論文の概要: Real-time Embedded Person Detection and Tracking for Shopping Behaviour Analysis

• arxiv url: http://arxiv.org/abs/2007.04942v1
• Date: Thu, 9 Jul 2020 17:14:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-12 04:51:48.836338
• Title: Real-time Embedded Person Detection and Tracking for Shopping Behaviour Analysis
• Title（参考訳）: 買い物行動分析のためのリアルタイム組込み人物検出と追跡
• Authors: Robin Schrijvers, Steven Puttemans, Timothy Callemein and Toon Goedem\'e
• Abstract要約: 店舗のような環境下での人々のカウントと追跡によるショッピング行動分析は、店舗運営者にとって貴重な情報を提供する。 我々は、Jetson TX2ハードウェアプラットフォーム上で、リアルタイムに最適化されたYOLOv3ベースの歩行者検出器を実装した。 検知器とスパース光フロートラッカーを組み合わせることで、各顧客にユニークなIDを割り当て、部分的に隠された顧客を略奪する問題に取り組む。 検出器トラッカーをベースとしたソリューションは,処理速度10FPSで平均81.59%の精度を達成する。
• 参考スコア（独自算出の注目度）: 1.0514231683620514
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Shopping behaviour analysis through counting and tracking of people in shop-like environments offers valuable information for store operators and provides key insights in the stores layout (e.g. frequently visited spots). Instead of using extra staff for this, automated on-premise solutions are preferred. These automated systems should be cost-effective, preferably on lightweight embedded hardware, work in very challenging situations (e.g. handling occlusions) and preferably work real-time. We solve this challenge by implementing a real-time TensorRT optimized YOLOv3-based pedestrian detector, on a Jetson TX2 hardware platform. By combining the detector with a sparse optical flow tracker we assign a unique ID to each customer and tackle the problem of loosing partially occluded customers. Our detector-tracker based solution achieves an average precision of 81.59% at a processing speed of 10 FPS. Besides valuable statistics, heat maps of frequently visited spots are extracted and used as an overlay on the video stream.
• Abstract（参考訳）: 店舗のような環境下での人々のカウントと追跡による行動分析は、店員にとって貴重な情報を提供し、店舗のレイアウト(頻繁に訪れるスポットなど)において重要な洞察を提供する。 このためにスタッフを追加する代わりに、自動化されたオンプレミスソリューションが望ましい。 これらの自動化システムはコスト効率が高く、より軽量な組み込みハードウェアで、非常に困難な状況(例えばオクルージョンの処理)で動作し、好ましくはリアルタイムに動作する。 我々は、リアルタイムのTensorRT最適化されたYOLOv3ベースの歩行者検出器をJetson TX2ハードウェアプラットフォーム上に実装することで、この問題を解決する。 検知器とスパース光フロートラッカーを組み合わせることで、各顧客にユニークなIDを割り当て、部分的に隠された顧客を略奪する問題に取り組む。 検出器追跡方式では,処理速度10 fpsで平均81.59%の精度を実現する。 貴重な統計に加えて、頻繁に訪れるスポットのヒートマップが抽出され、ビデオストリームのオーバーレイとして使用される。

