論文の概要: COVID-19 Monitoring System using Social Distancing and Face Mask
Detection on Surveillance video datasets
- arxiv url: http://arxiv.org/abs/2110.03905v1
- Date: Fri, 8 Oct 2021 05:57:30 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-12 00:47:44.447690
- Title: COVID-19 Monitoring System using Social Distancing and Face Mask
Detection on Surveillance video datasets
- Title（参考訳）: ソーシャルディスタンシングとマスク検出を用いた監視映像データを用いたCOVID-19モニタリングシステム
- Authors: Rujula Singh R, Nikhil Nayak, Sahana Srinivasan, Ruchita Biradar
- Abstract要約: 本稿では,人物検出,ソーシャルディスタンシング違反検出,顔検出,顔マスク分類を行うための包括的で効果的なソリューションを提案する。
このシステムは、ラベル付きビデオデータセットで91.2%、F1スコア90.79%の精度で動作し、78フレームの平均予測時間は7.12秒である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the current times, the fear and danger of COVID-19 virus still stands
large. Manual monitoring of social distancing norms is impractical with a large
population moving about and with insufficient task force and resources to
administer them. There is a need for a lightweight, robust and 24X7
video-monitoring system that automates this process. This paper proposes a
comprehensive and effective solution to perform person detection, social
distancing violation detection, face detection and face mask classification
using object detection, clustering and Convolution Neural Network (CNN) based
binary classifier. For this, YOLOv3, Density-based spatial clustering of
applications with noise (DBSCAN), Dual Shot Face Detector (DSFD) and
MobileNetV2 based binary classifier have been employed on surveillance video
datasets. This paper also provides a comparative study of different face
detection and face mask classification models. Finally, a video dataset
labelling method is proposed along with the labelled video dataset to
compensate for the lack of dataset in the community and is used for evaluation
of the system. The system performance is evaluated in terms of accuracy, F1
score as well as the prediction time, which has to be low for practical
applicability. The system performs with an accuracy of 91.2% and F1 score of
90.79% on the labelled video dataset and has an average prediction time of 7.12
seconds for 78 frames of a video.
- Abstract（参考訳）: 現段階では、新型コロナウイルスの恐れと危険性は依然として大きい。
社会的距離の基準を手動で監視することは現実的ではなく、大勢の人々が行動し、それらを管理するための作業力や資源が不足している。
このプロセスを自動化する軽量で堅牢で24X7のビデオ監視システムが必要である。
本稿では,オブジェクト検出,クラスタリング,畳み込みニューラルネットワーク(cnn)に基づくバイナリ分類器を用いて,人物検出,ソーシャルディスタンス違反検出,顔検出,顔マスク分類を行うための包括的かつ効果的なソリューションを提案する。
このために、密度に基づくノイズ付きアプリケーションの空間クラスタリング(DBSCAN)、デュアルショット顔検出(DSFD)、MobileNetV2ベースのバイナリ分類器が監視ビデオデータセットに使用されている。
また,異なる顔検出モデルと顔マスク分類モデルの比較検討を行った。
最後に、コミュニティにおけるデータセットの欠如を補うため、ラベル付きビデオデータセットと共にビデオデータセットラベリング手法を提案し、システムの評価に使用する。
システム性能は, 精度, f1得点, 予測時間などによって評価され, 実用性には低い値が求められる。
このシステムは、ラベル付きビデオデータセット上で91.2%とf1スコア90.79%の精度で動作し、78フレームの動画の平均予測時間は7.12秒である。
関連論文リスト
- Deep Ensemble Learning with Frame Skipping for Face Anti-Spoofing [5.543184872682789]
顔提示攻撃 (PA) は生体認証システムに重大な脅威をもたらす。
