{
  "paper_id": "2df2420ef18dc54d185f918065cab2b7",
  "paper_title": "Detecting Occluded People for Robotic Guidance",
  "paper_authors": [
    "E. Martinson"
  ],
  "publication_date": "",
  "publication_venue": "The 23rd IEEE International Symposium on Robot and Human Interactive Communication",
  "abstract": "Often overlooked in human-robot interaction is the challenge of people detection. For natural interaction, a robot must detect people without waiting for them to face the camera, get far enough away to be fully present, or center themselves fully within the field of view. Furthermore, it must happen without requiring immense amounts of processing that are not practical for real systems. In this work we focus on person detection in a guidance scenario, where occlusion is particularly prevalent. Using a layered approach with depth images, we can substantially improve detection rates under high levels of occlusion, and enable a robot to detect a target that is moving into and out of the field of view.",
  "keywords": [
    "people detection",
    "occlusion",
    "depth images",
    "robotic guidance",
    "Gaussian mixture model",
    "layered detection"
  ],
  "paper_institutions": [],
  "output_language": "zh",
  "provider": "doubao",
  "model": "ark-code-latest",
  "prompt_template": "simple",
  "extracted_at": "2026-08-16T19:47:03.267502Z",
  "template_tag": "deep_read",
  "summary": "# Detecting Occluded People for Robotic Guidance\n\n\n**作者 / Authors:** E. Martinson\n\n\n\n\n**输出语言 / Output Language:** zh\n\n\n\n\n\n\n## 模块 A：阅读对齐与输入校验 / Module A: Reading Alignment and Input Check\n\n### 阅读对齐与输入验证\n\n#### 1. 论文元数据\n\n- **标题**：Detecting Occluded People for Robotic Guidance\n- **作者**：E. Martinson（所属机构未在文档中明确给出，依据内容推测为美国海军研究实验室（NRL）相关，但无法确认；背景无详细介绍）\n- **发表渠道**：未明确给出（期刊/会议/年份/级别未知；文中引用格式类似IEEE会议论文，但无具体出处）\n\n#### 2. 研究定位\n\n- **研究领域**：人机交互（HRI），计算机视觉，人物检测，深度图像处理\n- **具体任务**：在机器人引导场景下，利用深度图像对高度遮挡的人体进行快速、准确的检测（尤其针对盲人导航应用）\n- **目标用户/应用场景**：盲人导航辅助机器人，需检测并跟踪跟随者及其他行人；也适用于一般的人机交互场景\n\n#### 3. 输入材料清单\n\n- **PDF**：是（提供的文档内容）\n- **附录/补充材料**：无\n- **代码链接**：无（文档未提供）\n- **数据集链接**：无（文档未提供，但文中描述了实验数据）\n\n#### 4. 缺失材料与风险\n\n- **缺失项**：发表年份、具体发表渠道（期刊/会议名称、级别）；作者所属机构；附录、代码、数据集链接；部分实验细节（如训练超参数、具体阈值设置）\n- **可能影响**：无法准确引用和评估论文的学术地位与时代背景；无法复现实验细节；缺少代码和数据集难以验证算法实现；但文档已包含核心算法描述和主要实验结果，对理解方法基本够用\n\n#### 5. 阅读路线（3-6步）\n\n- **步骤1**：快速浏览摘要、引言、结论，确认论文的核心贡献（针对高遮挡场景的快速人体检测方法）和主要实验（三个数据集评估）。\n- **步骤2**：精读相关工作和算法部分（第二、三、四节），理解与Velodyne分层检测算法的差异，掌握GMM和polyfit特征的原理。\n- **步骤3**：详细阅读实验部分（第五节），对比不同方法在移动数据集、旋转遮挡数据集和实际引导场景中的表现，尤其关注表1和图4-6。\n- **步骤4**：结合讨论部分（第六节），评估方法的局限性（如椅子误检、角落问题、多检测框等）和未来工作，判断其适用范围。\n- **步骤5**：若需深入，可尝试推导公式（如GMM似然、累积和计算）并复现特征提取流程，但受限于缺少代码，可参考相关文献。\n\n\n## 模块 B：第一遍鸟瞰扫描（类别/上下文/正确性/贡献/清晰度） / Module B: First Pass Overview (category, context, correctness, contribution, clarity)\n\n### 第一遍概览（Module B）\n\n#### 1. 论文类型与类别\n\n- **类型**：方法类论文（算法提出与评估），属于人机交互/计算机视觉/机器人感知交叉领域。\n- **具体子类**：基于深度图像的遮挡人体检测算法改进，侧重于机器人引导场景。\n\n#### 2. 背景与上下文\n\n- **研究背景**：人机交互中，机器人必须先检测到人才能进行自然交互。现有方法（如人脸检测、HOG）在遮挡、视角受限、计算资源受限等条件下表现不佳。\n- **问题聚焦**：在机器人引导（特别是盲人导航）场景中，人体常被严重遮挡（如头部缺失、部分躯干被遮挡），且需要实时处理。作者针对深度图像提出改进的分层检测算法，以应对近距离（<5m）高遮挡情况。\n\n#### 3. 直观正确性检查（关键假设与合理性）\n\n- **关键假设1**：人体表面具有明显曲率，而人造环境多为平面或低曲率表面，因此可基于局部曲率区分人与非人。\n  - 合理性：合理，但椅子等弯曲物体可能造成误检（文中也承认，见第五节A）。\n- **关键假设2**：在近距离深度图像中，竖直方向信息丰富，可通过对每一行像素分别分类并融合结果提高鲁棒性。\n  - 合理性：合理，与原始Velodyne方法不同，深度图像垂直分辨率更高，支持更细的行级建模。\n- **关键假设3**：遮挡主要分为横向（sagittal）和纵向（transverse）截断，算法应能处理这两种情况。\n  - 合理性：合理，实验设计覆盖了这两种情况（见第五节B）。\n- **关键假设4**：使用GMM进行无监督行分类，无需显式建模人体姿态，能适应大范围遮挡。\n  - 合理性：合理，GMM可灵活拟合多种形状，但需要充足的训练数据。\n\n#### 4. 核心贡献（3-5条）\n\n1. 提出了针对机器人引导场景的遮挡人体检测方法，基于深度图像和分层思想，使用GMM融合行级概率。\n2. 设计了新的六维“polyfit”特征（基于直线和抛物线拟合），替代原始Velodyne特征，更适合近距离深度图像。\n3. 采用累计和（cumulative sum）策略融合行级评分，改善了人体部分被遮挡时的分类性能。\n4. 在三个数据集（运动场景、旋转遮挡场景、实际引导场景）上进行了系统评估，展示了优于已有方法（人脸检测、DPM、原Velodyne方法）的检测率和实时性（14 Hz单线程）。\n\n#### 5. 清晰度评估\n\n- **结构**：清晰的“引言—相关工作—场景定义—算法—评估—讨论”结构，逻辑连贯。\n- **图表**：有6张图和1张表格，均与关键论点直接相关（图1示例图像、图2机器人场景、图3blob提取、图4精度召回曲线、图5检测示例、图6遮挡百分比曲线，表1四种方法对比）。\n- **公式**：核心公式（坐标转换、GMM似然、对数似然和、累计和）均有明确定义，但GMM方程中的sigma处理方式（协方差矩阵）未完全展开，可能影响复现。\n- **可读性**：整体清晰，但部分术语（如“transverse”和“sagittal”遮挡）需要读者有一定图像处理背景。\n\n#### 6. 继续或停止建议\n\n- **建议**：继续深入阅读（进入第二遍阅读）。\n- **理由**：论文提出了一种实用的遮挡人体检测方法，与机器人引导应用直接相关，且提供了定量实验对比和失败案例分析。方法改进点明确（特征选择+GMM融合），对后续研究有参考价值。同时，实验设计较规范，但缺少代码和具体参数细节，需结合其他文献补充理解。\n\n#### 7. 结构大纲图\n\n```markmap\n# 遮挡人体检测概览\n## 引言与背景\n### 问题定义\n### 目标应用（盲人导航）\n## 相关工作\n### 人脸检测\n### HOG/DP\n### 深度图像方法\n### Velodyne分层方法\n## 引导场景挑战\n### 遮挡类型（横向/纵向）\n### 数据集特性\n## 算法描述\n### 分割提取（flood fill）\n### 特征计算（polyfit）\n### GMM行分类与融合\n## 实验评估\n### 运动数据集（精度-召回）\n### 旋转与遮挡研究\n### 引导场景对比（四种方法）\n## 讨论与未来工作\n```\n\n\n## 模块 C1：论文试图解决什么问题？ / Module C1: What problem does the paper try to solve?\n\n### 模块C1: 该论文试图解决什么问题？\n\n#### 1. 一句话问题定义\n\n在机器人引导（尤其为盲人导航）场景中，如何利用深度图像在近距离、高遮挡（包括横向/纵向遮挡、头部或肩膀缺失、多人相互遮挡等）条件下快速且准确地检测人体。\n\n#### 2. 痛点或缺陷\n\n- 现有基于人脸检测的方法在引导场景中成功率低：因相对姿态或视野限制，人脸在图像中出现的比例很低（<20%的帧可见），导致检测失效（见第三节、图1）。\n- HOG/可变形部件模型等基于外观的检测器计算量大，在无GPU加速时只能达到1-5 Hz，难以在机器人上实时运行；并且即使在针对遮挡训练时，仍对部分遮挡鲁棒性不足（见第二节，引用[^7][^8][^11]）。\n- 基于深度图像的头部/头肩轮廓检测方法在头部缺失或遮挡时失败（见第二节，引用[^12][^13]）。