論文の概要: Computer vision based vehicle tracking as a complementary and scalable
approach to RFID tagging
- arxiv url: http://arxiv.org/abs/2209.05911v1
- Date: Tue, 13 Sep 2022 11:49:38 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-14 12:59:43.167756
- Title: Computer vision based vehicle tracking as a complementary and scalable
approach to RFID tagging
- Title（参考訳）: RFIDタグ付けにおける補完的かつスケーラブルなコンピュータビジョンに基づく車両追跡
- Authors: Pranav Kant Gaur, Abhilash Bhardwaj, Pritam Shete, Mohini Laghate,
Dinesh M Sarode
- Abstract要約: RFIDタグ付けは、ロジスティクスと技術面での車両追跡ソリューションのスケーラビリティを損なう。
我々は、コンピュータビジョンアルゴリズムの公開実装を活用して、解釈可能な車両追跡アルゴリズムを開発する。
システム展開サイトから75本のビデオクリップ285本について,提案手法の評価を行った。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Logging of incoming/outgoing vehicles serves as a piece of critical
information for root-cause analysis to combat security breach incidents in
various sensitive organizations. RFID tagging hampers the scalability of
vehicle tracking solutions on both logistics as well as technical fronts. For
instance, requiring each incoming vehicle(departmental or private) to be RFID
tagged is a severe constraint and coupling video analytics with RFID to detect
abnormal vehicle movement is non-trivial. We leverage publicly available
implementations of computer vision algorithms to develop an interpretable
vehicle tracking algorithm using finite-state machine formalism. The
state-machine consumes input from the cascaded object detection and optical
character recognition(OCR) models for state transitions. We evaluated the
proposed method on 75 video clips of 285 vehicles from our system deployment
site. We observed that the detection rate is most affected by the speed and the
type of vehicle. The highest detection rate is achieved when the vehicle
movement is restricted to follow a movement restrictions(SOP) at the checkpoint
similar to RFID tagging. We further analyzed 700 vehicle tracking predictions
on live-data and identified that the majority of vehicle number prediction
errors are due to illegible-text, image-blur, text occlusion and out-of-vocab
letters in vehicle numbers. Towards system deployment and performance
enhancement, we expect our ongoing system monitoring to provide evidences to
establish a higher vehicle-throughput SOP at the security checkpoint as well as
to drive the fine-tuning of the deployed computer-vision models and the
state-machine to establish the proposed approach as a promising alternative to
RFID-tagging.
- Abstract（参考訳）: 乗降車両のロギングは、さまざまな機密組織におけるセキュリティ侵害事件と闘うための根本原因分析の重要な情報である。
RFIDタグ付けは、ロジスティクスと技術面での車両追跡ソリューションのスケーラビリティを損なう。
例えば、各車両(部品またはプライベート)にRFIDタグを付けるのは厳しい制約であり、異常車両の動きを検出するためにRFIDとビデオ分析を結合させることは簡単ではない。
計算機ビジョンアルゴリズムの公開実装を活用し、有限状態マシンフォーマリズムを用いた解釈可能な車両追跡アルゴリズムを開発する。
状態マシンは、状態遷移のためのカスケードオブジェクト検出および光学文字認識(OCR)モデルからの入力を消費する。
システム展開サイトから75本のビデオクリップ285本について,提案手法の評価を行った。
その結果,検出速度は速度や車両の種類に最も影響を受けることがわかった。
車両移動がRFIDタギングと同様のチェックポイントでの移動制限(SOP)に従うように制限された場合に、最も高い検出率を達成する。