関連論文リスト

• Temporal Correlation Meets Embedding: Towards a 2nd Generation of JDE-based Real-Time Multi-Object Tracking [52.04679257903805]
  共同検出・埋め込み(JDE)トラッカーは多目的追跡(MOT)タスクにおいて優れた性能を示した。 TCBTrackという名前のトラッカーは、複数の公開ベンチマークで最先端のパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2024-07-19T07:48:45Z)
• Learning to Make Keypoints Sub-Pixel Accurate [80.55676599677824]
  本研究は,2次元局所特徴の検出におけるサブピクセル精度の課題に対処する。 本稿では,検出された特徴に対するオフセットベクトルを学習することにより,サブピクセル精度で検出器を拡張できる新しいネットワークを提案する。
  論文  参考訳（メタデータ） (2024-07-16T12:39:56Z)
• Cross-Architecture Auxiliary Feature Space Translation for Efficient Few-Shot Personalized Object Detection [28.06000586370357]
  我々はAuXFTと呼ばれるインスタンスレベルのパーソナライズされたオブジェクト検出戦略を提案する。 その結果,AuXFTは推定時間のわずか32%で上界80%に到達した。 我々は、IPODタスク用に設計された3つの公開データセットと1つの社内ベンチマークでAuXFTを検証する。
  論文  参考訳（メタデータ） (2024-07-01T11:33:53Z)
• Exploring Dynamic Transformer for Efficient Object Tracking [58.120191254379854]
  効率的なトラッキングのための動的トランスフォーマーフレームワークであるDyTrackを提案する。 DyTrackは、様々な入力に対して適切な推論ルートを設定することを学習し、利用可能な計算予算をより活用する。 複数のベンチマークの実験では、DyTrackは単一のモデルで有望な速度精度のトレードオフを実現している。
  論文  参考訳（メタデータ） (2024-03-26T12:31:58Z)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• Tracking Passengers and Baggage Items using Multiple Overhead Cameras at Security Checkpoints [2.021502591596062]
  空港の検問所のセキュリティシナリオのために,オーバーヘッドカメラビデオ中の複数のオブジェクトを追跡する新しいフレームワークを提案する。 オーバヘッド画像からのインスタンスセグメンテーションの不確実性に関するモデル情報を提供するために,自己監視学習(SSL)手法を提案する。 この結果から,自己超越はモデルの推定時間を増大させることなく,オブジェクト検出精度を最大42%向上させることがわかった。
  論文  参考訳（メタデータ） (2022-12-31T12:57:09Z)
• A Lightweight and Detector-free 3D Single Object Tracker on Point Clouds [50.54083964183614]
  生のLiDARスキャンにおける物体の点雲は、通常スパースで不完全であるため、正確な目標固有検出を行うのは簡単ではない。 DMTは、複雑な3D検出器の使用を完全に除去する3Dトラッキングネットワークである。
  論文  参考訳（メタデータ） (2022-03-08T17:49:07Z)
• Vehicle Detection and Tracking From Surveillance Cameras in Urban Scenes [9.54261903220931]
  本稿では,多車車検出・追跡システムを提案する。 本手法は車種再識別機能を備えたIOU(Intersection-over-Union)トラッカーを拡張した。 UA-DETRACベンチマークでは,オンライン利用に適した処理速度を維持しながら,ベースラインMOT法より優れています。
  論文  参考訳（メタデータ） (2021-09-25T18:21:44Z)
• DeepTimeAnomalyViz: A Tool for Visualizing and Post-processing Deep Learning Anomaly Detection Results for Industrial Time-Series [88.12892448747291]
  DeTAVIZ インタフェースは Web ブラウザをベースとした可視化ツールで,特定の問題における DL ベースの異常検出の実現可能性の迅速な探索と評価を行う。 DeTAVIZを使えば、ユーザーは複数のポスト処理オプションを簡単かつ迅速に繰り返し、異なるモデルを比較することができ、選択したメトリックに対して手動で最適化できる。
  論文  参考訳（メタデータ） (2021-09-21T10:38:26Z)
• Identification of Driver Phone Usage Violations via State-of-the-Art Object Detection with Tracking [8.147652597876862]
  道路沿いのカメラで人間の介入を必要とせずに運転者用電話機の使用状況を把握できる、カスタムトレーニングされた最先端物体検出器を提案する。 提案手法はウインドスクリーンのグラアに起因する問題にも対処し、これを改善するために必要なステップを紹介している。
  論文  参考訳（メタデータ） (2021-09-05T16:37:03Z)
• Infostop: Scalable stop-location detection in multi-user mobility data [0.0]
  本稿では、フローベースネットワークコミュニティ検出アルゴリズムInfomapを活用することにより、最先端ソリューションの限界を克服するInfostopアルゴリズムについて述べる。 本研究では,Infostopsによって検出されたユーザ数の増加と,従来のソリューションよりも時間の複雑さが遅くなることを示す。
  論文  参考訳（メタデータ） (2020-03-31T17:02:19Z)

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。