{
  "paper_id": "023c4e32fa9211138990b6e0ea581518",
  "paper_title": "LiDAR-Assisted 3D Human Detection for Video Surveillance",
  "paper_authors": [
    "Miquel Romero Blanch",
    "Zenjie Li",
    "Sergio Escalera",
    "Kamal Nasrollahi"
  ],
  "publication_date": "",
  "publication_venue": "2024 IEEE/CVF Winter Conference on Applications of Computer Vision Workshops (WACVW)",
  "abstract": "This work explores 3D object detection using LiDAR technology, specifically focusing on pedestrian detection for video surveillance. While LiDAR is well-established in autonomous driving, its application in video surveillance is underexplored. We adapt state-of-the-art autonomous driving models for video surveillance, with CenterPoint being the top performer. Optimizing hyperparameters, such as voxel size and sweep merging, enhances pedestrian detection. Incorporating larger range data aids in generalization for video surveillance scenarios. This research demonstrates the feasibility of pedestrian detection in video surveillance and highlights open challenges related to domain adaptation and the high cost of high-resolution LiDAR sensors. Code: https://github.com/0Miquel/OpenPCDet-video-surveillance.",
  "keywords": [
    "LiDAR",
    "3D object detection",
    "pedestrian detection",
    "video surveillance",
    "CenterPoint",
    "voxel-based",
    "point cloud"
  ],
  "paper_institutions": [
    "Universitat de Barcelona and Computer Vision Center",
    "Milestone Systems",
    "Aalborg Universitet"
  ],
  "output_language": "zh",
  "provider": "doubao",
  "model": "ark-code-latest",
  "prompt_template": "simple",
  "extracted_at": "2026-08-16T19:46:19.739707Z",
  "template_tag": "simple",
  "summary": "### 摘要\n本文针对视频监控场景中的行人检测问题，探讨了基于LiDAR的3D物体检测方法。尽管LiDAR在自动驾驶领域已成熟，其在视频监控中的应用尚不充分。研究将自动驾驶领域最先进的模型（SECOND、PointPillars、CenterPoint等）应用于视频监控，并通过系统性超参数调优（如训练范围、体素大小、扫描数量和类别设置）提出一个优化管线。主要使用nuScenes数据集（32线LiDAR、20Hz频率，类似监控场景），并辅助L-CAS室内数据集进行定性分析。实验采用nuScenes的mAP指标（基于中心距离阈值），结果显示CenterPoint（体素表示）在优化后达到最佳性能（mAP@0-20m为0.8763，完整数据集训练后提升至0.9491）。研究还表明，较大的训练范围（50米）和较少的扫描（5个）能提升泛化能力，较小的体素尺寸提高精度但增加推理时间，仅用行人类别训练优于多类别；多模态融合（BEVFusion）在近距离有轻微性能提升，但整体改善有限。研究指出挑战包括域适应（不同LiDAR设备间迁移困难）和高分辨率LiDAR传感器成本高昂，未来方向包括改进室内数据集标注和构建专门用于监控的自定义数据集。核心机制是基于稀疏卷积的体素编码和中心点检测头，通过点云的时间戳维度融合多扫描数据以估计运动补偿。\n\n### 关键要点\n- 研究比较了SECOND、PointPillars、CenterPoint等模型，发现CenterPoint（体素表示）在行人检测中性能最佳。\n- nuScenes数据集因其低分辨率（32线）和高时间分辨率（20Hz）与视频监控场景相似而被选为主要数据集。\n- 合并多个连续扫描（sweeps）可增强点云密度，实验发现5个扫描优于推荐值10个，过多样本对近距离检测并非必要。\n- 优化后的超参数配置为训练范围50米、体素尺寸0.08米、5个扫描、仅使用行人类别，该配置在mini数据集上达到mAP@0-20m为0.8763。\n- 扩大训练范围至50米比20米显著提升远距离行人检测的mAP，表明更广的训练范围有助于模型泛化。\n- 较小的体素尺寸（0.08米）比0.16米带来更高精度，但增加推理时间（261ms vs 93ms for CenterPoint-P），需权衡硬件资源。\n- 仅使用行人类别训练比多类别训练效果更好，支持构建专用行人数据集的可行性。\n- 多模态融合（BEVFusion）在0-10米和0-20米范围内有轻微性能提升（mAP提高约0.01-0.02），但在更远距离无改善。\n- 定性分析显示，在L-CAS室内数据集上，模型能检测到未标注的行人及将成组行人分开，但跨数据集迁移需微调，直接预训练模型不可行。\n- 消融实验表明，省略方向或速度标注对mAP影响很小（差值在0.01以内），说明行人检测可能不需要复杂属性标注。\n- 使用圆柱体简化的边界框未导致性能显著变化，提示未来数据集可采用更简化的标注形式。\n- 训练完整数据集比使用mini数据集显著提升性能，表5中mAP@0-20m从0.8763提升至0.9491，强调数据集规模的重要性。\n- 高分辨率LiDAR传感器成本高，且不同数据集间域适应困难（如nuScenes到L-CAS），是实际部署的主要挑战。",
  "available_templates": [
    "deep_read",
    "simple"
  ]
}