3D TOF人员检测与客流统计数据集

http://bat.sjtu.edu.cn/wp-content/uploads/2019/01/word-image-8.png

目前最先进的人员检测与客流统计方法主要专注于深度网络架构设计与堆砌上,以巨大的计算量为代价,实现更高的识别性能。然而,计算效率和实时性能也应当是重要的评价指标。因此,我们提出了一种利用俯视图TOF相机拍摄的深度图像进行快速实时人体检测和流量估计的方法。该算法主要包括基于局部池化和搜索的头部检测、基于人体形态特征的分类细化和基于动态多维特征的轨迹跟踪滤波。

我们建立了一个超过10k次进出事件的深度图像数据集记录,并给出了详细的人员位置标注。充分利用深度图像中隐含的距离信息,实现高精度的人体检测和人员计数,准确率为97.73%,显著减少了系统计算时间,节省计算资源。

数据集由型号TC-E2的SmartToF相机采集的深度图像视频序列组成,深度图像分辨率320×240,帧频高达60fps。此外,TOF相机在标准镜头中提供65°×38°的视场。最大测量距离为6米。TOF相机的机械尺寸为45mm×45mm×39mm。

TOF相机安装在实验室、办公楼、地跌车站等人流密集场所入口大门上方,垂直于场景入口地面,拍摄俯视图像,高度2.3米。我们的任务是识别并定位画面中的人。标注信息是深度图像中人物的中心位置坐标。下图显示了一个数据集实例的示例,其中包括场景、深度图像和标注信息可视化显示。

http://bat.sjtu.edu.cn/wp-content/uploads/2019/01/word-image-9.png

如果您也致力于3D视觉领域人员检测与客流统计相关的研究,欢迎下载我们的公开数据集。我们要求您填写下表并通过邮件发送给我们。审核通过后,我们会提供下载链接。注意,数据集仅供研究用途,不得用于商业开发。

请点击此处下载申请表:Request_form-2 (1)

填写完成后,请通过您所在的大学或研究机构的邮箱发送至:weihangwang@sjtu.edu.cn

若你使用本数据集,请引用我们的论文:

Wang, W.; Liu, P.; Ying, R.; Wang, J.; Qian, J.; Jia, J.; Gao, J. A High-Computational Efficiency Human Detection and Flow Estimation Method Based on TOF Measurements. Sensors 2019, 19, 729.