論文の概要: Intelligent Traffic Surveillance for Real-Time Vehicle Detection, License Plate Recognition, and Speed Estimation
- arxiv url: http://arxiv.org/abs/2601.00344v1
- Date: Thu, 01 Jan 2026 13:54:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-05 15:04:33.390891
- Title: Intelligent Traffic Surveillance for Real-Time Vehicle Detection, License Plate Recognition, and Speed Estimation
- Title（参考訳）: リアルタイム車両検知, ナンバープレート認識, 速度推定のためのインテリジェントトラフィックサーベイランス
- Authors: Bruce Mugizi, Sudi Murindanyi, Olivia Nakacwa, Andrew Katumba,
- Abstract要約: 本研究では,発展途上国に適したリアルタイム交通監視システムを提案する。
YOLOv8を用いたナンバープレート検出は平均平均精度(mAP)が97.9%に達した。
速度推定はソース領域とターゲット領域を使用しており、良い性能は10km/hの誤差である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Speeding is a major contributor to road fatalities, particularly in developing countries such as Uganda, where road safety infrastructure is limited. This study proposes a real-time intelligent traffic surveillance system tailored to such regions, using computer vision techniques to address vehicle detection, license plate recognition, and speed estimation. The study collected a rich dataset using a speed gun, a Canon Camera, and a mobile phone to train the models. License plate detection using YOLOv8 achieved a mean average precision (mAP) of 97.9%. For character recognition of the detected license plate, the CNN model got a character error rate (CER) of 3.85%, while the transformer model significantly reduced the CER to 1.79%. Speed estimation used source and target regions of interest, yielding a good performance of 10 km/h margin of error. Additionally, a database was established to correlate user information with vehicle detection data, enabling automated ticket issuance via SMS via Africa's Talking API. This system addresses critical traffic management needs in resource-constrained environments and shows potential to reduce road accidents through automated traffic enforcement in developing countries where such interventions are urgently needed.
- Abstract（参考訳）: スピードリングは、特に道路安全インフラが限られているウガンダのような発展途上国において、道路の死亡率に大きく貢献している。
本研究では,車両検出,ナンバープレート認識,速度推定にコンピュータビジョン技術を用いて,そのような地域に適したリアルタイムインテリジェント交通監視システムを提案する。
この研究は、スピードガン、キヤノンカメラ、携帯電話を使って、モデルを訓練するための豊富なデータセットを収集した。
YOLOv8を用いたナンバープレート検出は平均平均精度(mAP)が97.9%に達した。
検出されたナンバープレートの文字認識では、CNNモデルは文字誤り率(CER)が3.85%、トランスフォーマーモデルはCERを1.79%まで大幅に削減した。
速度推定はソース領域とターゲット領域を使用しており、良い性能は10km/hの誤差である。
さらに、ユーザ情報を車両検出データと相関付けるデータベースが構築され、アフリカのTalking APIを介してSMS経由で自動チケット発行が可能になった。
本システムは、資源制約のある環境において重要な交通管理の必要性に対処し、そのような介入が緊急に必要となる発展途上国における自動交通機関による道路事故の低減の可能性を示す。
関連論文リスト
- A Novel AI-Driven System for Real-Time Detection of Mirror Absence, Helmet Non-Compliance, and License Plates Using YOLOv8 and OCR [0.8921166277011348]
道路安全は重要な世界的な問題であり、ヘルメット法や車両安全基準のマニュアルが資源集約的で矛盾している。
