論文の概要: Privacy-Protection Drone Patrol System based on Face Anonymization
- arxiv url: http://arxiv.org/abs/2005.14390v1
- Date: Fri, 29 May 2020 05:14:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-27 00:07:53.877828
- Title: Privacy-Protection Drone Patrol System based on Face Anonymization
- Title（参考訳）: 顔匿名化に基づくプライバシー保護型ドローンパトロールシステム
- Authors: Harim Lee, Myeung Un Kim, Yeongjun Kim, Hyeonsu Lyu, and Hyun Jong
Yang
- Abstract要約: 本研究は,対面型ドローンパトロールシステムを提案する。
ビデオの中の1人の顔は、顔成分が維持されている別の顔に変換される。
本システムは,高解像度カメラ,コンパニオンコンピュータ,ドローン制御コンピュータからなる,カスタマイズされたドローンを用いて評価する。
- 参考スコア（独自算出の注目度）: 1.20050068684031
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The robot market has been growing significantly and is expected to become 1.5
times larger in 2024 than what it was in 2019. Robots have attracted attention
of security companies thanks to their mobility. These days, for security
robots, unmanned aerial vehicles (UAVs) have quickly emerged by highlighting
their advantage: they can even go to any hazardous place that humans cannot
access. For UAVs, Drone has been a representative model and has several merits
to consist of various sensors such as high-resolution cameras. Therefore, Drone
is the most suitable as a mobile surveillance robot. These attractive
advantages such as high-resolution cameras and mobility can be a double-edged
sword, i.e., privacy infringement. Surveillance drones take videos with
high-resolution to fulfill their role, however, those contain a lot of privacy
sensitive information. The indiscriminate shooting is a critical issue for
those who are very reluctant to be exposed. To tackle the privacy infringement,
this work proposes face-anonymizing drone patrol system. In this system, one
person's face in a video is transformed into a different face with facial
components maintained. To construct our privacy-preserving system, we have
adopted the latest generative adversarial networks frameworks and have some
modifications on losses of those frameworks. Our face-anonymzing approach is
evaluated with various public face-image and video dataset. Moreover, our
system is evaluated with a customized drone consisting of a high-resolution
camera, a companion computer, and a drone control computer. Finally, we confirm
that our system can protect privacy sensitive information with our
face-anonymzing algorithm while preserving the performance of robot perception,
i.e., simultaneous localization and mapping.
- Abstract（参考訳）: ロボット市場は大幅に成長し、2024年には2019年の1.5倍に成長すると予想されている。
ロボットは機動性のおかげでセキュリティ企業の注目を集めている。
最近、セキュリティロボットにとって、無人航空機(uav)は、その利点を強調して急速に登場している。
UAVにとって、Droneは代表的なモデルであり、高解像度カメラのような様々なセンサーから構成されるいくつかの利点がある。
したがって、Droneはモバイル監視ロボットとして最も適している。
高解像度カメラやモビリティといった魅力的な利点は、二重刃の剣、すなわちプライバシー侵害である。
監視ドローンは、高い解像度でビデオを撮ってその役割を果たすが、それらは多くのプライバシーに敏感な情報を含んでいる。
無差別射撃は、露出を非常に嫌う人々にとって重要な問題である。
プライバシー侵害に対処するため、この研究は対面型ドローンパトロールシステムを提案する。
本システムでは、映像中の人物の顔は、顔成分が維持されている別の顔に変換される。
プライバシ保護システムを構築するために、我々は最新の生成的敵ネットワークフレームワークを採用し、それらのフレームワークの損失を若干修正した。
顔匿名化アプローチは,様々な顔画像と映像データセットを用いて評価する。
さらに,高分解能カメラ,コンパニオンコンピュータ,およびドローン制御コンピュータからなるカスタマイズされたドローンを用いて評価を行う。
最後に,ロボットの認識性能,すなわち同時局所化とマッピングを保ちながら,顔認識アルゴリズムを用いてプライバシセンシティブな情報を保護できることを確認する。
関連論文リスト
