論文の概要: Crime scene classification from skeletal trajectory analysis in
surveillance settings
- arxiv url: http://arxiv.org/abs/2207.01687v1
- Date: Mon, 4 Jul 2022 19:37:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-07 06:19:23.239649
- Title: Crime scene classification from skeletal trajectory analysis in
surveillance settings
- Title(参考訳): 監視場面における骨格軌跡解析による犯罪現場分類
- Authors: Alina-Daniela Matei, Estefania Talavera, Maya Aghaei
- Abstract要約: ビデオ異常解析はコンピュータビジョンの分野で積極的に追求されているコアタスクである。
本研究では,人間関係犯罪分類の課題について論じる。
提案手法では, ビデオフレーム内の人体を骨格関節軌跡と表現し, 探索の主源として利用する。
- 参考スコア(独自算出の注目度): 0.15469452301122172
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Video anomaly analysis is a core task actively pursued in the field of
computer vision, with applications extending to real-world crime detection in
surveillance footage. In this work, we address the task of human-related crime
classification. In our proposed approach, the human body in video frames,
represented as skeletal joints trajectories, is used as the main source of
exploration. First, we introduce the significance of extending the ground truth
labels for HR-Crime dataset and hence, propose a supervised and unsupervised
methodology to generate trajectory-level ground truth labels. Next, given the
availability of the trajectory-level ground truth, we introduce a
trajectory-based crime classification framework. Ablation studies are conducted
with various architectures and feature fusion strategies for the representation
of the human trajectories. The conducted experiments demonstrate the
feasibility of the task and pave the path for further research in the field.
- Abstract(参考訳): 映像異常解析はコンピュータビジョンの分野で活発に研究され、監視映像における現実世界の犯罪検出に応用されている。
本研究では,人間関係犯罪分類の課題に対処する。
提案手法では, 骨格関節軌跡として表されるビデオフレーム内の人体が, 探索の主な源として利用されている。
まず,HR-Crimeデータセットの基底真理ラベルを拡張することの重要性を紹介し,トラジェクティブレベルの基底真理ラベルを生成するための教師なし手法を提案する。
次に、軌道レベルの基底真理が利用可能であることを踏まえ、軌道に基づく犯罪分類の枠組みを導入する。
アブレーション研究は、様々なアーキテクチャとヒトの軌道表現のための特徴融合戦略を用いて行われる。
実験により,課題の実現可能性を示すとともに,さらなる研究の道筋をたどることができた。
関連論文リスト
- How To Not Train Your Dragon: Training-free Embodied Object Goal
Navigation with Semantic Frontiers [94.46825166907831]
Embodied AIにおけるオブジェクトゴールナビゲーション問題に対処するためのトレーニング不要のソリューションを提案する。
本手法は,古典的な視覚的同時ローカライゼーションとマッピング(V-SLAM)フレームワークに基づく,構造化されたシーン表現を構築する。
本手法は,言語先行情報とシーン統計に基づいてシーングラフのセマンティクスを伝搬し,幾何学的フロンティアに意味知識を導入する。
論文 参考訳(メタデータ) (2023-05-26T13:38:33Z) - Learning to Explore Informative Trajectories and Samples for Embodied
Perception [24.006056116516618]
未知の実施課題に対する知覚モデルの一般化は不十分である。
探索政策を自己管理する3次元意味分布マップを構築した。
そこで本研究では, 意味的分布の不確実性に基づいて, トラジェクトリのハードサンプルを選択することを提案する。
実験により,本手法で微調整した知覚モデルは,他の探索政策で訓練したベースラインよりも優れていた。
論文 参考訳(メタデータ) (2023-03-20T08:20:04Z) - A Semi-supervised Approach for Activity Recognition from Indoor
Trajectory Data [0.822021749810331]
協調生産環境において, 騒音の多い室内軌道データから移動物体の動作を分類する作業について検討する。
本稿では,まず情報理論の基準を適用し,長い軌道をセグメントに分割する半教師付き機械学習手法を提案する。
セグメントは制約付き階層的クラスタリング法に基づいて自動的にラベル付けされる。
論文 参考訳(メタデータ) (2023-01-09T01:20:50Z) - Forecasting Human Trajectory from Scene History [51.72069374835107]
我々は,暗黙の場面の規則性から学習することで,将来の軌跡を予測することを提案する。
本研究では,シーン履歴情報を歴史的グループ軌跡と個々人のインタラクションの2つのタイプに分類する。
本稿では,シーン履歴をシンプルかつ効果的なアプローチで活用する,SHENet(Scene History Excavating Network)を提案する。
論文 参考訳(メタデータ) (2022-10-17T03:56:02Z) - Human Trajectory Prediction via Counterfactual Analysis [87.67252000158601]
複雑な動的環境における人間の軌道予測は、自律走行車やインテリジェントロボットにおいて重要な役割を果たす。
既存のほとんどの手法は、歴史の軌跡や環境からの相互作用の手がかりから行動の手がかりによって将来の軌跡を予測することを学習している。
本研究では,予測軌跡と入力手がかりの因果関係を調べるために,人間の軌跡予測に対する反実解析手法を提案する。
論文 参考訳(メタデータ) (2021-07-29T17:41:34Z) - TRiPOD: Human Trajectory and Pose Dynamics Forecasting in the Wild [77.59069361196404]
TRiPODは、グラフの注目ネットワークに基づいて身体のダイナミクスを予測する新しい方法です。
実世界の課題を取り入れるために,各フレームで推定された身体関節が可視・視認可能かどうかを示す指標を学習する。
評価の結果,TRiPODは,各軌道に特化して設計され,予測タスクに特化している。
論文 参考訳(メタデータ) (2021-04-08T20:01:00Z) - TraND: Transferable Neighborhood Discovery for Unsupervised Cross-domain
Gait Recognition [77.77786072373942]
本稿では、教師なしクロスドメイン歩行認識のための領域ギャップを橋渡しするTransferable Neighborhood Discovery (TraND) フレームワークを提案する。
我々は、潜在空間におけるラベルなしサンプルの自信ある近傍を自動的に発見するために、エンドツーエンドのトレーニング可能なアプローチを設計する。
提案手法は,CASIA-BとOU-LPの2つの公開データセットに対して,最先端の結果を得る。
論文 参考訳(メタデータ) (2021-02-09T03:07:07Z) - Self-supervised Segmentation via Background Inpainting [96.10971980098196]
移動可能なカメラで撮影された単一の画像で、自己教師付き検出とセグメンテーションのアプローチを導入する。
我々は、提案に基づくセグメンテーションネットワークのトレーニングに利用する自己教師付き損失関数を利用する。
本手法は,標準ベンチマークから視覚的に切り離された画像の人間の検出とセグメント化に応用し,既存の自己監督手法より優れていることを示す。
論文 参考訳(メタデータ) (2020-11-11T08:34:40Z)
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。