論文の概要: Potential Escalator-related Injury Identification and Prevention Based
on Multi-module Integrated System for Public Health
- arxiv url: http://arxiv.org/abs/2103.07620v1
- Date: Sat, 13 Mar 2021 05:26:18 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-18 03:01:08.728047
- Title: Potential Escalator-related Injury Identification and Prevention Based
on Multi-module Integrated System for Public Health
- Title（参考訳）: 公衆衛生のための多モジュール統合システムに基づくエスカレーター関連傷害の同定と予防
- Authors: Zeyu Jiao, Huan Lei, Hengshan Zong, Yingjie Cai, Zhenyu Zhong
- Abstract要約: エスカレーター関連の傷害は、エスカレーターの広範な使用で公衆衛生を脅かす。
本研究では,コンピュータビジョンに基づくマルチモジュールエスカレータ安全監視システムの設計を行った。
実験の結果,提案システムの性能は良好であり,応用可能性も高いことがわかった。
- 参考スコア（独自算出の注目度）: 6.174771337003479
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Escalator-related injuries threaten public health with the widespread use of
escalators. The existing studies tend to focus on after-the-fact statistics,
reflecting on the original design and use of defects to reduce the impact of
escalator-related injuries, but few attention has been paid to ongoing and
impending injuries. In this study, a multi-module escalator safety monitoring
system based on computer vision is designed and proposed to simultaneously
monitor and deal with three major injury triggers, including losing balance,
not holding on to handrails and carrying large items. The escalator
identification module is utilized to determine the escalator region, namely the
region of interest. The passenger monitoring module is leveraged to estimate
the passengers' pose to recognize unsafe behaviors on the escalator. The
dangerous object detection module detects large items that may enter the
escalator and raises alarms. The processing results of the above three modules
are summarized in the safety assessment module as the basis for the intelligent
decision of the system. The experimental results demonstrate that the proposed
system has good performance and great application potential.
- Abstract（参考訳）: エスカレーター関連外傷は、エスカレーターの普及によって公衆衛生を脅かす。
既存の研究は、エスカレーターによる怪我の影響を減らすために、元の設計と欠陥の使用を反映した事後統計に焦点を当てる傾向があるが、現在進行中の負傷や差し迫った負傷にはほとんど注意が払われていない。
本研究では,コンピュータビジョンに基づくマルチモジュールエスカレーター安全監視システムを設計し,バランスの低下やハンドレールの保持,大型品の運搬など,3つの主な障害トリガーの同時監視と対処について提案する。
エスカレーター識別モジュールは、エスカレーター領域、すなわち関心領域を決定するために使用される。
乗客監視モジュールを利用して乗客の姿勢を推定し、エスカレーター上の安全でない行動を認識する。
危険な物体検出モジュールはエスカレーターに入る可能性のある大きなアイテムを検出し、警報を発する。
上記の3つのモジュールの処理結果は、システムのインテリジェントな決定の基礎として、安全性評価モジュールにまとめられている。
実験の結果,提案システムの性能は良好であり,応用可能性も高いことがわかった。
関連論文リスト
- On the Role of Attention Heads in Large Language Model Safety [64.51534137177491]
大規模言語モデル(LLM)は、複数の言語タスクにおいて最先端のパフォーマンスを達成するが、それらの安全ガードレールを回避できる。
モデル安全への個人的貢献を評価するため,マルチヘッド対応のための新しい指標として,安全ヘッドImPortant Score(Ships)を提案する。
