論文の概要: A Feasibility Study on Indoor Localization and Multi-person Tracking
Using Sparsely Distributed Camera Network with Edge Computing
- arxiv url: http://arxiv.org/abs/2305.05062v2
- Date: Wed, 29 Nov 2023 14:23:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-01 01:04:27.924255
- Title: A Feasibility Study on Indoor Localization and Multi-person Tracking
Using Sparsely 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疎分散カメラネットワークを用いた屋内位置推定と多人数追跡の可能性
- Authors: Hyeokhyen Kwon, Chaitra Hegde, Yashar Kiarashi, Venkata Siva Krishna
Madala, Ratan Singh, ArjunSinh Nakum, Robert Tweedy, Leandro Miletto Tonetto,
Craig M. Zimring, Matthew Doiron, Amy D. Rodriguez, Allan I. Levey, and Gari
D. Clifford
- Abstract要約: 本研究では,大規模屋内空間内のエッジコンピューティングデバイスに実装されたカメラによる屋内位置推定と多人数追跡システムを提案する。
パイプラインでは,平均位置推定誤差が1.41m,多目的追跡精度が88.6%,絶対絶対方位誤差が29度であった。
- 参考スコア(独自算出の注目度): 1.7092183947364459
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Camera-based activity monitoring systems are becoming an attractive solution
for smart building applications with the advances in computer vision and edge
computing technologies. In this paper, we present a feasibility study and
systematic analysis of a camera-based indoor localization and multi-person
tracking system implemented on edge computing devices within a large indoor
space. To this end, we deployed an end-to-end edge computing pipeline that
utilizes multiple cameras to achieve localization, body orientation estimation
and tracking of multiple individuals within a large therapeutic space spanning
$1700m^2$, all while maintaining a strong focus on preserving privacy. Our
pipeline consists of 39 edge computing camera systems equipped with Tensor
Processing Units (TPUs) placed in the indoor space's ceiling. To ensure the
privacy of individuals, a real-time multi-person pose estimation algorithm runs
on the TPU of the computing camera system. This algorithm extracts poses and
bounding boxes, which are utilized for indoor localization, body orientation
estimation, and multi-person tracking. Our pipeline demonstrated an average
localization error of 1.41 meters, a multiple-object tracking accuracy score of
88.6\%, and a mean absolute body orientation error of 29\degree. These results
shows that localization and tracking of individuals in a large indoor space is
feasible even with the privacy constrains.
- Abstract(参考訳): カメラベースのアクティビティ監視システムは、コンピュータビジョンとエッジコンピューティング技術の進歩により、スマートビルディングアプリケーションにとって魅力的なソリューションになりつつある。
本稿では,大規模屋内空間におけるエッジコンピューティングデバイスに実装されたカメラを用いた屋内位置推定と多人数追跡システムの実現可能性とシステム解析について述べる。
この目的のために、我々は、複数のカメラを利用したエンドツーエンドのエッジコンピューティングパイプラインをデプロイし、プライバシー保護に重点を置きながら、1700m^2$の大規模な治療空間における複数の個人の位置推定、身体の向き推定、追跡を実現した。
私たちのパイプラインは、屋内空間の天井にテンソルプロセッシングユニット(TPU)を備えた39台のエッジコンピューティングカメラシステムで構成されています。
個人のプライバシーを確保するため、リアルタイムマルチパーソンポーズ推定アルゴリズムは、コンピュータカメラシステムのtpu上で動作する。
本アルゴリズムは,屋内位置推定,身体方向推定,多人数追跡に利用されるポーズ・バウンディングボックスを抽出する。
パイプラインの平均定位誤差は1.41m、多目的追跡精度スコアは88.6\%、絶対体方向誤差は29\degreeであった。
これらの結果から,大規模屋内空間における個人の位置推定と追跡は,プライバシーの制約があっても実現可能であることが示された。
関連論文リスト
- 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) - Self-supervised Human Detection and Segmentation via Multi-view
Consensus [116.92405645348185]
本稿では,トレーニング中に幾何学的制約を多視点一貫性という形で組み込むマルチカメラフレームワークを提案する。
本手法は,標準ベンチマークから視覚的に外れた画像に対して,最先端の自己監視的人物検出とセグメンテーション技術に勝ることを示す。
論文 参考訳(メタデータ) (2020-12-09T15:47:21Z) - Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for
Online Collision Avoidance [95.86944752753564]
本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。
我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。
本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
論文 参考訳(メタデータ) (2020-07-28T07:34:30Z) - 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。