\n- 已有的分层检测算法（Spinello et al.）基于Velodyne激光雷达数据设计，其垂直分辨率稀疏（64线、1/3度），在近距离深度图像中无法充分利用竖直方向信息，并且训练假设人直立且大部分可见，对遮挡鲁棒性不足（见第四节引言）。\n\n#### 3. 正式目标或优化目标\n\n论文没有给出显式数学形式的目标函数，但隐式的目标为：在给定深度图像Z中，对每个可能的blob（连通组件）计算一个类别得分score，通过比较该得分与阈值来判断是否为人。其中，行级似然采用高斯混合模型（GMM）计算（见公式(3)(4)），物体级得分采用累计和方式融合（公式(5)）：\n\n\\[ O(\\bar{x}) = \\log p(\\bar{x}|people) - \\log p(\\bar{x}|not\\_people) \\]\n\\[ score = \\max_{n\\leq N} \\sum_{row=1}^{n} O(\\bar{x}_{row}) \\]\n\n目标是在保证高精度（低误报率）的前提下，最大化召回率，尤其针对高遮挡情况。\n\n#### 4. 成功标准（指标或期望属性）\n\n- 检测精度（Precision）与召回率（Recall）：在三个实验数据集上评估。移动数据集上，行级分类精度>95%时召回率达75%，融合后精度99%时召回率72%（见图4）。\n- 遮挡鲁棒性：在旋转遮挡实验中，40%遮挡下召回率仍>90%；横向（transverse）切割60%时召回率79%，纵向（sagittal）切割60%时召回率19%（见图6）。\n- 多场景泛化：在真实引导场景（1000帧）上，与Haar级联人脸、DPM、Velodyne特征+boosting相比，polyfit特征+GMM方法在低遮挡情况下漏检率为0/719，高遮挡情况下漏检46/171（27%），误报2/1000，且速度达14 Hz（单线程），高于其他方法（见表1）。\n- 实时性：系统单线程运行14 Hz，多线程可超过30 Hz（快于摄像头刷新率），满足机器人实时需求（见第五节C）。\n\n\n## 模块 C2：有哪些相关研究？（最强基线/最相近思路/正交方向） / Module C2: What related research exists? (strongest baseline, closest approach, orthogonal directions)\n\n### 相关工作总结\n\n#### 1. 最强基线及比较轴\n\n- **最强基线**：\n  - **HOG/可变形部件模型（DPM）**：文中以 DPM [^8] 和 HOG 分类器（含 INRIA 训练集）作为最常用的 RGB 检测基线，在引导场景中 DPM 可达 1 Hz 处理速度，对低遮挡人体误检率低（4% FN），但对高遮挡几乎全部漏检（99% FN）。\n  - **Velodyne 分层特征 + AdaBoost**：即 Spinello 等人 [^15] 的原算法，使用 17 维特征和 AdaBoost 分类器，作为本文改进的直接起点，在引导场景中速度约 10 Hz，高遮挡漏检率 26.3%。\n- **比较轴**：检测精度（precision/recall）、对高遮挡鲁棒性（横向/纵向/矢状遮挡）、处理速度（Hz）、是否依赖 GPU 或面部可见性。\n\n#### 2. 最接近方法及关键差异\n\n- **最接近方法**：Spinello 等人的分层 Velodyne 检测算法（[^15]、[^16]），通过逐行提取基于样条/曲线/线拟合的特征，用 AdaBoost 学习多层模型，对物体行分类并融合。\n- **关键差异**：\n  - **特征集**：本文提出的 polyfit 特征仅 6 维（Δc、RMSE_L、σ_L、RMSE_P、σ_P、k），而原方法使用 17 维特征，更适合近距离深度图像（<5 m），减少远距离拟合噪声；\n  - **分类器**：用无监督的 GMM（30 个混合）替代 AdaBoost，不假设人体直立或完全可见，能更好处理遮挡；\n  - **融合方式**：使用累计和（cumulative sum）而非简单求和，提高对分类错误聚类的鲁棒性；\n  - **适用传感器**：针对 Kinect 等深度图像（较高垂直分辨率），而非 Velodyne 低垂直分辨率数据。\n\n#### 3. 正交方向\n\n- **基于面部检测的追踪**（OpenCV Haar 级联）[^4]：依赖可见面部，在引导场景中因视角和视野限制，低遮挡漏检率 51%，高遮挡 100%。\n- **头部/头部-肩膀轮廓检测**（Kirchner [^12]、Xia [^13]）：解决相对姿态问题，但头部缺失或部分遮挡时失败。\n- **局部表面法线**（Hegger [^14]）：检测运动/坐/站/部分遮挡个体，但主要处理横向（水平）遮挡，未覆盖纵向/矢状遮挡。\n- **多检测器融合**（Choi [^6]）：结合 RGB-D 多检测器，但计算复杂度高，不适合实时机器人系统。\n\n#### 4. 一句话定位\n\n本文针对机器人引导场景中近距离（<5 m）深度图像下人体严重遮挡问题，通过轻量 polyfit 特征和 GMM 累计和融合，在显著提高高遮挡检测率的同时保持 14 Hz 实时速度，优于现有分层 Velodyne 方法和 DPM。\n\n#### 5. 方法 -> 核心思想 -> 局限性\n\n- **方法**：三层流水线（blob 提取 → 行级分类 → 对象级融合）。blob 提取（连通组件+深度/地面过滤）；行级特征（对每行拟合直线和抛物线，提取 6 维 polyfit 特征）；用两个 GMM（人/非人）对每行分类，再通过累计和最大得分进行对象分类。\n- **核心思想**：利用近距离深度图像的高垂直分辨率，用无监督 GMM 建模人体局部曲面特征，无需姿态假设，通过累计和融合减少行分类错误聚类影响，从而在严重遮挡下保持高召回。\n- **局限性**：\n  - **椅子误检**：类似曲率的物体（如椅背）易产生假阳性（Section V.A）；\n  - **角落问题**：可同时看到两个大面时，拟合形状趋于抛物线，对曲率估计敏感（Section V.A）；\n  - **多检测框**：携带物体时可能将头和身体分割成两个检测框（Section V.B）；\n  - **第二人检测**：当第二人倚靠障碍物时，容易漏检（Section V.C），且不如 DPM 或面检测；\n  - **未处理非直立姿态**：如躺倒或弯腰（Section VI 未来工作）。\n\n\n## 模块 C3：论文如何解决这个问题？（流程图文字版） / Module C3: How does the paper solve the problem? (include a text flowchart)\n\n### 核心机制概述\n\n论文提出一种基于深度图像的、对高遮挡鲁棒的实时人体检测算法，用于机器人引导场景（如盲人导航）。算法采用**分层检测**框架，从原始深度图像出发，依次进行**连通域提取（blob extraction）**、**逐行特征向量构建（row-level feature）**、**高斯混合模型（GMM）分类**以及**基于累积和的对象级融合判定**。相比原有针对 Velodyne 数据的分层算法，本方法针对近距离（<5m）深度图像（Kinect 等）做出两点改进：\n\n- **用无监督 GMM 替代 AdaBoost 分层建模**，消除对直立、完整人体姿态的假设，从而在头部、肩部等遮挡情况下仍能分类。\n- **改用六维“polyfit”特征**（基于行内点云拟合的直线和抛物线），在近距离下更稳定、计算更快，并可与 GMM 配合。\n\n这种设计使机器人能以 14 Hz（单线程）速度运行，且在严重遮挡场景（如人体部分移出视野、被前景物体阻挡）下显著优于人脸检测、DPM 等经典方法。\n\n### 分步骤拆解\n\n算法分为三个阶段，每阶段输入输出如下：\n\n1. **Blob 提取（连通域分割）**\n   - 输入：深度图像 \\(Z\\)（30 Hz 来自 Kinect）。\n   - 预处理：先滤除深度不在 [0.5, 6.0] m 的像素，再滤除相对地面高度超出 [0.6, 2.0] m 的像素（通过针孔模型将像素坐标转为世界坐标）。\n   - 分割：对滤波后图像使用 10 cm 深度阈值的 flood-fill 连接域算法，去掉像素数 <200 的 blob，得到候选对象。\n   - 输出：若干候选 blob（图 3 展示两个人和一个椅子）。\n\n2. **特征向量构建（polyfit 特征）**\n   - 输入：每个 blob 的像素行。\n   - 对每一行像素（长度 ≥5），在 X-Z 平面（水平-深度）分别拟合一条直线 L 和一条抛物线 P（OpenCV polyfit 扩展至双精度）。\n   - 构造六维特征向量：\n     1. \\(\\Delta c\\)：线段中心深度与抛物线中心深度之差（凹度度量）。\n     2. \\(\\mathrm{RMSE}_L\\)：直线拟合的均方根误差。\n     3. \\(\\sigma_L\\)：直线拟合标准差。\n     4. \\(\\mathrm{RMSE}_P\\)：抛物线拟合的均方根误差。\n     5. \\(\\sigma_P\\)：抛物线拟合标准差。\n     6. \\(k\\)：按照文献[^15]定义的曲率估计。\n   - 输出：每个 blob 的每一行对应一个六维向量。\n\n3. **GMM 分类与对象级融合**\n   - 每个行向量 \\(\\bar{x}\\) 分别计算属于“人”模型和“非人”模型的似然，得到对数似然比 \\(O(\\bar{x})\\)。两个 GMM 各含 30 个混合成分，用手工标注的深度对象训练。\n   - 对给定 blob 的所有行，计算“累积和”的最大值作为对象得分，并与阈值比较判定是否为人。\n   - 输出：检测结果（人/非人）及置信度。\n\n### 关键公式或模块作用\n\n- **像素坐标转世界坐标**：\n\\[ x(row,col)=\\frac{(col_{center}-col)\\cdot Z(row,col)}{focal\\_length}, \\quad y(row,col)=\\frac{(row_{center}-row)\\cdot Z(row,col)}{focal\\_length}+cam_{height} \\]\n  作用：根据深度和相机内参估算像素相对地面的高度，用于滤除地面/天花板等非人体区域。\n\n- **GMM 似然**:\n\\[ p\\left(\\bar{x},M\\right)=\\sum_{i=1}^{30}\\frac{P_{i}}{\\sqrt{(2\\pi)^{6}|\\sigma_{i}|}}e^{-\\left(\\bar{x}-\\mu_{i}\\right)^{T}\\sigma_{i}^{-1}\\left(\\bar{x}-\\mu_{i}\\right)} \\]\n  其中 \\([\\sigma_i, P_i, \\mu_i]\\in M\\)，M 为某个模型。作用：计算行向量属于某类（人/非人）的概率密度。\n\n- **对数似然比**：\n\\[ O\\left(\\bar{x}\\right)=\\log\\left(p\\left(\\bar{x},people\\right)\\right)-\\log\\left(p\\left(\\bar{x},not\\_people\\right)\\right) \\]\n  作用：衡量该行更可能是人还是其他物体，正数偏向人。\n\n- **对象级累积和得分**：\n\\[ score=\\max\\left(\\sum_{row=1}^{n}O\\left(\\bar{x}_{row}\\right),\\ \\forall n\\le N\\right) \\]\n  其中 N 为 blob 的行数。