論文の概要: Thermal Detection of People with Mobility Restrictions for Barrier Reduction at Traffic Lights Controlled Intersections

• arxiv url: http://arxiv.org/abs/2505.08568v2
• Date: Wed, 14 May 2025 13:01:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-15 13:24:43.925491
• Title: Thermal Detection of People with Mobility Restrictions for Barrier Reduction at Traffic Lights Controlled Intersections
• Title（参考訳）: 信号制御区間におけるバリア低減のための移動制限のある人の熱的検出
• Authors: Xiao Ni, Carsten Kuehnel, Xiaoyi Jiang,
• Abstract要約: コンピュータビジョンのためのディープラーニングの急速な進歩は、RGBカメラベースの適応的な交通信号システムの採用を促している。 RGBカメラの使用は、悪天候や低視認性条件下での検知性能の制限など、重大な課題を呈している。 本稿では,歩行障害のある人や移動負担のある人に対して,信号の持続時間を動的に調整する,完全自動熱検知方式のトラヒックライトシステムを提案する。
• 参考スコア（独自算出の注目度）: 4.27128470319992
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Rapid advances in deep learning for computer vision have driven the adoption of RGB camera-based adaptive traffic light systems to improve traffic safety and pedestrian comfort. However, these systems often overlook the needs of people with mobility restrictions. Moreover, the use of RGB cameras presents significant challenges, including limited detection performance under adverse weather or low-visibility conditions, as well as heightened privacy concerns. To address these issues, we propose a fully automated, thermal detector-based traffic light system that dynamically adjusts signal durations for individuals with walking impairments or mobility burden and triggers the auditory signal for visually impaired individuals, thereby advancing towards barrier-free intersection for all users. To this end, we build the thermal dataset for people with mobility restrictions (TD4PWMR), designed to capture diverse pedestrian scenarios, particularly focusing on individuals with mobility aids or mobility burden under varying environmental conditions, such as different lighting, weather, and crowded urban settings. While thermal imaging offers advantages in terms of privacy and robustness to adverse conditions, it also introduces inherent hurdles for object detection due to its lack of color and fine texture details and generally lower resolution of thermal images. To overcome these limitations, we develop YOLO-Thermal, a novel variant of the YOLO architecture that integrates advanced feature extraction and attention mechanisms for enhanced detection accuracy and robustness in thermal imaging. Experiments demonstrate that the proposed thermal detector outperforms existing detectors, while the proposed traffic light system effectively enhances barrier-free intersection. The source codes and dataset are available at https://github.com/leon2014dresden/YOLO-THERMAL.
• Abstract（参考訳）: コンピュータビジョンのためのディープラーニングの急速な進歩は、交通安全と歩行者の快適性を改善するために、RGBカメラベースの適応交通灯システムの採用を促した。 しかし、これらのシステムは、移動制限のある人々のニーズをしばしば見落としている。 さらに、RGBカメラの使用は、悪天候や低視認性条件下での検知性能の制限、プライバシー上の懸念の高まりなど、重大な課題を呈している。 これらの問題に対処するため、歩行障害や移動負荷のある個人に対する信号の持続時間を動的に調整し、視覚障害者に対する聴覚信号をトリガーする完全自動サーマル検出器ベースの交通灯システムを提案する。 この目的のために,移動性制限(TD4PWMR)を持つ人々を対象としたサーマルデータセットを構築し,特に,異なる照明,天気,混雑した都市環境など,様々な環境条件下での移動支援や移動性負担の個人に着目した。 熱画像は、悪条件に対するプライバシーと堅牢性の観点からは利点があるが、色や細かいテクスチャの詳細の欠如や、一般的には熱画像の解像度の低下により、物体検出に固有のハードルをもたらす。 これらの制約を克服するため, YOLO-Thermal は YOLO アーキテクチャの新しい変種であり, 高度な特徴抽出機構と注目機構を統合し, 熱画像における検出精度とロバスト性を向上する。 実験により、提案した熱検出器は既存の検出器よりも優れており、一方、提案された交通灯はバリアフリーの交差点を効果的に強化することを示した。 ソースコードとデータセットはhttps://github.com/leon2014dresden/YOLO-THERMALで公開されている。

