論文の概要: A Machine Learning Model for Crowd Density Classification in Hajj Video Frames

• arxiv url: http://arxiv.org/abs/2501.04911v1
• Date: Thu, 09 Jan 2025 01:58:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-10 14:00:47.759879
• Title: A Machine Learning Model for Crowd Density Classification in Hajj Video Frames
• Title（参考訳）: Hajjビデオフレームにおける集団密度分類のための機械学習モデル
• Authors: Afnan A. Shah,
• Abstract要約: 本研究では,群集密度を中程度群集,過密群集,高密度群集の3段階に分類する機械学習モデルを提案する。 KAU-Smart Crowd 'HAJJv2'データセットでテストされた。 このモデルは精度が87%で、2.14%の誤差率(誤分類率)を達成した。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Managing the massive annual gatherings of Hajj and Umrah presents significant challenges, particularly as the Saudi government aims to increase the number of pilgrims. Currently, around two million pilgrims attend Hajj and 26 million attend Umrah making crowd control especially in critical areas like the Grand Mosque during Tawaf, a major concern. Additional risks arise in managing dense crowds at key sites such as Arafat where the potential for stampedes, fires and pandemics poses serious threats to public safety. This research proposes a machine learning model to classify crowd density into three levels: moderate crowd, overcrowded and very dense crowd in video frames recorded during Hajj, with a flashing red light to alert organizers in real-time when a very dense crowd is detected. While current research efforts in processing Hajj surveillance videos focus solely on using CNN to detect abnormal behaviors, this research focuses more on high-risk crowds that can lead to disasters. Hazardous crowd conditions require a robust method, as incorrect classification could trigger unnecessary alerts and government intervention, while failure to classify could result in disaster. The proposed model integrates Local Binary Pattern (LBP) texture analysis, which enhances feature extraction for differentiating crowd density levels, along with edge density and area-based features. The model was tested on the KAU-Smart Crowd 'HAJJv2' dataset which contains 18 videos from various key locations during Hajj including 'Massaa', 'Jamarat', 'Arafat' and 'Tawaf'. The model achieved an accuracy rate of 87% with a 2.14% error percentage (misclassification rate), demonstrating its ability to detect and classify various crowd conditions effectively. That contributes to enhanced crowd management and safety during large-scale events like Hajj.
• Abstract（参考訳）: HajjとUmrahの大規模な年次集会の運営は、特にサウジアラビア政府が巡礼者数を増やすことを目的として、大きな課題を提示している。 現在、約200万人の巡礼者がハジに参列しており、2600万人がウムラーに参列している。 スタンプや火災、パンデミックの危険性が公衆の安全を脅かすアラファトのような重要な場所で密集した群衆を管理する際にも、さらなるリスクが生じる。 本研究では,集団密度を3つのレベルに分類する機械学習モデルを提案する。 Hajjの監視ビデオの処理における現在の研究は、CNNを使って異常な行動を検知することだけに重点を置いているが、今回の研究は、災害につながるリスクの高い群衆に焦点を当てている。 不正な分類が不必要な警告や政府の介入を引き起こす可能性がある一方で、分類の失敗は災害を引き起こす可能性があるため、危険な群衆の状況は堅牢な方法を必要とする。 提案手法は局所境界パターン (LBP) のテクスチャ解析を統合し, エッジ密度と面積に基づく特徴量とともに, 群集密度レベルを識別するための特徴抽出を強化する。 モデルは、KAU-Smart Crowd 'HAJJv2'データセットでテストされた。このデータセットには、"Massaa"、"Jamarat"、"Arafat"、"Tawaf"など、Hajjのさまざまな重要な場所からのビデオが18本含まれている。 このモデルは2.14%の誤差率(誤分類率)で87%の精度を達成し、様々な群衆条件を効果的に検出し分類する能力を示した。 これは、Hajjのような大規模なイベントにおいて、群衆の管理と安全性の向上に寄与する。