作用：比简单求和更鲁棒，因为错误分类行往往集中在身体下部（腿、胳膊），累积和可减小这类聚集性误差的影响。\n\n- **阈值决策**：根据得分与预设阈值（实验中以 1% 假阳率为目标）比较，判定对象是否为人。\n\n### 流程示意图\n\n```mermaid\nflowchart TD\n  A[\"深度图像 Z (30 Hz)\"] --> B[\"预处理: 深度范围 [0.5,6.0]m, 地面高度 [0.6,2.0]m\"]\n  B --> C[\"Flood-fill 连通域 (10cm 阈值, 像素>200)\"]\n  C --> D[\"候选 blob 序列\"]\n  D --> E[\"对每一行: 拟合直线 L 和抛物线 P, 构建六维 polyfit 特征\"]\n  E --> F[\"GMM 分类: 计算每行对数似然比 O(x)\"]\n  F --> G[\"对象级累积和得分: max( cumulative sum )\"]\n  G --> H{\"得分 > 阈值?\"}\n  H --\"是\"--> I[\"判定为人\"]\n  H --\"否\"--> J[\"判定为非人\"]\n```\n\n该流程仅使用深度信息，不需要 RGB，从而避免光照和颜色干扰。训练阶段利用手工标注和 blob 相似度追踪（见第五节 A），在运行时只执行上述前向传播，因此可达到 14 Hz 单线程速度（blob 提取 83 Hz、检测 21 Hz/线程，多线程可 >30 Hz）。\n\n\n## 模块 C4：实验数据集与实现设置（数据集/场景、为何选择、验证哪些关键特性） / Module C4: Datasets and implementation settings (what datasets/scenarios, why chosen, what they validate)\n\n### 模块C4：数据集、基准与实现/评估设置\n\n#### 1. 数据集/基准列表\n\n论文在第五节（EVALUATION）中报告了三个数据集，用于评估算法性能：\n\n- **数据集A：移动人员与/或机器人（Moving people and/or robot）**\n  - 规模：共14,375张图像，采集自7次不同运行（时长2至15分钟），共6名参与者；其中5736个正样本、9197个负样本用于训练。\n  - 场景：后向Kinect传感器采集，包括人员或机器人运动、跟随场景等，多数运行中至少包含两人。\n  - 用途：评估算法在运动条件下的检测能力，并用于训练分类器（见节V.A）。\n\n- **数据集B：旋转与遮挡检测研究（Detection Study）**\n  - 规模：19名参与者（14男/5女），每人进行两轮原地旋转（空手和手持箱子/袋子），每轮平均约110帧；总计约2475张图像（文中提及“missed 7 of 2475 images”）。\n  - 场景：不同相对朝向（旋转）和不同程度的遮挡（通过裁剪模拟，以及手持物体造成的实际遮挡）。\n  - 用途：评估算法对姿态和遮挡的鲁棒性（见节V.B）。\n\n- **数据集C：引导场景（Guidance Scenario）**\n  - 规模：1,000张保存图像（来自实际引导实验），其中890张包含至少一个人；719张可见肩膀或眼睛；171张含>30%矢状和横向遮挡；331张含两人（部分可见）。\n  - 场景：遥控机器人引导盲人跟随者通过室内环境（绕过柱子和柜台），人距机器人约1.5至3米，Kinect安装在胸部高度朝后。\n  - 用途：综合评估四种检测方法（见节V.C和表1）。\n\n#### 2. 预处理与划分/覆盖设置\n\n- **深度图像预处理（节IV.A）**：\n  - 去除深度不在[0.5,6.0]米范围的像素；去除地面以上高度不在[0.6,2.0]米的像素（通过相机焦距和高度计算相对高度）。\n  - 连通分量提取：使用洪水填充算法，设置10厘米深度阈值，删除小于200像素的斑点。\n- **训练样本生成（节V.A）**：人工标注人员和其他物体，利用斑点相似度在帧间跟踪以减少标注量，最终得到5736个正样本和9197个负样本。\n- **交叉验证**：对移动人员数据集进行4折评估（节V.A）。\n- **检测阈值选择**：对于检测研究（V.B）和引导场景（V.C），选择阈值使假阳性率<1%。\n- **数据划分**：数据集A用于训练和评估；数据集B和C用于测试（使用数据集A训练的分类器）。\n\n#### 3. 训练/推理/评估环境\n\n- **传感器**：Microsoft Kinect，以30 Hz采集RGB和深度图像。\n- **算法实现**：\n  - 特征提取：使用OpenCV的polyfit实现（扩展为双精度）拟合线和抛物线。\n  - 分类器：GMM（30个混合成分）训练于手工分类的深度图像对象；对比方法包括AdaBoost（原Velodyne特征）等。\n- **运行硬件**：未明确，但提及“单线程14 Hz”处理速度，多线程分离后检测可超过30 Hz。\n- **评估指标**：准确率-召回率曲线（图4）、不同遮挡程度的召回率（图6）、表1中的假阳性数、漏检数及速度（Hz）。\n\n#### 4. 这些选择的重要性及验证内容\n\n- **选择多样性**：三个数据集覆盖运动、姿态变化、真实引导场景，验证了算法在不同条件下的泛化性。\n- **遮挡类型**：数据集B通过裁剪模拟横向（行）和矢状（列）遮挡，数据集C实际包含>30%遮挡，关键验证了算法对高遮挡的鲁棒性（表1显示高度遮挡漏检率远低于对比方法）。\n- **对比基准**：与常用方法（Haar级联人脸检测、DPM、原始Velodyne特征+Boosting）比较，展示了本方法在精度和速度上的优势。\n- **关键结论**：\n  - 在引导场景中，PM方法（polyfit特征+GMM）在低遮挡帧中漏检率为0，高度遮挡漏检率27%，速度14 Hz，优于其他方法（表1）。\n  - 在旋转测试中，裁剪40%横向遮挡时召回率>90%，矢状裁剪60%时召回率19%（图6），表明行级特征更鲁棒于横向遮挡。\n  - 多线程优化可实现>30 Hz，满足实时需求。\n\n这些设置共同验证了算法在真实引导场景中的有效性和实用性，并揭示了局限（如椅子误检、角落问题、多人场景中的漏检）。\n\n\n## 模块 C5：指标与结果（指标、结果、各指标对应的创新点） / Module C5: Metrics and results (metrics, results, which innovations each metric reflects)\n\n### 模块C5：指标与结果\n\n#### 1. 核心指标及定义\n\n- **精确率（Precision）**：检测为人的像素或物体中，真正为人的比例（行级或物体级）。\n- **召回率（Recall）**：所有真实为正例（人）的像素或物体中，被正确检测出的比例。\n- **误报率（False Positive Rate）**：在引导场景中，被误检为人的物体数量（每1000帧）。\n- **假阴性（False Negative）**：未检出的人体/部分，分为低遮挡、高遮挡、缺失第二人三类。\n- **处理速度（Speed）**：系统每秒处理帧数（Hz）。\n- **遮挡百分比（Occlusion Percent）**：通过裁剪检测框的行或列模拟遮挡比例。\n\n#### 2. 主要结果（具体数字）\n\n- **移动数据集（14,375帧，7次运行）**：\n  - 行级：GMM+polyfit特征在召回率75%时精确率>95%；AdaBoost+velodyne特征在召回率34%时精确率<95%。\n  - 物体级：GMM+polyfit特征在精确率99%时召回率72%（相对行级43%的提升）；GMM+velodyne特征同类精确率下召回率37%；AdaBoost+velodyne仅11%。\n- **旋转遮挡研究（19人）**：\n  - 空手旋转：100%帧检测成功（平均110帧/人）。\n  - 模拟裁剪：40%遮挡（横向或纵向）召回率仍>90%；60%纵向裁剪召回率19%，横向裁剪79%。\n  - 携带物体（胸部箱子）：漏检7/2475帧，头部与身体分离导致二次检测问题。\n- **引导场景（1000帧）**：\n  - polyfit+GMM：误报2/1000，低遮挡假阴性0/719，高遮挡假阴性46/171（27%），漏检第二人138/331（42%），速度14 Hz。\n  - DPM：误报56/1000，低遮挡假阴性4%，高遮挡99%，漏第二人25%，1 Hz。\n  - Haar人脸检测：误报36/1000，低遮挡假阴性51%，高遮挡100%，漏第二人40%，2.5 Hz。\n  - Velodyne特征（AdaBoost）：误报9/1000，低遮挡假阴性9.8%，高遮挡26.3%，漏第二人97%，10 Hz。\n\n#### 3. 与基线和先前工作的比较\n\n- **与DPM/HOG类方法**：DPM在高遮挡下几乎完全失败（99%假阴性），而polyfit+GMM仅27%假阴性；速度上本文方法14 Hz vs DPM 1 Hz，快14倍。\n- **与Velodyne原始特征（Spinello等）**：用AdaBoost时性能低于polyfit+GMM；用GMM时polyfit特征在相同精度下召回率更高（99%精度时72% vs 37%）。\n- **与人脸检测**：Haar在人侧对或遮挡时失效，高遮挡假阴性100%，而本文方法仅27%。\n- **与头部轮廓方法**：论文指出头部缺失时失效，本文方法不依赖头部。\n\n#### 4. 消融与敏感性分析\n\n- **特征集（polyfit vs velodyne）**：在GMM框架下，polyfit特征显著优于velodyne特征（物体级召回率72% vs 37%，99%精度），说明小特征集配合GMM更适合近距离深度图像。\n- **分类器（GMM vs AdaBoost）**：用同一velodyne特征，GMM比AdaBoost召回率更高（46% vs 34%行级），且融合后差距更大（37% vs 11%）。\n- **融合方式（累计和 vs 简单求和）**：使用累计和log-likelihood能提高分离度（行级43%→物体级72%），说明错误行聚类分布，累计和更鲁棒。\n- **遮挡类型**：纵向（上下）裁剪比横向（左右）裁剪更难，因为算法依赖行特征（polyfit）；横向裁剪仅影响多项式拟合精度。\n- **物体携带**：携带物体时检测稳定（漏检率<0.3%），但出现头部与躯体分割问题；腿部单独存在时易误检。\n- **跨数据适应性**：旋转遮挡研究中，训练数据源于移动数据集，未再训练，说明泛化性较好；引导场景中polyfit+GMM在低遮挡下零漏检。\n- **速度可扩展**：单线程14 Hz，多线程可超30 Hz（blob提取83 Hz，检测21 Hz/线程），远快于相机刷新率。\n\n\n## 模块 C6：有什么可以进一步探索的点？（理论/工程/数据/评测） / Module C6: What can be further explored? (theory/engineering/data/evaluation)\n\n### 模块C6：未来可探索方向\n\n#### 理论方向\n\n1. **通用姿态模型扩展**：当前算法依赖GMM对行级特征建模，隐含假设人体在竖直方向上具有连续性。未来可探索将模型扩展至非直立姿态（如躺倒、弯腰、坐姿等），例如引入姿态先验或可变形部件模型，以处理更广泛的人机交互场景（见VI节讨论）。\n2. **深度与RGB融合的鲁棒性理论**：本文仅使用深度信息，未利用颜色或纹理特征。