論文の概要: Surveilling Surveillance: Estimating the Prevalence of Surveillance Cameras with Street View Data

• arxiv url: http://arxiv.org/abs/2105.01764v1
• Date: Tue, 4 May 2021 21:06:01 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-06 12:42:18.458962
• Title: Surveilling Surveillance: Estimating the Prevalence of Surveillance Cameras with Street View Data
• Title（参考訳）: 監視のサーベイリング:ストリートビューデータを用いた監視カメラの普及率の推定
• Authors: Hao Sheng, Keniel Yao, Sharad Goel
• Abstract要約: 我々は、カメラ検出モデルを構築し、世界中の10大都市と6大都市から採取された160万のストリートビュー画像に適用する。 本モデルから推定したリコールを調整した後,道路から見える監視カメラの密度を推定できる。 米国10都市を詳細に分析したところ、カメラは商業地域、工業地域、混成地域、および非白人住民のシェアが高い地区に集中していることがわかった。
• 参考スコア（独自算出の注目度）: 13.77902229604303
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The use of video surveillance in public spaces -- both by government agencies and by private citizens -- has attracted considerable attention in recent years, particularly in light of rapid advances in face-recognition technology. But it has been difficult to systematically measure the prevalence and placement of cameras, hampering efforts to assess the implications of surveillance on privacy and public safety. Here we present a novel approach for estimating the spatial distribution of surveillance cameras: applying computer vision algorithms to large-scale street view image data. Specifically, we build a camera detection model and apply it to 1.6 million street view images sampled from 10 large U.S. cities and 6 other major cities around the world, with positive model detections verified by human experts. After adjusting for the estimated recall of our model, and accounting for the spatial coverage of our sampled images, we are able to estimate the density of surveillance cameras visible from the road. Across the 16 cities we consider, the estimated number of surveillance cameras per linear kilometer ranges from 0.1 (in Seattle) to 0.9 (in Seoul). In a detailed analysis of the 10 U.S. cities, we find that cameras are concentrated in commercial, industrial, and mixed zones, and in neighborhoods with higher shares of non-white residents -- a pattern that persists even after adjusting for land use. These results help inform ongoing discussions on the use of surveillance technology, including its potential disparate impacts on communities of color.
• Abstract（参考訳）: 公共空間におけるビデオ監視の利用は、特に顔認識技術の急速な進歩を背景に、近年、政府や民間の双方が注目している。 しかし、カメラの状況と配置を体系的に測定することは困難であり、プライバシーと公衆安全に対する監視の影響を評価する努力を妨げてきた。 本稿では,大規模なストリートビュー画像データにコンピュータビジョンアルゴリズムを適用し,監視カメラの空間分布を推定するための新しいアプローチを提案する。 具体的には、カメラ検出モデルを構築し、世界中の10大都市と6大都市から採取された160万のストリートビュー画像に適用し、人間の専門家による肯定的なモデル検出を検証します。 提案手法では, モデルの再コール推定とサンプル画像の空間的カバレッジを考慮に入れた上で, 道路から見える監視カメラの密度を推定できる。 私たちが考える16の都市で、リニアキロあたりの監視カメラの数は、シアトルの0.1からソウルの0.9まで様々です。 米国10都市の詳細な分析では、カメラは商業、工業、混合地帯に集中しており、非白人住民のシェアが高い地区では、土地利用の調整後も持続するパターンがあることが判明した。 これらの結果は、カラーコミュニティに対する潜在的に異なる影響を含む、監視技術の使用に関する継続的な議論に役立ちます。

