論文の概要: Enhancing Road Safety Through Multi-Camera Image Segmentation with Post-Encroachment Time Analysis
- arxiv url: http://arxiv.org/abs/2511.12018v1
- Date: Sat, 15 Nov 2025 04:06:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-18 14:36:23.50962
- Title: Enhancing Road Safety Through Multi-Camera Image Segmentation with Post-Encroachment Time Analysis
- Title（参考訳）: マルチカメラ画像セグメンテーションによる道路安全の促進 : エンクロメント時間解析による検討
- Authors: Shounak Ray Chaudhuri, Arash Jahangiri, Christopher Paolini,
- Abstract要約: 本稿では,PET(Post-Encroachment Time)計算によるリアルタイム安全性評価のための,新しいマルチカメラコンピュータビジョンフレームワークを提案する。
4つの同期カメラが連続的な視覚的カバレッジを提供し、各フレームはNVIDIA Jetson AGX Xavierデバイスで処理される。
PETアルゴリズムは固定された細胞に依存することなく車両の位置を計測し、ダイナミックなヒートマップを通してきめ細かなハザードを可視化する。
- 参考スコア（独自算出の注目度）: 0.15293427903448018
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Traffic safety analysis at signalized intersections is vital for reducing vehicle and pedestrian collisions, yet traditional crash-based studies are limited by data sparsity and latency. This paper presents a novel multi-camera computer vision framework for real-time safety assessment through Post-Encroachment Time (PET) computation, demonstrated at the intersection of H Street and Broadway in Chula Vista, California. Four synchronized cameras provide continuous visual coverage, with each frame processed on NVIDIA Jetson AGX Xavier devices using YOLOv11 segmentation for vehicle detection. Detected vehicle polygons are transformed into a unified bird's-eye map using homography matrices, enabling alignment across overlapping camera views. A novel pixel-level PET algorithm measures vehicle position without reliance on fixed cells, allowing fine-grained hazard visualization via dynamic heatmaps, accurate to 3.3 sq-cm. Timestamped vehicle and PET data is stored in an SQL database for long-term monitoring. Results over various time intervals demonstrate the framework's ability to identify high-risk regions with sub-second precision and real-time throughput on edge devices, producing data for an 800 x 800 pixel logarithmic heatmap at an average of 2.68 FPS. This study validates the feasibility of decentralized vision-based PET analysis for intelligent transportation systems, offering a replicable methodology for high-resolution, real-time, and scalable intersection safety evaluation.
- Abstract（参考訳）: 信号交差点での交通安全分析は、車両と歩行者の衝突を減らすために不可欠である。
本稿では,カリフォルニア州チュラビスタのHストリートとブロードウェイの交差点で実証された,PET(Post-Encroachment Time)計算によるリアルタイム安全性評価のための新しいマルチカメラコンピュータビジョンフレームワークを提案する。
4つの同期カメラが連続的な視覚的カバレッジを提供し、各フレームは車検出のためにYOLOv11セグメンテーションを使用してNVIDIA Jetson AGX Xavierデバイスで処理される。
検出された車両多角形は、ホモグラフィ行列を用いて一貫した鳥眼マップに変換され、重複するカメラビュー間のアライメントを可能にする。