可研究深度与RGB特征在遮挡下的互补性，建立多模态融合的理论框架，例如通过信息论度量评估各模态在不同遮挡类型下的贡献度（见II节相关工作中HOG与深度对比）。\n\n#### 工程方向\n\n1. **实时多线程优化**：文中提到可将系统提升至30Hz以上（见V.C节），但未给出具体实现。未来可设计流水线并行架构，例如将blob提取、层分类和对象分类分配到不同线程或GPU，并评估延迟与吞吐量权衡。\n2. **动态阈值与自适应参数**：当前检测阈值固定为1%假阳性率，但不同环境（如室内vs室外、光照变化）可能需不同阈值。可开发基于环境上下文或在线学习的动态阈值调整机制，提高鲁棒性（见V.B节中的阈值选择）。\n\n#### 数据与评估方向\n\n1. **扩大数据集规模与多样性**：现有数据集包含19人旋转实验和引导场景，但缺乏不同体型、衣着、携带物品（如行李箱、背包）以及复杂遮挡（如多人互相遮挡）的样本。未来可构建更大规模、标注更细的基准数据集，覆盖更多真实场景。\n2. **评估指标细化**：当前评估主要用精确率-召回率曲线和误检率，但未区分检测框定位精度或跟踪连续性。可引入IoU（交并比）或多目标跟踪指标（如MOTA），并针对不同遮挡等级（如轻度、中度、重度）分层报告，以便更细致地对比方法优劣（见V.C节表1）。\n3. **跨场景泛化测试**：本文算法在特定引导场景中验证，但未测试在不同机器人平台、不同传感器（如立体相机、ToF）或不同环境布局（如狭窄走廊、开阔广场）中的表现。未来可进行跨场景迁移实验，评估模型的泛化能力。\n\n\n## 模块 C7：现实场景如何体现/实现？（部署约束、算力、延迟、鲁棒性） / Module C7: How would this work in real-world scenarios? (deployment constraints, compute, latency, robustness)\n\n### 模块C7：在实际应用中的表现\n\n#### 1. 部署约束\n\n- **传感器要求**：需要深度传感器（如Kinect，立体视觉），传感器安装高度和角度需与算法假设一致（平行于地面，距地高度固定），否则需要重新标定。\n- **计算资源**：算法设计为单线程14Hz（在测试平台上），通过多线程可提升至>30Hz，满足实时性要求；但若部署在资源受限的嵌入式平台，仍需评估处理能力。\n- **环境限制**：有效检测距离为0.5–5米（深度值范围过滤），超出此范围无法检测；需避免强烈光照干扰深度传感器。\n- **移动平台集成**：需考虑平台运动导致的传感器振动和视角变化，算法在移动场景下已通过实验验证（7次运行，含人-机器人同时移动）。\n\n#### 2. 计算与延迟影响\n\n- **处理速度**：特征提取与分类流水线：blob提取（83Hz）、分类（21Hz/线程），整体单线程14Hz，多线程可>30Hz，延迟低，适合实时交互。\n- **算法复杂度**：仅使用6维特征（polyfit），比原始Velodyne特征集更高效；GMM模型（30个混合成分）分类计算量小，无需GPU加速。\n- **资源占用**：相比于HOG/可变形部件模型（1–5Hz），本方法计算开销低，适合嵌入式机器人平台，避免专用计算机。\n\n#### 3. 健壮性与安全性问题\n\n- **遮挡鲁棒性**：针对横向和纵向遮挡（如头部、肩部缺失）在<5m距离内表现良好，但高度遮挡（>60%横切剪裁）时召回率下降至19%；对于胸部遮挡（手持物体）可将头部与身体分割为两部分，需进一步融合。\n- **误检风险**：椅子等弯曲物体易被误报为人员（最主要假阳性来源），墙角（两个平面形成抛物线）也会造成误检，系统需额外先验知识（如已知角落位置）来降低误报。\n- **安全关键性**：在盲人引导场景中，人员检测是导航的基础，漏检或误检可能导致引导错误或碰撞；系统在低遮挡时漏检率0%（1000帧测试），但高遮挡时仍有27%漏检，需与其他传感器（如RGB）融合或使用追踪机制补充。\n- **多目标处理**：系统能检测多人（测试中最多2人），但第二人检测漏检率42%（如靠墙的人），可能遗漏周围行人，需考虑后续跟踪。\n\n#### 4. 可维护性\n\n- **模型训练**：需要手动标注训练数据（论文中标注了5736正例和9197反例），训练过程依赖人工；模型为GMM（每个30混合），可重新训练以适应新环境。\n- **参数调整**：阈值（深度范围、地面高度、blob大小、分类阈值）需根据部署环境调整；论文中阈值固定（如0.5–6m深度、0.6–2m高度、200像素blob），更改环境需重新标定。\n- **代码可扩展性**：算法模块分离（blob提取、分类、融合），易于并行化和集成到现有机器人系统；但论文未提供开源代码，复现需自行实现。\n- **持续改进**：作者指出未来工作包括处理携带物体、非直立姿势（躺、弯腰），该系统当前未覆盖这些情况，部署时需限制场景或增加模型多样性。\n\n\n## 模块 C8：总结主要内容（一段摘要 + 5 条要点 + 1 个核心公式/机制） / Module C8: Summarize the main content (one paragraph + 5 bullets + one core formula/mechanism).\n\n### 简洁总结\n\n本文针对机器人引导场景中高度遮挡下的人体检测问题，提出了一种基于深度图像的分层检测算法改进方案。作者指出传统方法如人脸检测和HOG特征在遮挡、姿态变化和计算开销方面存在不足，并借鉴Spinello等人的分层检测思路，引入高斯混合模型（GMM）和精简的六维“polyfit”特征，以提升近距离（<5米）下对局部遮挡人体的检测精度与速度。算法分为三个阶段：连通域提取、逐行特征分类（GMM）和对象级融合（累计和）。在三个数据集上的评估表明，该方法在移动人群、旋转遮挡和实际引导场景中均优于对比方法，特别是在高遮挡情况下，且在保持高精度的同时达到14 Hz的单线程处理速度。本文的主要贡献在于针对引导场景设计了无需姿态假设的检测框架，并验证了特征降维与GMM融合的有效性。\n\n## 五个关键要点\n\n1. 引导场景中人体常被严重遮挡（如头部或肩部缺失），传统检测方法（人脸检测、HOG、DPM）性能显著下降，甚至无法处理高度遮挡样本。\n2. 基于深度图像的分层检测方法（如Velodyne特征）适用于近距离，但原始算法依赖直立完整姿态，且特征数量多、计算量大。\n3. 本文提出使用GMM替代AdaBoost进行行级分类，并采用精简的六维“polyfit”特征（包括凹度、拟合误差、标准差和曲率），在无需姿态假设的情况下有效表征局部曲率。\n4. 对象级分类采用累计和策略，显著提高检测召回率（在99%精度下从43%提升至72%），并优于简单求和。\n5. 在实际引导场景中，该方法在1000帧图像上实现零漏检（低遮挡）和仅2个误报，处理速度达14 Hz（多线程可超30 Hz），显著优于对比方法。\n\n**核心机制**\n检测的核心机制是结合分层特征与GMM的融合决策：首先对每个图像行提取六个特征（如凹度Δc、拟合误差RMSE_L、标准差σ_L等），然后通过GMM计算该行属于“人”与“非人”的对数似然比，最后将对象所有行的得分进行累计和融合以得到最终检测分数。关键公式为：\n\\[ O(\\bar{x}) = \\log p(\\bar{x}|people) - \\log p(\\bar{x}|not\\_people) \\]\n\\[ score = \\max\\left(\\sum_{row=1}^{n} O(\\bar{x}_{row}), \\, \\forall n \\leq N \\right) \\]\n其中GMM模型为30个高斯混合，训练于手工标注样本。\n\n\n## 模块 D：第二遍内容理解（方法结构/关键图表/实验） / Module D: Second Pass (method structure, key figures, experiments)\n\n## Module D: 第二遍精读\n\n### 1. 结构树（Structure Tree）\n\n```text\nDetecting Occluded People for Robotic Guidance\n├── 摘要 (Abstract)\n│   └── 概述：面向引导场景的遮挡人体检测，使用深度图像分层方法提升遮挡下的检测率\n├── I. 引言 (Introduction)\n│   ├── 背景：人机交互中人体检测的重要性\n│   ├── 应用场景：盲人导航辅助机器人（特定目标）\n│   ├── 挑战：遮挡、传感器视角限制、快速检测需求\n│   └── 贡献：识别典型问题、提出新方法、三项评估\n├── II. 相关工作 (Related Work)\n│   ├── 人脸检测 (OpenCV, RGB-D)\n│   ├── HOG/可变形部件模型 (DPM)\n│   ├── 深度图像头部轮廓方法 (Kirchner, Xia)\n│   ├── 局部表面法线方法 (Hegger)\n│   └── Spinello 的分层 Velodyne 方法（基础）\n├── III. 引导场景 (The Guidance Scenario)\n│   ├── 实验环境描述\n│   ├── 传感器设置（Kinect，30 Hz）\n│   └── 图像统计特性（890个包含人，719可见肩/眼，171重遮挡等）\n├── IV. 检测算法 (Algorithm for Detecting People)\n│   ├── 总体流程：blob提取 → 层分类 → 目标分类\n│   ├── A. Blob提取：深度过滤、地面过滤、连通域（flood fill）\n│   ├── B. 特征向量：polyfit特征（6维）\n│   └── C. 高斯混合模型（GMM）分类\n├── V. 评估 (Evaluation)\n│   ├── A. 移动人员/机器人数据集（14,375张图，4折交叉验证）\n│   ├── B. 检测研究（19人不同旋转、遮挡，测试横向/纵向截断）\n│   └── C. 引导场景（1000图，对比4种方法）\n├── VI. 讨论 (Discussion)\n│   ├── 主要结果总结\n│   ├── 局限（椅子误检、角落问题、分割问题）\n│   └── 未来工作（非直立姿态、携带物品）\n└── 参考文献\n```\n\n### 2. 方法/系统分解 (Method/System Breakdown)\n\n**输入**：深度图像 Z（单目深度，如Kinect），可选颜色信息（仅用于显示，不参与分类）。\n\n**输出**：检测到的人体目标（bounding box/标记），以及分类置信度。\n\n**主要模块**：\n\n1. **Blob提取 (Blob Extraction)**\n   - **预处理**：\n     - 深度范围过滤：移除深度不在 [0.5, 6.0] m 的像素（有效范围约5m）。\n     - 地面高度过滤：移除不在 [0.6, 2.0] m（相对地面）的像素。由深度图计算X,Y坐标（公式：x = (col_center - col)*Z/focal_length; y = (row_center - row)*Z/focal_length + cam_height），常数偏移假设相机平行地面。\n   - **连通域分割**：重复应用 flood fill，深度差阈值为10 cm，形成连通分量。\n   - **小型blob过滤**：小于200像素的blob被移除。\n   - 输出：潜在的人体blob列表。\n\n2. **特征向量提取 (Feature Vectors - Polyfit)**\n   - 对每个blob的每一行像素，长度小于5像素的行被移除。