用毫米波雷达解开密集人群：从人群语义到个体空间行为

在本文中，我们提出了一种新颖的框架，用于在密集人群中恢复个体足迹和行人空间行为。这是一个极具挑战性的问题，因为在拥挤区域，行人经常且长时间地相互融合或遮挡，导致观测结果高度纠缠。我们的方法联合利用学习到的人群语义以及对持续雷达可观测性损失的原则性推理，来系统地推断个体空间足迹。在宏观层面，我们从雷达点云中学习人群的空间使用模式；而在微观层面，我们开发了一个由持续融合与遮挡引起的雷达可观测性损失的物理信息模型。基于这种宏观-微观结构，我们引入了一个语义引导的多假设推理基础，通过对多对一和一对无观测映射进行原则性推理来评估相互竞争的假设，从而能够解开个体空间足迹。我们使用现成的毫米波雷达，通过18项真实世界实验对该框架进行了评估，实验涉及多达（并包括）10名个体的人群，涵盖六类多样化的行人行为和四种环境。我们的方法能够稳健地恢复个体空间足迹，即使在长时间且持续的可观测性损失期间也是如此，并展现出与真实值之间很强的结构一致性。恢复的足迹进一步使得对行人空间使用的准确区域分析成为可能。最后，我们呈现了一项消融研究，并进一步与最先进方法进行了比较。所提出的基础在所有实验中均大幅优于最先进方法，平均中位DTW达到0.31米，而对比方法为0.96米，突显了该框架对频繁且长时间融合与遮挡的稳健性。

中文由 AI 翻译，仅供参考，以原文为准。