論文の概要: Indoor Localization and Multi-person Tracking Using Privacy Preserving Distributed Camera Network with Edge Computing

• arxiv url: http://arxiv.org/abs/2305.05062v1
• Date: Mon, 8 May 2023 21:38:42 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-10 14:22:47.448335
• Title: Indoor Localization and Multi-person Tracking Using Privacy Preserving Distributed Camera Network with Edge Computing
• Title（参考訳）: エッジコンピューティングを用いたプライバシー保護型分散カメラネットワークを用いた屋内位置推定とマルチパーソントラッキング
• Authors: Hyeokhyen Kwon, Chaitra Hedge, Yashar Kiarashi, Venkata Siva Krishna Madala, Ratan Singh, ArjunSinh Nakum, Robert Tweedy, Leandro Miletto Tonetto, Craig M. Zimring, Gari D. Clifford
• Abstract要約: マルチパーソンローカライゼーションのためのオープンソース,低コスト,スケーラブル,プライバシ保護フレームワークを提案する。 本システムは, 室内治療空間の天井に設置した38個のプロセッシングユニット(TPU)対応エッジコンピューティングカメラシステムからなる。 複数の人物検出アルゴリズムとポーズ推定モデルがエッジTPU上でリアルタイムに実行され、下流の計算に生画像の代わりに使用される特徴を収集する。
• 参考スコア（独自算出の注目度）: 2.368208074127122
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Localization of individuals in a built environment is a growing research topic. Estimating the positions, face orientation (or gaze direction) and trajectories of people through space has many uses, such as in crowd management, security, and healthcare. In this work, we present an open-source, low-cost, scalable and privacy-preserving edge computing framework for multi-person localization, i.e. estimating the positions, orientations, and trajectories of multiple people in an indoor space. Our computing framework consists of 38 Tensor Processing Unit (TPU)-enabled edge computing camera systems placed in the ceiling of the indoor therapeutic space. The edge compute systems are connected to an on-premise fog server through a secure and private network. A multi-person detection algorithm and a pose estimation model run on the edge TPU in real-time to collect features which are used, instead of raw images, for downstream computations. This ensures the privacy of individuals in the space, reduces data transmission/storage and improves scalability. We implemented a Kalman filter-based multi-person tracking method and a state-of-the-art body orientation estimation method to determine the positions and facing orientations of multiple people simultaneously in the indoor space. For our study site with size of 18,000 square feet, our system demonstrated an average localization error of 1.41 meters, a multiple-object tracking accuracy score of 62%, and a mean absolute body orientation error of 29{\deg}, which is sufficient for understanding group activity behaviors in indoor environments. Additionally, our study provides practical guidance for deploying the proposed system by analyzing various elements of the camera installation with respect to tracking accuracy.
• Abstract（参考訳）: 構築された環境における個人のローカライゼーションは、研究トピックの増大である。 空間内の人々の位置、顔の向き(または視線方向)、軌道の推定には、群衆管理、セキュリティ、医療など多くの用途がある。 本稿では,マルチパーソナライズのためのオープンソース,低コスト,スケーラブル,プライバシ保護型エッジコンピューティングフレームワーク,すなわち,屋内空間における複数人の位置,方向,軌跡を推定する。 私たちのコンピューティングフレームワークは,38個のテンソル処理ユニット(tpu)対応エッジコンピューティングカメラシステムから成り,室内治療空間の天井に配置されている。 エッジコンピューティングシステムは、セキュアでプライベートなネットワークを介してオンプレミスのフォグサーバに接続する。 複数の人物検出アルゴリズムとポーズ推定モデルがエッジTPU上でリアルタイムに実行され、下流の計算に生画像の代わりに使用される特徴を収集する。 これにより、空間内の個人のプライバシが確保され、データ転送/ストレージが削減され、スケーラビリティが向上する。 室内空間における複数の人物の位置と対向方向を同時に決定するために,カルマンフィルタを用いた多人数追跡法と最先端の身体配向推定法を実装した。 約18,000平方フィート (18,000平方フィート) の研究では, 平均位置推定誤差が1.41m, 複数物体追跡精度が62%, 絶対絶対体方向誤差が29{\deg} となり, 室内環境における集団行動の理解に十分であった。 さらに,カメラ設置の各種要素をトラッキング精度で解析することにより,提案システムの実装の実践的ガイダンスを提供する。