論文 参考訳（メタデータ） (2024-10-17T16:08:06Z) - 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) - Nothing in Excess: Mitigating the Exaggerated Safety for LLMs via Safety-Conscious Activation Steering [56.92068213969036]
重大言語モデル(LLM)が悪意のある命令から脅威を守るためには、安全性の調整が不可欠である。
近年の研究では、過大な安全性の問題により、安全性に配慮したLCMは、良質な問い合わせを拒否する傾向にあることが明らかになっている。
過大な安全性の懸念を和らげるために,SCANS法を提案する。
論文 参考訳（メタデータ） (2024-08-21T10:01:34Z) - Detecting and Mitigating System-Level Anomalies of Vision-Based Controllers [7.095058159492494]
ビジョンベースのコントローラは、新規またはアウト・オブ・ディストリビューションの入力に直面したとき、誤った予測を行うことができる。
本研究では,そのような閉ループ,システムレベルの障害を検知・緩和する実行時異常モニタを提案する。
本提案手法は, 視覚に基づくタクシー制御システムを用いた自律型航空機タクシーシステムにおいて, 提案手法の有効性を検証したものである。
論文 参考訳（メタデータ） (2023-09-23T20:33:38Z) - Remaining Useful Life Modelling with an Escalator Health Condition
Analytic System [3.293049824189153]
本研究の目的は,エスカレーターのための包括的健康状態分析システムを開発することである。
本システムは,1)オンラインデータ収集と処理,2)状態監視のためのダッシュボード,3)健康指標モデル,4)生活予測の4つの部分から構成される。
論文 参考訳（メタデータ） (2023-06-08T01:45:06Z) - Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts,
Datasets and Metrics [77.34726150561087]
本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。
両センサと融合に関する概念と特徴を提示する。
本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
論文 参考訳（メタデータ） (2023-03-08T00:48:32Z) - Vision-based Conflict Detection within Crowds based on High-Resolution
Human Pose Estimation for Smart and Safe Airport [5.694579371558041]
本稿では,集団における衝突行動の分類を行う機械学習モデルの開発について述べる。
支持ベクトルマシン(SVM)は94.37%の精度を達成した。
結果として得られたモデルは、膨大な数の潜在的な乗客に対処するために改良が加えられた場合、空港内に配備される可能性がある。
論文 参考訳（メタデータ） (2022-07-01T14:54:12Z) - Integrated In-vehicle Monitoring System Using 3D Human Pose Estimation
and Seat Belt Segmentation [13.203876440179771]
本稿では,3次元ポーズ推定,シートベルト分割,シートベルト状態分類ネットワークを組み合わせた車内モニタリングシステムを提案する。
実験の結果,本手法は実車載監視システムに直接適用可能な性能が極めて高いことがわかった。
論文 参考訳（メタデータ） (2022-04-17T07:20:50Z) - Safety-aware Motion Prediction with Unseen Vehicles for Autonomous
Driving [104.32241082170044]
本研究では,無人運転用無人車を用いた新しい作業,安全を意識した動作予測手法について検討する。
既存の車両の軌道予測タスクとは異なり、占有率マップの予測が目的である。
私たちのアプローチは、ほとんどの場合、目に見えない車両の存在を予測できる最初の方法です。
論文 参考訳（メタデータ） (2021-09-03T13:33:33Z) - Towards robust sensing for Autonomous Vehicles: An adversarial
perspective [82.83630604517249]
結果として得られる決定が摂動に対して堅牢であることは、最も重要なことです。
敵対的摂動は、意図的に環境や感覚測定の修正を施したものである。
より安全なシステムの構築とデプロイには,センサーシステムの脆弱性を慎重に評価する必要がある。
論文 参考訳（メタデータ） (2020-07-14T05:25:15Z) - Training-free Monocular 3D Event Detection System for Traffic
Surveillance [93.65240041833319]
既存のイベント検出システムは、主に学習ベースであり、大量のトレーニングデータが利用可能な場合、十分なパフォーマンスを実現している。
現実のシナリオでは、十分なラベル付きトレーニングデータの収集は高価であり、時には不可能である。
本稿では,交通監視のためのトレーニング不要な単眼3Dイベント検出システムを提案する。
論文 参考訳（メタデータ） (2020-02-01T04:42:57Z)
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。