論文の概要: Maximum Likelihood Speed Estimation of Moving Objects in Video Signals
- arxiv url: http://arxiv.org/abs/2003.04883v2
- Date: Thu, 2 Dec 2021 17:33:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-24 21:38:20.698185
- Title: Maximum Likelihood Speed Estimation of Moving Objects in Video Signals
- Title（参考訳）: ビデオ信号における移動物体の最大ラピッド速度推定
- Authors: Veronica Mattioli, Davide Alinovi and Riccardo Raheli
- Abstract要約: ほとんどの現実的なシナリオでは、フレーム化された物体のイメージ平面への投射は、動的変化の影響を受けやすい。
提案手法は,対象物に影響を及ぼす周期的影響を減らし,無視することを目的とした,一連の前処理操作からなる。
ML推定法は、信頼性の高い結果を得るために利用されるような統合された統計ツールである。
- 参考スコア（独自算出の注目度）: 0.12891210250935145
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Video processing solutions for motion analysis are key tasks in many computer
vision applications, ranging from human activity recognition to object
detection. In particular, speed estimation algorithms may be relevant in
contexts such as street monitoring and environment surveillance. In most
realistic scenarios, the projection of a framed object of interest onto the
image plane is likely to be affected by dynamic changes mainly related to
perspectival transformations or periodic behaviours. Therefore, advanced speed
estimation techniques need to rely on robust algorithms for object detection
that are able to deal with potential geometrical modifications. The proposed
method is composed of a sequence of pre-processing operations, that aim to
reduce or neglect perspetival effects affecting the objects of interest,
followed by the estimation phase based on the Maximum Likelihood (ML)
principle, where the speed of the foreground objects is estimated. The ML
estimation method represents, indeed, a consolidated statistical tool that may
be exploited to obtain reliable results. The performance of the proposed
algorithm is evaluated on a set of real video recordings and compared with a
block-matching motion estimation algorithm. The obtained results indicate that
the proposed method shows good and robust performance.
- Abstract（参考訳）: 動作解析のためのビデオ処理ソリューションは、人間の行動認識から物体検出まで、多くのコンピュータビジョンアプリケーションにおいて重要なタスクである。
特に、速度推定アルゴリズムは、街路監視や環境監視のようなコンテキストに関係している可能性がある。
ほとんどの現実的なシナリオでは、フレーム化された対象のイメージ平面への投影は、主に視線変換や周期的な振る舞いに関連する動的変化の影響を受けやすい。
したがって、高度な速度推定技術は、潜在的な幾何学的修正に対処できるオブジェクト検出のための堅牢なアルゴリズムに頼る必要がある。
提案手法は,対象物に対する持続性効果を低減または無視することを目的とした一連の前処理操作と,前景物の速度を推定する最大確率(ml)原理に基づく推定フェーズとからなる。
ML推定法は、信頼性の高い結果を得るために利用されるような統合統計ツールである。
提案アルゴリズムの性能を実映像記録のセットで評価し,ブロックマッチング動作推定アルゴリズムと比較した。
その結果,提案手法は良好かつ堅牢な性能を示すことがわかった。
関連論文リスト
- Active Event Alignment for Monocular Distance Estimation [2.9189383211046014]
イベントカメラは、視覚情報の自然で効率的な表現を提供する。
本稿では,イベントカメラデータからオブジェクトワイド距離を推定するための行動駆動手法を提案する。
論文 参考訳（メタデータ） (2024-10-29T17:34:01Z) - Motion-Scenario Decoupling for Rat-Aware Video Position Prediction:
Strategy and Benchmark [49.58762201363483]