\n   - 对每行数据，在X-Z平面拟合直线（L）和抛物线（P），使用OpenCV polyfit（双精度）。\n   - 构建6维特征向量：\n     1. Δc：线段中心处直线深度与抛物线深度之差 (concavity)\n     2. RMSE_L：直线拟合的均方根误差\n     3. σ_L：直线拟合的标准差\n     4. RMSE_P：抛物线拟合的均方根误差\n     5. σ_P：抛物线拟合的标准差\n     6. k：曲率估计（参照[^15]）\n\n3. **分类模块 (GMM-based Classification)**\n   - 训练：两个GMM模型（“人物”和“非人物”），每个模型30个高斯分量，使用手工标注的深度图像blob训练。\n   - 行级分类：对每个特征向量x，计算对数似然差 O(x) = log(p(x|people)) - log(p(x|not_people))。\n   - 目标级融合：对blob的N行，计算累积和的最大值作为最终得分： score = max(∑_{row=1}^n O(​x_row), ∀n ≤ N)。该方式比简单求和更稳健，因为错误行往往聚集在身体下部。\n   - 应用阈值进行最终判断。\n\n**训练与推理流程**：\n\n- 训练阶段：从深度图中手工选择正负样本（blob），提取特征，训练两个GMM模型。正样本5736，负样本9197（来自移动数据集）。\n- 推理阶段：输入深度图 → Blob提取 → 逐行提取polyfit特征 → 用GMM计算行对数似然差 → 累积和得到目标得分 → 阈值化输出检测结果。\n\n**损失/训练标准**：GMM使用最大似然估计（EM），无显式损失函数；分类阈值在评估时选择（通常设置假阳性率<1%）。\n\n### 3. 重要图表解释 (Explanation of at least two important figures or tables)\n\n#### 图 4 (Figure 4): 移动人员/机器人数据集的精确率-召回率曲线（顶部：行级；底部：blob级）\n\n- **内容**：顶部图为行级（row-level）分类的P-R曲线，展示了4种组合（算法×特征）：\n  - AdaBoost + velodyne特征\n  - AdaBoost + polyfit特征\n  - GMM + velodyne特征\n  - GMM + polyfit特征\n- **关键发现**：\n  - 使用polyfit特征时，GMM优于AdaBoost：在95%精确率下召回率达75%。\n  - AdaBoost+velodyne在34%召回时降到95%精确率以下。\n  - GMM+velodyne召回率提升至46%，但不如polyfit。\n- **底部图**：blob级融合后的P-R曲线。\n  - GMM+polyfit在99%精确率下召回率提升至72%（相对行级43%）。\n  - GMM+velodyne在99%精确率下召回率仅37%。\n  - AdaBoost累积和仅在11%召回时达到99%精确率。\n\n**解读**：该图证明了提出的polyfit特征与GMM结合的有效性，以及累积和融合策略带来的显著提升。说明行级得分累积改善了整体分类性能。\n\n#### 表 I (Table I): 引导场景中四种检测方法的性能对比\n\n- **列**：方法、假阳性数（每1000图）、低遮挡假阴性（FN，719张图像中）、高遮挡身体FN（171张中）、漏检第二人（331张中）、速度（Hz）。\n- **方法**：\n  1. Face Detection Haar Cascade\n  2. Deformable Parts Models (DPM)\n  3. Velodyne Feat [Boosting]\n  4. Polyfit Feat [GMM]\n- **关键数据**：\n  - Polyfit+GMM：假阳性仅2/1000，低遮挡FN为0，高遮挡FN=46/171 (27%)，漏检第二人138/331 (42%)，速度14 Hz。\n  - 对比：DPM高遮挡FN=170/171 (99%)，速度1 Hz；Velodyne高遮挡FN=45/171 (26.3%)，但漏检第二人321/331 (97%)，速度10 Hz。\n- **结论**：Polyfit+GMM在低遮挡和高遮挡情况下表现最佳，速度最快（14 Hz），仅第二人检测不如DPM和Face Detection（它们可能受益于无深度误导）。\n\n### 4. 实验/评估细节 (Experiment and Evaluation Details)\n\n**数据集**：\n\n1. **移动人员/机器人数据集**：\n   - 共14,375张深度图像，7次运行，时长2-15分钟；包含6人，多数运行有至少2人。\n   - 训练正样本5736，负样本9197（通过手工标注+追踪相似度辅助）。\n   - 4折交叉验证，评估行级和blob级分类。\n   - 指标：精确率-召回率曲线（Precision-Recall）。\n\n2. **检测研究数据集**：\n   - 19名参与者（14男5女），各自原地旋转两周，两次试验（空手和携带大盒子/箱子）。\n   - 使用第一节训练的模型，阈值设为<1%假阳性率。\n   - 空手时100%帧正确检测（平均110帧/人）。\n   - 模拟遮挡：对检测到的blob进行裁剪（移除行或列）来测试不同百分比遮挡。\n   - 结果：横向（top removal）40%遮挡召回>90%，60%遮挡召回79%；纵向（side removal）60%遮挡召回仅19%。携带物品时仍高召回（漏检7/2475），但头部会与身体分离造成分割问题，且腿部单独时易误检。\n\n3. **引导场景数据集**：\n   - 1000张图像，来自实际引导场景（机器人被遥控，人跟随）。\n   - 图像特征：890张含人，719张可见肩/眼，171张高遮挡，331张含两人。\n   - 对比方法：Haar级联人脸检测、DPM、Velodyne特征+Boosting、Polyfit特征+GMM。\n   - 前两者用INRIA数据集训练（因本地数据量不足），后两者用第V.A节数据训练。\n   - 阈值选为1%假阳性率。\n   - 指标：假阳性、低/高遮挡假阴性、漏检第二人、速度。\n\n**公平性/消融**：\n\n- 对比了两种特征集（六个polyfit vs 17个velodyne）和两种分类器（AdaBoost vs GMM），揭示了各组件贡献。\n- 评估了实际场景中不同遮挡程度（横向/纵向）的影响。\n\n**主要限制/失败模式**：\n\n- 椅子误检（最常见假阳性）。\n- 角落（camera sees two sides）被误判为抛物线。\n- 分割问题：携带大物体时头部和身体分离。\n- 第二人检测困难（倚靠障碍物时）。\n\n### 5. 适合论文类型的图表 (Diagram suited to the paper archetype) - 方法论的流程/架构图\n\n```text\n+----------------+     +----------------------+     +---------------------+\n|  深度图像输入  | --> |  Blob提取             | --> | 逐行特征提取       |\n|  (Kinect)      |     |  - 深度范围过滤       |     |  - 拟合直线和抛物线 |\n|                |     |  - 地面过滤           |     |  - 计算6维特征向量  |\n|                |     |  - 连通域 (flood fill)|     +---------------------+\n+----------------+     +----------------------+              |\n                                                              v\n+------------------------------------------------------+  +---------------------+\n|                目标分类 (Object Classification)       |  | 行级GMM分类         |\n| - 累积和得分    |                                     |  | p(x|people) -       |\n| - 阈值化        |  <--------------------------------  |  log p(x|not_people) |\n+------------------------------------------------------+  +---------------------+\n```\n\n## 说明：图中描述了算法三个阶段：blob提取、特征提取、GMM分类与目标融合。虚线表示训练过程中GMM模型的构建（基于手工标注数据）。\n\n\n## 模块 E：第三遍深度审视（重建/假设/失败模式/审稿意见） / Module E: Third Pass (reconstruction, assumptions, failure modes, review)\n\n### 第三次深度审阅（Module E）\n\n#### 1. 可复现性（重建笔记）\n\n算法分为三步：\n\n- **Blob提取**：对深度图像Z进行预处理，去除深度不在[0.5,6.0]m的像素，并利用相机焦距和地面高度偏移（cam_height）计算每像素的X,Y坐标，再去除相对地面高度不在[0.6,2.0]m的点。然后使用flood fill算法分割连通区域，深度差阈值为10cm，面积小于200像素的blob被移除。\n- **特征向量**：对blob的每一行（长度≥5像素）拟合直线（L）和抛物线（P）在X-Z平面，计算6维特征：Δc（线深度与抛物线中心深度差）、RMSE_L、σ_L、RMSE_P、σ_P、k（曲率估计）。\n- **分类与融合**：使用两个GMM（30个混合分量）分别建模“人物”与“非人物”，对每一行计算对数似然差O(x)。对象得分采用累积和的最大值：score = max(∑O(x_row) for n=1..N)。阈值判定。\n训练数据为手动标注的5736个人物与9197个非人物样本，采用4折交叉验证。实现细节：OpenCV的polyfit（双精度），GMM训练未公开具体超参数。\n\n#### 2. 假设\n\n- 传感器为深度相机（如Kinect），且安装高度固定、与地面平行（计算相对高度时使用常量偏移）。\n- 检测距离限制在0.5-5m内（深度范围过滤），适合引导场景。\n- 人物对象主要由曲面组成，而环境多为平面或低曲率表面；行人身体各部位（头、臂、腿）均有明显曲率。\n- 人物通常处于近似直立状态，但方法允许部分遮挡（不依赖完整人体或头部）。\n- 行与行间的错误分类倾向于聚集在肢体区域，因此使用累积和可改善分类。\n- 训练数据是手工标注的，且假设训练与测试分布一致（不同实验数据集可能分布偏移）。\n\n#### 3. 失败模式与盲点\n\n- **椅子误检**：具有曲面靠背的椅子（正对相机）最容易被误认为人（第五节A部分），侧面视角较好。这种误检在某些场景可接受，但可能干扰检测。\n- **角落问题**：墙角的两面形成类似抛物线的轮廓，导致曲率估计噪声大，分类不稳定（第五节A部分）。需要先验地图辅助。