論文の概要: Next-gen traffic surveillance: AI-assisted mobile traffic violation detection system

• arxiv url: http://arxiv.org/abs/2311.16179v1
• Date: Fri, 24 Nov 2023 22:42:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-29 21:40:37.255233
• Title: Next-gen traffic surveillance: AI-assisted mobile traffic violation detection system
• Title（参考訳）: 次世代交通監視:ai支援移動交通違反検知システム
• Authors: Dila Dede, Mehmet Ali Sars{\i}l, Ata Shaker, Olgu Alt{\i}nta\c{s}, Onur Ergen
• Abstract要約: 交通事故で毎日1300万人が命を落としている。 機械学習とコンピュータビジョンを活用する人工知能アルゴリズムの統合は、正確なトラフィックルールの実施を促進する。 本稿では、コンピュータビジョンと機械学習が、様々な交通違反を検出する堅牢なアルゴリズムの作成を可能にする方法について述べる。
• 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: Road traffic accidents pose a significant global public health concern, leading to injuries, fatalities, and vehicle damage. Approximately 1,3 million people lose their lives daily due to traffic accidents [World Health Organization, 2022]. Addressing this issue requires accurate traffic law violation detection systems to ensure adherence to regulations. The integration of Artificial Intelligence algorithms, leveraging machine learning and computer vision, has facilitated the development of precise traffic rule enforcement. This paper illustrates how computer vision and machine learning enable the creation of robust algorithms for detecting various traffic violations. Our model, capable of identifying six common traffic infractions, detects red light violations, illegal use of breakdown lanes, violations of vehicle following distance, breaches of marked crosswalk laws, illegal parking, and parking on marked crosswalks. Utilizing online traffic footage and a self-mounted on-dash camera, we apply the YOLOv5 algorithm's detection module to identify traffic agents such as cars, pedestrians, and traffic signs, and the strongSORT algorithm for continuous interframe tracking. Six discrete algorithms analyze agents' behavior and trajectory to detect violations. Subsequently, an Identification Module extracts vehicle ID information, such as the license plate, to generate violation notices sent to relevant authorities.
• Abstract（参考訳）: 交通事故は世界的な公衆衛生上の重大な懸念をもたらし、負傷、死亡、車両の損傷に繋がる。 交通事故で毎日1300万人が命を落としている[世界保健機関、2022年]。 この問題に対処するためには、正確な交通法違反検知システムが必要である。 機械学習とコンピュータビジョンを活用した人工知能アルゴリズムの統合により、正確な交通規制の実施が促進された。 本稿では,コンピュータビジョンと機械学習によって,さまざまなトラヒック違反を検出するロバストなアルゴリズムの作成を実現する方法について述べる。 我々のモデルは、一般的な6つの交通違反を識別し、赤信号違反、脱線レーンの違法使用、車間距離の違反、横断歩道法違反、違法駐車、および横断歩道の駐車を検出する。 オンライントラヒック映像と自己マウントオンダッシュカメラを用いて,車,歩行者,交通標識などのトラヒックエージェントを識別するためのyolov5アルゴリズムの検出モジュールと,フレーム間連続追跡のためのstrongsortアルゴリズムを適用した。 6つの離散アルゴリズムがエージェントの行動と軌道を分析し、違反を検出する。 その後、識別モジュールは、ライセンスプレートなどの車両ID情報を抽出して、関連する当局に送られた違反通知を生成する。

関連論文リスト

• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• Detecting Socially Abnormal Highway Driving Behaviors via Recurrent Graph Attention Networks [4.526932450666445]
  本研究は,ハイウェイビデオ監視システムによる軌跡から異常運転行動を検出することに焦点を当てる。 本稿では,周囲の車上での走行動作を文脈的に把握できるリカレントグラフ注意ネットワークを用いたオートエンコーダを提案する。 私たちのモデルは何千もの車で大きな高速道路にスケーラブルです。
  論文  参考訳（メタデータ） (2023-04-23T01:32:47Z)
• Unsupervised Adaptation from Repeated Traversals for Autonomous Driving [54.59577283226982]
  自動運転車はエンドユーザー環境に一般化し、確実に動作させなければならない。 潜在的な解決策の1つは、エンドユーザの環境から収集されたラベルのないデータを活用することである。 適応過程を監督する信頼性のある信号はターゲット領域に存在しない。 この単純な仮定は、ターゲット領域上の3次元物体検出器の反復的自己学習を可能にする強力な信号を得るのに十分であることを示す。
  論文  参考訳（メタデータ） (2023-03-27T15:07:55Z)
• Infrastructure-based End-to-End Learning and Prevention of Driver Failure [68.0478623315416]
  フェールネットは、規模が拡大したミニ都市において、名目上と無謀なドライバーの両方の軌道上で、エンドツーエンドでトレーニングされた、繰り返しニューラルネットワークである。 制御障害、上流での認識エラー、ドライバーのスピードを正確に識別し、名目運転と区別することができる。 速度や周波数ベースの予測器と比較すると、FailureNetのリカレントニューラルネットワーク構造は予測能力を向上し、ハードウェアにデプロイすると84%以上の精度が得られる。
  論文  参考訳（メタデータ） (2023-03-21T22:55:51Z)
• 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)
• Efficient Federated Learning with Spike Neural Networks for Traffic Sign Recognition [70.306089187104]
  我々は、エネルギー効率と高速モデルトレーニングのための交通信号認識に強力なスパイクニューラルネットワーク(SNN)を導入している。 数値的な結果から,提案するフェデレーションSNNは,従来のフェデレーション畳み込みニューラルネットワークよりも精度,ノイズ免疫性,エネルギー効率に優れていたことが示唆された。
  論文  参考訳（メタデータ） (2022-05-28T03:11:48Z)
• End-to-End Intersection Handling using Multi-Agent Deep Reinforcement Learning [63.56464608571663]
  交差点をナビゲートすることは、自動運転車にとって大きな課題の1つです。 本研究では,交通標識のみが提供された交差点をナビゲート可能なシステムの実装に着目する。 本研究では,時間ステップ毎に加速度と操舵角を予測するためのニューラルネットワークの訓練に用いる,モデルフリーの連続学習アルゴリズムを用いたマルチエージェントシステムを提案する。
  論文  参考訳（メタデータ） (2021-04-28T07:54:40Z)
• 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)
• Computer Vision based Accident Detection for Autonomous Vehicles [0.0]
  ダッシュボードカメラを用いて車両事故を検出する自動運転支援システムを提案する。 このフレームワークは、ダッシュカム映像のカスタムデータセットでテストされ、誤報率を低く保ちながら、高い事故検出率を達成する。
  論文  参考訳（メタデータ） (2020-12-20T08:51:10Z)
• Artificial Intelligence Enabled Traffic Monitoring System [3.085453921856008]
  本稿では,深層畳み込みニューラルネットワークを用いたリアルタイム交通映像の自動監視手法を提案する。 提案システムは、さまざまなトラフィック監視ニーズを自動化するために、最先端のディープラーニングアルゴリズムをデプロイする。
  論文  参考訳（メタデータ） (2020-10-02T22:28:02Z)
• iTV: Inferring Traffic Violation-Prone Locations with Vehicle Trajectories and Road Environment Data [12.715237421592624]
  本研究では,大規模車両軌跡データと環境データに基づいて,都市部における交通違反発生箇所を推定する枠組みを提案する。 提案手法の有効性を評価するため,中国2都市から収集した大規模・現実世界の車両軌道について広範な研究を行った。
  論文  参考訳（メタデータ） (2020-05-09T08:52:43Z)

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。