論文の概要: Flying Bird Object Detection Algorithm in Surveillance Video Based on Motion Information

• arxiv url: http://arxiv.org/abs/2301.01917v3
• Date: Sat, 26 Aug 2023 13:49:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-30 00:54:18.929039
• Title: Flying Bird Object Detection Algorithm in Surveillance Video Based on Motion Information
• Title（参考訳）: モーション情報に基づくサーベイランス映像における飛行鳥物体検出アルゴリズム
• Authors: Ziwei Sun, Zexi Hua, Hengcao Li, Haiyan Zhong
• Abstract要約: 監視ビデオでは、オブジェクトのサイズは小さい(低信号対雑音比(SNR))。 物体追跡アルゴリズムは、不審な飛行する鳥の物体を追跡し、その運動距離(MR)を計算するために使用される 同時に、不審飛行鳥物体のMRの大きさを移動速度に応じて適応的に調整する。 ASt-CubesをベースとしたLightWeight U-Shape Net (LW-USN)は、飛ぶ鳥の物体を検出するように設計されている。
• 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 Flying Bird Object Detection algorithm Based on Motion Information (FBOD-BMI) is proposed to solve the problem that the features of the object are not obvious in a single frame, and the size of the object is small (low Signal-to-Noise Ratio (SNR)) in surveillance video. Firstly, a ConvLSTM-PAN model structure is designed to capture suspicious flying bird objects, in which the Convolutional Long and Short Time Memory (ConvLSTM) network aggregated the Spatio-temporal features of the flying bird object on adjacent multi-frame before the input of the model and the Path Aggregation Network (PAN) located the suspicious flying bird objects. Then, an object tracking algorithm is used to track suspicious flying bird objects and calculate their Motion Range (MR). At the same time, the size of the MR of the suspicious flying bird object is adjusted adaptively according to its speed of movement (specifically, if the bird moves slowly, its MR will be expanded according to the speed of the bird to ensure the environmental information needed to detect the flying bird object). Adaptive Spatio-temporal Cubes (ASt-Cubes) of the flying bird objects are generated to ensure that the SNR of the flying bird objects is improved, and the necessary environmental information is retained adaptively. Finally, a LightWeight U-Shape Net (LW-USN) based on ASt-Cubes is designed to detect flying bird objects, which rejects the false detections of the suspicious flying bird objects and returns the position of the real flying bird objects. The monitoring video including the flying birds is collected in the unattended traction substation as the experimental dataset to verify the performance of the algorithm. The experimental results show that the flying bird object detection method based on motion information proposed in this paper can effectively detect the flying bird object in surveillance video.
• Abstract（参考訳）: 動き情報(fbod-bmi)に基づくフライングバード物体検出アルゴリズムを提案し,単一フレームでは物体の特徴が明確ではなく,監視ビデオでは物体のサイズが小さい(低信号対雑音比(snr))という問題を解く。 第一に、ConvLSTM-PANモデル構造は、不審な空飛ぶ鳥の物体を捕捉するために設計されており、このモデルが入力される前に、隣り合う多フレーム上の空飛ぶ鳥の物体の時空間的特徴をConvLSTM(Convolutional Long and Short Time Memory)ネットワークが集約した。 次に、疑わしい飛鳥の物体を追跡し、その動き範囲(mr)を計算するために物体追跡アルゴリズムを用いる。 同時に、不審な飛鳥物体のmrの大きさをその移動速度に応じて適応的に調整する(特に、飛鳥がゆっくり動く場合は、飛鳥物体を検出するために必要な環境情報を確保するため、飛鳥の速度に応じてmrを拡大する)。 フライングバードオブジェクトの適応時空間キューブ(ASt-Cubes)を生成し、フライングバードオブジェクトのSNRを改善し、必要な環境情報を適応的に保持する。 最後に、ast-cubesに基づく軽量なu字型ネット(lw-usn)は、疑わしい飛鳥物体の誤検出を拒絶し、実際の飛鳥物体の位置を返す飛鳥物体を検出するように設計されている。 空飛ぶ鳥を含む監視映像を実験データセットとして無人トラクション変電所に収集し、アルゴリズムの性能を検証する。 実験の結果,本論文で提案する動作情報に基づく飛鳥物体検出手法は,監視映像において飛鳥物体を効果的に検出できることがわかった。

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。