論文の概要: Person Monitoring by Full Body Tracking in Uniform Crowd Environment

• arxiv url: http://arxiv.org/abs/2209.01274v1
• Date: Fri, 2 Sep 2022 21:21:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-07 13:50:26.915602
• Title: Person Monitoring by Full Body Tracking in Uniform Crowd Environment
• Title（参考訳）: 一様群集環境における全体追跡による人体モニタリング
• Authors: Zhibo Zhang, Omar Alremeithi, Maryam Almheiri, Marwa Albeshr, Xiaoxiong Zhang, Sajid Javed, Naoufel Werghi
• Abstract要約: 中東では、均一な群衆環境が最先端のトラッカーに挑戦する規範である。 本研究では,一様群集環境下で,ビデオ毎に1つの特定のターゲットを持つ注釈付きデータセットを開発する。 このデータセットは、最先端のトラッカーの評価と微調整に使用された。
• 参考スコア（独自算出の注目度）: 10.71804432329509
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Full body trackers are utilized for surveillance and security purposes, such as person-tracking robots. In the Middle East, uniform crowd environments are the norm which challenges state-of-the-art trackers. Despite tremendous improvements in tracker technology documented in the past literature, these trackers have not been trained using a dataset that captures these environments. In this work, we develop an annotated dataset with one specific target per video in a uniform crowd environment. The dataset was generated in four different scenarios where mainly the target was moving alongside the crowd, sometimes occluding with them, and other times the camera's view of the target is blocked by the crowd for a short period. After the annotations, it was used in evaluating and fine-tuning a state-of-the-art tracker. Our results have shown that the fine-tuned tracker performed better on the evaluation dataset based on two quantitative evaluation metrics, compared to the initial pre-trained tracker.
• Abstract（参考訳）: フルボディトラッカーは、人追跡ロボットなどの監視やセキュリティ目的で使用される。 中東では、均一な群衆環境が最先端のトラッカーに挑戦する規範である。 過去の文献に記録されたトラッカー技術の大幅な改善にもかかわらず、これらのトラッカーはこれらの環境をキャプチャするデータセットを使用して訓練されていない。 本研究では,一様群集環境において,動画毎に1つのターゲットを指定できるアノテートデータセットを開発した。 データセットは4つの異なるシナリオで生成され、主にターゲットが群衆と一緒に動き、時にはそれと混ざり合うことがあり、その他、カメラのカメラによるターゲットの視点は短い期間群衆によってブロックされる。 アノテーションの後、最先端のトラッカーの評価と微調整に使用された。 この結果より,2つの定量的評価指標に基づく評価データセットにおいて,初期学習トラッカーと比較して,微調整トラッカーが良好な性能を示した。