\n- **人体中部遮挡**：当人携带大物体（如箱子）时，头部与身体可能被分割为两个blob，导致漏检（图6右侧描述）。腿部单独出现也可能被误判（第五节B部分）。\n- **高遮挡阈值**：当sagittal遮挡>40%时，召回率急剧下降（如60%遮挡时召回率仅19%，图6），方法对横向（行）切割更鲁棒，对纵向（列）切割敏感。\n\n#### 4. 优点与缺点\n\n**优点**：\n\n- 在高遮挡下性能显著优于传统方法（表1：高度遮挡时误检率27%，优于DPM的99%）。\n- 计算效率高（单线程14Hz，多线程可>30Hz），适合实时机器人应用。\n- 不依赖面部或全身可见，适用于多人遮挡场景，且能检测部分身体。\n- 特征仅6维，计算简单，GMM无监督建模不受姿态限制。\n**缺点**：\n- 对sagittal（纵向）遮挡敏感，横向切割鲁棒性更好（图6）。\n- 依赖深度传感器，无法用于纯RGB场景；在室外强光下可能失效。\n- 需要标定相机高度和地面平行，若机器人颠簸可能引入误差。\n- 训练数据规模有限（19人旋转测试），未见多种族、多体型、儿童等泛化性验证。\n- 未完全解决第二人检测（表1中漏检42%），当第二人部分遮挡或倚靠物体时易漏检。\n\n#### 5. 下一步研究方向\n\n- **改进分割与多目标跟踪**：结合深度与RGB数据，或采用多模型融合，以解决携带物体时头部与身体分离的问题，并提升第二人检测率（表格显示42%漏检）。\n- **增强对sagittal遮挡的鲁棒性**：设计更鲁棒的特征或利用上下文信息（如地面平面、物体形状先验）来应对纵向切割。\n- **扩展非直立姿态**：讨论部分提到未来工作涵盖躺卧、弯腰等姿态，需重新设计特征或训练GMM以覆盖更多姿态。\n- **实时多线程优化与嵌入式部署**：将阶段分离为多线程（blob提取83Hz，检测21Hz），但需进一步优化以在低成本硬件上运行，同时考虑功耗限制。\n\n\n## 模块 F：术语表与概念依赖图 / Module F: Glossary and Concept Map\n\n### 术语表（Glossary）\n\n以下术语按论文中出现顺序排列，包含定义、直觉、在论文中的作用以及前置知识。\n\n1. **Depth Image（深度图像）**\n   - **定义**：每个像素值表示该点到传感器（如Kinect）的距离的图像。\n   - **直觉**：像一幅灰度图，亮度代表远近，提供三维几何信息。\n   - **论文作用**：整个检测算法的输入，用于提取物体曲率和分割。\n   - **前置知识**：相机成像原理，深度传感器。\n\n2. **Occlusion（遮挡）**\n   - **定义**：物体部分或全部被其他物体或视野边界遮挡，导致不可见。\n   - **直觉**：人被柱子挡住一半，或摄像头视野不够宽导致头部缺失。\n   - **论文作用**：核心挑战，论文目标就是在高遮挡下检测人。\n   - **前置知识**：无。\n\n3. **Transverse Occlusion（横向遮挡）**\n   - **定义**：沿水平方向（从上方或下方）遮挡，例如身体从腰部以下缺失。\n   - **直觉**：切掉图像的行，保留列。\n   - **论文作用**：评估算法对这类遮挡的鲁棒性，见图6。\n   - **前置知识**：图像坐标系。\n\n4. **Sagittal Occlusion（矢状遮挡）**\n   - **定义**：沿垂直方向（从左侧或右侧）遮挡，例如左半边身体缺失。\n   - **直觉**：切掉图像的列，保留行。\n   - **论文作用**：比横向遮挡更挑战算法，因为影响多项式拟合。\n   - **前置知识**：图像坐标系。\n\n5. **Gaussian Mixture Model (GMM，高斯混合模型)**\n   - **定义**：用多个高斯分布的加权和来建模数据分布的无监督概率模型。\n   - **直觉**：将复杂的分布分解为若干高斯“簇”。\n   - **论文作用**：用于行特征分类，建模“人”和“非人”两类，无需姿态假设。\n   - **前置知识**：概率论，高斯分布，最大似然估计。\n\n6. **Layer Classification（层分类）**\n   - **定义**：对物体图像中的每一行（layer）独立分类为人或非人。\n   - **直觉**：逐行判断是否属于人体，类似切面包看每一片。\n   - **论文作用**：算法第二阶段，产生每行的似然分数。\n   - **前置知识**：分类器，特征向量。\n\n7. **Polyfit Features（多项式拟合特征）**\n   - **定义**：基于对每一行数据点拟合直线和抛物线而提取的六维特征。\n   - **直觉**：用曲线拟合描述局部曲率，人比环境更弯曲。\n   - **论文作用**：替代原Velodyne特征，更适合近距离深度图像。\n   - **前置知识**：最小二乘法，多项式拟合。\n\n8. **AdaBoost**\n   - **定义**：一种集成学习方法，将多个弱分类器加权组合成强分类器。\n   - **直觉**：多个“专家”投票决定结果。\n   - **论文作用**：原Spinello算法的分类器，与GMM对比。\n   - **前置知识**：机器学习基础。\n\n9. **Blob Extraction（连通区域提取）**\n   - **定义**：从深度图像中分割出可能包含人的连通区域（blob）。\n   - **直觉**：把图像中的物体分成块，类似于拼图分离。\n   - **论文作用**：算法的第一阶段，滤除背景和地面，提取候选物体。\n   - **前置知识**：连通分量算法，洪水填充（flood fill）。\n\n10. **Connected Components（连通分量）**\n    - **定义**：图像中像素值连续且满足某种邻接关系的像素集合。\n    - **直觉**：用阈值把深度相近的像素连成一片。\n    - **论文作用**：用于blob提取，通过深度阈值10cm分割。\n    - **前置知识**：图论，图像处理。\n\n11. **Flood Fill（洪水填充）**\n    - **定义**：从种子像素开始，填充所有满足条件的邻接像素，直至区域完成。\n    - **直觉**：像水漫过连通区域。\n    - **论文作用**：用于计算连通分量，提取blob。\n    - **前置知识**：图像分割基础。\n\n12. **Precision（精确率）**\n    - **定义**：检测为正的样本中，真正为正的比例（TP/(TP+FP)）。\n    - **直觉**：检测到的“人”中有多少是真的。\n    - **论文作用**：评估指标，与召回率权衡。\n    - **前置知识**：混淆矩阵。\n\n13. **Recall（召回率）**\n    - **定义**：所有真正的正样本中，被检测到的比例（TP/(TP+FN)）。\n    - **直觉**：所有真的“人”里被找出多少。\n    - **论文作用**：评估指标，用于图4、图6和表1。\n    - **前置知识**：混淆矩阵。\n\n14. **False Positive (FP，假阳性)**\n    - **定义**：非人物体被错误检测为人。\n    - **直觉**：把椅子当成人。\n    - **论文作用**：衡量误报，表1中记录数量。\n    - **前置知识**：评估指标。\n\n15. **False Negative (FN，假阴性)**\n    - **定义**：人未被检测到。\n    - **直觉**：漏检。\n    - **论文作用**：衡量漏报，表1中记录数量。\n    - **前置知识**：评估指标。\n\n16. **Cumulative Sum（累积和）**\n    - **定义**：对序列前缀求和，取最大值作为最终分数。\n    - **直觉**：避免局部噪声干扰，取最连贯的一段。\n    - **论文作用**：融合行级分数，提高对象分类性能（公式3）。\n    - **前置知识**：序列处理。\n\n17. **Log-Likelihood（对数似然）**\n    - **定义**：似然函数的对数，便于计算。\n    - **直觉**：将乘变成加，评估样本属于某类的概率。\n    - **论文作用**：GMM输出对数似然差O(x)，用于分类。\n    - **前置知识**：概率论，最大似然估计。\n\n18. **Velodyne Data（Velodyne激光雷达数据）**\n    - **定义**：来自Velodyne激光雷达的三维点云，具有64线垂直分辨率。\n    - **直觉**：稀疏的3D扫描线数据。\n    - **论文作用**：原算法针对的数据类型，与Kinect深度图对比。\n    - **前置知识**：激光雷达原理。\n\n19. **Kinect**\n    - **定义**：微软的RGB-D传感器，能同时输出彩色图像和深度图像。\n    - **直觉**：一个摄像头加红外投影仪，提供深度信息。\n    - **论文作用**：实验所用传感器，安装在机器人背后。\n    - **前置知识**：深度传感技术。\n\n20. **Deformable Parts Model (DPM，可变形部件模型)**\n    - **定义**：一种目标检测模型，将物体分解为多个部件，并考虑部件间变形。\n    - **直觉**：人可分成头、手、腿等部件，允许相对位置变化。\n    - **论文作用**：作为对比基准方法，在表1中评估。\n    - **前置知识**：目标检测，HOG特征。\n\n21. **HOG (Histogram of Oriented Gradients，方向梯度直方图)**\n    - **定义**：通过统计图像局部区域梯度方向直方图来提取特征。\n    - **直觉**：用边缘方向分布描述形状。\n    - **论文作用**：DPM等方法的底层特征，文中提及但未使用。\n    - **前置知识**：图像梯度，特征提取。\n\n22. **Face Detection (人脸检测)**\n    - **定义**：从图像中定位人脸区域。\n    - **直觉**：找出脸在哪里。\n    - **论文作用**：作为对比方法，在遮挡下性能差。\n    - **前置知识**：OpenCV，Haar特征。\n\n23. **Haar Cascade（Haar级联）**\n    - **定义**：一种基于Haar特征和级联分类器的快速目标检测方法。\n    - **直觉**：用简单矩形特征快速排除非目标。\n    - **论文作用**：用于人脸检测的基准。\n    - **前置知识**：分类器，级联结构。\n\n24. **Curvature（曲率）**\n    - **定义**：曲线弯曲程度的度量。\n    - **直觉**：人比平面物体更弯曲。\n    - **论文作用**：特征k用于描述曲率，区分人和物体。\n    - **前置知识**：微积分。\n\n25. **Connected Components Threshold（连通阈值）**\n    - **定义**：在深度图像中，相邻像素深度差小于10cm则视为同一连通分量。\n    - **直觉**：深度接近的像素连在一起。\n    - **论文作用**：blob提取的深度阈值。\n    - **前置知识**：深度图像。\n\n26. **Ground Plane（地平面）**\n    - **定义**：地面所在的平面，用于去除地面像素。\n    - **直觉**：把地面过滤掉，只保留物体。\n    - **论文作用**：滤除地面以下或高于2m的像素，限制检测区域。