本稿では,交通違反検出を自動化し,実施効率と道路安全を著しく向上するAIを利用したシステムを提案する。
論文 参考訳（メタデータ） (2025-11-15T13:18:17Z) - DARTS: A Drone-Based AI-Powered Real-Time Traffic Incident Detection System [4.230713219853656]
DARTSは、AIを利用したドローンによるリアルタイム交通事故検知システムである。
このシステムは、自己収集されたデータセットで99%の精度で検出された。
現地試験では、DARTSは地方交通管理センターより12分早く後方衝突を検出し、確認した。
論文 参考訳（メタデータ） (2025-10-29T22:32:16Z) - Unsupervised Domain Adaptation for Self-Driving from Past Traversal
Features [69.47588461101925]
本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。
提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。
実世界のデータセットの実験では、大幅な改善が示されている。
論文 参考訳（メタデータ） (2023-09-21T15:00:31Z) - Enhancing Road Safety through Accurate Detection of Hazardous Driving
Behaviors with Graph Convolutional Recurrent Networks [0.2578242050187029]
グラフ畳み込み長短期記憶ネットワーク(GConvLSTM)に基づく信頼性駆動行動検出(DBD)システムを提案する。
提案モデルでは,公共センサの精度97.5%,非公共センサの平均精度98.1%を達成し,両者の整合性と精度を示した。
提案システムは,道路の安全向上と運転ミスによる事故件数削減に有効である可能性が示唆された。
論文 参考訳（メタデータ） (2023-05-08T21:05:36Z) - 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) - Efficient Federated Learning with Spike Neural Networks for Traffic Sign
Recognition [70.306089187104]
我々は、エネルギー効率と高速モデルトレーニングのための交通信号認識に強力なスパイクニューラルネットワーク(SNN)を導入している。
数値的な結果から,提案するフェデレーションSNNは,従来のフェデレーション畳み込みニューラルネットワークよりも精度,ノイズ免疫性,エネルギー効率に優れていたことが示唆された。
論文 参考訳（メタデータ） (2022-05-28T03:11:48Z) - Deep Learning Based Framework for Iranian License Plate Detection and
Recognition [0.0]
イランのナンバープレート認識のために、ディープ畳み込みニューラルネットワークの枠組みが提案されている。
提案システムは,ライセンスプレート上の望ましくないデータのような困難な状況下で,ライセンスプレートを認識することができる。
論文 参考訳（メタデータ） (2022-01-18T08:53:42Z) - METEOR: A Massive Dense & Heterogeneous Behavior Dataset for Autonomous
Driving [42.69638782267657]
本稿では、インドにおける非構造化シナリオにおけるトラフィックパターンをキャプチャする、新しい複雑なトラフィックデータセットMETEORを提案する。
METEORは1000分以上のビデオクリップと、エゴ車軌道を持つ200万以上の注釈付きフレームと、周囲の車両や交通機関のための1300万以上のバウンディングボックスで構成されている。
我々は,オブジェクト検出と行動予測アルゴリズムの性能を評価するために,新しいデータセットを用いた。
論文 参考訳（メタデータ） (2021-09-16T01:01:55Z) - Exploiting Playbacks in Unsupervised Domain Adaptation for 3D Object
Detection [55.12894776039135]
ディープラーニングに基づく最先端の3Dオブジェクト検出器は、有望な精度を示しているが、ドメインの慣用性に過度に適合する傾向がある。
対象領域の擬似ラベルの検出器を微調整することで,このギャップを大幅に削減する新たな学習手法を提案する。
5つの自律運転データセットにおいて、これらの擬似ラベル上の検出器を微調整することで、新しい運転環境への領域ギャップを大幅に減らすことを示す。
論文 参考訳（メタデータ） (2021-03-26T01:18:11Z) - Driver2vec: Driver Identification from Automotive Data [44.84876493736275]
Driver2vecは、センサーデータの短い10秒間隔からドライバを正確に識別することができる。
Driver2vecは、Nervtechが提供する51人のドライバーのデータセットでトレーニングされている。
論文 参考訳（メタデータ） (2021-02-10T03:09:13Z) - Computer Vision based Accident Detection for Autonomous Vehicles [0.0]
ダッシュボードカメラを用いて車両事故を検出する自動運転支援システムを提案する。
このフレームワークは、ダッシュカム映像のカスタムデータセットでテストされ、誤報率を低く保ちながら、高い事故検出率を達成する。
論文 参考訳（メタデータ） (2020-12-20T08:51:10Z)
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。