論文の概要: DashCop: Automated E-ticket Generation for Two-Wheeler Traffic Violations Using Dashcam Videos

• arxiv url: http://arxiv.org/abs/2503.00428v1
• Date: Sat, 01 Mar 2025 10:10:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:19:11.259120
• Title: DashCop: Automated E-ticket Generation for Two-Wheeler Traffic Violations Using Dashcam Videos
• Title（参考訳）: DashCop:Dashcamビデオによる二輪交通違反のE-tket自動生成
• Authors: Deepti Rawat, Keshav Gupta, Aryamaan Basu Roy, Ravi Kiran Sarvadevabhatla,
• Abstract要約: 自動電子タバコ生成のためのエンドツーエンドシステムであるDashCopを提案する。 このシステムは、車載のダッシュカムビデオを処理して、二輪車の交通違反を検出する。 本システムでは, 広範囲な評価により, 違反検出の大幅な改善が示された。
• 参考スコア（独自算出の注目度）: 8.265943897085835
• License:
• Abstract: Motorized two-wheelers are a prevalent and economical means of transportation, particularly in the Asia-Pacific region. However, hazardous driving practices such as triple riding and non-compliance with helmet regulations contribute significantly to accident rates. Addressing these violations through automated enforcement mechanisms can enhance traffic safety. In this paper, we propose DashCop, an end-to-end system for automated E-ticket generation. The system processes vehicle-mounted dashcam videos to detect two-wheeler traffic violations. Our contributions include: (1) a novel Segmentation and Cross-Association (SAC) module to accurately associate riders with their motorcycles, (2) a robust cross-association-based tracking algorithm optimized for the simultaneous presence of riders and motorcycles, and (3) the RideSafe-400 dataset, a comprehensive annotated dashcam video dataset for triple riding and helmet rule violations. Our system demonstrates significant improvements in violation detection, validated through extensive evaluations on the RideSafe-400 dataset.
• Abstract（参考訳）: 電動二輪車(英: Motorized two-wheelers)は、特にアジア太平洋地域の交通手段である。 しかし、三輪車やヘルメット規制に従わないような危険な運転慣行は事故率に大きく寄与する。 自動的な執行機構による違反に対処することで、交通安全が向上する。 本稿では,自動電子タバコ生成のためのエンドツーエンドシステムであるDashCopを提案する。 このシステムは、車載のダッシュカムビデオを処理して、二輪車の交通違反を検出する。 コントリビューションには,(1)ライダーとオートバイを正確に関連付ける新しいセグメンテーション・クロス・アソシエーション(SAC)モジュール,(2)ライダーとオートバイの同時プレゼンスに最適化されたロバストなクロス・アソシエーション・ベースのトラッキングアルゴリズム,(3)トリプルライディングとヘルメットルール違反のための包括的なダシュカムビデオデータセットであるRideSafe-400データセットがある。 本システムは,RideSafe-400データセットの広範囲な評価により,違反検出の大幅な改善を示す。

関連論文リスト

• The 8th AI City Challenge [57.25825945041515]
  2024年版では5トラックが収録され、47か国と地域の726チームから前例のない関心を集めた。 このチャレンジでは、2つのリーダーボードを使ってメソッドを展示し、参加者は新しいベンチマークを設定した。
  論文  参考訳（メタデータ） (2024-04-15T03:12:17Z)
• Next-gen traffic surveillance: AI-assisted mobile traffic violation detection system [0.0]
  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。
  論文  参考訳（メタデータ） (2023-11-24T22:42:47Z)
• 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)
• A Real-Time Wrong-Way Vehicle Detection Based on YOLO and Centroid Tracking [0.0]
  誤運転は、世界中の道路事故や交通渋滞の主な原因の1つである。 本稿では,道路監視カメラによる車両自動検知システムを提案する。
  論文  参考訳（メタデータ） (2022-10-19T00:53:28Z)
• CycleSense: Detecting Near Miss Incidents in Bicycle Traffic from Mobile Motion Sensors [3.5127092215732176]
  世界中の都市では、自動車は健康と交通の問題を引き起こし、自転車のモルタルシェアの増加によって部分的に緩和される可能性がある。 しかし、多くの人々は、認識された安全性の欠如のためにサイクリングを避けます。 都市計画者にとって、サイクリストが安全な場所やそうでない場所についての洞察が欠けているため、この問題に対処することは難しい。
  論文  参考訳（メタデータ） (2022-04-21T21:43:23Z)
• Detecting, Tracking and Counting Motorcycle Rider Traffic Violations on Unconstrained Roads [27.351236436457445]
  制限のない道路交通条件の多くのアジア諸国では、ヘルメットやトリプルライディングなどの運転違反がオートバイの死亡原因となっている。 車両に搭載されたダッシュボードカメラから撮影したビデオにおいて、オートバイの乗馬違反を検出し、追跡し、カウントする手法を提案する。
  論文  参考訳（メタデータ） (2022-04-18T15:17:40Z)
• 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)
• Emergent Road Rules In Multi-Agent Driving Environments [84.82583370858391]
  運転環境の要素が道路ルールの出現の原因となるかを分析する。 2つの重要な要因が雑音知覚とエージェントの空間密度であることがわかった。 我々の結果は、世界中の国々が安全で効率的な運転で合意した社会道路規則を実証的に支持する。
  論文  参考訳（メタデータ） (2020-11-21T09:43:50Z)
• Driver Intention Anticipation Based on In-Cabin and Driving Scene Monitoring [52.557003792696484]
  本稿では,車内映像と交通シーン映像の両方に基づいて運転者の意図を検出する枠組みを提案する。 本フレームワークは,83.98%,F1スコア84.3%の精度で予測を行う。
  論文  参考訳（メタデータ） (2020-06-20T11:56:32Z)
• 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)
• Learning by Cheating [72.9701333689606]
  この難解な学習問題を2段階に分解することで単純化できることを示す。 提案手法を用いて、視覚に基づく自律運転システムの訓練を行い、芸術の状況を大幅に上回っている。 提案手法は,従来のCARLAベンチマークのすべてのタスクにおける100%の成功率を初めて達成し,NoCrashベンチマークに新しい記録を樹立し,従来の技術と比較すると,屈折率を桁違いに低減する。
  論文  参考訳（メタデータ） (2019-12-27T18:59:04Z)

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。