論文の概要: Introduction of a tree-based technique for efficient and real-time label retrieval in the object tracking system

• arxiv url: http://arxiv.org/abs/2205.15477v1
• Date: Tue, 31 May 2022 00:13:53 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-02 04:34:09.515453
• Title: Introduction of a tree-based technique for efficient and real-time label retrieval in the object tracking system
• Title（参考訳）: オブジェクト追跡システムにおける効率的かつリアルタイムラベル検索のためのツリーベース手法の導入
• Authors: Ala-Eddine Benrazek, Zineddine Kouahla, Brahim Farou, Hamid Seridi, Imane Allele
• Abstract要約: 本稿では,大規模ビデオ監視システムにおける移動物体のリアルタイム追跡品質の問題に対処する。 本稿では,複数のオブジェクトを自動的にラベル付けして,インデックス化機構を用いた効率的なリアルタイムトラッキングを実現する手法を提案する。
• 参考スコア（独自算出の注目度）: 1.6099403809839035
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper addresses the issue of the real-time tracking quality of moving objects in large-scale video surveillance systems. During the tracking process, the system assigns an identifier or label to each tracked object to distinguish it from other objects. In such a mission, it is essential to keep this identifier for the same objects, whatever the area, the time of their appearance, or the detecting camera. This is to conserve as much information about the tracking object as possible, decrease the number of ID switching (ID-Sw), and increase the quality of object tracking. To accomplish object labeling, a massive amount of data collected by the cameras must be searched to retrieve the most similar (nearest neighbor) object identifier. Although this task is simple, it becomes very complex in large-scale video surveillance networks, where the data becomes very large. In this case, the label retrieval time increases significantly with this increase, which negatively affects the performance of the real-time tracking system. To avoid such problems, we propose a new solution to automatically label multiple objects for efficient real-time tracking using the indexing mechanism. This mechanism organizes the metadata of the objects extracted during the detection and tracking phase in an Adaptive BCCF-tree. The main advantage of this structure is: its ability to index massive metadata generated by multi-cameras, its logarithmic search complexity, which implicitly reduces the search response time, and its quality of research results, which ensure coherent labeling of the tracked objects. The system load is distributed through a new Internet of Video Things infrastructure-based architecture to improve data processing and real-time object tracking performance. The experimental evaluation was conducted on a publicly available dataset generated by multi-camera containing different crowd activities.
• Abstract（参考訳）: 本稿では,大規模ビデオ監視システムにおける移動物体のリアルタイム追跡品質の問題に対処する。 追跡プロセスの間、システムは、追跡された各オブジェクトに識別子またはラベルを割り当て、他のオブジェクトと区別する。 このようなミッションでは、同じ物体、その領域、出現時間、または検出カメラに対して、この識別子を保持することが不可欠である。 これは、トラッキング対象に関する情報を可能な限り保存し、ID切替数(ID-Sw)を減らし、オブジェクト追跡の品質を高めることである。 オブジェクトラベリングを達成するには、カメラが収集した膨大なデータを検索して、最も類似した(ネアレストの隣の)オブジェクト識別子を取得する必要がある。 このタスクは単純だが、データが非常に大きい大規模なビデオ監視ネットワークでは、非常に複雑になる。 この場合、この増加に伴いラベル検索時間が大幅に増加し、リアルタイムトラッキングシステムの性能に悪影響を及ぼす。 このような問題を避けるため、索引付け機構を用いた効率的なリアルタイムトラッキングのために複数のオブジェクトを自動的にラベル付けする新しい手法を提案する。 このメカニズムは、Adaptive BCCF-treeで検出および追跡フェーズ中に抽出されたオブジェクトのメタデータを整理する。 この構造の主な利点は、マルチカメラによって生成された膨大なメタデータをインデックスする能力、暗黙的に検索応答時間を短縮する対数検索の複雑さ、追跡されたオブジェクトのコヒーレントなラベリングを保証する研究結果の品質である。 システムの負荷は、データ処理とリアルタイムオブジェクトトラッキングのパフォーマンスを改善するために、新しいInternet of Video Thingsインフラストラクチャベースのアーキテクチャを介して分散される。 実験評価は,群衆活動の異なるマルチカメラが生成する公開データセットを用いて行った。

