論文の概要: Automated Object Behavioral Feature Extraction for Potential Risk Analysis based on Video Sensor

• arxiv url: http://arxiv.org/abs/2107.03554v1
• Date: Thu, 8 Jul 2021 01:11:31 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-09 13:27:57.227432
• Title: Automated Object Behavioral Feature Extraction for Potential Risk Analysis based on Video Sensor
• Title（参考訳）: ビデオセンサを用いた潜在的リスク分析のための物体行動自動抽出
• Authors: Byeongjoon Noh, Wonjun Noh, David Lee, Hwasoo Yeo
• Abstract要約: 歩行者は道路、特に標識のない横断歩道で死亡や重傷を負う危険にさらされている。 本研究では,道路上に展開された映像センサから物体の行動特徴を効果的に抽出するシステムを提案する。 本研究は、スマートシティーに実用的なデータを提供するためのコネクテッドビデオセンサネットワークの可能性を示す。
• 参考スコア（独自算出の注目度）: 6.291501119156943
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Pedestrians are exposed to risk of death or serious injuries on roads, especially unsignalized crosswalks, for a variety of reasons. To date, an extensive variety of studies have reported on vision based traffic safety system. However, many studies required manual inspection of the volumes of traffic video to reliably obtain traffic related objects behavioral factors. In this paper, we propose an automated and simpler system for effectively extracting object behavioral features from video sensors deployed on the road. We conduct basic statistical analysis on these features, and show how they can be useful for monitoring the traffic behavior on the road. We confirm the feasibility of the proposed system by applying our prototype to two unsignalized crosswalks in Osan city, South Korea. To conclude, we compare behaviors of vehicles and pedestrians in those two areas by simple statistical analysis. This study demonstrates the potential for a network of connected video sensors to provide actionable data for smart cities to improve pedestrian safety in dangerous road environments.
• Abstract（参考訳）: 歩行者は様々な理由で道路、特に標識のない横断歩道で死亡や重傷を負う危険にさらされている。 これまで、視覚ベースの交通安全システムに関する様々な研究が報告されている。 しかし,多くの研究では,交通関連要因を確実に把握するために,交通映像のボリュームを手動で検査する必要がある。 本稿では,道路上に展開する映像センサから,物体の挙動を効果的に抽出するシステムを提案する。 これらの特徴を統計的に解析し,道路交通行動のモニタリングにどのように役立つかを示す。 韓国・大山市の2つの無署名横断歩道にプロトタイプを適用し,提案システムの実現可能性を確認した。 結論として,両エリアにおける車両と歩行者の挙動を簡易な統計分析により比較した。 本研究は,スマートシティに対して,危険な道路環境における歩行者の安全向上のための行動可能なデータを提供するための映像センサネットワークの可能性を示す。

関連論文リスト

• Traffic and Safety Rule Compliance of Humans in Diverse Driving Situations [48.924085579865334]
  安全な運転プラクティスを再現する自律システムを開発するためには、人間のデータを分析することが不可欠だ。 本稿では,複数の軌道予測データセットにおける交通・安全規則の適合性の比較評価を行う。
  論文  参考訳（メタデータ） (2024-11-04T09:21:00Z)
• 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)
• TAD: A Large-Scale Benchmark for Traffic Accidents Detection from Video Surveillance [2.1076255329439304]
  既存の交通事故のデータセットは小規模で、監視カメラからではなく、オープンソースではない。 様々な次元による統合とアノテーションの後に,TADという大規模交通事故データセットが提案されている。
  論文  参考訳（メタデータ） (2022-09-26T03:00:50Z)
• Review on Action Recognition for Accident Detection in Smart City Transportation Systems [0.0]
  異なる監視カメラを使用してスマートシティの交通の流れを監視することは、事故を認識し、最初の応答者を警告する上で重要な役割を果たす。 コンピュータビジョンタスクにおける行動認識(AR)の利用は、ビデオ監視、医療画像、デジタル信号処理における高精度な応用に寄与している。 本稿では,自動運転車や公共交通安全システムにおける事故検出システムの開発と統合に向けた研究の方向性について述べる。
  論文  参考訳（メタデータ） (2022-08-20T03:21:44Z)
• 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)
• An Experimental Urban Case Study with Various Data Sources and a Model for Traffic Estimation [65.28133251370055]
  我々はスイスのチューリッヒの都市ネットワーク内の地域でビデオ計測による実験キャンペーンを組織した。 我々は,既存のサーマルカメラからの測定を確実にすることで,交通の流れや走行時間の観点からの交通状況の把握に注力する。 本稿では,様々なデータソースの融合による移動時間を推定するために,単純かつ効率的な多重線形回帰(MLR)モデルを提案する。
  論文  参考訳（メタデータ） (2021-08-02T08:13:57Z)
• Analyzing vehicle pedestrian interactions combining data cube structure and predictive collision risk estimation model [5.73658856166614]
  本研究では,フィールドと集中型プロセスを組み合わせた歩行者安全システムについて紹介する。 本システムは,現場における今後のリスクを直ちに警告し,実際の衝突のない道路の安全レベルを評価することにより,危険頻繁なエリアの安全性を向上させることができる。
  論文  参考訳（メタデータ） (2021-07-26T23:00:56Z)
• Interaction Detection Between Vehicles and Vulnerable Road Users: A Deep Generative Approach with Attention [9.442285577226606]
  交差点における相互作用検出のための条件生成モデルを提案する。 道路利用者の行動の連続性に関する膨大な映像データを自動解析することを目的としています。 モデルの有効性は実世界のデータセットでテストすることによって検証された。
  論文  参考訳（メタデータ） (2021-05-09T10:03:55Z)
• Vision based Pedestrian Potential Risk Analysis based on Automated Behavior Feature Extraction for Smart and Safe City [5.759189800028578]
  このような交差点に設置した道路セキュリティカメラで収集した映像を用いて,歩行者の潜在的な危険度に関する包括的分析モデルを提案する。 提案システムは、車や歩行者を自動的に検知し、フレームによって軌跡を計算し、これらの物体間の潜在的危険シーンの可能性を左右する行動特徴を抽出する。 韓国大山市の横断歩道で適用し,実現可能性と適用性を評価した。
  論文  参考訳（メタデータ） (2021-05-06T11:03:10Z)
• End-to-End Intersection Handling using Multi-Agent Deep Reinforcement Learning [63.56464608571663]
  交差点をナビゲートすることは、自動運転車にとって大きな課題の1つです。 本研究では,交通標識のみが提供された交差点をナビゲート可能なシステムの実装に着目する。 本研究では,時間ステップ毎に加速度と操舵角を予測するためのニューラルネットワークの訓練に用いる,モデルフリーの連続学習アルゴリズムを用いたマルチエージェントシステムを提案する。
  論文  参考訳（メタデータ） (2021-04-28T07:54:40Z)
• Detecting 32 Pedestrian Attributes for Autonomous Vehicles [103.87351701138554]
  本稿では、歩行者を共同で検出し、32の歩行者属性を認識するという課題に対処する。 本稿では,複合フィールドフレームワークを用いたマルチタスク学習(MTL)モデルを提案する。 競合検出と属性認識の結果と,より安定したMTLトレーニングを示す。
  論文  参考訳（メタデータ） (2020-12-04T15:10:12Z)

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。