\n    - **前置知识**：空间几何。\n\n27. **RGB-D Sensor（RGB-D传感器）**\n    - **定义**：同时提供彩色图像和深度图像的传感器，如Kinect。\n    - **直觉**：看到颜色同时看到距离。\n    - **论文作用**：实验数据来源，但算法只使用深度通道。\n    - **前置知识**：传感技术。\n\n28. **Blob Similarity Score（连通区域相似度）**\n    - **定义**：用于跟踪blob在不同帧之间对应关系的相似性度量。\n    - **直觉**：比较两个区域的外观或位置来匹配。\n    - **论文作用**：减少人工标注工作量，自动延续标注。\n    - **前置知识**：跟踪算法。\n\n29. **Head-to-Shoulder Signature（头肩特征）**\n    - **定义**：利用头部和肩部轮廓特征进行人体检测的方法。\n    - **直觉**：头肩形状像倒着的“T”或“U”。\n    - **论文作用**：相关工作中的一种方法，存在遮挡失效问题。\n    - **前置知识**：特征描述。\n\n30. **Local Surface Normals（局部表面法线）**\n    - **定义**：三维点云中每个点的法线方向，描述局部表面朝向。\n    - **直觉**：法向量指向曲面外侧。\n    - **论文作用**：另一种检测方法，但实验只测试横向遮挡。\n    - **前置知识**：三维几何。\n\n31. **AdaBoost with Velodyne features（AdaBoost+Velodyne特征）**\n    - **定义**：原Spinello算法的组合，使用基于样条等17个特征。\n    - **直觉**：原有的“黄金标准”方法。\n    - **论文作用**：作为对比基准，验证新特征和GMM的优势。\n    - **前置知识**：AdaBoost，特征工程。\n\n32. **Cumulative Sum Score（累积和分数）**\n    - **定义**：对行级对数似然差求和并取最大值，作为对象分类分数。\n    - **直觉**：找出最像人的连续片段。\n    - **论文作用**：提升分类性能，尤其针对腿部等错误集中区域。\n    - **前置知识**：序列求和。\n\n33. **Rotational Occlusion（旋转遮挡）**\n    - **定义**：由于人旋转导致身体部分不在视野中。\n    - **直觉**：人转侧身，看不到另一侧。\n    - **论文作用**：研究不同相对旋转下的检测性能（图5、6）。\n    - **前置知识**：三维姿态。\n\n34. **Guidance Scenario（引导场景）**\n    - **定义**：机器人引导盲人行走的应用场景，人跟随机器人。\n    - **直觉**：人跟在机器人后面走。\n    - **论文作用**：论文的核心应用场景，在此评估系统。\n    - **前置知识**：人机交互。\n\n35. **False Positive Rate（假阳性率）**\n    - **定义**：FP/(FP+TN) 或者每帧错误报警次数，文中指FP/总帧数。\n    - **直觉**：错误报警的频率。\n    - **论文作用**：设置检测阈值时确保假阳性率<1%。\n    - **前置知识**：评估指标。\n\n36. **Log-Likelihood Ratio（对数似然比）**\n    - **定义**：人模型与非人模型的对数似然之差O(x)。\n    - **直觉**：比较样本属于人的相对可能性。\n    - **论文作用**：用于行分类，正值为人，负值为非人。\n    - **前置知识**：统计检验。\n\n37. **Flood Fill Speed（洪水填充速度）**\n    - **定义**：算法运行速度，文中提到83Hz。\n    - **直觉**：快于实时视频帧率。\n    - **论文作用**：展示算法的高效性，可多线程加速。\n    - **前置知识**：算法复杂度。\n\n38. **Multithreading（多线程）**\n    - **定义**：将算法分成可并行处理的阶段，提高整体速度。\n    - **直觉**：多个工人同时干活。\n    - **论文作用**：讨论系统可提升至>30Hz。\n    - **前置知识**：计算机体系结构。\n\n39. **Robotic Guidance（机器人引导）**\n    - **定义**：机器人帮助人导航，尤其指盲人引导。\n    - **直觉**：机器人带路，人跟着走。\n    - **论文作用**：整个研究的应用背景。\n    - **前置知识**：人机交互。\n\n40. **Blob Size Threshold（连通区域大小阈值）**\n    - **定义**：blob中像素数小于200则被移除，以过滤噪声。\n    - **直觉**：太小的碎片不可能是人。\n    - **论文作用**：blob提取时的后处理。\n    - **前置知识**：图像滤波。\n\n---\n\n### 概念依赖图谱（Concept Dependency Map）\n\n以下用文本形式展示概念之间的依赖关系。箭头表示“依赖于”或“前提是”。\n\n```text\nDepth Image --> Blob Extraction (依赖深度阈值和连通分量) --> Feature Vectors (依赖深度图像) --> GMM分类 (依赖特征和训练数据)\nOcclusion --> 挑战 --> 算法设计\nPolyfit Features --> 基于多项式拟合 (依赖曲线拟合) --> 用于行分类\nGMM --> 概率模型 --> 输出对数似然比 --> 累积和分数\nVelodyne Features --> 原算法 (依赖曲线拟合) --> 与Polyfit对比\nAdaBoost --> 分类器 (依赖特征) --> 对比GMM\nPrecision/Recall --> 评估指标 (依赖混淆矩阵) --> 实验分析\nGuidance Scenario --> 应用场景 --> 数据收集\n\n更详细依赖树：\n- 深度图像\n  - 摄像机参数（焦距、高度）\n  - 地平面滤波\n  - 连通分量提取（洪水填充）\n    - Blob\n      - 行特征提取（polyfit 或 velodyne）\n        - 六维特征\n        - 行分类（GMM或AdaBoost）\n          - 行级分数\n          - 累积和融合 -> 对象分类\n            - 最终检测结果\n      - 质量阈值（像素数>200）\n- 训练数据\n  - 人工标注\n  - blob相似度跟踪\n  - 训练GMM模型\n- 评估\n  - 移动数据集\n  - 旋转数据集\n  - 引导场景\n\n关键路径：深度图像 -> Blob -> 行特征 -> 行分类 -> 累积和 -> 人检测\n```\n\n\n\n\n## 模块 G：联网核验与引用校对 / Module G: Verification and Citation Check\n\n### 模块G：验证、冲突与参考文献\n\n#### 1. 关键事实声明与验证\n\n- **声明1**：在引导场景中，所提出的polyfit特征与GMM方法在高度遮挡下实现了比其他方法更高的检测率。\n  - 来源1（本文）：第五节C部分及表1显示，polyfit特征+GMM在高度遮挡下的漏检率为46/171（27%），而DPM为170/171（99%）、Velodyne特征为45/171（26.3%）、人脸检测为171/171（100%）。\n  - 来源2（本文）：图4（底部）显示，在移动数据集上，GMM+polyfit在99%精度下召回率达72%，优于其他组合。\n- **声明2**：所提出的方法速度较快，单线程运行频率为14 Hz。\n  - 来源1（本文）：表1中“Speed”列，polyfit+GMM为14 Hz。\n  - 来源2（本文）：第六节讨论段明确说明“单线程下运行频率为14 Hz”，并指出可多线程加速至超过30 Hz。\n- **声明3**：部分关键方法源自Spinello等人的分层检测算法。\n  - 来源1（本文）：第四节开头提到“layered detection algorithm designed by Spinello et al [^15] was our starting point”。\n  - 来源2（本文）：参考文献[^15]给出了具体论文信息。\n- **声明4**：人脸检测在引导场景中性能极差，因为大部分情况下人脸不可见。\n  - 来源1（本文）：第二节指出“在部分引导场景中，人脸在超过20%的图像中不可用”。\n  - 来源2（本文）：表1中，人脸检测在低遮挡情况下漏检率为365/719（51%），高遮挡下漏检率100%。\n\n#### 2. 冲突或不确定性说明\n\n- **训练数据差异**：DPM和Face Detection使用了INRIA数据集训练，而分层方法使用本文收集的数据训练。不同训练数据可能影响比较公平性（见第五节水，表1前说明）。\n- **遮挡定义**：本文区分横向（transverse）和纵切（sagittal）遮挡，但“高度遮挡”的具体阈值（>30%）在第三节中给出，不同方法对遮挡的敏感度可能受阈值影响（第二节讨论）。\n- **椅子误检**：本文提到椅子是常见误检源（第五节水），但未提供量化数据，仅定性描述。\n- **角落问题**：本文指出角落可能因抛物线拟合而产生误检，但未给出具体处理方案（第五节水）。\n- **实验可复现性**：未提供代码或数据集链接，无法验证实现细节；部分参数（如GMM混合数30）已给出，但训练细节不完整。\n\n#### 3. 参考文献清单（基于文中引用，按出现顺序）\n\n1. [^1] The Seeing Eye GPS. (2014, Jan.) Sendero Group LLC. <http://www.senderogroup.com/support/SEGPSUserGuide.pdf>\n2. [^2] A. Cosgun, E. A. Sisbot, and H. Christensen, \"Evaluation of Rotational and Directional Vibration Patterns on a Tactile Belt for Guiding Visually Impaired People,\" in IEEE Haptics Symposium, Houston, 2014.\n3. [^3] W. Yun et al., \"Robotic Person-Tracking with Modified Multiple Instance Learning,\" in Int. Sym on Robot and Human Interactive Communication, Gyeongju, Korea, 2013.\n4. [^4] Paul Viola and Michael Jones, \"Rapid Object Detection using a Boosted Cascade of Simple Features,\" in Proc of the IEEE Conf. on Computer Vision and Pattern Recognition, Kauai, HI, 2001, pp. 511-518.