論文の概要: Small Moving Object Detection Algorithm Based on Motion Information
- arxiv url: http://arxiv.org/abs/2301.01917v1
- Date: Thu, 5 Jan 2023 05:32:22 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-06 14:11:34.572841
- Title: Small Moving Object Detection Algorithm Based on Motion Information
- Title（参考訳）: 動き情報に基づく小型移動物体検出アルゴリズム
- Authors: Ziwei Sun, Zexi Hua, Hengcao Li
- Abstract要約: 動き情報に基づくサンプル移動物体検出アルゴリズム(SMOD-BMI)を提案した。
本稿では, 監視映像中の移動鳥を実験データセットとして用いて, アルゴリズムの性能を検証した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A Samll Moving Object Detection algorithm Based on Motion Information
(SMOD-BMI) was proposed to detect small moving objects with low Signal-to-Noise
Ratio (SNR). Firstly, To capture suspicious moving objects, a ConvLSTM-SCM-PAN
model structure was designed, in which the Convolutional Long and Short Time
Memory (ConvLSTM) network fused temporal and spatial information, the Selective
Concatenate Module (SCM) was selected to solve the problem of channel unbalance
during feature fusion, and the Path Aggregation Network (PAN) located the
suspicious moving objects. Then, an object tracking algorithm is used to track
suspicious moving objects and calculate their Motion Range (MR). At the same
time, according to the moving speed of the suspicious moving objects, the size
of their MR is adjusted adaptively (To be specific, if the objects move slowly,
we expand their MR according their speed to ensure the contextual environment
information) to obtain their Adaptive Candidate Motion Range (ACMR), so as to
ensure that the SNR of the moving object is improved while the necessary
context information is retained adaptively. Finally, a LightWeight SCM U-Shape
Net (LW-SCM-USN) based on ACMR with a SCM module is designed to classify and
locate small moving objects accurately and quickly. In this paper, the moving
bird in surveillance video is used as the experimental dataset to verify the
performance of the algorithm. The experimental results show that the proposed
small moving object detection method based on motion information can
effectively reduce the missing rate and false detection rate, and its
performance is better than the existing moving small object detection method of
SOTA.
- Abstract（参考訳）: 動き情報に基づくサンプル移動物体検出アルゴリズム (SMOD-BMI) を提案し, 信号対雑音比 (SNR) の低い小さな移動物体を検出する。
まず、不審な移動物体を捕捉するために、コンボリューショナル・ロング・アンド・ショート・タイム・メモリ(ConvLSTM)ネットワークが時間・空間情報を融合したConvLSTM-SCM-PANモデル構造を設計し、SCM(Selective Concatenate Module)を選択し、不審な移動物体のチャネル不均衡を解消した。
次に、疑わしい移動物体を追跡し、その動き範囲(mr)を算出するためにオブジェクト追跡アルゴリズムを用いる。
同時に、不審な移動物体の移動速度に応じて、そのmrのサイズを適応的に調整する(具体的には、物体がゆっくり動くと、その速度に応じてmrを拡張して状況環境情報を確保する)ことで、その適応候補運動範囲(acmr)を得ることにより、必要な状況情報を保持しながら、移動物体のsnrが改善されるようにする。
最後に、SCMモジュールを用いたACMRに基づくLightWeight SCM U-Shape Net(LW-SCM-USN)を設計し、小型移動物体を高精度かつ迅速に識別する。
本稿では,監視ビデオ中の移動鳥を実験データセットとして用いて,アルゴリズムの性能を検証する。
