論文の概要: Abnormal activity capture from passenger flow of elevator based on
unsupervised learning and fine-grained multi-label recognition
- arxiv url: http://arxiv.org/abs/2006.15873v1
- Date: Mon, 29 Jun 2020 08:50:20 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-15 14:03:34.133006
- Title: Abnormal activity capture from passenger flow of elevator based on
unsupervised learning and fine-grained multi-label recognition
- Title（参考訳）: 教師なし学習と細粒度マルチラベル認識に基づくエレベータの乗客流からの異常活動の捕捉
- Authors: Chunhua Jia, Wenhai Yi, Yu Wu, Hui Huang, Lei Zhang, Leilei Wu
- Abstract要約: 本稿では,多層住宅におけるエレベータの利用者フローを通じて,住民の異常活動の把握を目的とした作業フローを提案する。
エレベーターには、カメラとセンサー(ホールセンサー、光電センサー、ジャイロ、加速度計、気圧計、温度計)が取り付けられ、画像とデータを収集する。
エレベータの乗客フローを一般化するために, インスタンスセグメンテーション, マルチラベル認識, 埋め込み, クラスタリングなどのコンピュータビジョンアルゴリズムを適用した。
- 参考スコア（独自算出の注目度）: 18.166284261575473
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a work-flow which aims at capturing residents' abnormal activities
through the passenger flow of elevator in multi-storey residence buildings.
Camera and sensors (hall sensor, photoelectric sensor, gyro, accelerometer,
barometer, and thermometer) with internet connection are mounted in elevator to
collect image and data. Computer vision algorithms such as instance
segmentation, multi-label recognition, embedding and clustering are applied to
generalize passenger flow of elevator, i.e. how many people and what kinds of
people get in and out of the elevator on each floor. More specifically in our
implementation we propose GraftNet, a solution for fine-grained multi-label
recognition task, to recognize human attributes, e.g. gender, age, appearance,
and occupation. Then anomaly detection of unsupervised learning is
hierarchically applied on the passenger flow data to capture abnormal or even
illegal activities of the residents which probably bring safety hazard, e.g.
drug dealing, pyramid sale gathering, prostitution, and over crowded residence.
Experiment shows effects are there, and the captured records will be directly
reported to our customer(property managers) for further confirmation.
- Abstract（参考訳）: 本稿では,多層住宅におけるエレベータの利用者フローを通じて,住民の異常活動の把握を目的とした作業フローを提案する。
エレベーターには、カメラとセンサー(ホールセンサー、光電センサー、ジャイロ、加速度計、気圧計、温度計)が取り付けられ、画像とデータを収集する。
インスタンスセグメンテーション、マルチラベル認識、埋め込み、クラスタリングなどのコンピュータビジョンアルゴリズムは、エレベータの乗客フロー、つまり、各階のエレベータの何人、どの種類の人が乗降するかを一般化するために適用される。
より具体的には, 性別, 年齢, 外観, 職業など, 人間の属性を認識するための, きめ細かいマルチラベル認識タスクのためのソリューションGraftNetを提案する。
そして、乗客フローデータに教師なし学習の異常検出を階層的に適用し、薬物取引、ピラミッド販売、売春、密集住宅等の安全上の危険をもたらす可能性のある住民の異常又は違法行為を捕捉する。
実験では効果があり、キャプチャされたレコードは顧客(プロパティマネージャ)に直接報告され、さらなる確認が行われます。
関連論文リスト
- Raising the Bar(ometer): Identifying a User's Stair and Lift Usage Through Wearable Sensor Data Analysis [4.453838343573515]
本研究では,階段と昇降機を用いた新しい探索データセットについて述べる。
階段を登ったり降りたり、さまざまなシナリオでリフトを行ったりしながら、20人の参加者からデータを収集した。
本手法は,87.61%,マルチクラス重み付きF1スコア87.56%の精度で,階段および昇降操作の分類精度が高い。
論文 参考訳（メタデータ） (2024-09-18T06:26:50Z) - Elevator, Escalator or Neither? Classifying Pedestrian Conveyor State Using Inertial Navigation System [12.796931853596902]