関連論文リスト

• Analysis of Unstructured High-Density Crowded Scenes for Crowd Monitoring [55.2480439325792]
  我々は,人群集の組織的動きを検出する自動システムの開発に興味がある。 コンピュータビジョンアルゴリズムは、混雑したシーンのビデオから情報を抽出することができる。 組織化されたコホート内の参加者数を見積もることができます。
  論文  参考訳（メタデータ） (2024-08-06T22:09:50Z)
• VICAN: Very Efficient Calibration Algorithm for Large Camera Networks [49.17165360280794]
  ポースグラフ最適化手法を拡張する新しい手法を提案する。 我々は、カメラを含む二部グラフ、オブジェクトの動的進化、各ステップにおけるカメラオブジェクト間の相対変換について考察する。 我々のフレームワークは従来のPGOソルバとの互換性を維持しているが、その有効性はカスタマイズされた最適化方式の恩恵を受けている。
  論文  参考訳（メタデータ） (2024-03-25T17:47:03Z)
• Learning Online Policies for Person Tracking in Multi-View Environments [4.62316736194615]
  MVSparseは、複数の同期カメラにまたがる協調的多人数追跡のための新しいフレームワークである。 MVSparseシステムは、エッジサーバベースのモデルと分散軽量強化学習(RL)エージェントを組み合わせた、慎重にオーケストレーションされたパイプラインで構成されている。 私たちの貢献には、マルチカメラの歩行者追跡データセットの実証分析、マルチカメラの開発、マルチパーソナリティ検出パイプラインの開発、MVSparseの実装などが含まれています。
  論文  参考訳（メタデータ） (2023-12-26T02:57:11Z)
• YOLORe-IDNet: An Efficient Multi-Camera System for Person-Tracking [2.5761958263376745]
  本稿では、相関フィルタとIOU(Intersection Over Union)の制約を併用して、ロバストなトラッキングを行う人物追跡システムを提案する。 提案システムは,複数のカメラでリアルタイムで容疑者を特定し,追跡する。 計算効率が高く、79%のF1スコア、既存の最先端アルゴリズムに匹敵する59%のIOUを実現している。
  論文  参考訳（メタデータ） (2023-09-23T14:11:13Z)
• Neural Implicit Dense Semantic SLAM [83.04331351572277]
  本稿では,屋内シーンのメモリ効率,高密度な3次元形状,セマンティックセマンティックセグメンテーションをオンラインで学習する新しいRGBD vSLAMアルゴリズムを提案する。 私たちのパイプラインは、従来の3Dビジョンベースのトラッキングとループクローズとニューラルフィールドベースのマッピングを組み合わせたものです。 提案アルゴリズムはシーン認識を大幅に向上させ,様々なロボット制御問題を支援する。
  論文  参考訳（メタデータ） (2023-04-27T23:03:52Z)
• Enhancing Multi-Camera People Tracking with Anchor-Guided Clustering and Spatio-Temporal Consistency ID Re-Assignment [22.531044994763487]
  本稿では,アンカークラスタリング誘導を用いたマルチカメラによる複数人物追跡手法を提案する。 提案手法は,各個人固有の重要な特徴を特定することによって,トラッキングの精度を向上させることを目的としている。 この手法は, 合成データと実世界のデータの両方を扱う上で, 堅牢性と有効性を示した。
  論文  参考訳（メタデータ） (2023-04-19T07:38:15Z)
• CXTrack: Improving 3D Point Cloud Tracking with Contextual Information [59.55870742072618]
  3Dオブジェクトトラッキングは、自律運転など、多くのアプリケーションにおいて重要な役割を果たす。 CXTrackは3次元オブジェクト追跡のためのトランスフォーマーベースのネットワークである。 CXTrackは29FPSで動作しながら最先端のトラッキング性能を実現する。
  論文  参考訳（メタデータ） (2022-11-12T11:29:01Z)
• Scalable and Real-time Multi-Camera Vehicle Detection, Re-Identification, and Tracking [58.95210121654722]
  理想化されたビデオストリームやキュレートされたビデオストリームの代わりに,リアルタイムで低解像度のCCTVを処理する,リアルタイムな都市規模のマルチカメラ車両追跡システムを提案する。 私たちの手法は、公共のリーダーボードで上位5人のパフォーマーにランク付けされています。
  論文  参考訳（メタデータ） (2022-04-15T12:47:01Z)
• CNN-based Omnidirectional Object Detection for HermesBot Autonomous Delivery Robot with Preliminary Frame Classification [53.56290185900837]
  予備的バイナリフレーム分類を用いた物体検出のためのニューラルネットワークの最適化アルゴリズムを提案する。 周囲に6台のローリングシャッターカメラを備えた自律移動ロボットを360度視野として実験装置として使用した。
  論文  参考訳（メタデータ） (2021-10-22T15:05:37Z)
• Anyone here? Smart embedded low-resolution omnidirectional video sensor to measure room occupancy [2.7347781746626705]
  独特な特性を有する部屋占有感センサソリューションを提案する。 これは全方位カメラに基づいており、広い角度でシーン情報をリッチに捉えている。 画像解像度が極端に低く、人々が認識できないため、プライバシー上の問題は発生しない。
  論文  参考訳（メタデータ） (2020-07-09T17:05:32Z)
• View Invariant Human Body Detection and Pose Estimation from Multiple Depth Sensors [0.7080990243618376]
  本稿では,複数地点のクラウドソースを用いて,エンドツーエンドの多対人3Dポーズ推定ネットワークであるPoint R-CNNを提案する。 我々は、個別のカメラ故障、様々なターゲットの外観、複雑な散らかったシーンなど、現実の課題をシミュレートする広範囲な実験を行った。 一方、私たちのエンドツーエンドネットワークは、カスケードされた最先端モデルよりも大幅に優れています。
  論文  参考訳（メタデータ） (2020-05-08T19:06:28Z)

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。