論文の概要: Survey on video anomaly detection in dynamic scenes with moving cameras

• arxiv url: http://arxiv.org/abs/2308.07050v1
• Date: Mon, 14 Aug 2023 10:21:06 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-15 13:36:54.630435
• Title: Survey on video anomaly detection in dynamic scenes with moving cameras
• Title（参考訳）: 動画像カメラを用いた動的シーンの映像異常検出に関する調査
• Authors: Runyu Jiao, Yi Wan, Fabio Poiesi, Yiming Wang
• Abstract要約: 我々は、移動カメラビデオ異常検出(MC-VAD)に関する最初の総合的な調査を行う。 私たちの調査では、セキュリティ、都市交通、海洋環境の3つのアプリケーション領域をカバーしています。 我々は、水中、水面、地面、空中の4つの異なる環境にまたがる、公開可能な25のデータセットをまとめる。 本稿では、これらのデータセットが対応するか含んでいる異常の種類を要約し、そのような異常を検出するための5つの主要なアプローチカテゴリを提示する。
• 参考スコア（独自算出の注目度）: 16.849332621082613
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The increasing popularity of compact and inexpensive cameras, e.g.~dash cameras, body cameras, and cameras equipped on robots, has sparked a growing interest in detecting anomalies within dynamic scenes recorded by moving cameras. However, existing reviews primarily concentrate on Video Anomaly Detection (VAD) methods assuming static cameras. The VAD literature with moving cameras remains fragmented, lacking comprehensive reviews to date. To address this gap, we endeavor to present the first comprehensive survey on Moving Camera Video Anomaly Detection (MC-VAD). We delve into the research papers related to MC-VAD, critically assessing their limitations and highlighting associated challenges. Our exploration encompasses three application domains: security, urban transportation, and marine environments, which in turn cover six specific tasks. We compile an extensive list of 25 publicly-available datasets spanning four distinct environments: underwater, water surface, ground, and aerial. We summarize the types of anomalies these datasets correspond to or contain, and present five main categories of approaches for detecting such anomalies. Lastly, we identify future research directions and discuss novel contributions that could advance the field of MC-VAD. With this survey, we aim to offer a valuable reference for researchers and practitioners striving to develop and advance state-of-the-art MC-VAD methods.
• Abstract（参考訳）: 小型で安価なカメラ(例えばダッシュカメラ、ボディカメラ、ロボットを搭載したカメラ)の人気が高まり、移動カメラが記録するダイナミックシーン内の異常を検出することへの関心が高まった。 しかし、既存のレビューは主に静的カメラを想定したビデオ異常検出(VAD)手法に焦点を当てている。 移動カメラに関するvadの文献は断片化されており、今日まで包括的なレビューが欠落している。 このギャップに対処するため,移動カメラ映像異常検出(MC-VAD)に関する総合的な調査を行った。 我々は,mc-vadに関する研究論文を精査し,その限界を批判的に評価し,関連する課題を強調する。 私たちの調査は、セキュリティ、都市交通、海洋環境という3つのアプリケーションドメインを包含しています。 我々は、水中、水面、地面、空中の4つの異なる環境にまたがる、公開可能な25のデータセットをまとめる。 これらのデータセットが対応するか含んでいる異常の種類を要約し、そのような異常を検出するための5つの主要なアプローチカテゴリを示す。 最後に、今後の研究の方向性を特定し、MC-VADの分野を前進させる新しい貢献について議論する。 本調査では,最先端のMC-VAD手法を開発し,発展させようとする研究者や実践者に対して,貴重な参考資料を提供することを目的としている。

