論文の概要: Automated Approach for Computer Vision-based Vehicle Movement
Classification at Traffic Intersections
- arxiv url: http://arxiv.org/abs/2111.09171v1
- Date: Wed, 17 Nov 2021 15:02:43 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-18 15:07:04.647021
- Title: Automated Approach for Computer Vision-based Vehicle Movement
Classification at Traffic Intersections
- Title（参考訳）: 交通交差点におけるコンピュータビジョンに基づく車両移動分類の自動アプローチ
- Authors: Udita Jana, Jyoti Prakash Das Karmakar, Pranamesh Chakraborty,
Tingting Huang, Dave Ness, Duane Ritcher, Anuj Sharma
- Abstract要約: 視覚に基づく車両軌跡の移動特定分類のための自動分類法を提案する。
筆者らのフレームワークは、教師なし階層クラスタリング手法を用いて、交通現場で観測された異なる動きパターンを識別する。
新しい類似度尺度は、視覚に基づく軌道の固有の欠点を克服するために設計された。
- 参考スコア（独自算出の注目度）: 7.3496760394236595
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Movement specific vehicle classification and counting at traffic
intersections is a crucial component for various traffic management activities.
In this context, with recent advancements in computer-vision based techniques,
cameras have emerged as a reliable data source for extracting vehicular
trajectories from traffic scenes. However, classifying these trajectories by
movement type is quite challenging as characteristics of motion trajectories
obtained this way vary depending on camera calibrations. Although some existing
methods have addressed such classification tasks with decent accuracies, the
performance of these methods significantly relied on manual specification of
several regions of interest. In this study, we proposed an automated
classification method for movement specific classification (such as right-turn,
left-turn and through movements) of vision-based vehicle trajectories. Our
classification framework identifies different movement patterns observed in a
traffic scene using an unsupervised hierarchical clustering technique
Thereafter a similarity-based assignment strategy is adopted to assign incoming
vehicle trajectories to identified movement groups. A new similarity measure
was designed to overcome the inherent shortcomings of vision-based
trajectories. Experimental results demonstrated the effectiveness of the
proposed classification approach and its ability to adapt to different traffic
scenarios without any manual intervention.
- Abstract（参考訳）: 様々な交通管理活動において,交通交差点における移動種別とカウントは重要な要素である。
この文脈では、近年のコンピュータビジョン技術の発展に伴い、交通シーンから車線を抽出する信頼性の高いデータソースとしてカメラが登場している。
しかし、このような動き軌跡の特性はカメラのキャリブレーションによって異なるため、移動型で分類することは極めて困難である。
既存の手法では、適度な精度でこれらの分類タスクに対処しているが、これらの手法の性能は、関心のあるいくつかの領域の手動仕様に大きく依存している。
本研究では,視覚に基づく車両軌跡の移動特定分類(右旋回,左旋回,移動など)の自動化手法を提案する。
階層的クラスタリング手法を用いて交通現場で観測される異なる移動パターンを識別し, 類似性に基づく割当て戦略を採用し, 車両軌跡を識別した移動群に割り当てる。
新しい類似度尺度は、視覚に基づく軌道の固有の欠点を克服するために設計された。
実験の結果,提案手法の有効性と,手動の介入なしに異なる交通シナリオに適応する能力が示された。
関連論文リスト
- A Unified Model Selection Technique for Spectral Clustering Based Motion Segmentation [2.637467480598825]
