論文の概要: BlinkBud: Detecting Hazards from Behind via Sampled Monocular 3D Detection on a Single Earbud

• arxiv url: http://arxiv.org/abs/2512.01366v1
• Date: Mon, 01 Dec 2025 07:25:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-02 19:46:34.742987
• Title: BlinkBud: Detecting Hazards from Behind via Sampled Monocular 3D Detection on a Single Earbud
• Title（参考訳）: BlinkBud:単一イヤホン上の単分子3D検出による隠れたハザードの検出
• Authors: Yunzhe Li, Jiajun Yan, Yuzhou Wei, Kechen Liu, Yize Zhao, Chong Zhang, Hongzi Zhu, Li Lu, Shan Chang, Minyi Guo,
• Abstract要約: 本稿では,BlinkBudを提案する。BlinkBudは1つのイヤホンとペアフォンを使って,ユーザの後方から接近する有害物体をオンラインで検出する。 イヤホンと電話機の消費電力を最小限に抑えるため、新しい3Dオブジェクト追跡アルゴリズムを考案した。 その結果、BlinkBudは軽量で、イヤホンとスマートフォンの消費電力は29.8mWと702.6mWであることがわかった。
• 参考スコア（独自算出の注目度）: 33.04619835392521
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Failing to be aware of speeding vehicles approaching from behind poses a huge threat to the road safety of pedestrians and cyclists. In this paper, we propose BlinkBud, which utilizes a single earbud and a paired phone to online detect hazardous objects approaching from behind of a user. The core idea is to accurately track visually identified objects utilizing a small number of sampled camera images taken from the earbud. To minimize the power consumption of the earbud and the phone while guaranteeing the best tracking accuracy, a novel 3D object tracking algorithm is devised, integrating both a Kalman filter based trajectory estimation scheme and an optimal image sampling strategy based on reinforcement learning. Moreover, the impact of constant user head movements on the tracking accuracy is significantly eliminated by leveraging the estimated pitch and yaw angles to correct the object depth estimation and align the camera coordinate system to the user's body coordinate system, respectively. We implement a prototype BlinkBud system and conduct extensive real-world experiments. Results show that BlinkBud is lightweight with ultra-low mean power consumptions of 29.8 mW and 702.6 mW on the earbud and smartphone, respectively, and can accurately detect hazards with a low average false positive ratio (FPR) and false negative ratio (FNR) of 4.90% and 1.47%, respectively.
• Abstract（参考訳）: 後ろから車両が近づいてくるスピードに気付いていないことは、歩行者やサイクリストの道路安全にとって大きな脅威となる。 本稿では,BlinkBudを提案する。BlinkBudは1つのイヤホンとペアフォンを使って,ユーザの後方から接近する危険物をオンラインで検出する。 中心となるアイデアは、イヤホンから採取された少数のサンプルカメラ画像を利用して、視覚的に識別された物体を正確に追跡することである。 最高のトラッキング精度を確保しつつ、イヤホンと電話機の消費電力を最小限に抑えるため、カルマンフィルタに基づく軌道推定手法と強化学習に基づく最適な画像サンプリング戦略を一体化して、新しい3Dオブジェクト追跡アルゴリズムを考案した。 また、推定ピッチとヨー角を利用して被写体深度推定を補正し、カメラ座標系をユーザの身体座標系に合わせることにより、一定のユーザヘッドの動きが追跡精度に与える影響を著しく低減する。 プロトタイプのBlinkBudシステムを実装し,大規模な実環境実験を行う。 その結果、BlinkBudは、イヤホンとスマートフォンでそれぞれ29.8mWと702.6mWの超低消費電力で軽量であり、平均偽陽性率(FPR)と偽陰性率(FNR)はそれぞれ4.90%と1.47%のハザードを正確に検出できることがわかった。

関連論文リスト

• An Analysis of Kalman Filter based Object Tracking Methods for Fast-Moving Tiny Objects [0.6818319940287242]
  我々は,OCSORT,DeepOCSORT,ByteTrack,BoTSORT,StrongSORTの5つの最先端カルマンフィルタに基づく追跡手法の性能評価を行った。 我々は,画像毎の推測速度と更新頻度の2つの重要な性能要因に着目した。 以上の結果から,カルマンフィルタを用いたトラッカーは3.11cmから3.11cmまでの空間誤差で大きなトラッキングドリフトを示すことがわかった。
  論文  参考訳（メタデータ） (2025-09-22T22:12:48Z)
• NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
  我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。 グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。 我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
  論文  参考訳（メタデータ） (2025-06-23T14:28:30Z)
• Bayesian Approximation-Based Trajectory Prediction and Tracking with 4D Radar [13.438311878715536]
  3Dマルチオブジェクトトラッキング(MOT)は自動運転車には不可欠だが、LiDARとカメラベースの手法は悪天候下では劣化する。 本研究では,4次元レーダベースMOTフレームワークであるBayes-4DRTrackを提案する。
  論文  参考訳（メタデータ） (2025-02-03T13:49:21Z)
• ODTFormer: Efficient Obstacle Detection and Tracking with Stereo Cameras Based on Transformer [12.58804521609764]
  ODTFormerはTransformerベースのモデルで、障害検出と追跡の両方の問題に対処する。 我々は,最先端の障害物追跡モデルに匹敵する精度を報告し,そのコストはごくわずかである。
  論文  参考訳（メタデータ） (2024-03-21T17:59:55Z)
• DORT: Modeling Dynamic Objects in Recurrent for Multi-Camera 3D Object Detection and Tracking [67.34803048690428]
  本稿では、この問題を解決するためにRecurrenT(DORT)の動的オブジェクトをモデル化することを提案する。 DORTは、重い計算負担を軽減する動き推定のために、オブジェクトワイズローカルボリュームを抽出する。 フレキシブルで実用的で、ほとんどのカメラベースの3Dオブジェクト検出器に差し込むことができる。
  論文  参考訳（メタデータ） (2023-03-29T12:33:55Z)
• Threat Detection In Self-Driving Vehicles Using Computer Vision [0.0]
  ダッシュカムビデオを用いた自動運転車の脅威検出機構を提案する。 オブジェクトを識別するためのYOLO,高度な車線検出アルゴリズム,カメラからの距離を測定するマルチレグレッションモデルという,4つの主要なコンポーネントがある。 提案した脅威検出モデル(TDM)の最終的な精度は82.65%である。
  論文  参考訳（メタデータ） (2022-09-06T12:01:07Z)
• CFTrack: Center-based Radar and Camera Fusion for 3D Multi-Object Tracking [9.62721286522053]
  本稿では,レーダとカメラセンサの融合に基づく共同物体検出と追跡のためのエンドツーエンドネットワークを提案する。 提案手法では,物体検出に中心型レーダカメラ融合アルゴリズムを用い,物体関連にグリーディアルゴリズムを用いる。 提案手法は,20.0AMOTAを達成し,ベンチマークにおける視覚ベースの3Dトラッキング手法よりも優れる,挑戦的なnuScenesデータセット上で評価する。
  論文  参考訳（メタデータ） (2021-07-11T23:56:53Z)
• SADet: Learning An Efficient and Accurate Pedestrian Detector [68.66857832440897]
  本稿では,一段検出器の検出パイプラインに対する一連の最適化手法を提案する。 効率的な歩行者検出のための単発アンカーベース検出器(SADet)を形成する。 構造的には単純だが、VGA解像度の画像に対して最先端の結果と20ドルFPSのリアルタイム速度を示す。
  論文  参考訳（メタデータ） (2020-07-26T12:32:38Z)
• 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。