Fugu-MT 論文翻訳(概要): Real-Time Traffic End-of-Queue Detection and Tracking in UAV Video

論文の概要: Real-Time Traffic End-of-Queue Detection and Tracking in UAV Video

arxiv url: http://arxiv.org/abs/2302.01923v2
Date: Tue, 31 Oct 2023 20:07:16 GMT
ステータス: 処理完了
システム内更新日: 2023-11-02 18:21:40.952627
Title: Real-Time Traffic End-of-Queue Detection and Tracking in UAV Video
Title（参考訳）: UAVビデオにおけるリアルタイムトラフィック終端検出と追跡
Authors: Russ Messenger, Md Zobaer Islam, Matthew Whitlock, Erik Spong, Nate Morton, Layne Claggett, Chris Matthews, Jordan Fox, Leland Palmer, Dane C. Johnson, John F. O'Hara, Christopher J. Crick, Jamey D. Jacob, Sabit Ekin
Abstract要約: 本研究では,UAVが捉えたハイウェイ作業区域の映像をリアルタイムに映像化することで,交通の終端(EOQ)を検出するための概念実証を行う。この手法は、車両のEOQを検知し、特別なイベント、交通渋滞、建設、事故によって車両が急速に蓄積している他の道路や交差点でもドライバーに通知することができる。
参考スコア（独自算出の注目度）: 0.13525723298325706
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Highway work zones are susceptible to undue accumulation of motorized vehicles which calls for dynamic work zone warning signs to prevent accidents. The work zone signs are placed according to the location of the end-of-queue of vehicles which usually changes rapidly. The detection of moving objects in video captured by Unmanned Aerial Vehicles (UAV) has been extensively researched so far, and is used in a wide array of applications including traffic monitoring. Unlike the fixed traffic cameras, UAVs can be used to monitor the traffic at work zones in real-time and also in a more cost-effective way. This study presents a method as a proof of concept for detecting End-of-Queue (EOQ) of traffic by processing the real-time video footage of a highway work zone captured by UAV. EOQ is detected in the video by image processing which includes background subtraction and blob detection methods. This dynamic localization of EOQ of vehicles will enable faster and more accurate relocation of work zone warning signs for drivers and thus will reduce work zone fatalities. The method can be applied to detect EOQ of vehicles and notify drivers in any other roads or intersections too where vehicles are rapidly accumulating due to special events, traffic jams, construction, or accidents.
Abstract（参考訳）: 高速道路の作業ゾーンは、事故を防止するために動的作業ゾーン警告標識を要求する自動車の過剰な蓄積の影響を受けやすい。作業ゾーンの標識は、通常急速に変化する車両の終着点の位置に従って置かれる。無人航空機(UAV)が捉えた映像中の移動物体の検出は、これまで広く研究されており、交通監視を含む幅広いアプリケーションで利用されている。固定された交通カメラとは異なり、UAVはワークゾーンの交通をリアルタイムで監視し、よりコスト効率の良い方法で監視することができる。本研究では,UAVが捉えた高速道路作業区域のリアルタイム映像を処理し,交通の終端(EOQ)を検出するための概念実証手法を提案する。 EOQは、バックグラウンドサブトラクションとブロブ検出方法を含む画像処理によってビデオ中に検出される。車両のEOQのダイナミックなローカライゼーションにより、運転者の作業ゾーン警告標識のより高速かつより正確な移動が可能となり、作業ゾーン死亡率の低減が図られる。この方法は、特定のイベント、交通渋滞、建設、事故によって車両が急速に蓄積している他の道路や交差点のドライバーにeoqを検知し、通知することができる。

関連論文リスト

MSight: An Edge-Cloud Infrastructure-based Perception System for Connected Automated Vehicles [58.461077944514564]
本稿では,自動走行車に特化して設計された最先端道路側認識システムであるMSightについて述べる。 MSightは、リアルタイムの車両検出、ローカライゼーション、トラッキング、短期的な軌道予測を提供する。評価は、待ち時間を最小限にしてレーンレベルの精度を維持するシステムの能力を強調している。
論文参考訳（メタデータ） (2023-10-08T21:32:30Z)
AVARS -- Alleviating Unexpected Urban Road Traffic Congestion using UAVs [1.350455609556855]
本稿では, DRLを用いた交通信号制御により, 予期せぬ都市交通渋滞を低減するためにUAVを使用する可能性を探る「AVARS」システムを提案する。シミュレーションの結果,AVARSはアイルランドのダブリンで発生した予期せぬ交通渋滞を,本来の非混雑レベルに戻すことができることがわかった。
論文参考訳（メタデータ） (2023-09-10T09:40:20Z)
OpenLane-V2: A Topology Reasoning Benchmark for Unified 3D HD Mapping [84.65114565766596]
交通シーン構造を考慮したトポロジ推論のための最初のデータセットであるOpenLane-V2を提案する。 OpenLane-V2は2000のアノテートされた道路シーンで構成され、交通要素と車線との関係を記述している。様々な最先端手法を評価し,OpenLane-V2の定量的,定性的な結果を示し,交通現場におけるトポロジ推論の今後の道筋を示す。
論文参考訳（メタデータ） (2023-04-20T16:31:22Z)
Traffic Scene Parsing through the TSP6K Dataset [109.69836680564616]
高品質なピクセルレベルのアノテーションとインスタンスレベルのアノテーションを備えた,TSP6Kと呼ばれる特殊なトラフィック監視データセットを導入する。データセットは、既存の運転シーンの何倍ものトラフィック参加者を持つ、より混雑した交通シーンをキャプチャする。交通シーンの異なるセマンティック領域の詳細を復元するシーン解析のためのディテールリフィニングデコーダを提案する。
論文参考訳（メタデータ） (2023-03-06T02:05:14Z)
A Real-Time Wrong-Way Vehicle Detection Based on YOLO and Centroid Tracking [0.0]
誤運転は、世界中の道路事故や交通渋滞の主な原因の1つである。本稿では,道路監視カメラによる車両自動検知システムを提案する。
論文参考訳（メタデータ） (2022-10-19T00:53:28Z)
Real-Time Accident Detection in Traffic Surveillance Using Deep Learning [0.8808993671472349]
本稿では,交通監視用交差点における事故検出のための新しい効率的な枠組みを提案する。提案手法は,最先端のYOLOv4法に基づく効率的かつ高精度な物体検出を含む,3つの階層的なステップから構成される。提案フレームワークのロバスト性は,様々な照明条件でYouTubeから収集した映像シーケンスを用いて評価する。
論文参考訳（メタデータ） (2022-08-12T19:07:20Z)
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)
Vehicle Detection and Tracking From Surveillance Cameras in Urban Scenes [9.54261903220931]
本稿では,多車車検出・追跡システムを提案する。本手法は車種再識別機能を備えたIOU(Intersection-over-Union)トラッカーを拡張した。 UA-DETRACベンチマークでは,オンライン利用に適した処理速度を維持しながら,ベースラインMOT法より優れています。
論文参考訳（メタデータ） (2021-09-25T18:21:44Z)
Traffic-Net: 3D Traffic Monitoring Using a Single Camera [1.1602089225841632]
我々は,1台のCCTVトラヒックカメラを用いたリアルタイムトラヒック監視のための実用的なプラットフォームを提供する。車両・歩行者検出のためのカスタムYOLOv5ディープニューラルネットワークモデルとSORT追跡アルゴリズムの改良を行った。また、短時間・長期の時間的ビデオデータストリームに基づく階層的なトラフィックモデリングソリューションも開発している。
論文参考訳（メタデータ） (2021-09-19T16:59:01Z)
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)
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)

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。