\n5. [^5] Eric Martinson, Wallace Lawson, and J. Gregory Trafton, \"Identifying People with Soft-Biometrics at Fleet Week,\" in Proc. of the IEEE/ACM Conf. on Human-Robot Interaction, Tokyo, Japan, 2013.\n6. [^6] Wongun Choi, Caroline Pantofaru, and Silvio Savarese, \"Detecting and Tracking People using an RGB-D Camera via Multiple Detector Fusion,\" in ICCV Workshop on Challenges and Opportunities in Robot Perception, Barcelona, Spain, 2011.\n7. [^7] Navneet Dalal and Bill Triggs, \"Histograms of Oriented Gradients for Human Detection,\" in Proceedings of Computer Vision and Pattern Recognition, San Diego, 2005, pp. 886-893.\n8. [^8] P. Felzenszwalb, D. McAllester, and D. Ramanan, \"A Discriminatively Trained, Multiscale, Deformable Part Model,\" in Proc of IEEE Conference on Computer Vision and Pattern Recognition, Anchorage, Alaska, 2008.\n9. [^9] Lubomir Bourdev and Jitendra Malik, \"Poselets: Body Part Detectors Trained Using 3D Human Pose Annotations,\" in Proc. of the International Conference on Computer Vision, Kyoto, Japan, 2009.\n10. [^10] L. Spinello and K.O. Arras, \"People Detection in RGB-D Data,\" in Int. Conf. Intelligent Robots and Systems, San Francisco, CA, 2011.\n11. [^11] P. Dollár, C. Wojek, B. Schiele, and P. Perona, \"Pedestrian Detection: An Evaluation of the State of the Art,\" Pattern Analysis and Machine Intelligence, vol. 34, no. 4, pp. 743-761, 2012.\n12. [^12] N. Kirchner, A. Alempijevic, and A. Virgona, \"Head-to-shoulder signature for person recognition,\" in Proc. of the IEEE Conf. on Robotics and Automation, Saint Paul, MN, 2012, pp. 1226 - 1231.\n13. [^13] Lu Xia, Chia-Chih Chen, and J. K. Aggarwal, \"Human Detection Using Depth Information by Kinect,\" in CVPR Workshop on Human Activity Detection, Colorado Springs, Colorado, 2011.\n14. [^14] Frederik Hegger, Nico Hochgeschwender, Gerhard K. Kraetzschmar, and Paul G. Ploeger, \"People Detection in 3d Point Clouds Using Local Surface Normals,\" Lecture Notes in Computer Science, vol. 7500, pp. 154-165, 2013.\n15. [^15] L Spinello, K. Arras, R. Triebel, and R Siewart, \"A Layered Approach to People Detection in 3D Range Data,\" in Proc. of the AAAI Conf. on Artificial Intelligence: Physically Grounded AI Track, Atlanta, GA, 2010.\n16. [^16] L. Spinello, M. Luber, and K. Arras, \"Tracking People in 3D Using a Bottom-Up Top-Down detector,\" in Int Conf. on Robotics and Automation, Shanghai, China, 2011.\n\n\n\n## 模块 H：图表与表格抽取（索引/打分/深读） / Module H: Figure/Table Mining (index, scoring, top deep dive)\n\n### 图与表提取\n\n#### 1. 图表完整索引\n\n| 编号 | 标题/说明 | 类型 | 位置 | 支持的结论 | 评分（1-5） |\n|------|-----------|------|------|------------|-------------|\n| 图1（a-c） | 引导场景中的遮挡示例：(a) 近距个体，双肩可见；(b) 近距身体缺头缺一肩；(c) 两人同时存在，目标部分被遮挡 | 图像示例 | 第II节，第1页末尾至第2页开头 | 说明引导场景中典型的遮挡问题，支持动机：现有方法（如人脸检测）在遮挡下失效 | 4 |\n| 图2 | 盲助机器人（左）和人跟随机器人（右） | 照片 | 第III节，第2页 | 展示实验设置，说明传感器安装（胸部高度，后向Kinect） | 3 |\n| 图3 | 深度图像中提取的3个大小可观的连通域：两个人、一把椅子 | 处理结果图 | 第IV-A节，第3页 | 展示blob提取结果，说明基于深度阈值和像素数的连通成分分析 | 4 |\n| 图4 | (上) 行级精度-召回曲线；(下) blob级精度-召回曲线 | 曲线图 | 第V-A节，第3-4页 | 对比四种组合（特征×算法）在移动数据集上的性能，支持polyfit+GMM的优越性 | 5 |\n| 图5 | 检测研究中的人：左为空手旋转，右下为抱箱检测成两部分 | 图像示例 | 第V-B节，第4页 | 展示旋转检测结果和抱箱导致的头身分离问题 | 3 |\n| 图6 | 遮挡百分比 vs 召回率（横向/纵向切割） | 折线图 | 第V-B节，第4页 | 量化不同遮挡方向和程度对召回率的影响，支持算法对横向遮挡更鲁棒的结论 | 5 |\n| 表1 | 四种检测方法在引导场景中的性能对比（假阳性、低遮挡假阴性、高遮挡假阴性、漏检第二人、速度） | 表格 | 第V-C节，第5页 | 综合对比，证明polyfit+GMM在精度和速度上的优势 | 5 |\n\n#### 2. 优先深读项（3-5项）\n\n- **图4（上、下）**：这是核心算法性能对比的关键。通过精度-召回曲线，可以量化polyfit特征+GMM优于velodyne特征和AdaBoost的程度。需仔细比较不同曲线在同一精度下的召回率差异，以及融合（blob级）带来的提升。\n- **表1**：实际引导场景中四种方法的全面对比。重点看：polyfit+GMM在低遮挡时假阴性为0、高遮挡时假阴性仅27%、速度14Hz，而DPM虽然低遮挡也很好但高遮挡几乎全漏，且速度仅1Hz。这直接支撑论文核心主张。\n- **图6**：遮挡程度与召回率的关系。揭示算法对横向（transverse）切割（去除行）比纵向（sagittal）切割（去除列）更鲁棒。这有助于理解算法的内在偏向（基于行级特征），也暴露了局限性。\n- **图3**：理解blob提取阶段的具体输出，以及深度阈值和像素数阈值的实际效果。这为复现代码和后续参数调整提供参考。\n- **图1**：引导场景的视觉示例，帮助建立对“低遮挡”和“高遮挡”的直观认识，对后续结果（如表1中的FN分类）至关重要。\n\n#### 3. 图关系或实验设置图\n\n**实验设置总览**（基于图2和文本描述）\n\n```mermaid\ngraph TD\n    A[盲助机器人平台] -->|后向安装Kinect（胸部高度）| B(深度图像+RGB，30Hz)\n    B --> C{三组实验}\n    C --> D[实验1：移动数据集<开启14,375帧>]\n    C --> E[实验2：检测研究（19人旋转，空手/抱箱）]\n    C --> F[实验3：引导场景（1000帧，4种方法对比）]\n    D --> G[图4：行级和blob级精度-召回曲线]\n    E --> H[图5：检测示例]\n    E --> I[图6：遮挡百分比vs召回率]\n    F --> J[表1：四方法性能对比]\n```\n\n**图间关系**：图1展示问题动机；图2展示实验设置；图3展示算法中间结果；图4、图6、表1展示不同实验下的性能量化结果；图5是特定实验的定性示例。\n\n#### 4. 图/表到结论的映射\n\n- **结论1：polyfit特征+GMM在移动场景下显著优于原始velodyne+AdaBoost** | 依据：图4上/下行级和blob级曲线，在相同精度（如99%）下，polyfit+GMM召回率最高（blob级72% vs velodyne+GMM 37% vs AdaBoost 11%）。\n- **结论2：算法对横向遮挡的鲁棒性高于纵向遮挡** | 依据：图6，当去除行（横向切）40%时召回>90%，而去除列（纵向切）60%时召回仅19%；横向70%仍可比纵向40%更好。\n- **结论3：算法在真实引导场景中达到高精度和高速度** | 依据：表1，polyfit+GMM假阳性仅2/1000，低遮挡漏检0，高遮挡漏检27%，速度14Hz（高于velodyne的10Hz和DPM的1Hz）。\n- **结论4：人脸检测和DPM在高遮挡下失效** | 依据：表1，Face Detection高遮挡假阴性100%（171/171），DPM高遮挡假阴性99%（170/171），而polyfit+GMM仅为27%（46/171）。\n- **结论5：算法在检测第二人方面存在不足** | 依据：表1，polyfit+GMM漏检第二人42%（138/331）高于DPM的25%，但低于velodyne的97%。论文指出原因是第二人倚靠障碍物导致深度信息误导。\n- **结论6：blob融合显著提升分类性能** | 依据：图4上/下对比，行级99%精度召回43%提升到blob级72%。\n- **结论7：检测抱箱对象时头身分离导致二检** | 依据：图5（右）和文本描述，分割问题导致头与身体分离，但仍能检测，漏检率低（7/2475）。\n\n**其他支持**：图3支持blob提取的有效性；图1支持现有方法失败的动机；图2支持实验环境合理性。"
}