論文の概要: Sparse Sampling is All You Need for Fast Wrong-way Cycling Detection in CCTV Videos
- arxiv url: http://arxiv.org/abs/2405.07293v1
- Date: Sun, 12 May 2024 14:16:05 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-14 15:34:20.410569
- Title: Sparse Sampling is All You Need for Fast Wrong-way Cycling Detection in CCTV Videos
- Title（参考訳）: CCTV動画のスパルスサンプリングと高速サイクル検出
- Authors: Jing Xu, Wentao Shi, Sheng Ren, Pan Gao, Peng Zhou, Jie Qin,
- Abstract要約: 本報告では,CCTVビデオにおける不正自転車比の検出に関する問題点を定式化する。
本稿では,WWC予測器と呼ばれるスパースサンプリング手法を提案する。
われわれの手法は、わずか1.475%の誤差率を達成し、わずか19.12%のGPU時間しかかからない。
- 参考スコア（独自算出の注目度）: 36.1376919510996
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the field of transportation, it is of paramount importance to address and mitigate illegal actions committed by both motor and non-motor vehicles. Among those actions, wrong-way cycling (i.e., riding a bicycle or e-bike in the opposite direction of the designated traffic flow) poses significant risks to both cyclists and other road users. To this end, this paper formulates a problem of detecting wrong-way cycling ratios in CCTV videos. Specifically, we propose a sparse sampling method called WWC-Predictor to efficiently solve this problem, addressing the inefficiencies of direct tracking methods. Our approach leverages both detection-based information, which utilizes the information from bounding boxes, and orientation-based information, which provides insights into the image itself, to enhance instantaneous information capture capability. On our proposed benchmark dataset consisting of 35 minutes of video sequences and minute-level annotation, our method achieves an average error rate of a mere 1.475% while taking only 19.12% GPU time of straightforward tracking methods under the same detection model. This remarkable performance demonstrates the effectiveness of our approach in identifying and predicting instances of wrong-way cycling.
- Abstract（参考訳）: 輸送の分野では、モーターと非モーターの両方が行う違法行為に対処し、緩和することが最重要である。
これらの行動の中で、自転車や電動自転車を指定した交通の流れの反対方向に走ることが、自転車と他の道路利用者の両方に重大なリスクをもたらす。
そこで本論文では,CCTVビデオにおける不正なサイクル比を検出する問題を定式化する。
具体的には,WWC予測器(WWC-Predictor)と呼ばれるスパースサンプリング手法を提案する。
本手法では,境界ボックスからの情報を利用する検出ベース情報と,画像自体に対する洞察を提供する方位ベース情報の両方を活用して,瞬時情報取得能力を向上させる。
提案手法は,35分間のビデオシーケンスと微小レベルのアノテーションからなるベンチマークデータセットを用いて,11.475%の平均誤差率を実現し,同じ検出モデルの下では,19.12%のGPU時間のみを要した。
この顕著な性能は、不正なサイクリングの事例を特定し予測する上で、我々のアプローチの有効性を示している。
関連論文リスト
- A Benchmark for Cycling Close Pass Near Miss Event Detection from Video
Streams [35.17510169229505]
我々はCyc-CPと呼ばれる新しいベンチマークを導入し、ビデオストリームからのミスイベント検出に近づいた近距離通過をサイクリングする。
これら2つの問題に対するディープラーニング技術に基づくベンチマークモデルを提案する。
我々のモデルは実世界のデータセットで88.13%と84.60%の精度を達成できる。
論文 参考訳（メタデータ） (2023-04-24T07:30:01Z) - Online Lane Graph Extraction from Onboard Video [133.68032636906133]
オンボードカメラからの映像ストリームを、周囲のレーングラフのオンライン抽出に使用しています。
入力が1つの画像ではなくビデオを使うことは、異なるタイムステップからの情報を組み合わせることのメリットと課題の両方をもたらす。
提案手法の1つのモデルでは、1つを含む任意の数の画像を処理し、正確なレーングラフを生成することができる。
論文 参考訳（メタデータ） (2023-04-03T12:36:39Z) - Real-Time Driver Monitoring Systems through Modality and View Analysis [28.18784311981388]
ドライバーの気晴らしが道路事故の主要な原因であることが知られている。
State-of-the-artメソッドはレイテンシを無視しながら精度を優先する。
本稿では,ビデオフレーム間の時間的関係を無視した時間効率な検出モデルを提案する。
論文 参考訳（メタデータ） (2022-10-17T21:22:41Z) - 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) - Cross-Camera Trajectories Help Person Retrieval in a Camera Network [124.65912458467643]
既存の手法では、純粋な視覚的マッチングや時間的制約を考慮することが多いが、カメラネットワークの空間情報は無視する。
本稿では,時間的情報と空間的情報を統合したクロスカメラ生成に基づく歩行者検索フレームワークを提案する。
本手法の有効性を検証するため,最初のカメラ横断歩行者軌跡データセットを構築した。
論文 参考訳（メタデータ） (2022-04-27T13:10:48Z) - Real Time Monocular Vehicle Velocity Estimation using Synthetic Data [78.85123603488664]
移動車に搭載されたカメラから車両の速度を推定する問題を考察する。
そこで本研究では,まずオフ・ザ・シェルフ・トラッカーを用いて車両バウンディングボックスを抽出し,その後,小型ニューラルネットワークを用いて車両速度を回帰する2段階のアプローチを提案する。
論文 参考訳（メタデータ） (2021-09-16T13:10:27Z) - Cyclist Trajectory Forecasts by Incorporation of Multi-View Video
Information [2.984037222955095]
本稿では,都市交差点に設置した広角ステレオカメラシステムによる映像データからの視覚的手がかりを,サイクリストの軌道予測に組み込む新しい手法を提案する。
本研究では,3次元畳み込みニューラルネットワーク(3D-ConvNet)を用いて画像および光学的流れ列から特徴を抽出し,その特徴をサイクリストの過去の軌道から抽出した特徴と組み合わせ,将来のサイクリストの位置を予測する。
論文 参考訳（メタデータ） (2021-06-30T11:34:43Z) - An Efficient Approach for Anomaly Detection in Traffic Videos [30.83924581439373]
本稿では,エッジデバイスで動作可能な映像異常検出システムのための効率的な手法を提案する。
提案手法は,シーンの変化を検出し,破損したフレームを除去するプリプロセッシングモジュールを含む。
また,新しいシーンに迅速に適応し,類似度統計量の変化を検出するシーケンシャルな変化検出アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-04-20T04:43:18Z) - Tracking Road Users using Constraint Programming [79.32806233778511]
本稿では,マルチオブジェクトトラッキング(MOT)問題のトラッキング・バイ・検出パラダイムに見られるデータアソシエーションフェーズに対する制約プログラミング(CP)アプローチを提案する。
提案手法は車両追跡データを用いてテストし,UA-DETRACベンチマークの上位手法よりも優れた結果を得た。
論文 参考訳（メタデータ） (2020-03-10T00:04:32Z) - Road Curb Detection and Localization with Monocular Forward-view Vehicle
Camera [74.45649274085447]
魚眼レンズを装着した校正単眼カメラを用いて3Dパラメータを推定するロバストな手法を提案する。
我々のアプローチでは、車両が90%以上の精度で、リアルタイムで距離を抑えることができる。
論文 参考訳（メタデータ） (2020-02-28T00:24:18Z)
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。