtenção de informações precisas de rastreamento e contagem de pedestres a partir de vídeos ainda é um desafio. Este trabalho explora características específicas do comportamento de pedestres no domínio dos terminais de transporte e apresenta uma ferramenta que agrega informações do contexto para aumentar a precisão dos dados obtidos de vídeos para a contagem de pedestres e determinação dos fluxos em cenarios reais. A ferramenta proposta (1) rearranja os rótulos dos pedestres de acordo com o comportamento associado ao contexto considerado, (2) melhora a precisão na contagem dos pedestres a partir das rotas rastreadas, e (3) usa informações dinâmicas de movimentação para melhorar a identificação do percurso completo realizado pelos pedestres individualmente. Com isso, a ferramenta proposta incrementa a acurácia das rotas rastreadas, agregando informações com base no comportamento característico dos pedestres em terminais de transporte.Palavras-chave: Análise contextual, aquisição de dados de vídeo, comportamento de pedestres, monitoramento de terminais de transporte.iii iv Abstract SILVA, J. C. C. Context-based understanding of pedestrian motion in transportation terminals. 2020. 91 f. Tese (Doutorado) -Acquisition of pedestrian data through video brings with it an inherent inaccuracy that comes from both the quality of the images captured and the dynamics of pedestrian movement in the environment. Getting accurate pedestrian tracking and counting information from videos is still a challenge. This paper explores specific pedestrian behavior characteristics in the transport terminals domain and presents a tool that aggregates context information, thus increasing the accuracy of data obtained from videos that count and determine pedestrian flows in real scenarios. The proposed tool (1) reorganizes pedestrian labels according to the context-associated behavior considered, (2) improves pedestrian counting accuracy from tracked routes, and (3) uses dynamic movement information to improve complete path identification taken by pedestrians individually. Consequently, the proposed tool increases the accuracy of the tracked routes by aggregating information based on the characteristic behavior of pedestrians in transport terminals.

show abstract

SocialVis: Dynamic social visualization in dense scenes via real‐time multi‐object tracking and proximity graph construction

Li,

Wang

et al. 2024

Computer Animation & Virtual

View full text Add to dashboard Cite

To monitor and assess social dynamics and risks at large gatherings, we propose “SocialVis,” a comprehensive monitoring system based on multi‐object tracking and graph analysis techniques. Our SocialVis includes a camera detection system that operates in two modes: a real‐time mode, which enables participants to track and identify close contacts instantly, and an offline mode that allows for more comprehensive post‐event analysis. The dual functionality not only aids in preventing mass gatherings or overcrowding by enabling the issuance of alerts and recommendations to organizers, but also allows for the generation of proximity‐based graphs that map participant interactions, thereby enhancing the understanding of social dynamics and identifying potential high‐risk areas. It also provides tools for analyzing pedestrian flow statistics and visualizing paths, offering valuable insights into crowd density and interaction patterns. To enhance system performance, we designed the SocialDetect algorithm in conjunction with the BYTE tracking algorithm. This combination is specifically engineered to improve detection accuracy and minimize ID switches among tracked objects, leveraging the strengths of both algorithms. Experiments on both public and real‐world datasets validate that our SocialVis outperforms existing methods, showing improvement in detection accuracy and reduction in ID switches in dense pedestrian scenarios.

show abstract

Understanding collective crowd behaviors: Learning a Mixture model of Dynamic pedestrian-Agents

Cited by 122 publications

References 23 publications

3D Res-Inception Network Transfer Learning for Multiple Label Crowd Behavior Recognition

3D Res-Inception Network Transfer Learning for Multiple Label Crowd Behavior Recognition

Análise baseada em contexto do movimento de pedestres em terminais de transporte

SocialVis: Dynamic social visualization in dense scenes via real‐time multi‐object tracking and proximity graph construction

Contact Info

Product

Resources

About