関連論文リスト

• Leveraging Functional Encryption and Deep Learning for Privacy-Preserving Traffic Forecasting [3.177180500119784]
  本稿では,セキュアでプライバシ保護された位置情報と交通予報システムを提案する。 我々の新しいk匿名方式は,ドライバが送信した暗号化された位置情報を集約するために機能暗号化を利用する。 本研究では,60分間の予測地平線に対する平均絶対誤差を10%以下に抑えた提案手法の有効性を示す。
  論文  参考訳（メタデータ） (2025-04-17T18:21:55Z)
• Multi-modal Multi-platform Person Re-Identification: Benchmark and Method [58.59888754340054]
  MP-ReIDは、マルチモダリティとマルチプラットフォームReIDに特化した新しいデータセットである。 このベンチマークは、RGB、赤外線、サーマルイメージングなど、さまざまなモードで1,930のIDからデータをコンパイルする。 クロスモダリティとクロスプラットフォームシナリオに適した,特定設計のプロンプトを備えたフレームワークであるUni-Prompt ReIDを紹介する。
  論文  参考訳（メタデータ） (2025-03-21T12:27:49Z)
• Real-Time Multi-Scene Visibility Enhancement for Promoting Navigational Safety of Vessels Under Complex Weather Conditions [48.529493393948435]
  この可視光カメラは、インテリジェントな水上輸送システムにおいて、海洋表面の容器に不可欠なイメージングセンサーとして登場した。 視覚画像の画質は、複雑な気象条件下での様々な劣化に必然的に悩まされる。 本研究では,異なる気象条件下で撮影された劣化画像を復元する汎用多場面可視性向上手法を開発した。
  論文  参考訳（メタデータ） (2024-09-02T23:46:27Z)
• Detection of Micromobility Vehicles in Urban Traffic Videos [7.5867752610196915]
  本研究では、単一フレームオブジェクト検出の精度と速度と、オブジェクト検出フレームワークが提供するよりリッチな機能を組み合わせた、適応型検出モデルを導入する。 この融合は、YOLOX検出能力に時間的視点をもたらし、都市移動パターンをよりよく理解することができる。 都市マイクロモビリティのシナリオをキュレートしたデータセットを用いて実験し、既存の最先端手法よりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2024-02-28T17:31:39Z)
• Vision in adverse weather: Augmentation using CycleGANs with various object detectors for robust perception in autonomous racing [70.16043883381677]
  自律レースでは、天気は突然変化し、認識が著しく低下し、非効率な操作が引き起こされる。 悪天候の検知を改善するために、ディープラーニングベースのモデルは通常、そのような状況下でキャプチャされた広範なデータセットを必要とする。 本稿では,5つの最先端検出器のうち4つの性能向上を図るために,自動レース(CycleGANを用いた)における合成悪条件データセットを用いた手法を提案する。
  論文  参考訳（メタデータ） (2022-01-10T10:02:40Z)
• Does Thermal data make the detection systems more reliable? [1.2891210250935146]
  マルチモーダル協調フレームワークに基づく包括的検知システムを提案する。 このフレームワークは、RGB(ビジュアルカメラから)と熱(赤外線カメラから)の両方のデータから学習する。 実験の結果,精度の向上は名目上はいるものの,難易度と難易度は高いことがわかった。
  論文  参考訳（メタデータ） (2021-11-09T15:04:34Z)
• Exploring Thermal Images for Object Detection in Underexposure Regions for Autonomous Driving [67.69430435482127]
  アンダーエクスポージャー地域は、安全な自動運転のための周囲の完全な認識を構築するのに不可欠である。 サーマルカメラが利用可能になったことで、他の光学センサーが解釈可能な信号を捉えていない地域を探索するための重要な代替手段となった。 本研究は,可視光画像から熱画像へ学習を伝達するためのスタイル伝達手法を用いたドメイン適応フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-01T09:59:09Z)
• Drone-based RGB-Infrared Cross-Modality Vehicle Detection via Uncertainty-Aware Learning [59.19469551774703]
  ドローンによる車両検出は、空中画像中の車両の位置とカテゴリーを見つけることを目的としている。 我々はDroneVehicleと呼ばれる大規模ドローンベースのRGB赤外線車両検出データセットを構築した。 私たちのDroneVehicleは28,439RGBの赤外線画像を収集し、都市道路、住宅地、駐車場、その他のシナリオを昼から夜までカバーしています。
  論文  参考訳（メタデータ） (2020-03-05T05:29:44Z)

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。