論文の概要: Vehicle Detection and Tracking From Surveillance Cameras in Urban Scenes
- arxiv url: http://arxiv.org/abs/2109.12414v1
- Date: Sat, 25 Sep 2021 18:21:44 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-28 15:29:36.327818
- Title: Vehicle Detection and Tracking From Surveillance Cameras in Urban Scenes
- Title(参考訳): 都市景観における監視カメラからの車両検出と追跡
- Authors: Oumayma Messoussi, Felipe Gohring de Magalhaes, Francois Lamarre,
Francis Perreault, Ibrahima Sogoba, Guillaume-Alexandre Bilodeau, Gabriela
Nicolescu
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 9.54261903220931
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Detecting and tracking vehicles in urban scenes is a crucial step in many
traffic-related applications as it helps to improve road user safety among
other benefits. Various challenges remain unresolved in multi-object tracking
(MOT) including target information description, long-term occlusions and fast
motion. We propose a multi-vehicle detection and tracking system following the
tracking-by-detection paradigm that tackles the previously mentioned
challenges. Our MOT method extends an Intersection-over-Union (IOU)-based
tracker with vehicle re-identification features. This allows us to utilize
appearance information to better match objects after long occlusion phases
and/or when object location is significantly shifted due to fast motion. We
outperform our baseline MOT method on the UA-DETRAC benchmark while maintaining
a total processing speed suitable for online use cases.
- Abstract(参考訳): 都市部における車両の検知と追跡は、道路利用者の安全など、多くの交通関連アプリケーションにおいて重要なステップである。
多目的追跡(MOT)では、目標情報記述、長期閉塞、高速動作など、様々な課題が未解決のままである。
本稿では,前述した課題に対処するトラッキング・バイ・ディテクト・パラダイムに従って,複数車両検出・追跡システムを提案する。
車両再識別機能を備えたIOU(Intersection-over-Union)トラッカーを拡張したMOT手法を提案する。
これにより、物体の位置が高速な動きによって著しくずれた場合や、長時間の閉塞後の物体との整合性が向上する。
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法より優れている。
関連論文リスト
- Sea You Later: Metadata-Guided Long-Term Re-Identification for UAV-Based
Multi-Object Tracking [28.621855692099313]
我々は、Metadata Guided MOT (MG-MOT) と呼ばれる適応型モーションベースMOTアルゴリズムを提案する。
MG-MOTは、短距離追跡データをコヒーレントな長期トラックに効果的にマージし、UAVから重要なメタデータを活用する。
我々は,UAVをベースとした海上物体追跡チャレンジの最新版において,最先端のHOTA 69.5%,IFF1 85.9%の高性能性能を実現した。
論文 参考訳(メタデータ) (2023-11-06T22:01:27Z) - MSight: An Edge-Cloud Infrastructure-based Perception System for
Connected Automated Vehicles [58.461077944514564]
本稿では,自動走行車に特化して設計された最先端道路側認識システムであるMSightについて述べる。
MSightは、リアルタイムの車両検出、ローカライゼーション、トラッキング、短期的な軌道予測を提供する。
評価は、待ち時間を最小限にしてレーンレベルの精度を維持するシステムの能力を強調している。
論文 参考訳(メタデータ) (2023-10-08T21:32:30Z) - SpikeMOT: Event-based Multi-Object Tracking with Sparse Motion Features [52.213656737672935]
SpikeMOTはイベントベースのマルチオブジェクトトラッカーである。
SpikeMOTはスパイクニューラルネットワークを使用して、オブジェクトに関連するイベントストリームからスパーステンポラルな特徴を抽出する。
論文 参考訳(メタデータ) (2023-09-29T05:13:43Z) - MotionTrack: Learning Robust Short-term and Long-term Motions for
Multi-Object Tracking [56.92165669843006]
本研究では,短時間から長期間の軌跡を関連づける統合フレームワークで,堅牢な短期・長期動作を学習するMotionTrackを提案する。
密集した群集に対して,各ターゲットの複雑な動きを推定できる,短時間の軌跡から相互作用認識動作を学習するための新しい対話モジュールを設計する。
極端なオクルージョンのために、ターゲットの履歴軌跡から信頼できる長期動作を学習するための新しいRefind Moduleを構築し、中断された軌跡とそれに対応する検出とを関連付けることができる。
論文 参考訳(メタデータ) (2023-03-18T12:38:33Z) - Real-Time Accident Detection in Traffic Surveillance Using Deep Learning [0.8808993671472349]
本稿では,交通監視用交差点における事故検出のための新しい効率的な枠組みを提案する。
提案手法は,最先端のYOLOv4法に基づく効率的かつ高精度な物体検出を含む,3つの階層的なステップから構成される。
提案フレームワークのロバスト性は,様々な照明条件でYouTubeから収集した映像シーケンスを用いて評価する。
論文 参考訳(メタデータ) (2022-08-12T19:07:20Z) - Scalable and Real-time Multi-Camera Vehicle Detection,
Re-Identification, and Tracking [58.95210121654722]
理想化されたビデオストリームやキュレートされたビデオストリームの代わりに,リアルタイムで低解像度のCCTVを処理する,リアルタイムな都市規模のマルチカメラ車両追跡システムを提案する。
私たちの手法は、公共のリーダーボードで上位5人のパフォーマーにランク付けされています。
論文 参考訳(メタデータ) (2022-04-15T12:47:01Z) - 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) - Track without Appearance: Learn Box and Tracklet Embedding with Local
and Global Motion Patterns for Vehicle Tracking [45.524183249765244]
車両追跡は多目的追跡(MOT)分野において重要な課題である。
本稿では,外見情報のない車両追跡における動作パターンの重要性について検討する。
本稿では, 長期追跡のための関連課題を, 排他的かつ完全な運動情報を用いて解決する手法を提案する。
論文 参考訳(メタデータ) (2021-08-13T02:27:09Z) - DEFT: Detection Embeddings for Tracking [3.326320568999945]
我々は,DEFT と呼ばれる効率的な関節検出・追跡モデルを提案する。
提案手法は,外見に基づくオブジェクトマッチングネットワークと,下層のオブジェクト検出ネットワークとの協調学習に依存している。
DEFTは2Dオンライントラッキングリーダーボードのトップメソッドに匹敵する精度とスピードを持っている。
論文 参考訳(メタデータ) (2021-02-03T20:00:44Z) - SoDA: Multi-Object Tracking with Soft Data Association [75.39833486073597]
マルチオブジェクトトラッキング(MOT)は、自動運転車の安全な配備の前提条件である。
観測対象間の依存関係をエンコードするトラック埋め込みの計算に注目するMOTに対する新しいアプローチを提案する。
論文 参考訳(メタデータ) (2020-08-18T03:40:25Z) - Tracking Road Users using Constraint Programming [79.32806233778511]
本稿では,マルチオブジェクトトラッキング(MOT)問題のトラッキング・バイ・検出パラダイムに見られるデータアソシエーションフェーズに対する制約プログラミング(CP)アプローチを提案する。
提案手法は車両追跡データを用いてテストし,UA-DETRACベンチマークの上位手法よりも優れた結果を得た。
論文 参考訳(メタデータ) (2020-03-10T00:04:32Z)
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。