論文の概要: Recognition and Co-Analysis of Pedestrian Activities in Different Parts of Road using Traffic Camera Video

• arxiv url: http://arxiv.org/abs/2111.13818v1
• Date: Sat, 27 Nov 2021 05:46:41 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-30 17:12:50.862609
• Title: Recognition and Co-Analysis of Pedestrian Activities in Different Parts of Road using Traffic Camera Video
• Title（参考訳）: 交通カメラ映像を用いた道路部における歩行者活動の認識と分析
• Authors: Weijia Xu, Heidi Ross, Joel Meyer, Kelly Pierce, Natalia Ruiz Juri, Jennifer Duthie
• Abstract要約: 本研究の目的は,停留所とミッドブロック交差点との相関関係を明らかにすることである。 本手法は,周辺交差点に設置した市販CCTVパンティルトゾーム(PTZ)トラヒック監視カメラから,交通カメラビデオを用いてバス停の使用状況を特定する手法を拡張した。 また,横断イベントのみを表示するビデオクリップの自動作成により,歩行者行動検出のマニュアルレビューを容易にするWebポータルも実装した。
• 参考スコア（独自算出の注目度）: 2.414050294189755
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Pedestrian safety is a priority for transportation system managers and operators, and a main focus of the Vision Zero strategy employed by the City of Austin, Texas. While there are a number of treatments and technologies to effectively improve pedestrian safety, identifying the location where these treatments are most needed remains a challenge. Current practice requires manual observation of candidate locations for limited time periods, leading to an identification process that is time consuming, lags behind traffic pattern changes over time, and lacks scalability. Mid-block locations, where safety countermeasures are often needed the most, are especially hard to identify and monitor. The goal for this research is to understand the correlation between bus stop locations and mid-block crossings, so as to assist traffic engineers in implementing Vision Zero strategies to improve pedestrian safety. In a prior work, we have developed a tool to detect pedestrian crossing events with traffic camera video using a deep neural network model to identify crossing events. In this paper, we extend the methods to identify bus stop usage with traffic camera video from off-the-shelf CCTV pan-tilt-zoom (PTZ) traffic monitoring cameras installed at nearby intersections. We correlate the video detection results for mid-block crossings near a bus stop, with pedestrian activity at the bus stops in each side of the mid-block crossing. We also implement a web portal to facilitate manual review of pedestrian activity detections by automating creation of video clips that show only crossing events, thereby vastly improving the efficiency of the human review process.
• Abstract（参考訳）: 歩行者の安全は交通システムの管理者やオペレーターにとって最優先事項であり、テキサス州オースチン市が採用するビジョンゼロ戦略の主な焦点である。 歩行者の安全を効果的に改善するための治療法や技術は数多く存在するが、これらの治療がもっとも必要とされている場所を特定することは課題である。 現在のプラクティスでは、限られた期間の候補場所を手動で観察する必要があるため、時間を要する識別プロセス、時間の経過とともにトラフィックパターンが変化し、スケーラビリティが欠如している。 安全対策が最も必要とされるミッドブロックの場所は、特に識別と監視が困難である。 本研究の目的は、バス停位置と中間交差点の相関関係を把握し、交通技術者が歩行者の安全を改善するためのビジョンゼロ戦略を実施するのを支援することである。 従来,交通カメラ映像による歩行者横断イベントの検出ツールとして,ディープニューラルネットワークモデルを用いて,横断イベントを識別する手法を開発した。 本稿では,近くの交差点に設置したcctv pan-tilt-zoom (ptz) 交通監視カメラを用いて,トラヒックカメラ映像を用いてバス停使用量を特定する手法を拡張した。 停留所付近のミッドブロック交差点における映像検出結果と,ミッドブロック交差点の両側のバス停での歩行者活動とを比較した。 また、横断イベントのみを表示するビデオクリップの作成を自動化し、歩行者行動検出の手動レビューを容易にするwebポータルを実装し、人間のレビュープロセスの効率を大幅に向上させた。

関連論文リスト

• DenseLight: Efficient Control for Large-scale Traffic Signals with Dense Feedback [109.84667902348498]
  交通信号制御(TSC)は、道路網における車両の平均走行時間を短縮することを目的としている。 従来のTSC手法は、深い強化学習を利用して制御ポリシーを探索する。 DenseLightは、不偏報酬関数を用いてポリシーの有効性をフィードバックする新しいRTLベースのTSC手法である。
  論文  参考訳（メタデータ） (2023-06-13T05:58:57Z)
• Real-Time Traffic End-of-Queue Detection and Tracking in UAV Video [0.13525723298325706]
  本研究では,UAVが捉えたハイウェイ作業区域の映像をリアルタイムに映像化することで,交通の終端(EOQ)を検出するための概念実証を行う。 この手法は、車両のEOQを検知し、特別なイベント、交通渋滞、建設、事故によって車両が急速に蓄積している他の道路や交差点でもドライバーに通知することができる。
  論文  参考訳（メタデータ） (2023-01-10T00:22:30Z)
• 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)
• Pedestrian Stop and Go Forecasting with Hybrid Feature Fusion [87.77727495366702]
  歩行者の立ち止まりと予測の新たな課題を紹介します。 都市交通における歩行者の立ち寄り行動を明示的に研究するためのベンチマークであるTransをリリースする。 歩行者の歩行動作に注釈を付けたいくつかの既存のデータセットから構築し、さまざまなシナリオや行動を実現する。
  論文  参考訳（メタデータ） (2022-03-04T18:39:31Z)
• Traffic-Net: 3D Traffic Monitoring Using a Single Camera [1.1602089225841632]
  我々は,1台のCCTVトラヒックカメラを用いたリアルタイムトラヒック監視のための実用的なプラットフォームを提供する。 車両・歩行者検出のためのカスタムYOLOv5ディープニューラルネットワークモデルとSORT追跡アルゴリズムの改良を行った。 また、短時間・長期の時間的ビデオデータストリームに基づく階層的なトラフィックモデリングソリューションも開発している。
  論文  参考訳（メタデータ） (2021-09-19T16:59:01Z)
• Evaluating Computer Vision Techniques for Urban Mobility on Large-Scale, Unconstrained Roads [25.29906312974705]
  本稿では,道路安全の課題を大規模に解決するために,簡易な移動画像撮影装置を提案する。 道路上の不規則を識別するために,近年のコンピュータビジョン技術を用いている。 また、トラフィック違反を見つけるためのモバイルイメージングソリューションの適用性を実証する。
  論文  参考訳（メタデータ） (2021-09-11T09:07:56Z)
• Cross-Camera Feature Prediction for Intra-Camera Supervised Person Re-identification across Distant Scenes [70.30052164401178]
  人物再識別(Re-ID)は、重複しないカメラビュー間で人物画像をマッチングすることを目的としている。 ICS-DS Re-IDは、カメラ内IDラベル付きクロスカメラアンペアデータを使用してトレーニングを行う。 カメラ横断型自己監視情報マイニングのためのクロスカメラ特徴予測法 グローバルレベルの特徴とローカルレベルの特徴の合同学習は、グローバルなローカルなクロスカメラ特徴予測スキームを形成する。
  論文  参考訳（メタデータ） (2021-07-29T11:27:50Z)
• Automated Object Behavioral Feature Extraction for Potential Risk Analysis based on Video Sensor [6.291501119156943]
  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。
  論文  参考訳（メタデータ） (2021-07-08T01:11:31Z)
• 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)
• 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)

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。