Décompte multi-sources et multi-échelle dans des images de foules extrêmement denses

Nous proposons d’utiliser plusieurs sources d’information pour estimer le nombre de personnes présentes dans une foule extrêmement dense visible sur une seule image. En raison de problèmes tels que la perspective, l’occlusion, le désordre visuel et le faible nombre de pixels par personne, le comptage par détection humaine dans de telles images est presque impossible. À la place, notre approche s’appuie sur plusieurs sources complémentaires, notamment des détections de têtes à faible confiance, la répétition d’éléments texturaux (via SIFT) et une analyse en domaine fréquentiel, afin d’estimer le nombre de personnes ainsi que la confiance associée à l’observation d’individus dans une région donnée de l’image. Ensuite, nous introduisons une contrainte de cohérence globale sur les comptages à l’aide d’un Champ aléatoire de Markov (MRF). Cette contrainte permet de corriger les disparités observées entre les voisinages locaux et à différentes échelles. Nous avons testé notre méthode sur un nouveau jeu de données comprenant cinquante images de foules, contenant au total 64 000 personnes annotées, avec un nombre de têtes par image variant de 94 à 4 543. Ce chiffre est en nette opposition avec les jeux de données utilisés par les méthodes existantes, qui ne comportent généralement pas plus d’une dizaine d’individus. Nous démontrons expérimentalement l’efficacité et la fiabilité de l’approche proposée en quantifiant sa performance de comptage.