歩行者のコンベア状態を知ることは、屋内ナビゲーションや人流管理といった多くの応用において、基本的なものである。
歩行者端末から採取した加速度計,ジャイロスコープ,磁力計のマルチモーダルINS(慣性ナビゲーションシステム)値から,歩行者のコンベア状態を初めて分類した。
歩行者がエレベーターやエスカレーターにいるかどうかを分類するための,新しい,効果的で軽量なINSベースのディープラーニング手法であるELESONを提案する。
論文 参考訳（メタデータ） (2024-05-06T07:27:30Z) - Wireless Crowd Detection for Smart Overtourism Mitigation [50.031356998422815]
この章では、モバイルデバイスのワイヤレスアクティビティに基づいたオーバツーリズムを監視するための、低コストなアプローチについて説明する。
群集センサは、無線技術のトレース要素を検出することで、周囲のモバイルデバイスの数をカウントする。
いくつかの技術で検出プログラムを実行し、指紋解析の結果は匿名データベースにのみローカルに保存される。
論文 参考訳（メタデータ） (2024-02-14T13:20:24Z) - Trash to Treasure: Low-Light Object Detection via
Decomposition-and-Aggregation [76.45506517198956]
低照度シナリオにおけるオブジェクト検出は、ここ数年で多くの注目を集めています。
主流で代表的なスキームは、レギュラー検出器の前処理としてエンハンサーを導入している。
本研究では,エンハンサー+検出器のポテンシャルを喚起する。
論文 参考訳（メタデータ） (2023-09-07T08:11:47Z) - Implicit Occupancy Flow Fields for Perception and Prediction in
Self-Driving [68.95178518732965]
自動運転車(SDV)は、周囲を認識でき、他の交通参加者の将来の行動を予測できなければならない。
既存の作業は、検出されたオブジェクトの軌跡が続くオブジェクト検出を実行するか、シーン全体の密度の高い占有とフローグリッドを予測するかのいずれかである。
これは、認識と将来の予測に対する統一されたアプローチを動機付け、単一のニューラルネットワークで時間とともに占有とフローを暗黙的に表現します。
論文 参考訳（メタデータ） (2023-08-02T23:39:24Z) - Learning Perceptual Locomotion on Uneven Terrains using Sparse Visual
Observations [75.60524561611008]
この研究は、人中心の環境において、よく見られるバンプ、ランプ、階段の広い範囲にわたる知覚的移動を達成するために、スパースな視覚的観察の使用を活用することを目的としている。
まず、関心の均一な面を表すことのできる最小限の視覚入力を定式化し、このような外受容的・固有受容的データを統合した学習フレームワークを提案する。
本研究では, 平地を全方向歩行し, 障害物のある地形を前方移動させるタスクにおいて, 学習方針を検証し, 高い成功率を示す。
論文 参考訳（メタデータ） (2021-09-28T20:25:10Z) - Self-Supervised Transformers for Activity Classification using Ambient
Sensors [3.1829446824051195]
本稿では,環境センサを用いた環境下での居住者の活動の分類手法を提案する。
また,自己教師付き方式でトランスフォーマーを事前訓練する手法を,ハイブリッドオートエンコーダ分類モデルとして提案する。
論文 参考訳（メタデータ） (2020-11-22T20:46:25Z) - Perceiving Traffic from Aerial Images [86.994032967469]
本研究では,空中画像中の物体を検出するために,バタフライ検出器と呼ばれる物体検出手法を提案する。
UAVDT(UAVDT)とVisDrone 2019(VisDrone 2019)の2つのUAVデータセット上でButterfly Detectorを評価し、従来の最先端の手法よりも高速に動作し、かつリアルタイムに動作可能であることを示す。
論文 参考訳（メタデータ） (2020-09-16T11:37:43Z) - Tracking Passengers and Baggage Items using Multi-camera Systems at
Security Checkpoints [0.7424262881242935]
本稿では,空港のチェックポイントセキュリティシナリオのためのカメラビデオの複数のオブジェクトをトラッキングする新しいトラッキング・バイ・検出フレームワークを提案する。
提案手法は,テスト時間データ拡張手法を用いてオブジェクト検出を改善する。
空港チェックポイント環境における複数のオーバーヘッドカメラから得られた映像の検出,追跡,関連性の評価は,提案手法の有効性を実証する。
論文 参考訳（メタデータ） (2020-07-15T18:09:31Z) - Gabriella: An Online System for Real-Time Activity Detection in
Untrimmed Security Videos [72.50607929306058]
本研究では,未トリミングされたセキュリティビデオ上でのアクティビティ検出をリアルタイムに行うオンラインシステムを提案する。
提案手法は, チューブレット抽出, 活性分類, オンラインチューブレットマージの3段階からなる。
提案手法の有効性を,100fps(100fps)と最新技術による性能評価で実証した。
論文 参考訳（メタデータ） (2020-04-23T22:20:10Z) - Contextual Sense Making by Fusing Scene Classification, Detections, and
Events in Full Motion Video [0.7348448478819135]
本研究では,航空FMVのデータの利用と活用に関する人間アナリストのニーズに対処することを目的とする。
問題を,(1)コンテキスト認識,(2)オブジェクトカタログ化,(3)イベント検出の3つのタスクに分割した。
地理的領域の異なる解像度の異なるセンサのデータに対して,本手法を適用した。
論文 参考訳（メタデータ） (2020-01-16T18:26:34Z)
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。