関連論文リスト

• RTracker: Recoverable Tracking via PN Tree Structured Memory [71.05904715104411]
  本稿では,木構造メモリを用いてトラッカーと検出器を動的に関連付け,自己回復を可能にするRTrackerを提案する。 具体的には,正負と負のターゲットサンプルを時系列に保存し,維持する正負のツリー構造メモリを提案する。 我々の中核となる考え方は、正と負の目標カテゴリーの支持サンプルを用いて、目標損失の信頼性評価のための相対的距離に基づく基準を確立することである。
  論文  参考訳（メタデータ） (2024-03-28T08:54:40Z)
• OmniTracker: Unifying Object Tracking by Tracking-with-Detection [119.51012668709502]
  OmniTrackerは、完全に共有されたネットワークアーキテクチャ、モデルウェイト、推論パイプラインですべてのトラッキングタスクを解決するために提供されている。 LaSOT、TrackingNet、DAVIS16-17、MOT17、MOTS20、YTVIS19を含む7つの追跡データセットの実験は、OmniTrackerがタスク固有の追跡モデルと統合された追跡モデルの両方よりも、オンパーまたはそれ以上の結果を達成することを示した。
  論文  参考訳（メタデータ） (2023-03-21T17:59:57Z)
• SOMPT22: A Surveillance Oriented Multi-Pedestrian Tracking Dataset [5.962184741057505]
  我々はSOMPT22データセットを紹介した。これは、都市監視のための高さ6-8mのポール上の静止カメラから撮影した注釈付きショートビデオを備えた、複数人の追跡のための新しいセットである。 我々は,新しいデータセット上での検出とreIDネットワークの利用方法について,MOTトラッカーをワンショットと2ステージに分類して分析する。 我々の新しいデータセットの実験結果から、SOTAは依然として高効率には程遠いことが示され、シングルショットトラッカーは高速実行と精度を競合性能と一体化するための良い候補である。
  論文  参考訳（メタデータ） (2022-08-04T11:09:19Z)
• Robot Person Following in Uniform Crowd Environment [13.708992331117281]
  人追跡ロボットには、セキュリティ、高齢者介護、社交ロボットなど、多くの応用がある。 本研究では,ロバストでリアルタイムなオブジェクトトラッカーを開発することにより,タスク追従者のロボットの知覚能力の向上に焦点をあてる。 我々は,新しいRGB-Dトラッカーを備えた新しいロボット人追跡システムであるDep Tracking with RGB-D (DTRD)を提案する。
  論文  参考訳（メタデータ） (2022-05-21T10:20:14Z)
• Unified Transformer Tracker for Object Tracking [58.65901124158068]
  異なるシナリオにおけるトラッキング問題に1つのパラダイムで対処するために,UTT(Unified Transformer Tracker)を提案する。 SOT(Single Object Tracking)とMOT(Multiple Object Tracking)の両方を対象とするトラックトランスフォーマーを開発した。
  論文  参考訳（メタデータ） (2022-03-29T01:38:49Z)
• Benchmarking Deep Trackers on Aerial Videos [5.414308305392762]
  本論文では,4つの空中データセットの深層学習手法に基づく10のトラッカーを比較した。 我々は,検出による追跡,識別相関フィルタ,シャムネットワーク,強化学習など,さまざまなアプローチを用いた上位パフォーマンストラッカを選択する。 本研究では, 地上映像と比べ, 航空データセットではトラッカーの性能が著しく悪くなることが示唆された。
  論文  参考訳（メタデータ） (2021-03-24T01:45:19Z)
• Unsupervised Deep Representation Learning for Real-Time Tracking [137.69689503237893]
  視覚追跡のための教師なし学習手法を提案する。 教師なし学習の動機は、ロバストなトラッカーが双方向トラッキングに有効であるべきだということです。 我々は,シームズ相関フィルタネットワーク上にフレームワークを構築し,教師なし学習を容易にするために,多フレーム検証方式とコスト感受性損失を提案する。
  論文  参考訳（メタデータ） (2020-07-22T08:23:12Z)
• Tracking-by-Counting: Using Network Flows on Crowd Density Maps for Tracking Multiple Targets [96.98888948518815]
  State-of-the-art multi-object tracking(MOT)法は、トラッキング・バイ・検出のパラダイムに従っている。 混み合ったシーンに適したMOTパラダイムであるトラッキング・バイ・カウントを提案する。
  論文  参考訳（メタデータ） (2020-07-18T19:51:53Z)
• 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)
• Supervised and Unsupervised Detections for Multiple Object Tracking in Traffic Scenes: A Comparative Study [11.024591739346294]
  我々はMF-Trackerと呼ばれる複数のオブジェクトトラッカーを提案し、そのトラッキングフレームワークに複数の古典的特徴(空間的特徴と色)と近代的特徴(検出ラベルと再識別機能)を統合する。 トラッカーは、教師なし・教師なしの物体検出装置のいずれからも検出できるため、教師なし・教師なしの検出入力の影響も調査した。 その結果,提案手法は異なる入力を持つ両方のデータセットで非常によく機能していることがわかった。
  論文  参考訳（メタデータ） (2020-03-30T17:27:04Z)

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。