論文の概要: Vision-based Conflict Detection within Crowds based on High-Resolution Human Pose Estimation for Smart and Safe Airport

• arxiv url: http://arxiv.org/abs/2207.00477v1
• Date: Fri, 1 Jul 2022 14:54:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-04 13:47:17.347464
• Title: Vision-based Conflict Detection within Crowds based on High-Resolution Human Pose Estimation for Smart and Safe Airport
• Title（参考訳）: スマート・セーフ空港における高分解能ヒューマンポース推定に基づく群衆内衝突検出
• Authors: Karan Kheta, Claire Delgove, Ruolin Liu, Adeola Aderogba, Marc-Olivier Pokam, Muhammed Mehmet Unal, Yang Xing, Weisi Guo
• Abstract要約: 本稿では,集団における衝突行動の分類を行う機械学習モデルの開発について述べる。 支持ベクトルマシン(SVM)は94.37%の精度を達成した。 結果として得られたモデルは、膨大な数の潜在的な乗客に対処するために改良が加えられた場合、空港内に配備される可能性がある。
• 参考スコア（独自算出の注目度）: 5.694579371558041
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Future airports are becoming more complex and congested with the increasing number of travellers. While the airports are more likely to become hotspots for potential conflicts to break out which can cause serious delays to flights and several safety issues. An intelligent algorithm which renders security surveillance more effective in detecting conflicts would bring many benefits to the passengers in terms of their safety, finance, and travelling efficiency. This paper details the development of a machine learning model to classify conflicting behaviour in a crowd. HRNet is used to segment the images and then two approaches are taken to classify the poses of people in the frame via multiple classifiers. Among them, it was found that the support vector machine (SVM) achieved the most performant achieving precision of 94.37%. Where the model falls short is against ambiguous behaviour such as a hug or losing track of a subject in the frame. The resulting model has potential for deployment within an airport if improvements are made to cope with the vast number of potential passengers in view as well as training against further ambiguous behaviours which will arise in an airport setting. In turn, will provide the capability to enhance security surveillance and improve airport safety.
• Abstract（参考訳）: 将来の空港はより複雑になり、旅行者の増加で混雑している。 空港は、衝突が起こる可能性のあるホットスポットになりがちだが、フライトの遅延やいくつかの安全上の問題を引き起こす可能性がある。 紛争検出にセキュリティ監視をより効果的にするインテリジェントなアルゴリズムは、乗客の安全、財政、旅行効率の面で多くの利益をもたらすだろう。 本稿では,集団内の対立行動分類のための機械学習モデルの開発について述べる。 HRNetは画像のセグメンテーションに使われ、次に複数の分類器を介してフレーム内の人々のポーズを分類するために2つのアプローチがとられる。 その中でもサポートベクターマシン(svm)が最も高性能で94.37%の精度を達成した。 モデルが不足している場合は、フレーム内の被写体のハグや損失トラックのような曖昧な振る舞いに対処する。 結果として得られたモデルが空港内に配備される可能性があり、空港設定で発生するさらなるあいまいな行動に対する訓練だけでなく、多くの潜在的な乗客に対処するための改善がなされる。 これにより、セキュリティ監視を強化し、空港の安全性を向上させることができる。