さらに,実データに基づく700件の車両追跡予測を解析し,車両番号の予測誤差の大部分は,車両番号の可読テキスト,イメージブルー,テキスト閉塞,外来文字によるものであることを確認した。
システム展開と性能向上に向けて,現在進行中のシステム監視は,セキュリティチェックポイントでより高い車両通過sopを確立するためのエビデンスを提供するとともに,デプロイされたコンピュータビジョンモデルとステートマシンの微調整を促進し,rfidタグの代替案として提案手法を確立することを期待する。
関連論文リスト
- Next-gen traffic surveillance: AI-assisted mobile traffic violation
detection system [0.0]
交通事故で毎日1300万人が命を落としている。
機械学習とコンピュータビジョンを活用する人工知能アルゴリズムの統合は、正確なトラフィックルールの実施を促進する。
本稿では、コンピュータビジョンと機械学習が、様々な交通違反を検出する堅牢なアルゴリズムの作成を可能にする方法について述べる。
論文 参考訳（メタデータ） (2023-11-24T22:42:47Z) - Unsupervised Domain Adaptation for Self-Driving from Past Traversal
Features [69.47588461101925]
本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。
提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。
実世界のデータセットの実験では、大幅な改善が示されている。
論文 参考訳（メタデータ） (2023-09-21T15:00:31Z) - 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) - Threat Detection In Self-Driving Vehicles Using Computer Vision [0.0]
ダッシュカムビデオを用いた自動運転車の脅威検出機構を提案する。
オブジェクトを識別するためのYOLO,高度な車線検出アルゴリズム,カメラからの距離を測定するマルチレグレッションモデルという,4つの主要なコンポーネントがある。
提案した脅威検出モデル(TDM)の最終的な精度は82.65%である。
論文 参考訳（メタデータ） (2022-09-06T12:01:07Z) - Efficient Federated Learning with Spike Neural Networks for Traffic Sign
Recognition [70.306089187104]
我々は、エネルギー効率と高速モデルトレーニングのための交通信号認識に強力なスパイクニューラルネットワーク(SNN)を導入している。
数値的な結果から,提案するフェデレーションSNNは,従来のフェデレーション畳み込みニューラルネットワークよりも精度,ノイズ免疫性,エネルギー効率に優れていたことが示唆された。
論文 参考訳（メタデータ） (2022-05-28T03:11:48Z) - Exploiting Playbacks in Unsupervised Domain Adaptation for 3D Object
Detection [55.12894776039135]
ディープラーニングに基づく最先端の3Dオブジェクト検出器は、有望な精度を示しているが、ドメインの慣用性に過度に適合する傾向がある。
対象領域の擬似ラベルの検出器を微調整することで,このギャップを大幅に削減する新たな学習手法を提案する。
5つの自律運転データセットにおいて、これらの擬似ラベル上の検出器を微調整することで、新しい運転環境への領域ギャップを大幅に減らすことを示す。
論文 参考訳（メタデータ） (2021-03-26T01:18:11Z) - Computer Vision based Accident Detection for Autonomous Vehicles [0.0]
ダッシュボードカメラを用いて車両事故を検出する自動運転支援システムを提案する。
このフレームワークは、ダッシュカム映像のカスタムデータセットでテストされ、誤報率を低く保ちながら、高い事故検出率を達成する。
論文 参考訳（メタデータ） (2020-12-20T08:51:10Z) - Fine-Grained Vehicle Perception via 3D Part-Guided Visual Data
Augmentation [77.60050239225086]
実画像中の車両に動的部品を付加した3次元自動車モデルによる効果的なトレーニングデータ生成プロセスを提案する。
私達のアプローチは人間の相互作用なしで完全に自動です。
VUS解析用マルチタスクネットワークとVHI解析用マルチストリームネットワークを提案する。
論文 参考訳（メタデータ） (2020-12-15T03:03:38Z) - Artificial Intelligence Enabled Traffic Monitoring System [3.085453921856008]
本稿では,深層畳み込みニューラルネットワークを用いたリアルタイム交通映像の自動監視手法を提案する。
提案システムは、さまざまなトラフィック監視ニーズを自動化するために、最先端のディープラーニングアルゴリズムをデプロイする。
論文 参考訳（メタデータ） (2020-10-02T22:28:02Z) - A Survey and Tutorial of EEG-Based Brain Monitoring for Driver State
Analysis [164.93739293097605]
EEGは運転状態のモニタリングとヒューマンエラー検出において最も効果的な方法の1つであることが証明されている。
本稿では,過去30年間の脳波に基づく運転状態検出システムとその解析アルゴリズムについて論じる。
現在のEEGベースの運転状態監視アルゴリズムは、安全アプリケーションに有望である、と結論付けている。
論文 参考訳（メタデータ） (2020-08-25T18:21:35Z) - Cooperative Perception with Deep Reinforcement Learning for Connected
Vehicles [7.7003495898919265]
本研究では, 周辺物体の検出精度を高めるために, 深層強化学習を用いた協調認識方式を提案する。
本手法は、車両通信網におけるネットワーク負荷を軽減し、通信信頼性を高める。
論文 参考訳（メタデータ） (2020-04-23T01:44:12Z)
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。