論文の概要: Comparison of Two Methods for Stationary Incident Detection Based on Background Image

• arxiv url: http://arxiv.org/abs/2506.14256v1
• Date: Tue, 17 Jun 2025 07:18:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-18 17:34:59.374599
• Title: Comparison of Two Methods for Stationary Incident Detection Based on Background Image
• Title（参考訳）: 背景画像に基づく静止事象検出のための2つの方法の比較
• Authors: Deepak Ghimire, Joonwhoan Lee,
• Abstract要約: 定常物体検出のための2つのスキームを提案し, 検出性能と計算複雑性を比較検討した。 ビデオシーンで検出された静止物体を監視し,追跡するために,正規化クロス相関 (NCC) を用いた画像比較を行った。
• 参考スコア（独自算出の注目度）: 1.3812010983144802
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In general, background subtraction-based methods are used to detect moving objects in visual tracking applications. In this paper, we employed a background subtraction-based scheme to detect the temporarily stationary objects. We proposed two schemes for stationary object detection, and we compare those in terms of detection performance and computational complexity. In the first approach, we used a single background, and in the second approach, we used dual backgrounds, generated with different learning rates, in order to detect temporarily stopped objects. Finally, we used normalized cross correlation (NCC) based image comparison to monitor and track the detected stationary object in a video scene. The proposed method is robust with partial occlusion, short-time fully occlusion, and illumination changes, and it can operate in real time.
• Abstract（参考訳）: 一般に、視覚的トラッキングアプリケーションにおける移動物体を検出するために、バックグラウンドサブトラクションに基づく手法が用いられる。 本稿では,静止物体を検出するために,バックグラウンドサブトラクションに基づく手法を用いた。 定常物体検出のための2つのスキームを提案し, 検出性能と計算複雑性を比較検討した。 第1のアプローチでは、1つのバックグラウンドを使用し、第2のアプローチでは、一時的に停止したオブジェクトを検出するために、異なる学習率で生成された2つのバックグラウンドを使用しました。 最後に,ビデオシーンにおける静止物体の監視と追跡のために,正規化クロス相関(NCC)を用いた画像比較を行った。 提案手法は, 部分閉塞, 短時間完全閉塞, 照明変化に頑健であり, リアルタイムに動作可能である。

関連論文リスト

• Real-time Multi-Object Tracking Based on Bi-directional Matching [0.0]
  本研究では,多目的追跡のための双方向マッチングアルゴリズムを提案する。 ストランド領域はマッチングアルゴリズムで使われ、追跡できないオブジェクトを一時的に保存する。 MOT17チャレンジでは、提案アルゴリズムは63.4%のMOTA、55.3%のIDF1、20.1のFPS追跡速度を達成した。
  論文  参考訳（メタデータ） (2023-03-15T08:38:08Z)
• Implicit Motion Handling for Video Camouflaged Object Detection [60.98467179649398]
  本稿では,新しいビデオカモフラージュオブジェクト検出(VCOD)フレームワークを提案する。 短期的および長期的整合性を利用して、ビデオフレームからカモフラージュされたオブジェクトを検出する。
  論文  参考訳（メタデータ） (2022-03-14T17:55:41Z)
• SAR image matching algorithm based on multi-class features [0.27624021966289597]
  合成開口レーダは24/7と24/7の動作が可能で、適用価値が高い。 マッチングアルゴリズムのロバスト性を高めるために,主に直線と領域という2種類の特徴を用いて,マルチクラス特徴に基づく新しいSAR画像マッチングアルゴリズムを提案する。 実験結果から,本アルゴリズムは高精度なマッチング結果を得ることができ,正確な目標位置決めが可能であり,視点や照明の変化に優れたロバスト性を有することを確認した。
  論文  参考訳（メタデータ） (2021-08-13T01:07:51Z)
• You Better Look Twice: a new perspective for designing accurate detectors with reduced computations [56.34005280792013]
  BLT-netは、新しい低計算の2段階オブジェクト検出アーキテクチャである。 非常にエレガントな第1ステージを使用して、オブジェクトをバックグラウンドから分離することで、計算を削減します。 結果のイメージ提案は、高度に正確なモデルによって第2段階で処理される。
  論文  参考訳（メタデータ） (2021-07-21T12:39:51Z)
• Ensembling object detectors for image and video data analysis [98.26061123111647]
  本稿では,複数の物体検出器の出力をアンサンブルすることで,画像データ上の境界ボックスの検出性能と精度を向上させる手法を提案する。 本研究では,2段階追跡に基づく検出精度向上手法を提案することで,映像データに拡張する。
  論文  参考訳（メタデータ） (2021-02-09T12:38:16Z)
• Static object detection and segmentation in videos based on dual foregrounds difference with noise filtering [0.0]
  本稿では,映像中の静止物体検出とセグメンテーション手法について述べる。 提案手法は, 岩盤ブレーカー局に適用し, 実データ, 合成データ, および2つの公開データを用いて有効に検証した。
  論文  参考訳（メタデータ） (2020-12-19T15:01:59Z)
• FMODetect: Robust Detection and Trajectory Estimation of Fast Moving Objects [110.29738581961955]
  高速移動物体の検出と軌道推定のための最初の学習ベースアプローチを提案する。 提案手法は, 高速移動物体を軌道への切り離された距離関数として検出する。 シャープな外観推定のために,エネルギー最小化に基づくデブロワーリングを提案する。
  論文  参考訳（メタデータ） (2020-12-15T11:05:34Z)
• Local Anomaly Detection in Videos using Object-Centric Adversarial Learning [12.043574473965318]
  本稿では,ビデオ中のフレームレベルの局所異常を検出するために,オブジェクト領域のみを必要とする2段階のオブジェクト中心対向フレームワークを提案する。 第1段階は、現在の外観と、通常と見なされる場面における物体の過去の勾配画像との対応を学習することで、現在の外観から過去の勾配を生成できるか、逆から生成することができる。 第2段階は、実際の画像と生成された画像(外観と過去の勾配)の間の部分再構成誤差を通常の物体の挙動で抽出し、対向的に判別器を訓練する。
  論文  参考訳（メタデータ） (2020-11-13T02:02:37Z)
• Joint Detection and Tracking in Videos with Identification Features [36.55599286568541]
  本稿では,ビデオ検出,追跡,再識別機能の最初の共同最適化を提案する。 提案手法はMOTの最先端に到達し,オンライントラッカーにおけるUA-DETRAC'18追跡課題のうち,第1位,第3位にランクインした。
  論文  参考訳（メタデータ） (2020-05-21T21:06:40Z)
• Asynchronous Tracking-by-Detection on Adaptive Time Surfaces for Event-based Object Tracking [87.0297771292994]
  本稿では,イベントベースのトラッキング・バイ・ディテクト(ETD)手法を提案する。 この目的を達成するために,線形時間決定(ATSLTD)イベント・ツー・フレーム変換アルゴリズムを用いた適応時間曲面を提案する。 提案手法と,従来のカメラやイベントカメラをベースとした7種類のオブジェクト追跡手法と,ETDの2種類のバリエーションを比較した。
  論文  参考訳（メタデータ） (2020-02-13T15:58:31Z)

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。