関連論文リスト

• Multiview Aerial Visual Recognition (MAVREC): Can Multi-view Improve Aerial Visual Perception? [57.77643186237265]
  我々は、異なる視点から同期シーンを記録するビデオデータセットであるMultiview Aerial Visual RECgnition(MAVREC)を提示する。 MAVRECは約2.5時間、業界標準の2.7K解像度ビデオシーケンス、0.5万フレーム以上のフレーム、11万の注釈付きバウンディングボックスで構成されている。 これにより、MAVRECは地上および空中ビューのデータセットとして最大であり、ドローンベースのデータセットの中では4番目に大きい。
  論文  参考訳（メタデータ） (2023-12-07T18:59:14Z)
• SeaDSC: A video-based unsupervised method for dynamic scene change detection in unmanned surface vehicles [3.2716252389196288]
  本稿では,無人表面車両(USV)の動的シーン変化を検出するためのアプローチについて概説する。 本研究の目的は,海中映像データのダイナミックなシーン,特に高い類似性を示すシーンに顕著な変化を見出すことである。 本研究では,動的シーン変化検出システムにおいて,教師なし学習手法を提案する。
  論文  参考訳（メタデータ） (2023-11-20T07:34:01Z)
• Deep Learning for Event-based Vision: A Comprehensive Survey and Benchmarks [55.81577205593956]
  イベントカメラはバイオインスパイアされたセンサーで、ピクセルごとの強度の変化を非同期に捉える。 深層学習(DL)はこの新興分野に導入され、その可能性のマイニングに活発な研究努力にインスピレーションを与えている。
  論文  参考訳（メタデータ） (2023-02-17T14:19:28Z)
• Drone Detection and Tracking in Real-Time by Fusion of Different Sensing Modalities [66.4525391417921]
  マルチセンサ・ドローン検知システムの設計と評価を行う。 われわれのソリューションは、魚眼カメラを統合し、空の広い部分を監視し、他のカメラを興味ある対象に向けて操縦する。 このサーマルカメラは、たとえこのカメラが解像度が低いとしても、ビデオカメラと同じくらい実現可能なソリューションであることが示されている。
  論文  参考訳（メタデータ） (2022-07-05T10:00:58Z)
• The State of Aerial Surveillance: A Survey [62.198765910573556]
  本稿では、コンピュータビジョンとパターン認識の観点から、人間中心の空中監視タスクの概要を概観する。 主な対象は、単体または複数の被験者が検出され、特定され、追跡され、再同定され、その振る舞いが分析される人間である。
  論文  参考訳（メタデータ） (2022-01-09T20:13:27Z)
• Attentive and Contrastive Learning for Joint Depth and Motion Field Estimation [76.58256020932312]
  単眼視システムからシーンの3次元構造とともにカメラの動きを推定することは複雑な作業である。 モノクロ映像からの3次元物体運動場推定のための自己教師付き学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-10-13T16:45:01Z)
• MODS -- A USV-oriented object detection and obstacle segmentation benchmark [12.356257470551348]
  海上物体検出とより一般的な海上障害物セグメンテーションの2つの主要な知覚タスクを考慮する新しい障害物検出ベンチマークMODSを紹介します。 船載IMUと同期する約81kのステレオ画像と60k以上の物体を注釈付けした新たな海洋評価データセットを提案する。 実用的なUSVナビゲーションに有用な方法で検出精度を反映した新しい障害物分割性能評価プロトコルを提案する。
  論文  参考訳（メタデータ） (2021-05-05T22:40:27Z)
• 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)
• Vision-based Fight Detection from Surveillance Cameras [6.982738885923204]
  本稿では,LSTMに基づく戦闘シーン分類問題の解法について検討する。 新たなデータセットが収集され、YouTubeで利用可能な監視カメラビデオの戦闘シーンで構成されている。 提案手法は,Xceptionモデル,Bi-LSTM,アテンションを統合して,戦闘シーン分類における最先端の精度を向上させる。
  論文  参考訳（メタデータ） (2020-02-11T12:56:29Z)
• Moving Objects Detection with a Moving Camera: A Comprehensive Review [2.5889737226898437]
  パノラマ背景のサブトラクション、デュアルカメラ、モーション補償、サブスペースセグメンテーション、モーションセグメンテーション、平面+パララックス、マルチプレーン、分割画像ブロックの8つの異なるアプローチに従って、メソッドがグループ化される。 スタティックカメラの手法のリマインダーと、スタティックカメラと移動カメラの両方の課題が提供される。
  論文  参考訳（メタデータ） (2020-01-15T11:12:51Z)

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。