Abstract
The paper describes a video tracking system that tracks and analyzes the behavioral pattern of users in a public space. We have obtained important statistical measurements about users’ behavior, which can be used to evaluate architectural design in terms of human spatial behavior and model the behavior of users in public spaces. Previously, such measurements could only be obtained through costly manual processes, e.g. behavioral mapping and time-lapse filming with human examiners. Our system has automated the process of analyzing the behavior of users. The system consists of a head detector for detecting people in each single frame of the video and data association for tracking people through frames. We compared the results obtained using our system with those obtained by manual counting, for a small data set, and found the results to be fairly accurate. We then applied the system to a large-scale data set and obtained substantial statistical measurements of parameters such as the total number of users who entered the space, the total number of users who sat by a fountain, the time that each spent by the fountain, etc. These statistics allow fundamental rethinking of the way people use a public space
Contents
1. Introduction
2. Description of the tracking system
3. Tracking people in the video
4. Results
4.1 Comparing program results with manual count and observations
4.2 Large-scale tracking results
5. Conclusions: what do people do in public?
چکیده
این مقاله یک سیستم ردیابی ویدیویی را توصیف می کند که یک الگوی رفتاریِ کاربران را در یک فضای عموی ردیابی و آنالیز می کند. ما اندازه گیری های مهم آماری را در مورد رفتار کاربری در دست داریم که می تواند برای ارزیابی طراحی معماری در قالبِ رفتار فضایی انسانی و مدل رفتار کاربری در فضای عمومی، مورد استفاده قرار گیرد. پیش از این، این گونه اندازه گیری ها می توانست تنها از طریقِ فرآیندهای پر هزینه، به دست آید، برای مثال، نقشه ی رفتاری و فیلمبرداری گذشت زمان با محققین انسانی است. سیستم ما، فرآیندِ آنالیز(تجزیه و تحلیل) رفتار کاربران را به طور خودکار در می آورد. سیستم شاملِ یک آشکارسازسر برای شناسایی افراد در هر قابِ ویدیو و داده های ارتباطی برای ردیابی افراد از طریقِ قابهاست. ما این نتایج بدست آمده از طریق سیستم خودمان را با آنهایی که از شمارش دستی به دست آمده بودند، مقایسه می کنیم، برای یک مجموعه ی داده ی کوچک، نتایجِ نسبتاً دقیقی به دست آمده است. سپس ما سیستم را به یک مجموعه داده در مقیاسِ بزرگ اعمال می کنیم و اندازه گیری های آماری قابل توجهی از پارامترها به دست می آوریم مانند تعداد کل کاربرانی که وارد یک فضا می شوند، تعداد کل کاربرانی که از طریقِ یک مخزن نشسته اند و زمانی که هر کدام از آنها از طریقِ مخزن، صرف می کنند. این آمار اجازه می دهد که تجدید نظر اساسی از راهی که افراد از یک فضای عمومی استفاده می کنند، صورت پذیرد.
فهرست مطالب
1-مقدمه
2-توصیفِ سیستم ردیابی
3-ردیابی افراد در این ویدیو
4-نتایج
1-4-مقایسه ی نتایج برنامه با شمارش های دستی و مشاهدات
2-4- نتایجِ ردیابی با مقیاس بزرگ
5- نتیجه گیری: مردم چه کاری در عموم انجام می دهند؟
1-مقدمه
مدلسازیِ رفتارِ فضایی انسان در محیط های ساخته شده، ناحیه ای است که علاقه ی زیادی از معماران و مشتریان آنها را به خود جذب کرده است. مشاهدات مناسب، اطلاعاتِ قابل توجهی در مورد تنظیمات فضاییِ افراد نشان خواهد داد، که ملاحظات اساسی در طراحی معماری هستند.[1] رفتارِ فضایی "خوب"، شاخصی از طراحی های موفقِ معماری است[2]، در حالیکه رفتار فضایی"بد" می تواند شاخصی از اتلاف منابع و علتی برای نارضایتی کاربران باشد.[3] برای مثال، مراحل نشان داده شده در شکل 1 به طور ضعیفی طراحی شده اند، که از عبور و مرورای با استفاده از یک سطح شیب دار باریک در شهر زیلینا، اسلواکی ایجاد شده اند.[4] اگر طراحانِ مرکز شهر زیلینا، بتوانند این الگوی رفتاری را پیش بینی کنند، آنها به احتمال زیاد یک طراحی متفاوتی را بر اساسِ هنجارهای طراحی مناسب، انتخاب کرده اند. با این حال، بدون درک درستی از رفتار فضایی انسان، طراحی مناسب هنجارها برای تنظیم، دشوار است.
نقشه ی رفتاری[5]- روش دستی ضبط مشاهدات دقیق که چه کسی آنچه برای فاصله ی زمانی مشخص شده را انجام می دهد- برایِ استخراجِ اطلاعات از این زمینه استفاده شده است. با این حال، جمع آوری و تجزیه و تحلیلِ این مشاهداتِ دستی، پر هزینه است. فیلمبرداری گذشتِ زمان، توسط William Whyte[6] و دیگر افراد مورد استفاده قرار گرفته است. با این حال، تجزیه و تحلیلِ دستی تصاویر یک عملِ بسیار زمان گیر و خسته کننده است. William Whyte بیش از 100 نفر-ساعت در مقابلِ بیننده ی فیلم برای بررسی ششو نیم ساعت از ویدیو، به کار برده است. ما استفاده از بینایی کامپیوتری را برای جمع آوری و تجزیه و تحلیل داده های انبوه از رفتارهای انسان در یک فضای عمومی با استفاده از روش های ردیابی ویدیویی، نشان می دهیم. ما یک سیستمی را توصیف می کنیم که برای تجزیه و تحلیلِ داده های رفتاری جمع آوری شده در یک زیرفضای تقریباً مربعی در مرکز پلازا اسپرول در دانشگاهِ کالیفرنیا، برکلی مورد استفاده قرار گرفته است. فضا شاملِ یک سنگ فرش متمایز، یک فواره با صندلی لبه ی پایینی، ناحیه ی وسیعی از پله ها و چند میز تشکیل شده است(شکل 2 را ببینید) نتایجِ حاصل از این تجزیه و تحلیل که اندازه گیری های آماری می باشند، می تواند برای یادگیری و مدلسازی رفتار کاربران در فضاهای عمومی به کار برده شود. به عنوانِ مثال، می توان ان را برای اعتبار سنجی و اندازه گیری و کالیبراسیون مدل کاربر در یک فضای عمومی به کار برد، که در حال حاضر در حال توسعه می باشند[3]، اندازه گیری های اصلی که ما به آنها علاقه مند هستیم به شرح زیر می باشند...