関連論文リスト

• Analysis of Unstructured High-Density Crowded Scenes for Crowd Monitoring [55.2480439325792]
  我々は,人群集の組織的動きを検出する自動システムの開発に興味がある。 コンピュータビジョンアルゴリズムは、混雑したシーンのビデオから情報を抽出することができる。 組織化されたコホート内の参加者数を見積もることができます。
  論文  参考訳（メタデータ） (2024-08-06T22:09:50Z)
• Bullying10K: A Large-Scale Neuromorphic Dataset towards Privacy-Preserving Bullying Recognition [8.6837371869842]
  我々は、ダイナミックビジョンセンサー(DVS)カメラを利用して、暴力的なインシデントを検出し、静止画像の代わりにピクセルの明るさの変化を捉えてプライバシーを保護する。 1万のイベントセグメントがあり、合計120億のイベントと255GBのデータがある。 プライバシー保護ビデオシステムのトレーニングと開発のための貴重なリソースとして機能する。
  論文  参考訳（メタデータ） (2023-06-20T13:59:20Z)
• CCTV-Gun: Benchmarking Handgun Detection in CCTV Images [59.24281591714385]
  銃の暴力は重要なセキュリティ問題であり、コンピュータビジョンコミュニティが効果的な銃検出アルゴリズムを開発することが必須である。 実際のCCTV画像から銃を検出することは、未だに困難で未調査の課題である。 我々は,実世界のCCTV画像における拳銃検出の課題に対処するベンチマーク「textbfCCTV-Gun」を提案する。
  論文  参考訳（メタデータ） (2023-03-19T16:17:35Z)
• DensePose From WiFi [86.61881052177228]
  WiFi信号の位相と振幅を24のヒト領域内の紫外線座標にマッピングするディープニューラルネットワークを開発した。 本モデルでは,複数の被験者の密集したポーズを,画像に基づくアプローチと同等の性能で推定することができる。
  論文  参考訳（メタデータ） (2022-12-31T16:48:43Z)
• CCTV-Exposure: An open-source system for measuring user's privacy exposure to mapped CCTV cameras based on geo-location (Extended Version) [0.90238471756546]
  CCTV-Exposureは、CCTVを意識した最初のソリューションであり、クローズドサーキットテレビ(CCTV)カメラに対する潜在的なプライバシー暴露を評価する。 目的は、プライバシーの観点から、CCTVカメラへの人間の露出を定量化するツールセットを開発することである。
  論文  参考訳（メタデータ） (2022-07-02T14:43:44Z)
• PrivHAR: Recognizing Human Actions From Privacy-preserving Lens [58.23806385216332]
  我々は、人間の行動認識パイプラインに沿って、堅牢な視覚的プライバシー保護を提供するための最適化フレームワークを提案する。 我々のフレームワークは、カメラレンズをパラメータ化して、ビデオの品質を劣化させ、プライバシー特性を抑え、敵の攻撃を防ぎます。
  論文  参考訳（メタデータ） (2022-06-08T13:43:29Z)
• On the Complexity of Object Detection on Real-world Public Transportation Images for Social Distancing Measurement [0.8347190888362194]
  公共空間におけるソーシャルディスタンシングは、新型コロナウイルスのパンデミックの影響軽減に欠かせない要素となっている。 公共交通機関における社会的距離の測定は行われていない。 ロンドン地下鉄とバスネットワークから撮影した実写映像を用いて,最先端の物体検出アルゴリズムのベンチマークを行った。
  論文  参考訳（メタデータ） (2022-02-14T11:47:26Z)
• 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)
• Safety-Oriented Pedestrian Motion and Scene Occupancy Forecasting [91.69900691029908]
  我々は、個々の動きとシーン占有マップの両方を予測することを提唱する。 歩行者の相対的な空間情報を保存するScene-Actor Graph Neural Network (SA-GNN)を提案する。 2つの大規模な実世界のデータセットで、我々のシーン占有率予測が最先端のモーション予測手法よりも正確でより校正されていることを示した。
  論文  参考訳（メタデータ） (2021-01-07T06:08:21Z)
• Analyzing Worldwide Social Distancing through Large-Scale Computer Vision [2.9933334099811546]
  新型コロナウイルスのパンデミックを封じ込めるため、世界中の国々でソーシャルディスタンシングのガイドラインが導入されている。 個人報告のような従来の観察方法が危険なのは、観察者が感染を危険にさらす可能性があるためである。 この研究チームは、世界中の何千ものネットワークカメラを発見できる方法を開発した。
  論文  参考訳（メタデータ） (2020-08-27T20:20:11Z)
• Unsupervised Vehicle Counting via Multiple Camera Domain Adaptation [9.730985797769764]
  市民の生活の質と都市環境を改善するためには, 都市内の車両流のモニタリングが不可欠である。 画像のヒンジを大量の注釈付きデータにカウントする現在の技術は、新しいカメラがシステムに追加されるにつれて、都市規模へのスケーラビリティを損なう。 我々は,複数のカメラ領域を適応させてラベル付きデータが少ない画像に基づく車両密度推定器を設計するための新しい手法を提案し,議論する。
  論文  参考訳（メタデータ） (2020-04-20T13:00:46Z)

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。