関連論文リスト

• Camouflaged_Object_Tracking__A_Benchmark [13.001689702214573]
  カモフラージュされたオブジェクト追跡手法を評価するためのベンチマークであるCOTD(Camouflaged Object Tracking dataset)を導入する。 COTDは200のシーケンスと約80,000のフレームで構成され、それぞれに詳細なバウンディングボックスが付加されている。 既存の20個の追跡アルゴリズムを評価した結果,カモフラージュした物体を用いた場合,その性能に重大な欠陥があることが判明した。 本稿では,新しいトラッキングフレームワーク HiPTrack-MLS を提案する。
  論文  参考訳（メタデータ） (2024-08-25T15:56:33Z)
• 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)
• Object-Centric Multiple Object Tracking [124.30650395969126]
  本稿では,多目的追跡パイプラインのためのビデオオブジェクト中心モデルを提案する。 オブジェクト中心のスロットを検出出力に適応するインデックスマージモジュールと、オブジェクトメモリモジュールで構成される。 オブジェクト中心学習に特化して、オブジェクトのローカライゼーションと機能バインディングのためのスパース検出ラベルしか必要としない。
  論文  参考訳（メタデータ） (2023-09-01T03:34:12Z)
• Tracking Passengers and Baggage Items using Multiple Overhead Cameras at Security Checkpoints [2.021502591596062]
  空港の検問所のセキュリティシナリオのために,オーバーヘッドカメラビデオ中の複数のオブジェクトを追跡する新しいフレームワークを提案する。 オーバヘッド画像からのインスタンスセグメンテーションの不確実性に関するモデル情報を提供するために,自己監視学習(SSL)手法を提案する。 この結果から,自己超越はモデルの推定時間を増大させることなく,オブジェクト検出精度を最大42%向上させることがわかった。
  論文  参考訳（メタデータ） (2022-12-31T12:57:09Z)
• End-to-end Tracking with a Multi-query Transformer [96.13468602635082]
  マルチオブジェクトトラッキング(MOT)は、時間とともにシーン内のオブジェクトの位置、外観、アイデンティティを同時に推論する必要がある課題である。 本研究の目的は、トラッキング・バイ・ディテクト・アプローチを超えて、未知のオブジェクト・クラスに対してもよく機能するクラスに依存しないトラッキングへと移行することである。
  論文  参考訳（メタデータ） (2022-10-26T10:19:37Z)
• Learning to Track with Object Permanence [61.36492084090744]
  共同物体の検出と追跡のためのエンドツーエンドのトレーニング可能なアプローチを紹介します。 私たちのモデルは、合成データと実データで共同トレーニングされ、KITTIおよびMOT17データセットの最先端を上回ります。
  論文  参考訳（メタデータ） (2021-03-26T04:43:04Z)
• Joint Detection and Tracking in Videos with Identification Features [36.55599286568541]
  本稿では,ビデオ検出,追跡,再識別機能の最初の共同最適化を提案する。 提案手法はMOTの最先端に到達し,オンライントラッカーにおけるUA-DETRAC'18追跡課題のうち,第1位,第3位にランクインした。
  論文  参考訳（メタデータ） (2020-05-21T21:06:40Z)
• TAO: A Large-Scale Benchmark for Tracking Any Object [95.87310116010185]
  オブジェクトのデータセットの追跡は2,907本の高解像度ビデオで構成され、平均で30分の長さの多様な環境でキャプチャされる。 ビデオの任意の時点で移動するオブジェクトにアノテータにラベルを付け、ファクトラムの後に名前を付けるように求めます。 我々の語彙は、既存の追跡データセットと著しく大きく、質的に異なる。
  論文  参考訳（メタデータ） (2020-05-20T21:07:28Z)
• Applying r-spatiogram in object tracking for occlusion handling [16.36552899280708]
  映像追跡の目的は、動画シーケンス内の移動対象を正確に特定し、そのシーケンスの特徴空間内の非ターゲットから目標を識別することである。 本稿では,オブジェクトモデリング,オブジェクト検出とローカライゼーション,モデル更新という,参照モデルの3つの主要コンポーネントで構成される多くのトラッカーの基本概念を用いる。
  論文  参考訳（メタデータ） (2020-03-18T02:42:51Z)
• Asynchronous Tracking-by-Detection on Adaptive Time Surfaces for Event-based Object Tracking [87.0297771292994]
  本稿では,イベントベースのトラッキング・バイ・ディテクト(ETD)手法を提案する。 この目的を達成するために,線形時間決定(ATSLTD)イベント・ツー・フレーム変換アルゴリズムを用いた適応時間曲面を提案する。 提案手法と,従来のカメラやイベントカメラをベースとした7種類のオブジェクト追跡手法と,ETDの2種類のバリエーションを比較した。
  論文  参考訳（メタデータ） (2020-02-13T15:58:31Z)

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。