本研究では,個人や環境の影響要因を考慮し,生物ロボットの動き予測データセットであるRatPoseを紹介する。
本稿では,シナリオ指向とモーション指向を効果的に分離するDual-stream Motion-Scenario Decouplingフレームワークを提案する。
難易度が異なるタスクに対して,提案したtextitDMSD フレームワークの大幅な性能向上を示す。
論文 参考訳（メタデータ） (2023-05-17T14:14:31Z) - Adaptive Multi-source Predictor for Zero-shot Video Object Segmentation [68.56443382421878]
ゼロショットビデオオブジェクトセグメンテーション(ZVOS)のための新しい適応型マルチソース予測器を提案する。
静的オブジェクト予測器では、RGBソースは、同時に深度および静注ソースに変換される。
実験の結果,提案モデルは3つのZVOSベンチマークにおいて最先端の手法よりも優れていることがわかった。
論文 参考訳（メタデータ） (2023-03-18T10:19:29Z) - Dyna-DepthFormer: Multi-frame Transformer for Self-Supervised Depth
Estimation in Dynamic Scenes [19.810725397641406]
シーン深度と3次元運動場を協調的に予測する新しいDyna-Depthformerフレームワークを提案する。
まず,多視点の相関を一連の自己・横断的層を通じて活用し,深度特徴表現の強化を図る。
第2に,動的物体の運動場をセマンティック・プレセプションを使わずに推定するワーピングに基づく運動ネットワークを提案する。
論文 参考訳（メタデータ） (2023-01-14T09:43:23Z) - Assembly Planning from Observations under Physical Constraints [65.83676649042623]
提案アルゴリズムは, 物理安定性制約, 凸最適化, モンテカルロ木探索の簡単な組み合わせを用いて, 集合を計画する。
それは効率的で、最も重要なことは、オブジェクト検出のエラーに対して堅牢であり、実際のロボットシステムでは避けられないポーズ推定である。
論文 参考訳（メタデータ） (2022-04-20T16:51:07Z) - Self-Supervised Learning of Perceptually Optimized Block Motion
Estimates for Video Compression [50.48504867843605]
多段階畳み込みニューラルネットワークを用いた探索自由ブロック運動推定フレームワークを提案する。
動作補償フレームの知覚品質を最適化するために,マルチスケール構造類似度(MS-SSIM)損失関数をデプロイする。
論文 参考訳（メタデータ） (2021-10-05T03:38:43Z) - Analysis of voxel-based 3D object detection methods efficiency for
real-time embedded systems [93.73198973454944]
本稿では, ボクセルをベースとした2つの3次元物体検出手法について述べる。
実験の結果,これらの手法は入力点雲が遠距離にあるため,遠距離の小さな物体を検出できないことが確認できた。
この結果から,既存手法の計算のかなりの部分は,検出に寄与しないシーンの位置に着目していることが示唆された。
論文 参考訳（メタデータ） (2021-05-21T12:40:59Z) - An Efficient Approach for Anomaly Detection in Traffic Videos [30.83924581439373]
本稿では,エッジデバイスで動作可能な映像異常検出システムのための効率的な手法を提案する。
提案手法は,シーンの変化を検出し,破損したフレームを除去するプリプロセッシングモジュールを含む。
また,新しいシーンに迅速に適応し,類似度統計量の変化を検出するシーケンシャルな変化検出アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-04-20T04:43:18Z) - FMODetect: Robust Detection and Trajectory Estimation of Fast Moving
Objects [110.29738581961955]
高速移動物体の検出と軌道推定のための最初の学習ベースアプローチを提案する。
提案手法は, 高速移動物体を軌道への切り離された距離関数として検出する。
シャープな外観推定のために,エネルギー最小化に基づくデブロワーリングを提案する。
論文 参考訳（メタデータ） (2020-12-15T11:05:34Z) - Robust Ego and Object 6-DoF Motion Estimation and Tracking [5.162070820801102]
本稿では,動的多体視覚計測における高精度な推定と一貫した追跡性を実現するためのロバストな解を提案する。
セマンティック・インスタンスレベルのセグメンテーションと正確な光フロー推定の最近の進歩を活用して、コンパクトで効果的なフレームワークを提案する。
追従点の品質と運動推定精度を向上させる新しい定式化SE(3)運動と光流が導入された。
論文 参考訳（メタデータ） (2020-07-28T05:12:56Z) - A Video Analysis Method on Wanfang Dataset via Deep Neural Network [8.485930905198982]
本稿では,スポーツ競技におけるリアルタイム多目的検出機能と,ディープラーニングに基づく公共交通機関における歩行者フロー検出機能について述べる。
提案アルゴリズムに基づいて,主要なテストデータセットとしてwanfangスポーツコンペティションデータセットを採用する。
私たちの作業は、歩行者のフロー検出や歩行者のアラームタスクにも利用できます。
論文 参考訳（メタデータ） (2020-02-28T04:09:53Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。