関連論文リスト

• On the Role of Attention Heads in Large Language Model Safety [64.51534137177491]
  大規模言語モデル(LLM)は、複数の言語タスクにおいて最先端のパフォーマンスを達成するが、それらの安全ガードレールを回避できる。 モデル安全への個人的貢献を評価するため,マルチヘッド対応のための新しい指標として,安全ヘッドImPortant Score(Ships)を提案する。
  論文  参考訳（メタデータ） (2024-10-17T16:08:06Z)
• Safeguarded Progress in Reinforcement Learning: Safe Bayesian Exploration for Control Policy Synthesis [63.532413807686524]
  本稿では、強化学習(RL)におけるトレーニング中の安全維持の問題に対処する。 探索中の効率的な進捗と安全性のトレードオフを扱う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） (2023-12-18T16:09:43Z)
• Segmentation of Drone Collision Hazards in Airborne RADAR Point Clouds Using PointNet [0.7067443325368975]
  統合のための重要な前提条件は、安全な運用を確保するために、状況認識を増強したUAVを装備することである。 本研究は,複数の衝突リスクを同時に識別するために,レーダ技術を活用した航空点雲のエンドツーエンドセマンティックセマンティックセマンティックセグメンテーションを実現する。 我々の知る限り、これは空中における複数の衝突脅威の同時識別に対処する最初のアプローチであり、94%の精度を達成する。
  論文  参考訳（メタデータ） (2023-11-06T16:04:58Z)
• Two-Stage Violence Detection Using ViTPose and Classification Models at Smart Airports [9.53984191161849]
  本研究では、スマート空港のユニークな要件に合わせて、革新的な暴力検出フレームワークを導入する。 このフレームワークは人間のポーズ推定にViTPoseの力を利用する。 実際のシナリオで堅牢なパフォーマンスを保証するため、ソリューションは統合テストが行われた。
  論文  参考訳（メタデータ） (2023-08-30T21:20:15Z)
• Safe Model-Based Multi-Agent Mean-Field Reinforcement Learning [48.667697255912614]
  平均場強化学習は、同一エージェントの無限集団と相互作用する代表エージェントのポリシーに対処する。 モデルベースの平均場強化学習アルゴリズムであるSafe-M$3$-UCRLを提案する。 本アルゴリズムは,低需要領域におけるサービスアクセシビリティを確保しつつ,重要な領域における需要を効果的に満たす。
  論文  参考訳（メタデータ） (2023-06-29T15:57:07Z)
• Estimating See and Be Seen Performance with an Airborne Visual Acquisition Model [0.0]
  分離プロビジョニングと衝突回避は、階層化コンフリクト管理システムの基本コンポーネントである。 パイロットは、航空機間の分離を維持するための視界に基づく分離責任を持つ。 乗員機とのドローンの対話は、従来の航空機との対話ほど危険ではない。
  論文  参考訳（メタデータ） (2023-06-29T11:39:10Z)
• Multi-UAV Conflict Resolution with Graph Convolutional Reinforcement Learning [0.0]
  無人航空機(UAV)間の飛行安全性は、ペア分離ミニマによって確保される。 交通密度の上昇が予想されるため、2つ以上のUAVが遭遇する可能性がある。 我々は、マルチエージェント強化学習問題として、マルチUAVコンフリクト解決をモデル化する。
  論文  参考訳（メタデータ） (2021-11-29T15:29:32Z)
• Heterogeneous-Agent Trajectory Forecasting Incorporating Class Uncertainty [54.88405167739227]
  本稿では,エージェントのクラス確率を明示的に組み込んだヘテロジニアスエージェント軌道予測手法であるHAICUを提案する。 さらに,新たな挑戦的な実世界の自動運転データセットであるpupも紹介する。 軌道予測にクラス確率を組み込むことで,不確実性に直面した性能が著しく向上することを示す。
  論文  参考訳（メタデータ） (2021-04-26T10:28:34Z)
• 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)
• Perceiving Traffic from Aerial Images [86.994032967469]
  本研究では,空中画像中の物体を検出するために,バタフライ検出器と呼ばれる物体検出手法を提案する。 UAVDT(UAVDT)とVisDrone 2019(VisDrone 2019)の2つのUAVデータセット上でButterfly Detectorを評価し、従来の最先端の手法よりも高速に動作し、かつリアルタイムに動作可能であることを示す。
  論文  参考訳（メタデータ） (2020-09-16T11:37:43Z)
• A Deep Multi-Agent Reinforcement Learning Approach to Autonomous Separation Assurance [5.196149362684628]
  可変数の航空機間の衝突を識別・解決するために, 深層多エージェント強化学習フレームワークを提案する。 提案手法は,BlueSkyの航空交通制御環境における3つのケーススタディで検証された。
  論文  参考訳（メタデータ） (2020-03-17T16:50:34Z)

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。