論文の概要: On the Complexity of Object Detection on Real-world Public Transportation Images for Social Distancing Measurement

• arxiv url: http://arxiv.org/abs/2202.06639v1
• Date: Mon, 14 Feb 2022 11:47:26 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-15 15:43:38.968664
• Title: On the Complexity of Object Detection on Real-world Public Transportation Images for Social Distancing Measurement
• Title（参考訳）: ソーシャルディスタンシング計測のための現実の公共交通画像における物体検出の複雑さについて
• Authors: Nik Khadijah Nik Aznan, John Brennan, Daniel Bell, Jennine Jonczyk and Paul Watson
• Abstract要約: 公共空間におけるソーシャルディスタンシングは、新型コロナウイルスのパンデミックの影響軽減に欠かせない要素となっている。 公共交通機関における社会的距離の測定は行われていない。 ロンドン地下鉄とバスネットワークから撮影した実写映像を用いて,最先端の物体検出アルゴリズムのベンチマークを行った。
• 参考スコア（独自算出の注目度）: 0.8347190888362194
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Social distancing in public spaces has become an essential aspect in helping to reduce the impact of the COVID-19 pandemic. Exploiting recent advances in machine learning, there have been many studies in the literature implementing social distancing via object detection through the use of surveillance cameras in public spaces. However, to date, there has been no study of social distance measurement on public transport. The public transport setting has some unique challenges, including some low-resolution images and camera locations that can lead to the partial occlusion of passengers, which make it challenging to perform accurate detection. Thus, in this paper, we investigate the challenges of performing accurate social distance measurement on public transportation. We benchmark several state-of-the-art object detection algorithms using real-world footage taken from the London Underground and bus network. The work highlights the complexity of performing social distancing measurement on images from current public transportation onboard cameras. Further, exploiting domain knowledge of expected passenger behaviour, we attempt to improve the quality of the detections using various strategies and show improvement over using vanilla object detection alone.
• Abstract（参考訳）: 公共空間におけるソーシャルディスタンシングは、新型コロナウイルスのパンデミックの影響軽減に欠かせない要素となっている。 近年の機械学習の進歩を活かして,公共空間における監視カメラの利用による物体検出によるソーシャルディスタンシングを実践する文献研究が数多く行われている。 しかし、現在まで公共交通機関における社会的距離の測定は行われていない。 公共交通機関では、低解像度の画像やカメラの位置など、乗客の部分的排除につながる特殊な課題があるため、正確な検出は困難である。 そこで本稿では,公共交通機関における正確な社会距離計測の課題について検討する。 ロンドン地下鉄とバスネットワークから撮影した実写映像を用いて,最先端の物体検出アルゴリズムのベンチマークを行った。 この研究は、現在の公共交通機関のカメラからの画像で社会的距離を測定することの複雑さを強調している。 さらに,期待される乗客行動のドメイン知識を活用し,様々な戦略を用いた検出精度の向上と,バニラ物体検出単独による改善を試みている。

関連論文リスト

• A Survey of Stance Detection on Social Media: New Directions and Perspectives [50.27382951812502]
  姿勢検出は 感情コンピューティングにおける 重要なサブフィールドとして現れました 近年は、効果的な姿勢検出手法の開発に対する研究の関心が高まっている。 本稿では,ソーシャルメディア上での姿勢検出手法に関する包括的調査を行う。
  論文  参考訳（メタデータ） (2024-09-24T03:06:25Z)
• 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)
• 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)
• 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)
• Spatial Data Mining of Public Transport Incidents reported in Social Media [7.144384940254773]
  輸送現象のソーシャルメディアコミュニケーションは通常GISアノテーションを欠いている。 ほとんどのソーシャルメディアプラットフォームはポストに非POIGPS座標をアタッチすることを許可していない。 調査により6種類の輸送情報型を推定する。 提案手法は市民科学を可能にし,それを用いて3年間のインフラ事故が乗客の移動に与える影響を分析した。
  論文  参考訳（メタデータ） (2021-10-11T19:28:11Z)
• BEV-Net: Assessing Social Distancing Compliance by Joint People Localization and Geometric Reasoning [77.08836528980248]
  新型コロナウイルス(COVID-19)の感染拡大を受け、公衆衛生に不可欠なソーシャルディスタンシング(ソーシャルディスタンシング)が注目されている。 本研究では,広視野カメラを用いた公共空間における視覚的ソーシャル・ディスタンシング・コンプライアンス・アセスメントの課題について考察する。 鳥眼ビュー(BEV)下での注釈付き群集シーンのデータセットと距離測定のための地上真実を紹介する。 マルチブランチネットワークであるBEV-Netは、世界座標における個人をローカライズし、ソーシャルディスタンシングに違反する高リスク領域を特定するために提案されている。
  論文  参考訳（メタデータ） (2021-10-10T23:56:37Z)
• Surveilling Surveillance: Estimating the Prevalence of Surveillance Cameras with Street View Data [13.77902229604303]
  我々は、カメラ検出モデルを構築し、世界中の10大都市と6大都市から採取された160万のストリートビュー画像に適用する。 本モデルから推定したリコールを調整した後,道路から見える監視カメラの密度を推定できる。 米国10都市を詳細に分析したところ、カメラは商業地域、工業地域、混成地域、および非白人住民のシェアが高い地区に集中していることがわかった。
  論文  参考訳（メタデータ） (2021-05-04T21:06:01Z)
• Monitoring Social-distance in Wide Areas during Pandemics: a Density Map and Segmentation Approach [0.0]
  エンドツーエンドのディープラーニングを用いた社会距離監視のための新しいフレームワークを提案する。 私たちのフレームワークは、地下真理密度マップに基づく新しい地下真理の作成で構成されています。 我々は,カメラ1台から遠ざかっても,社会的距離に従わないゾーンの提供に,我々のフレームワークが優れていることを示す。
  論文  参考訳（メタデータ） (2021-04-07T19:26:26Z)
• Automatic Social Distance Estimation From Images: Performance Evaluation, Test Benchmark, and Algorithm [78.88882860340797]
  新型コロナウイルスは2020年3月から世界的なパンデミックを引き起こしている。 感染リスクを低減するため、他者から最低1メートルの距離を維持することが強く示唆されている。 このようなアルゴリズムには適切なテストベンチマークは存在しない。
  論文  参考訳（メタデータ） (2021-03-11T16:15:20Z)
• Perceiving Humans: from Monocular 3D Localization to Social Distancing [93.03056743850141]
  本稿では,人間の3次元位置と身体の向きを1つの画像から知覚する,コスト効率の高い視覚ベースの新しい手法を提案する。 我々は,「社会的距離」という概念を,単純な位置に基づくルールとは対照的に,社会的相互作用の一形態として再考することが可能であることを示す。
  論文  参考訳（メタデータ） (2020-09-01T10:12:30Z)
• Unsupervised Vehicle Counting via Multiple Camera Domain Adaptation [9.730985797769764]
  市民の生活の質と都市環境を改善するためには, 都市内の車両流のモニタリングが不可欠である。 画像のヒンジを大量の注釈付きデータにカウントする現在の技術は、新しいカメラがシステムに追加されるにつれて、都市規模へのスケーラビリティを損なう。 我々は,複数のカメラ領域を適応させてラベル付きデータが少ない画像に基づく車両密度推定器を設計するための新しい手法を提案し,議論する。
  論文  参考訳（メタデータ） (2020-04-20T13:00:46Z)

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。