論文の概要: SD-Measure: A Social Distancing Detector

• arxiv url: http://arxiv.org/abs/2011.02365v1
• Date: Wed, 4 Nov 2020 15:47:14 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-29 22:33:31.928552
• Title: SD-Measure: A Social Distancing Detector
• Title（参考訳）: SD-Measure:ソーシャルディスタンシング検出器
• Authors: Savyasachi Gupta, Rudraksh Kapil, Goutham Kanahasabai, Shreyas Srinivas Joshi, and Aniruddha Srinivas Joshi
• Abstract要約: 新型コロナウイルス(COVID-19)のパンデミックでは、非医薬品対策として社会的距離が採用されている。 本研究は,ビデオ映像から社会的距離を検出するためのSD-Measureという新しいフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The practice of social distancing is imperative to curbing the spread of contagious diseases and has been globally adopted as a non-pharmaceutical prevention measure during the COVID-19 pandemic. This work proposes a novel framework named SD-Measure for detecting social distancing from video footages. The proposed framework leverages the Mask R-CNN deep neural network to detect people in a video frame. To consistently identify whether social distancing is practiced during the interaction between people, a centroid tracking algorithm is utilised to track the subjects over the course of the footage. With the aid of authentic algorithms for approximating the distance of people from the camera and between themselves, we determine whether the social distancing guidelines are being adhered to. The framework attained a high accuracy value in conjunction with a low false alarm rate when tested on Custom Video Footage Dataset (CVFD) and Custom Personal Images Dataset (CPID), where it manifested its effectiveness in determining whether social distancing guidelines were practiced.
• Abstract（参考訳）: ソーシャルディスタンシング(ソーシャルディスタンシング)の実践は、伝染病の拡散を抑制するために不可欠であり、新型コロナウイルス(COVID-19)パンデミックの間、世界中の医薬品以外の予防策として採用されてきた。 本研究は,ビデオ映像からのソーシャルディスタンシングを検出するための新しいフレームワークであるsd-measureを提案する。 提案フレームワークは、Mask R-CNNディープニューラルネットワークを利用して、ビデオフレーム内の人を検出する。 人同士の交流の間にソーシャルディスタンシングが実践されているかどうかを一貫して識別するため、映像の経過を追跡するために遠心追跡アルゴリズムが使用される。 カメラからの距離と自己間の距離を近似する真のアルゴリズムの助けを借りて,ソーシャルディスタンシングガイドラインが遵守されているかどうかを判断する。 このフレームワークは、CVFD(Custom Video Footage Dataset)とCPID(Custom Personal Images Dataset)でテストした結果、低い誤報率と高い精度で達成され、ソーシャルディスタンシングガイドラインが施行されたかどうかを判断する効果が示された。