スペクトルクラスタリングに基づく動き分割法において,運動群数を自動推定する統一モデル選択手法を提案する。
提案手法をKT3DMoSegデータセット上で評価し,ベースラインと比較した実験結果を得た。
論文 参考訳（メタデータ） (2024-03-03T20:16:14Z) - A Deeply Supervised Semantic Segmentation Method Based on GAN [9.441379867578332]
提案モデルは,GAN(Generative Adversarial Network)フレームワークを従来のセマンティックセグメンテーションモデルに統合する。
本手法の有効性は,道路ひび割れデータセットの性能向上によって実証された。
論文 参考訳（メタデータ） (2023-10-06T08:22:24Z) - Improving Online Lane Graph Extraction by Object-Lane Clustering [106.71926896061686]
本稿では,局所レーングラフの推定精度を向上させるために,アーキテクチャと損失の定式化を提案する。
提案手法は,中心線をクラスタ中心とすることで,対象を中心線に割り当てることを学ぶ。
提案手法は既存の3次元オブジェクト検出手法の出力を用いて,大幅な性能向上を実現することができることを示す。
論文 参考訳（メタデータ） (2023-07-20T15:21:28Z) - OpenLane-V2: A Topology Reasoning Benchmark for Unified 3D HD Mapping [84.65114565766596]
交通シーン構造を考慮したトポロジ推論のための最初のデータセットであるOpenLane-V2を提案する。
OpenLane-V2は2000のアノテートされた道路シーンで構成され、交通要素と車線との関係を記述している。
様々な最先端手法を評価し,OpenLane-V2の定量的,定性的な結果を示し,交通現場におけるトポロジ推論の今後の道筋を示す。
論文 参考訳（メタデータ） (2023-04-20T16:31:22Z) - Clustering Human Mobility with Multiple Spaces [8.076957089365676]
本稿では,移動行動検出のための新しいモビリティクラスタリング手法を提案する。
提案手法は変分オートエンコーダアーキテクチャを用いて,潜在空間と原空間の両方でクラスタリングを同時に行う。
実験の結果,提案手法はトラジェクトリからの移動行動検出において,より精度が高く,解釈性も向上した。
論文 参考訳（メタデータ） (2023-01-20T12:02:30Z) - Unified Automatic Control of Vehicular Systems with Reinforcement
Learning [64.63619662693068]
本稿では,車載マイクロシミュレーションの合理化手法について述べる。
最小限の手動設計で高性能な制御戦略を発見する。
この研究は、波動緩和、交通信号、ランプ計測に類似した多くの創発的挙動を明らかにしている。
論文 参考訳（メタデータ） (2022-07-30T16:23:45Z) - 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) - Studying Person-Specific Pointing and Gaze Behavior for Multimodal
Referencing of Outside Objects from a Moving Vehicle [58.720142291102135]
物体選択と参照のための自動車応用において、手指しと目視が広く研究されている。
既存の車外参照手法は静的な状況に重点を置いているが、移動車両の状況は極めて動的であり、安全性に制約がある。
本研究では,外部オブジェクトを参照するタスクにおいて,各モダリティの具体的特徴とそれら間の相互作用について検討する。
論文 参考訳（メタデータ） (2020-09-23T14:56:19Z) - BoMuDANet: Unsupervised Adaptation for Visual Scene Understanding in
Unstructured Driving Environments [54.22535063244038]
非構造交通環境における視覚的シーン理解のための教師なし適応手法を提案する。
本手法は,車,トラック,二輪車,三輪車,歩行者からなる密集・異種交通を伴う非構造現実シナリオを対象としたものである。
論文 参考訳（メタデータ） (2020-09-22T08:25:44Z) - Improving Movement Predictions of Traffic Actors in Bird's-Eye View
Models using GANs and Differentiable Trajectory Rasterization [12.652210024012374]
自動運転パズルの最も重要なピースの1つは、周囲の交通機関の将来の動きを予測するタスクである。
一方はトップダウンのシーン化と他方はGAN(Generative Adrial Networks)に基づく手法が特に成功したことが示されている。
本稿では,これら2つの方向に基づいて,Aversa-based conditional GANアーキテクチャを提案する。
提案手法を実世界の大規模データセット上で評価し,最先端のGANベースラインよりも優れていることを示す。
論文 参考訳（メタデータ） (2020-04-14T00:41:17Z) - Unsupervised and Supervised Learning with the Random Forest Algorithm
for Traffic Scenario Clustering and Classification [4.169845583045265]
本研究の目的は,交通シナリオのカテゴリを自動的に見つけ出す手法を提供することである。
アーキテクチャは3つの主要コンポーネントで構成されている: 顕微鏡的トラフィックシミュレーション、クラスタリング技術、および運用フェーズの分類技術である。
論文 参考訳（メタデータ） (2020-04-05T08:26:29Z)
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。