関連論文リスト

• Multimodal video analysis for crowd anomaly detection using open access tourism cameras [76.93566452564627]
  マルチモーダル手法を用いて,映像形式から時系列形式の情報抽出による群集異常の検出を提案する。 この手法がモレラのTurisme Comunitat Valencianaのウェブカメラに応用されたことにより、優れた成果が得られた。
  論文  参考訳（メタデータ） (2024-05-21T11:56:01Z)
• Backdoor Attacks on Crowd Counting [63.90533357815404]
  クラウドカウント(Crowd counting)は、シーンイメージ内の人数を推定する回帰タスクである。 本稿では,深層学習に基づくクラウドカウントモデルのバックドア攻撃に対する脆弱性について検討する。
  論文  参考訳（メタデータ） (2022-07-12T16:17:01Z)
• Vision-based Conflict Detection within Crowds based on High-Resolution Human Pose Estimation for Smart and Safe Airport [5.694579371558041]
  本稿では,集団における衝突行動の分類を行う機械学習モデルの開発について述べる。 支持ベクトルマシン(SVM)は94.37%の精度を達成した。 結果として得られたモデルは、膨大な数の潜在的な乗客に対処するために改良が加えられた場合、空港内に配備される可能性がある。
  論文  参考訳（メタデータ） (2022-07-01T14:54:12Z)
• Spatial-Temporal Hypergraph Self-Supervised Learning for Crime Prediction [60.508960752148454]
  本研究では,犯罪予測におけるラベル不足問題に対処する空間的ハイパーグラフ自己監視学習フレームワークを提案する。 都市空間全体における犯罪の地域的依存性をエンコードするクロスリージョンハイパーグラフ構造学習を提案する。 また,2段階の自己指導型学習パラダイムを設計し,局所的・世界的空間的犯罪パターンを共同で捉えるだけでなく,地域的自己差別の強化による疎犯罪表現を補う。
  論文  参考訳（メタデータ） (2022-04-18T23:46:01Z)
• Crowd counting with crowd attention convolutional neural network [23.96936386014949]
  我々は、CAT-CNN(Crowd Attention Convolutional Neural Network)と呼ばれる新しいエンドツーエンドモデルを提案する。 我々のCAT-CNNは、自動的に信頼マップを符号化することで、各画素位置における人間の頭の重要性を適応的に評価することができる。 信頼マップの誘導により、推定密度マップにおける人頭の位置がより注目され、最終的な密度マップを符号化することで、膨大な誤判断を効果的に回避することができる。
  論文  参考訳（メタデータ） (2022-04-15T06:51:58Z)
• Towards Adversarial Patch Analysis and Certified Defense against Crowd Counting [61.99564267735242]
  安全クリティカルな監視システムの重要性から、群衆のカウントは多くの注目を集めています。 近年の研究では、ディープニューラルネットワーク(DNN)の手法が敵の攻撃に弱いことが示されている。 群衆カウントモデルのロバスト性を評価するために,Momentumを用いた攻撃戦略としてAdversarial Patch Attackを提案する。
  論文  参考訳（メタデータ） (2021-04-22T05:10:55Z)
• Scale-Aware Network with Regional and Semantic Attentions for Crowd Counting under Cluttered Background [7.108205342578417]
  本稿では,地域的,意味的に注意を向けるスケールアウェア群数ネットワーク(saccn)を提案する。 提案するsaccnは,地域的・意味的自己照査機構を適用し,群衆と背景を区別する。 すべてのコードと事前トレーニングされたモデルはすぐにリリースされる。
  論文  参考訳（メタデータ） (2021-01-05T12:20:10Z)
• Toward Accurate Person-level Action Recognition in Videos of Crowded Scenes [131.9067467127761]
  我々は、シーンの情報を完全に活用し、新しいデータを集めることで、アクション認識を改善することに集中する。 具体的には、各フレームの空間的位置を検出するために、強い人間の検出器を採用する。 そして、行動認識モデルを適用して、HIEデータセットとインターネットから多様なシーンを持つ新しいデータの両方でビデオフレームから時間情報を学ぶ。
  論文  参考訳（メタデータ） (2020-10-16T13:08:50Z)
• Tracking in Crowd is Challenging: Analyzing Crowd based on Physical Characteristics [0.0]
  異常行動を知的に識別するイベント検出法を開発した。 この問題は、地域によって人口密度が高いため、非常に難しい。 これらの課題に対処する新しい方法を考える。
  論文  参考訳（メタデータ） (2020-08-08T22:42:25Z)
• Fine-Grained Crowd Counting [59.63412475367119]
  現在の群衆カウントアルゴリズムは、画像内の人の数にのみ関係している。 本研究では,各個体の低レベル行動特性に基づいて,群集をカテゴリに分類する,きめ細かい群集カウントを提案する。
  論文  参考訳（メタデータ） (2020-07-13T01:31:12Z)
• PDANet: Pyramid Density-aware Attention Net for Accurate Crowd Counting [7.02081613648832]
  関心領域内の群衆密度の大規模な変動のため、群衆カウントは依然としてオープンな現実の問題である。 PDANetと略される新しいピラミッド密度認識型ネットワークを提案する。これは、注目度、ピラミッドスケール機能、および2つの分岐デコーダモジュールを活用して、密度認識型クラウドカウントを行う。
  論文  参考訳（メタデータ） (2020-01-16T04:26:05Z)

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。