関連論文リスト

• Analyzing Participants' Engagement during Online Meetings Using Unsupervised Remote Photoplethysmography with Behavioral Features [50.82725748981231]
  エンゲージメント測定は、医療、教育、サービスに応用される。 生理的特徴と行動的特徴の使用は可能であるが、従来の生理的測定の非現実性は接触センサーの必要性により生じる。 コンタクトセンサの代替として, 教師なし光胸腺造影(胸腔鏡)の有用性を実証する。
  論文  参考訳（メタデータ） (2024-04-05T20:39:16Z)
• People detection and social distancing classification in smart cities for COVID-19 by using thermal images and deep learning algorithms [0.0]
  新型コロナウイルス(COVID-19)は、2019年12月に中国武漢で発見された重症呼吸器症候群(SA)による病気である。 本研究では,熱画像を用いた社会距離分類のための人工知能システムを提案する。
  論文  参考訳（メタデータ） (2022-09-10T16:30:29Z)
• VigDet: Knowledge Informed Neural Temporal Point Process for Coordination Detection on Social Media [8.181808709549227]
  ソーシャルメディア上の調整されたアカウントは 偽情報キャンペーンによって 世論に影響を与え 社会的成果を操るために使われます 本稿では、時間的論理や事前定義されたフィルタリング関数といった事前知識を用いて、ニューラル時間的点過程を組み込んだ協調検出フレームワークを提案する。 実世界のデータセットを用いた実験結果から, 教師なしと半教師なしの両方の設定におけるSOTAモデルと比較して, 提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2021-10-28T22:19:14Z)
• BEV-Net: Assessing Social Distancing Compliance by Joint People Localization and Geometric Reasoning [77.08836528980248]
  新型コロナウイルス(COVID-19)の感染拡大を受け、公衆衛生に不可欠なソーシャルディスタンシング(ソーシャルディスタンシング)が注目されている。 本研究では,広視野カメラを用いた公共空間における視覚的ソーシャル・ディスタンシング・コンプライアンス・アセスメントの課題について考察する。 鳥眼ビュー(BEV)下での注釈付き群集シーンのデータセットと距離測定のための地上真実を紹介する。 マルチブランチネットワークであるBEV-Netは、世界座標における個人をローカライズし、ソーシャルディスタンシングに違反する高リスク領域を特定するために提案されている。
  論文  参考訳（メタデータ） (2021-10-10T23:56:37Z)
• Automatic Social Distance Estimation From Images: Performance Evaluation, Test Benchmark, and Algorithm [78.88882860340797]
  新型コロナウイルスは2020年3月から世界的なパンデミックを引き起こしている。 感染リスクを低減するため、他者から最低1メートルの距離を維持することが強く示唆されている。 このようなアルゴリズムには適切なテストベンチマークは存在しない。
  論文  参考訳（メタデータ） (2021-03-11T16:15:20Z)
• MET: Multimodal Perception of Engagement for Telehealth [52.54282887530756]
  ビデオから人間のエンゲージメントレベルを知覚する学習ベースアルゴリズムMETを提案する。 我々はメンタルヘルス患者のエンゲージメント検出のための新しいデータセットMEDICAをリリースした。
  論文  参考訳（メタデータ） (2020-11-17T15:18:38Z)
• Epidemic mitigation by statistical inference from contact tracing data [61.04165571425021]
  我々は,個人が感染するリスクを推定するためにベイズ推定法を開発した。 本稿では,感染防止のための検査・隔離戦略を最適化するために,確率論的リスク推定手法を提案する。 我々のアプローチは、最近接触した個人間の通信のみを必要とする、完全に分散されたアルゴリズムに変換されます。
  論文  参考訳（メタデータ） (2020-09-20T12:24:45Z)
• Perceiving Humans: from Monocular 3D Localization to Social Distancing [93.03056743850141]
  本稿では,人間の3次元位置と身体の向きを1つの画像から知覚する,コスト効率の高い視覚ベースの新しい手法を提案する。 我々は,「社会的距離」という概念を,単純な位置に基づくルールとは対照的に,社会的相互作用の一形態として再考することが可能であることを示す。
  論文  参考訳（メタデータ） (2020-09-01T10:12:30Z)
• DeepSOCIAL: Social Distancing Monitoring and Infection Risk Assessment in COVID-19 Pandemic [1.027974860479791]
  世界保健機関(WHO)は、公衆の場での新型コロナウイルスの感染拡大を最小限に抑えるため、ソーシャルディスタンシング(Social Distancing)を推奨している。 コンピュータビジョンとYOLOv4ベースのDeep Neural Networkモデルを開発した。 開発されたモデルは汎用的で正確な人物検出・追跡ソリューションであり、他の多くの分野に適用できる。
  論文  参考訳（メタデータ） (2020-08-26T16:56:57Z)
• A Vision-based Social Distancing and Critical Density Detection System for COVID-19 [0.0]
  感染性コロナウイルス病2019(COVID-19)の感染拡大に対する効果的な対策として、社会的距離が証明されている。 個人間の距離を検知し、警告できるアクティブ監視システムは、致命的な病気の拡散を遅らせることができる。 本稿では,4つの重要な倫理的要因を考慮したAIに基づくリアルタイムソーシャルディスタンシング検出・警告システムを提案する。
  論文  参考訳（メタデータ） (2020-07-07T15:55:50Z)

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。