実験の結果,提案手法は動作情報に基づく小型物体検出手法により,欠落率と誤検出率を効果的に低減でき,その性能は既存のsomaの小型物体検出法よりも優れていることがわかった。
関連論文リスト
- FBD-SV-2024: Flying Bird Object Detection Dataset in Surveillance Video [11.776652825866648]
このデータセットは483のビデオクリップで構成され、合計28,694フレームである。
そのうち23,833体は28,366羽の空飛ぶ鳥を含む。
論文 参考訳（メタデータ） (2024-08-31T01:11:57Z) - Temporally-consistent 3D Reconstruction of Birds [5.787285686300833]
本研究では,特定の種類の海鳥の単眼映像から3Dのポーズと形状を復元する手法を提案する。
我々は,9羽の鳥を同時に捕獲した映像を1万フレームのリアルタイムデータセットとして提供した。
論文 参考訳（メタデータ） (2024-08-24T17:12:36Z) - A Flying Bird Object Detection Method for Surveillance Video [9.597393200515377]
本稿では,FBOD-SV(Flying Bird Object Detection for Surveillance Video)を提案する。
FBOD-SVは、トラクション・サブステーション監視ビデオにおいて、飛行する鳥の物体の実験的データセットを用いて検証されている。
実験結果から,FBOD-SVは監視ビデオにおいて飛来する鳥の物体の検出性能を効果的に向上することが示された。
論文 参考訳（メタデータ） (2024-01-08T09:20:46Z) - UAVs and Birds: Enhancing Short-Range Navigation through Budgerigar Flight Studies [2.3884184860468136]
本研究は,Budgerigars (Melopsittacus undulatus) の飛行行動について検討し,飛行軌跡や運動の知見を得た。
ステレオビデオカメラ記録からの3次元再構成を用いて, 3回の離陸, 飛行, 着陸時の速度, 加速度パターンを綿密に検討した。
この研究は、鳥類で観察される生物学的原理と、より効率的で自律的なUAVの開発におけるこれらの洞察の応用のギャップを埋めることを目的としている。
論文 参考訳（メタデータ） (2023-12-01T14:02:16Z) - FOLT: Fast Multiple Object Tracking from UAV-captured Videos Based on
Optical Flow [27.621524657473945]
複数物体追跡(MOT)はコンピュータビジョンにおいてよく研究されている。
しかし、無人航空機(UAV)が撮影したビデオのMOTは、小さな物体の大きさ、ぼやけた物体の外観、そして非常に大きくて不規則な動きのために依然として困難である。
我々はこれらの問題を緩和し、UAVビューで高速かつ正確なMOTに到達するためにFOLTを提案する。
論文 参考訳（メタデータ） (2023-08-14T15:24:44Z) - DORT: Modeling Dynamic Objects in Recurrent for Multi-Camera 3D Object
Detection and Tracking [67.34803048690428]
本稿では、この問題を解決するためにRecurrenT(DORT)の動的オブジェクトをモデル化することを提案する。
DORTは、重い計算負担を軽減する動き推定のために、オブジェクトワイズローカルボリュームを抽出する。
フレキシブルで実用的で、ほとんどのカメラベースの3Dオブジェクト検出器に差し込むことができる。
論文 参考訳（メタデータ） (2023-03-29T12:33:55Z) - Deep object detection for waterbird monitoring using aerial imagery [56.1262568293658]
本研究では,商用ドローンで収集した空中画像を用いて,水鳥の正確な検出,数え,監視に使用できる深層学習パイプラインを提案する。
畳み込み型ニューラルネットワークを用いた物体検出装置を用いて,テキサス沿岸の植民地性営巣島でよく見られる16種類の水鳥を検出できることを示す。
論文 参考訳（メタデータ） (2022-10-10T17:37:56Z) - Implicit Motion Handling for Video Camouflaged Object Detection [60.98467179649398]
本稿では,新しいビデオカモフラージュオブジェクト検出(VCOD)フレームワークを提案する。
短期的および長期的整合性を利用して、ビデオフレームからカモフラージュされたオブジェクトを検出する。
論文 参考訳（メタデータ） (2022-03-14T17:55:41Z) - DS-Net: Dynamic Spatiotemporal Network for Video Salient Object
Detection [78.04869214450963]
時間情報と空間情報のより効果的な融合のための新しい動的時空間ネットワーク(DSNet)を提案する。
提案手法は最先端アルゴリズムよりも優れた性能が得られることを示す。
論文 参考訳（メタデータ） (2020-12-09T06:42:30Z) - 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) - BirdNet+: End-to-End 3D Object Detection in LiDAR Bird's Eye View [117.44028458220427]
自動運転車のオンボード3Dオブジェクト検出は、LiDARデバイスが捉えた幾何学情報に依存することが多い。
本稿では,BEV画像のみから指向性3Dボックスを推測可能な,エンドツーエンドの3Dオブジェクト検出フレームワークを提案する。
論文 参考訳（メタデータ） (2020-03-09T15:08:40Z)
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。