連続するビデオフレームにおける顔の動きを解析するいくつかのビデオベース手法が文献で紹介されている。
本稿では,顔のアンチスプーフ処理を動作予測問題として言い換え,フレームスキッピング機構を備えた深層アンサンブル学習モデルを提案する。
論文 参考訳（メタデータ） (2023-07-06T08:50:29Z) - CHAD: Charlotte Anomaly Dataset [2.6774008509840996]
ビデオ異常検出のためのシャーロット異常データセット(CHAD)を提案する。
CHADはバウンディングボックス、アイデンティティ、各アクターのアノテーションを含む最初の異常データセットである。
4つのカメラビューと115万フレーム以上を持つCHADは、完全注釈付き異常検出データセットとしては最大である。
論文 参考訳（メタデータ） (2022-12-19T06:05:34Z) - Differentiable Frequency-based Disentanglement for Aerial Video Action
Recognition [56.91538445510214]
ビデオにおける人間の行動認識のための学習アルゴリズムを提案する。
我々のアプローチは、主に斜めに配置されたダイナミックカメラから取得されるUAVビデオのために設計されている。
我々はUAV HumanデータセットとNEC Droneデータセットについて広範な実験を行った。
論文 参考訳（メタデータ） (2022-09-15T22:16:52Z) - Real-Time Mask Detection Based on SSD-MobileNetV2 [2.538209532048867]
優れたリアルタイムマスク検出システムにより、関連するスタッフの作業負荷を低減できる。
既存のマスク検出手法は資源集約的であり、速度と精度のバランスが良くない。
本稿では,マスク検出のための新しいアーキテクチャを提案する。
論文 参考訳（メタデータ） (2022-08-29T01:59:22Z) - DAAIN: Detection of Anomalous and Adversarial Input using Normalizing
Flows [52.31831255787147]
我々は、アウト・オブ・ディストリビューション(OOD)インプットと敵攻撃(AA)を検出する新しい手法であるDAINを導入する。
本手法は,ニューラルネットワークの内部動作を監視し,活性化分布の密度推定器を学習する。
当社のモデルは,特別なアクセラレータを必要とせずに,効率的な計算とデプロイが可能な単一のGPUでトレーニングすることが可能です。
論文 参考訳（メタデータ） (2021-05-30T22:07:13Z) - Real-time Face Mask Detection in Video Data [0.5371337604556311]
本稿では,リアルタイムビデオストリームから正解と誤用を識別可能な,堅牢なディープラーニングパイプラインを提案する。
2つのアプローチを考案し,その性能と実行時間効率を評価した。
論文 参考訳（メタデータ） (2021-05-05T01:03:34Z) - An Efficient Approach for Anomaly Detection in Traffic Videos [30.83924581439373]
本稿では,エッジデバイスで動作可能な映像異常検出システムのための効率的な手法を提案する。
提案手法は,シーンの変化を検出し,破損したフレームを除去するプリプロセッシングモジュールを含む。
また,新しいシーンに迅速に適応し,類似度統計量の変化を検出するシーケンシャルな変化検出アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-04-20T04:43:18Z) - A Computer Vision System to Help Prevent the Transmission of COVID-19 [79.62140902232628]
新型コロナウイルスのパンデミックは世界中の日常生活のあらゆる領域に影響を与える。
保健機関は、ソーシャルディスタンス、フェイスマスクを着用し、触れる顔を避けることをアドバイスします。
我々は、新型コロナウイルスの感染を防ぐためのディープラーニングベースのコンピュータビジョンシステムを開発した。
論文 参考訳（メタデータ） (2021-03-16T00:00:04Z) - BinaryCoP: Binary Neural Network-based COVID-19 Face-Mask Wear and
Positioning Predictor on Edge Devices [63.56630165340053]
フェイスマスクは、空気性疾患に対する双方向保護のための医療に効果的な解決策を提供する。
CNNは、顔認識と正しいマスク着用と位置決めの分類に優れたソリューションを提供する。
CNNは、企業ビル、空港、ショッピングエリア、その他の屋内場所への入り口で利用でき、ウイルスの拡散を緩和することができる。
論文 参考訳（メタデータ） (2021-02-06T00:14:06Z) - Fast Motion Understanding with Spatiotemporal Neural Networks and
Dynamic Vision Sensors [99.94079901071163]
本稿では,高速な動きを推論するための動的視覚センサ(DVS)システムを提案する。
ロボットが15m/s以上の速度で接近する小さな物体に反応するケースを考察する。
我々は,23.4m/sで24.73degの誤差を$theta$,18.4mmの平均離散半径予測誤差,衝突予測誤差に対する25.03%の中央値で移動した玩具ダートについて,本システムの結果を強調した。
論文 参考訳（メタデータ） (2020-11-18T17:55:07Z) - Robust Unsupervised Video Anomaly Detection by Multi-Path Frame
Prediction [61.17654438176999]
本稿では,フレーム予測と適切な設計による新規で頑健な非教師付きビデオ異常検出手法を提案する。
提案手法は,CUHK Avenueデータセット上で88.3%のフレームレベルAUROCスコアを得る。
論文 参考訳（メタデータ） (2020-11-05T11:34:12Z)
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。