- Obfuscated Location Disclosure for Remote ID Enabled Drones [57.66235862432006]
RID対応ドローン(OLO-RID)の難読化位置情報開示法を提案する。
実際のドローンの位置を開示する代わりに、OLO-RIDを装備したドローンは、モバイルシナリオで異なるプライベートな難解な場所を開示する。
OLO-RIDはまた、暗号化された位置情報でRIDメッセージを拡張し、認証されたエンティティによってのみアクセスすることができる。
論文 参考訳（メタデータ） (2024-07-19T12:35:49Z) - Privacy-preserving Optics for Enhancing Protection in Face De-identification [60.110274007388135]
この脆弱性を解決するために,ハードウェアレベルの顔識別手法を提案する。
また、プライバシ保存画像、フェイスヒートマップ、およびパブリックデータセットからの参照顔イメージを入力として、新しい顔を生成する匿名化フレームワークを提案する。
論文 参考訳（メタデータ） (2024-03-31T19:28:04Z) - Chasing the Intruder: A Reinforcement Learning Approach for Tracking
Intruder Drones [0.08192907805418582]
本研究では、チェッカードローンを用いて侵入者ドローンを識別・追跡するための強化学習に基づくアプローチを提案する。
提案手法は、強化学習の政策学習フレームワークにインターリーブされたコンピュータビジョン技術を用いている。
その結果、強化学習に基づくポリシーは、侵入者ドローンを識別・追跡するために収束していることがわかった。
論文 参考訳（メタデータ） (2023-09-10T16:31:40Z) - Giving Robots a Hand: Learning Generalizable Manipulation with
Eye-in-Hand Human Video Demonstrations [66.47064743686953]
眼内カメラは、視覚に基づくロボット操作において、より優れたサンプル効率と一般化を可能にすることを約束している。
一方、人間がタスクを行うビデオは、ロボット遠隔操作の専門知識を欠いているため、収集コストがずっと安い。
本研究では,広範にラベルのない人間ビデオによるロボット模倣データセットを拡張し,眼球運動ポリシーの一般化を大幅に促進する。
論文 参考訳（メタデータ） (2023-07-12T07:04:53Z) - Unauthorized Drone Detection: Experiments and Prototypes [0.8294692832460543]
本稿では、受信信号強度インジケータ(RSSI)と、ドローンの位置座標から生成された暗号鍵の2段階検証を利用する、新しい暗号化ベースのドローン検出方式を提案する。
論文 参考訳（メタデータ） (2022-12-02T20:43:29Z) - TransVisDrone: Spatio-Temporal Transformer for Vision-based
Drone-to-Drone Detection in Aerial Videos [57.92385818430939]
視覚的フィードを用いたドローンからドローンへの検知は、ドローンの衝突の検出、ドローンの攻撃の検出、他のドローンとの飛行の調整など、重要な応用がある。
既存の手法は計算コストがかかり、非エンドツーエンドの最適化に追随し、複雑なマルチステージパイプラインを持つため、エッジデバイス上でのリアルタイムデプロイメントには適さない。
計算効率を向上したエンドツーエンドのソリューションを提供する,シンプルで効果的なフレームワークであるitTransVisDroneを提案する。
論文 参考訳（メタデータ） (2022-10-16T03:05:13Z) - Drone Detection and Tracking in Real-Time by Fusion of Different Sensing
Modalities [66.4525391417921]
マルチセンサ・ドローン検知システムの設計と評価を行う。
われわれのソリューションは、魚眼カメラを統合し、空の広い部分を監視し、他のカメラを興味ある対象に向けて操縦する。
このサーマルカメラは、たとえこのカメラが解像度が低いとしても、ビデオカメラと同じくらい実現可能なソリューションであることが示されている。
論文 参考訳（メタデータ） (2022-07-05T10:00:58Z) - DronePose: The identification, segmentation, and orientation detection
of drones via neural networks [3.161871054978445]
飛行中のドローンを完全に特徴付けるために,決定木とアンサンブル構造を用いたCNNを提案する。
我々のシステムは、ドローンの種類、方向(ピッチ、ロール、ヨー)を決定し、異なる身体部位を分類するためにセグメンテーションを行う。
また,高精度にラベル付けされた写真リアリスティックトレーニングデータを高速に生成するためのコンピュータモデルも提供する。
論文 参考訳（メタデータ） (2021-12-10T12:34:53Z) - Fail-Safe Human Detection for Drones Using a Multi-Modal Curriculum
Learning Approach [1.094245191265935]
KUL-UAVSAFEは、ドローンによる安全クリティカルな人検出の研究のための第一種データセットである。
本稿では,クロスフュージョンハイウェイを用いたCNNアーキテクチャを提案し,マルチモーダルデータのためのカリキュラム学習戦略を提案する。
論文 参考訳（メタデータ） (2021-09-28T12:34:13Z) - Tethered Aerial Visual Assistance [5.237054164442403]
無人有人無人航空機(UAV)は、有人ロボットチームで視覚アシスタントとして開発されている。
基本的視点品質理論、形式的リスク推論フレームワーク、および新たに開発されたテザリングモーションスイートを用いて、視覚アシスタントは、高品質な視点に自律的にナビゲートすることができる。
開発された有人ロボットチームは、核作戦、爆弾部隊、災害ロボット、その他の領域での遠隔操作効率を向上させることができる。
論文 参考訳（メタデータ） (2020-01-15T06:41:04Z) - Morphology-Agnostic Visual Robotic Control [76.44045983428701]
MAVRICは、ロボットの形態に関する最小限の知識で機能するアプローチである。
本稿では,視覚誘導型3Dポイントリーチ,軌道追従,ロボットとロボットの模倣について紹介する。
論文 参考訳（メタデータ） (2019-12-31T15:45:10Z)
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。