新たなピクセルレベルのPETアルゴリズムは、固定された細胞に頼らずに車の位置を計測し、ダイナミックなヒートマップによって3.3 sq-cmの精度できめ細かなハザードを可視化する。
タイムスタンプ付き車両とPETデータは、長期監視のためにSQLデータベースに格納される。
様々な時間間隔で、エッジデバイス上でのサブ秒精度とリアルタイムスループットでハイリスク領域を識別し、平均2.68FPSで800 x 800ピクセルの対数熱マップのデータを生成する。
本研究は,高分解能,リアルタイム,スケーラブルな交差点安全評価のためのレプリケートな手法を提供することにより,インテリジェント輸送システムにおける分散視覚ベースPET分析の実現可能性を検証する。
関連論文リスト
- An Optimized YOLOv5 Based Approach For Real-time Vehicle Detection At Road Intersections Using Fisheye Cameras [0.13092499936969584]
リアルタイム車両検出は都市交通監視の課題である。
魚眼カメラは、広い面積をカバーし、ジャンクションでの360度ビューを提供するために、リアルタイム車両検出の目的に広く利用されている。
車両や街路灯からの光輝き、影、非線形歪み、車両のスケーリング問題、小型車両の適切な位置決めといった課題を克服するため、改良型YOLOv5物体検出方式を提案する。
論文 参考訳（メタデータ） (2025-02-06T23:42:05Z) - Homography Guided Temporal Fusion for Road Line and Marking Segmentation [73.47092021519245]
道路線やマーキングは、移動車両、影、グレアの存在下でしばしば閉鎖される。
本稿では,映像フレームを補足的に利用するHomography Guided Fusion (HomoFusion) モジュールを提案する。
カメラ固有のデータと地上平面の仮定をクロスフレーム対応に利用することにより,高速・高精度性能が向上した軽量ネットワークの実現が期待できることを示す。
論文 参考訳（メタデータ） (2024-04-11T10:26:40Z) - Application of 2D Homography for High Resolution Traffic Data Collection
using CCTV Cameras [9.946460710450319]
本研究では,CCTVカメラから高精細なトラフィックデータを抽出するための3段階のビデオ分析フレームワークを実装した。
このフレームワークの主要な構成要素は、オブジェクト認識、視点変換、車両軌道再構成である。
その結果, カメラ推定値間の速度偏差は10%以下で, 方向トラフィック数では+/-4.5%の誤差率を示した。
論文 参考訳（メタデータ） (2024-01-14T07:33:14Z) - 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) - Scalable and Real-time Multi-Camera Vehicle Detection,
Re-Identification, and Tracking [58.95210121654722]
理想化されたビデオストリームやキュレートされたビデオストリームの代わりに,リアルタイムで低解像度のCCTVを処理する,リアルタイムな都市規模のマルチカメラ車両追跡システムを提案する。
私たちの手法は、公共のリーダーボードで上位5人のパフォーマーにランク付けされています。
論文 参考訳（メタデータ） (2022-04-15T12:47:01Z) - Traffic-Net: 3D Traffic Monitoring Using a Single Camera [1.1602089225841632]
我々は,1台のCCTVトラヒックカメラを用いたリアルタイムトラヒック監視のための実用的なプラットフォームを提供する。
車両・歩行者検出のためのカスタムYOLOv5ディープニューラルネットワークモデルとSORT追跡アルゴリズムの改良を行った。
また、短時間・長期の時間的ビデオデータストリームに基づく階層的なトラフィックモデリングソリューションも開発している。
論文 参考訳（メタデータ） (2021-09-19T16:59:01Z) - Cross-Camera Feature Prediction for Intra-Camera Supervised Person
Re-identification across Distant Scenes [70.30052164401178]
人物再識別(Re-ID)は、重複しないカメラビュー間で人物画像をマッチングすることを目的としている。
ICS-DS Re-IDは、カメラ内IDラベル付きクロスカメラアンペアデータを使用してトレーニングを行う。
カメラ横断型自己監視情報マイニングのためのクロスカメラ特徴予測法
グローバルレベルの特徴とローカルレベルの特徴の合同学習は、グローバルなローカルなクロスカメラ特徴予測スキームを形成する。
論文 参考訳（メタデータ） (2021-07-29T11:27:50Z) - Edge Computing for Real-Time Near-Crash Detection for Smart
Transportation Applications [29.550609157368466]
交通事故に近いイベントは、さまざまなスマートトランスポートアプリケーションにとって重要なデータソースとなる。
本稿では,既存のダッシュカムの映像ストリームをリアルタイムに処理することで,エッジコンピューティングのパワーを活用してこれらの課題に対処する。
エッジコンピューティングをリアルタイムトラフィックビデオ分析に適用する最初の取り組みのひとつであり、スマートトランスポート研究やアプリケーションにおいて、複数のサブフィールドに恩恵をもたらすことが期待されている。
論文 参考訳（メタデータ） (2020-08-02T19:39:14Z) - 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。